采用启发式方法放置去耦合电容的供电网络优化算法

提出一种有效的启发式算法,利用芯片上的空白布局空间放置去耦合电容,实现供电网络的噪声优化,同时使去耦合电容占用较小的芯片面积资源．该算法采用伴随网络方法快速计算电路灵敏度,并应用等效电路技术来提高算法效率．实验结果表明,文中算法取得了很好的优化效果,并具有优化大规模电源／地线网络的能力．     

基于改进遗传算法的可靠性网络优化设计

在可靠性条件约束下,使网络成本最低是网络规划NP-hard问题。从遗传算法的基本原理出发并对其进行改进,分析带有可靠性约束条件的通信网设计中的网络优化问题,这一方法的最大优点是可将其推广到求解一般带有约束的网络优化问题。而且结果表明无论是解的精度还是运算速度遗传算法都优于分枝定界法及其它启发式算法。     

A Communication-Driven Routing Technique for Application-Specific NoCs

Networks on Chip (NoCs) have been shown as an efficient solution to the complex on-chip communication problems derived from the increasing number of processor cores. One of the key issues in the design of NoCs is the reduction of both area and power dissipation. As a result, two-dimensional meshes have become the preferred topology, since it offers low and constant link delay. Unfortunately, manufacturing defects or even real-time failures often make the resulting topology to become irregular, preventing the use of traditional routing algorithms. This scenario shows the need for topology-agnostic routing algorithms that provide a valid routing solution when applied over any topology. This paper proposes a new communication-driven routing technique that optimizes the network performance for Application-Specific NoCs. This technique combines a flexible, topology-agnostic routing algorithm with a communication-aware mapping technique that matches the traffic generated by the application with the available network bandwidth. Since the mapping technique can be pruned as needed in order to fit either quality function values or time constraints, this technique can be adapted to fit with different computational costs. The evaluation results show that it significantly improves network performance in terms of both latency and power consumption.     

基于改进A*算法的无线Mesh网拓扑状态实时监控方法

针对无线Mesh网络(WMN)边界难以确定,拓扑结构灵活多变,从而导致拓扑信息的收集和拓扑重构延迟较大,WMN监控精确性和实时性难以保证的问题,提出了一种基于改进A算法的WMN拓扑状态的实时监控方法来了解网络的实时状态,从而对网络可能出现的异常作出反应。通过缩短A搜索过程中的路径长度、缩小搜索范围,将重复搜索的边数作为影响因素增加到启发式中,解决了拓扑实时监控中存在的路径重复覆盖、搜索路径较长的问题。仿真表明,和原算法相比,当网络拓扑结构发生变化时,改进算法的拓扑收敛速度较高,可以在较短时间内完成对全网拓扑结构的更新。     

Time-domain analysis methodology for large-scale RLC circuits and its applications

With soaring work frequency and decreasing feature sizes, VLSI circuits with RLC parasitic components are more like analog circuits and should be carefully analyzed in physical design. However, the number of extracted RLC components is typically too large to be analyzed efficiently by using present analog circuit simulators like SPICE. In order to speedup the simulations without error penalty, this paper proposes a novel methodology to compress the time-descritized circuits resulted from numerical integration approximation at every time step. The main contribution of the methodology is the efficient structure-level compression of DC circuits containing many current sources, which is an important complement to present circuit analysis theory. The methodology consists of the following parts: 1) An approach is proposed to delete all intermediate nodes of RL branches. 2) An efficient approach is proposed to compress and back-solve parallel and serial branches so that it is error-free and of linear complexity to analyze circuits of tree topology. 3) The Y toπtransformation method is used to error-free reduce and back-solve the intermediate nodes of ladder circuits with the linear complexity. Thus, the whole simulation method is very accurate and of linear complexity to analyze circuits of chain topology. Based on the methodology, we propose several novel algorithms for efficiently solving RLC-model transient power/ground (P/G) networks. Among them, EQU-ADI algorithm of linear-complexity is proposed to solve RLC P/G networks with mesh-tree or mesh-chain topologies. Experimental results show that the proposed method is at least two orders of magnitude faster than SPICE while it can scale linearly in both time- and memory-complexity to solve very large P/G networks.     

基于端到端的传感器网络拓扑推测算法研究

针对传感器网络能源有限的特性,提出了一种基于端到端的拓扑推测算法.根据在汇聚节点(Sink)收集到网络内部节点报文接收或丢失的情况,推测传感器网络拓扑结构.通过理论分析和仿真,证明该算法可以在较少的数据收集轮次中快速地推测出网络拓扑,并克服了现有传感器网络拓扑推测算法在报文丢失率过重情况下的误判问题.     

