应用于大规模ASIC的线长驱动的合法化算法

总体布局完成之后的核心任务就是单元位置的合法化,即在将所有的单元安放到布局区并且与合理位置(site)对齐的同时,消除单元间的重叠.为了高效地实现大规模ASIC(Application Specific Integrated Circuit,专用集成电路)的布局过程,提出一种基于线长驱动的合法化算法.它以电路总线长为优化目标,同时考虑单元布局合理位置的约束和预布障碍.在ISPD' 11和DAC' 12竞赛例子上进行的测试结果表明了算法在线长保护及优化方面的效果.这些测试用例都是来源于现代工业ASIC设计的实例,由此说明了算法可以稳定有效地解决工业器中大规模ASIC多种特征电路的布局合法化问题.     

光纤环网中建立数据传输模型的方法研究*

为了在光线环网中高效地传输数据,首先确定了所研究光纤环网的物理拓扑结构,是一种多信道单向环网,然后详细地阐述了在其中建立数据传输模型的步骤和方法,以及各个模块的流程图,最后在设计的实验平台上对模型进行了完整的测试,测试结果表明数据传输模型可以在光纤环网中高效且正确地运行。     

数学分离-多波长直线回归法测定鼻炎滴剂中的黄芩苷和盐酸麻黄碱

鼻炎滴剂是中西复方制剂,主要成分有黄芩苷、盐酸麻黄碱、金银花、辛夷油、冰片等.本文研究建立了数学分离-多波长直线回归法,用于测定鼻炎滴剂中黄芩苷和盐酸麻黄碱的含量.黄芩苷和盐酸麻黄碱的最大吸收波长分别为278.0 nm和257.0 nm,将2组分吸收强度较大的242.0 nm～283.0 nm选为测定范围.在测定范围内选择42个点进行测定,使用数学分离-多波长直线回归方法计算分析,直接测定了鼻炎滴剂中的黄芩苷和盐酸麻黄碱含量.本文研究使用的市售鼻炎滴剂中2种药效成分的平均回收率和相对标准偏差分别为102.0％,0.86％和98.2％,0.87％.数学分离-多波长直线回归法简单、快速、准确、适用于鼻炎滴剂的质量控制过程.     

基于语义的领域虚拟数据中心研究与实现

油井工程领域涉及的数据具有分布、异构和自治性强等特点,并且存在复杂的语义关联,无法为全局决策提供有效的数据支持。利用本体和虚拟视图集成技术,提出了油井工程虚拟数据中心解决方案,通过构造领域全局本体并利用本体抽取、本体映射和查询转换实现领域数据语义集成,提供了统一和基于语义的数据查询与共享服务。实际应用表明,虚拟数据中心能够为油井生产决策提供全面和实时的数据支持。     

电子称重仪的精度分析

分析了ＯＣＳ－ＸＹ型称重仪的误差产生原因,在原称重仪的基础上,利用微处理器的软硬件技术对系统误差、随机误差和疏失误差进行了一系列的校正,提高了测量精度及可靠性。     

软件开发:从面向对象到Agent技术

简单回顾了软件开发的发展历史 ,介绍了当前流行的面向对象的软件开发方法以及新采用 agent技术的软件开发方法 ,比较了两者的异同 ,指出了 agent技术的应用前景。     

基于ARM+uC/OS-Ⅱ的超声波水煤浆粒度检测仪的设计

根据超声波在水煤浆中传播的声学特性的变化与水煤浆粒度之间的函数关系,基于低功耗32位嵌入式微处理器LPC2210与实时操作系统uC/OS-Ⅱ,文章提出了一种智能型水煤浆粒度快速检测仪的设计方案,并在测时电路里运用了锁相环技术,提高了超声传播时间的测量精确度。实际运行证明,该检测仪能满足实际测定水煤浆粒度的要求。     

基于Mobile Agent技术的主动网络管理体系结构的研究

随着网络规模的不断扩大,为了提高网络的可靠性和管理水平,需要进一步改进原有的计算机网络管理的体系结构,而基于SNMP协议的传统管理体系已不能适应规模日益扩大网络的需要。在讨论传统的集中式网管体系结构的基础上,探讨移动Agent 技术在主动网络管理体系结构中的运用。     

模式识别技术对Al_2O_3-TiC-ZrO_2纳米复合材料制备工艺参数的优化和预报

利用燃烧合成 热压工艺制备Al2 O3 TiC ZrO2 纳米复合材料 ,利用计算机模式识别技术中的非线性映照对其工艺参数进行分析。以陶瓷的抗弯强度和断裂韧性作为判据 ,给出参数目标优化区域。采用非线性逆映照研究不同工艺参数对材料性能的影响趋势 ,并对工艺参数进行预报和设计 ,再用实验结果予以验证 ,克服了传统“炒菜式”合成方法的盲目性。     

面向电信领域的共享信息模型的研究与实现*

对新一代运营系统和软件中信息及数据的建模与共享问题进行了研究。在电信管理论坛提出的共享信息模型标准和规范的基础上,借鉴模型驱动体系结构的开发方法,建立了共享信息模型的应用框架结构,提出并实现了一套与其相应的共享信息建模方法和模型存储、管理与访问机制。模型的应用在基于NGOSS框架应用中间件平台上得到了很好的验证,体现了共享信息模型对于电信运营支撑系统重要的应用价值。