scipy.optimize.curve_fit拟合二极管测量数据不收敛，初始猜测已接近

• 持有大量二极管测量数据集，需从中提取理论参数用于后续建模。
• 此前使用scipy库的curve_fit函数拟合简单函数时完全正常，但拟合包含LambertW项的Shockley方程时，即便初始参数猜测与测量数据拟合度极高，最终拟合结果仍严重偏离实测值。
• 已尝试的优化动作：
  • 为拟合参数设置合理边界
  • 切换dogbox和lm两种拟合方法，其中dogbox效果略好，但拟合结果基本仅跟随初始猜测，未实现有效参数优化

相关代码示例 #

import numpy as np
from scipy.optimize import curve_fit
from scipy.special import lambertw

# 含LambertW项的Shockley方程定义（示例，需根据实际模型调整）
def shockley_lambertw(V, Is, n, Rs):
    vt = 0.02585  # 室温下热电压
    exp_term = np.exp(V / (n * vt))
    lambert_term = lambertw((Rs * Is / (n * vt)) * exp_term)
    return (V - n * vt * lambert_term) / Rs

# 加载测量数据（示例结构）
V_meas = np.array([0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7])  # 实测电压序列
I_meas = np.array([1e-11, 5e-10, 2e-8, 7e-7, 2e-5, 5e-4, 1e-2])  # 实测电流序列

# 初始参数猜测
p0 = [1e-12, 1.5, 10]  # 反向饱和电流Is，理想因子n，串联电阻Rs

# 参数边界设置
bounds = (
    [1e-15, 1.0, 1],   # 参数下限
    [1e-10, 2.0, 100]  # 参数上限
)

# 两种方法拟合尝试
popt_lm, pcov_lm = curve_fit(shockley_lambertw, V_meas, I_meas, p0=p0, bounds=bounds, method='lm')
popt_dogbox, pcov_dogbox = curve_fit(shockley_lambertw, V_meas, I_meas, p0=p0, bounds=bounds, method='dogbox')

拟合效果对比图 #

内容的提问来源于stack exchange，提问作者scott_R