融合拓扑和属性的动态网络链路预测方法

网络数据中出现的大量节点属性和随时间变化的特征,给链路预测提出了新挑战。基于注意力机制和循环神经网络对随时间演化网络进行建模,提出了DTA-LP模型。与传统的静态链路预测算法相比,DTA-LP使用LSTM捕获时序信息,动态预测可以更好应用于现实网络;与基于网络拓扑的动态链路预测算法相比,DTA-LP可以聚集高阶拓扑特征,有效挖掘网络邻域信息;与基于属性网络的动态链路预测算法相比,DTA-LP可以加权融合网络拓扑属性,提高预测精度。在4种真实数据上的实验结果表明,该方法能结合网络已有先验知识,以较高的MAP值来预测未来网络中的边,验证了模型的有效性。     

一种快速网络拓扑推测方法

网络拓扑推测是推测网络内部链路性能的前提条件。目前的网络拓扑推测方法主要是基于网络性能参数的极大似然估计方法,但是其计算量会随着网络规模的增长而急剧增加,影响在实际网络中的应用。针对这种问题,提出了一种快速的网络拓扑推测方法,根据观测节点测量数据的相似度推测网络的逻辑拓扑结构,推测准确且计算简单。最后利用仿真实验验证了该方法的有效性和准确性。     

基于网络断层扫描技术的网络拓扑推测方法研究*

目前的网络拓扑推测方法主要是基于网络性能参数的极大似然估计方法,而其计算量会随着网络规模的增长而急剧增加,从而影响在实际网络中的应用。讨论了网络断层扫描在网络拓扑推断中的测量方法和推断方法,提出了一种基于网络断层扫描技术的网络拓扑快速推测方法,根据观测节点测量数据的相似度推测网络的逻辑拓扑结构。通过仿真研究表明,该方法推测准确且计算简单,具有优势,即使在发送较少报文的情况下,也可以得到较高的准确推断率。     

一种双参数拓扑推测方法

针对采用单一性能参数推测网络拓扑结构算法的问题, 如有效性与网络负载有关以及测量节点性能参数时大多需要节点间时钟的同步等, 在现有的测量方法基础上, 提出了一种不需要节点间时钟同步可以测量端到端时延抖动和丢包相关性的紧接分组对序列测量方法, 同时设计了一种综合端到端时延抖动和丢包相关性的双参数拓扑推测算法, 该算法能够适应不同的网络负载环境。最后通过NS-2仿真实验验证了该算法的有效性和准确性。     

含分布式能源的主动配电网实时拓扑追踪

随着各种分布式能源接入配电网,配电网的潮流分布随分布式能源的运行方式转换而变化,传统仅考虑配电网拓扑结构的拓扑追踪方法不再适用,需要考虑配电网潮流方向变化对拓扑追踪的影响。本文根据配电网中主要电力设备及其连接关系建立了拓扑模型,基于配电网状态估计结果获取配电网的潮流分布,结合拓扑模型以及潮流分布给出计算各开关潮流的方法,在此基础上建立了基于潮流方向的连接节点/支路模型,并将该模型应用于拓扑追踪。文中列举了了多个拓扑追踪的应用场景,分别描述了各应用场景下的拓扑追踪实施方法。通过实例分析可知,文中的拓扑追踪方法充分考虑了多种分布式能源在不同运行方式下对配电网的影响,计算方法快速、结果准确,能够为运行人员提供调度决策支持。     

一种新的因特网拓扑的序列分析方法:dM序列分析方法

网络拓扑研究的一项重要内容是分析网络拓扑的特征并生成满足这些特征的拓扑图。拓扑图特征的dK序列分析技术是一种系统化的拓扑分析技术,它能够以不同的精度描述拓扑图的特征,随着d的增加,其生成的拓扑图能够在各种重要的拓扑度量方面越来越接近原始拓扑图,因而对因特网拓扑研究具有重要意义。dK序列分析技术的问题在于状态数较多,生成算法复杂,当d>2时没有直接的生成算法。本文提出了一种新的基于邻接图分布的拓扑图特征的序列分析技术:dM序列分析技术。与dK序列分析技术相比,dM序列分析技术具有状态数少、生成算法简单的优势,因此更适合于大规模拓扑图如因特网AS拓扑的研究。     

一种蓝牙分散网拓扑结构创建和网络路由分布式算法

蓝牙分散网潜在的广阔应用前景使它逐渐成为自组网络研究热点之一。蓝牙分散网所具有的特殊限制和特性给有效创建分散网络拓扑结构和网络路由带来了挑战。提出和分析了一种分布式蓝牙分散网拓扑结构创建算法和以此为基础的网络路由算法。它是一种简单有效的可递归算法，具有良好的扩展性。文章假定通信距离内的两结点间能建立物理连接。通过数学证明和仿真试验，算法具有以下性能：时间复杂度为O（log N)，消息复杂度为O（N），分散网网络直径为O（log N)。利用特殊的地址表示法，运行简单的路由算法可实现单播和广播路由。     

基于Geodatabase模型的配电网拓扑算法

针对配电网管理平台的网络拓扑问题,提出一种基于Geodatabase模型的配电网拓扑分析算法.引入Geodatabase数据模型和网络拓扑模型,定义配电网数学模型,采用XML描述配电网设备,构建配电网拓扑模型,设计拓扑算法流程.应用于配电网拓扑关系生成和电源分析过程的算例表明,该算法具有结构简单、流程清晰等特点,能满足...     

