自动交换光网络的标准化现状

国际上许多标准化组织都在对自动交换光网络的相关技术和标准规范进行研究。本文介绍了ITU－T、IETF和OIF等几个主要的标准化组织在自动交换光网络标准方面的进展情况。     

基于RBF NNI的单神经元PID模型参考自适应控制

RBF神经网络是一种性能良好的前向网络,它具有最佳逼近性能。本文中基于RBF神经网络,以单神经元PID作为控制器NNC,RBF网络作为辨识器,实现对被控对象的雅谷比信息辨识。传统的系统辨识方法包括以脉冲响应、最小二乘法为基础和最大似然法等,普遍存在难以克服的不足。本文的辨识方法及模型参考自适应控制方法具有计算速度快、推广和逼近、收敛特性良好等诸多优点,通过本文中的实例仿真,可以看出运用基于RBF神经网络辨识的单神经元PID模型参考自适应控制的系统输出可以达到对输入精确的跟踪效果。     

山洪演进模拟中的建筑物附加阻力

在大尺度洪水模拟过程中,建筑物形态分布对洪水演进起着很重要的作用.但是计算网格一般都大于建筑物,很难反映出建筑物对洪水的影响.在以往的研究中,一般采用“等效糙率”来反应建筑物对水流演进的影响.这一处理方法过于简单随意,缺乏理论依据.本文引进了最邻近指数来反映建筑物的分布,研究建筑物的不同分布对水流产生的不同影响,最后得到最邻近指数、弗如德数和水面坡度三者之间的关系,为以后在数学模型中对建筑物分布的处理提供了理论依据和处理方法.     

采用Voronoi网格模型实现空间数据的精确校正

利用Voronoi网络模型对空间数据进行校正,能很好地处理误差分布的空间随机性和不确定性。“最近邻近内插法”和“面积窃用插值法”均在误差更正中发挥很好的效用,“面积窃用插值法”充分考虑到误差控制点的空间拓扑关系,其校正精度不错,但时间复杂度较高,而“最近邻近内插法”的算法简单,也有较好的校正精度。     

自适应自然单元法研究——误差估计

实现自然单元法自适应分析的首要步骤是对NEM求解误差进行有效估计,鉴于Z-Z方法在有限元自适应分析中的成功应用以及近年来在无网格伽辽金方法误差估计中的高效实用,尝试将其应用于自然单元法的求解误差估计。应用自然单元法和位移模型求解固体力学问题时,由于NEM形函数在离散节点处的导数不存在以及在边界节点间满足线性插值,以致自然单元法求解不能直接给出节点上的应力、应变值,而且应力、应变值在边界上为分段常数。因此,有必要根据求解得到的位移场进行应力恢复以提取节点处的应力、应变值并构造全域光滑的应力场。针对自然单元法的特点,建议先利用自然单元法求解得到的全域光滑位移场,在节点处应用移动最小二乘方法提取应变、应力值;然后利用节点上恢复的应力、应变值,采用自然相邻点插值构造全域光滑的应力、应变场。大量数值实例表明,构造的光滑应力场具有较原始解更高的数值精度和收敛性。基于Z-Z方法将原始应力解和应力恢复解之间的差值作为误差的近似估计是可行的、简单高效的。     

关于下一代网络的体系结构

归纳了对下一代网络的共识与分歧,分析了产生分歧的原因,提出应重视网络体系结构研究,包括重新认识边缘论（endtoend argument）、光通信与分组交换技术的融合、UNI模式向NNI模式的过渡,同时要关注网络结构和动力学规律的基础研究。     

模糊神经网络控制器在CFBB床层温度控制中的应用

由于循环流化床锅炉(CFBB)的燃烧过程是一个多参数、非线性、时变以及变量强耦合的过程,很难建立被控对象的准确数学模型,根据CFBB床层温度被控对象的动态特性,设计了一个模糊神经网络自适应控制系统,引用模糊高斯基函数神经网络结构,并采用基于变尺度优化学习算法的改进型学习算法(MDFP),其学习信号由神经网络辨识器(NNI)提供.理论分析和仿真结果表明该控制系统具有良好的控制性能,其稳定性、鲁棒性等控制品质明显优于常规模糊控制.     

自动交换光网络路由技术

主要讨论自动交换光网络（ASON）中的路由技术。首先介绍了ITU－T关于ASON路由技术体系结构的要求，然后讨论了ASON路由技术与IP网络路由的不同之处，接着分析了IETF GMPLS对IP路由协议的扩展，包括OSPE－TE和ISI－TE。最后介绍了光互连论坛（OIF）在网络－网络接口（NNI）路由协议方面的进展情况。     

模糊神经网络控制器用于电站主汽压控制的研究

锅炉的燃烧过程是一个多参数、非线性、时变以及变量强耦合的过程，很难建立被控对象的准确数学模型。根据主汽压被控对象的动态特性，设计了一个模糊神经网络自适应控制系统，引用模糊高斯基函数神经网络结构，并采用基于变尺度优化学习算法的改进型学习算法，其学习信号由神经网络辨识器(NNI)提供。利用神经网络的非线性映射能力，能很好的解决被制对象的动态特性具有非线性、时变性、参数可变等问题。仿真对比试验表明，主汽压控制系统引入模糊神经网络控制器(FNNC)后，系统的响应速度变快，调节精度提高。该控制器的适应性、鲁棒性也明显优于常规PID控制器。     

Inversion Optimization Strategy Based on Primitives with Complement Attributes

Inverters or logic primitives that have complement attributes are essential to building a logical complement system.NAND and NOR operations which have complement attributes are of high interest for complementary metal-oxide-semiconductor (CMOS) technology,as they can be easily implemented in transistors.Different from the logic models used in standard CMOS,several nano-emerging technologies,such as quantum-dot cellular automata (QCA) and spin torque majority gates,are in favor of realizing a majority voter function but imposing difficulties in implementing inversions.Previous studies pay lots of effort in optimizing the number of inverters in logic representations,whereas the mapping using primitives with complement attributes is not a major concern.In this paper,we establish a technology mapping method from logic representations to nanotechnology primitives by considering NAND-NOR-Inverter (NNI) and exclusive-NOR(XNOR) operations.We adopt XOR-Majority Graph (XMG) as a logic representation.The proposed mapping method is evaluated using the QCA technology.Experimental results over EPFL benchmark suites show we achieve 11.77％ and 30.13％ reductions in the area and the number of inverters,respectively.