WSN中一种基于能量的层次型拓扑生成算法

通过考虑无线传感器网络节点的能量问题确定了单层拓扑结构中簇头节点的最优个数,结合WCA算法提出了一种基于能量的无线传感器网络的层次型拓扑结构生成算法,并评估了该算法的各项性能指标。经过算法复杂度分析得出该算法的时间复杂度和网络节点的个数相关,适合生成中小型规模的网络。仿真结果表明,使用该算法可以生成具有最优簇头个数的网络拓扑结构,能大大节省网络节点能量的消耗,且延长了网络的生存周期。     

配电线路拓扑及台户区分自校验系统的研究

针对人工检查低压配电网拓扑关系带来的管理难度和成本高的问题,本研究分别在时域和频域上比较了皮尔逊相关系数和灰色关联分析,提出了一种实用的配电线路拓扑异常检查方法,该方法利用从数据采集与监控系统和电力信息采集系统获得的配电数据,使用皮尔逊相关系数来判断用户电压序列曲线的相似性,采用灰色关联法对用户样本集进行分析,对中间节点的电压变化确定了下游节点的异常位置,发现识别出站区标识错误的用户;根据实验验证的结果,与灰色关联分析法相比,皮尔逊相关系数不具有良好的鲁棒性,而且会增加误判的次数,采用频域相似度的灰色关联分析法得到配电线路拓扑校验准确率达到99.9％,十分适用可靠.     

LCC谐振变换器的优化设计与实现

LCC谐振变换器是电除尘高频高压电源的核心器件,十分适用于高压大功率场合,针对连续模式应用于电除尘高频高压电源的不足,采用LCC谐振变换器断续模式进行优化设计。分析了带RC负载的LCC谐振变换器断续模式(简称DCM)的工作原理及拓扑结构,采用状态空间法推导了其数学模型,研究并建立了新颖的LCC谐振变换器断续模式下的损耗模型。在此基础上提出了一种基于遗传粒子群算法的LCC谐振变换器优化设计方法,该方法直观并且准确,实现了软开关技术,提高了电源的工作效率。并在现场通过一台72KV/85KW的电除尘高频高压电源样机验证了本文的正确性。     

基于单片机的开关电源测试系统的设计

介绍了以PC机与单片机C8051F060组成的开关电源测试系统,提出了一套开关电源测试系统的设计方案,讨论了硬件电路(功率计、电子负载等)的设计,其中功率计实现对开关电源的三通道测量,并可以进行在线实时分析和参数测量;电子负载能实现任意负载值调节,精准而便于控制和转换负载,从而可以非常方便地测试出不同负载下的电气特性;结合硬件系统的设计,给出了系统的软件设计流程;现有的商业开关电源测试系统价格一般都很高,而且针对特定系统的开发设计与运行维护费用更高;与此相比,该系统具有人机界面友好、操作方便、价格低廉的特点;实际运行结果表明,该系统稳定度高,扩充性强,具有较高的实用价值和应用前景。     

Deep learning driven real time topology optimisation based on initial stress learning

Topology optimisation can facilitate engineers in proposing efficient and novel conceptual design schemes, but the traditional FEM based optimization demands significant computing power and makes the real time optimization impossible. Based on the convolutional neural network (CNN) method, a new deep learning approximate algorithm for real time topology optimisation is proposed. The algorithm learns from the initial stress (LIS), which is defined as the major principal stress matrix obtained from finite element analysis in the first iteration of classical topology optimisation. The initial major principal stress matrix of the structure is used to replace the load cases and boundary conditions of the structure as independent variables, which can produce topological prediction results with high accuracy based on a relatively small number of samples. Compared with the traditional topology optimisation method, the new method can produce a similar result in real time without repeated iterations. A classic short cantilever problem was used as an example, and the optimized topology of the cantilever structure is predicted successfully by the established approximate algorithm. By comparing the prediction results to the structural optimisation results obtained by the classical topology optimisation method, it is discovered that the two results are highly approximate, which verifies the validity of the established algorithm. Furthermore, a new algorithm evaluation method is proposed to evaluate the effects of using different methods to select samples on the prediction performance of the optimized topology, and the results were promising and concluded in the end.     

基于丢包率的多播网络拓扑推断算法

在分析现有的网络拓扑推断算法的基础上,提出一种改进的基于丢包率的多播网络拓扑推断算法。结合接收节点的层次信息、汉明距离及节点接收的探测包数量,能够同时推断网络拓扑结构和链路丢包率,并根据链路丢包率的估计值动态地调整拓扑推断的判决门限值,提高了推断的准确性。仿真实验证明,与现有算法相比,该算法具有更好的性能。