动态自学习范文（精选7篇）
动态自学习 第1篇
基于机器学习的信息处理技术是目前复杂系统数据分析和利用问题中一种有效的处理方法和工具。机器模型的建立一般需有足够多的满足系统状态变化特征规律描述、高质量的样本数据[1,2]。但在实际问题中,特别是在一些非线性动态系统的情况下,由于采样条件的限制或代价高昂,往往难以得到足够多的、有确定标识的样本;而另一方面,在有些情况中,又可以获得大量未标记的样本数据。因此,如何利用标记及未标记的样本信息、丰富学习样本数量,是建立智能模型和提高模型泛化能力的关键问题之一[3]。
针对非线性动态系统未标记过程函数样本的标记和信息的有效利用问题,本文提出了一种基于自组织过程神经网络[4]的动态样本半监督学习算法。首先,按照基于竞争学习规则和有教师示教方法,分别建立两种信息处理机制的自组织过程神经网络动态信号分类模型,实现对过程函数样本集合的分类;然后,按照基于分类结果的标记策略,实现对未标记过程样本的标识,达到增加样本规模和多样性的目标。以基于测井曲线的水淹层样本分类标记和油层水淹状态判别为例,实际应用结果验证了算法的有效性。
1 自组织过程神经网络
自组织过程神经网络(Self-Organization Process Neura Network,SOPNN)是一种通过竞争学习机制实现对时变信号处理的动态神经网络模型。SOPNN由时变信号输入层和过程神经元组成的竞争层构成,网络自适应提取输入函数所隐含的模式特征,并对其进行自组织,在竞争层将作用结果表现出来。
设SOPNN输入空间为(C[0,T])n,[0,T]为信号输入过程区间;系统输入函数为X(t)=(x1(t),x2(t),...,xn(t)),输出为代表模式类别的数值量,网络拓扑结构如图1所示。
图1中,wij(t)(i=1,2,...,n;j=1,2,...,m)为连接权函数,yj(j=1,2,...,m)为网络输出。
1.1 竞争学习规则
设学习样本集为邀X1(t),X2(t),...,Xk(t)妖,Xk(t)∈(C[0,T])n。定义第k个输入样本向量Xk(t)与竞争层神经元节点的连接权函数向量Wj(t)的相似系数为:
式(1)中,Wj(t)=(w1 j(t),w2 j(t),...,wnj(t)),j=1,2,...,m。
设具有最大相似系数的节点j觹在竞争中获胜,即j觹满足:
对于输入样本向量Xk(t),若节点j觹在竞争中获胜,则调整wij(t),使权函数Wj觹(t)通过算法调整向Xk(t)方向移动,最终使获胜过程神经元j觹的输出表示Xk(t)所代表的模式类别。
1.2 有监督的学习算法
当训练集中各样本的模式类别已知时,可采用有监督的学习算法。对样本函数Xk(t),由式(1)计算rjk,按式(4)选择获胜的过程神经元j觹。如果获胜过程神经元j觹是Xk(t)的恰当分类,其权值修正公式为:
当j觹为Xk(t)的不恰当分类时,则权值修正公式为:
2 基于SOPNN的动态样本聚类
半监督学习是处理有大量无标记样本和少量有标记样本时的一种学习分类方法,适用于大量数据不断产生、同时对这些数据不容易进行标记或若标记则花费代价很大的情形[5,6]。对于过程采样函数样本情况,基于半监督学习的动态函数样本分类问题可描述如下:
设定动态函数样本集S=L∪U,其中,L=邀(x1(t),y1),(x2(t),y2),...,(xl(t),yl)妖奂X(t)×Y是有标记样本集,U=邀xl+1(t),xl+2(t),...,xN(t)妖奂X(t)是未标记样本集,这里,xi(t∈C[0,T],[0,T]为信号采样区间,yi∈R。本文半监督学习的问题是基于有标记样本集L,构造基于SOPNN的时变函数模式分类器。当样本模式类别数已知时,样本集经算法分类后,以标记样本的类别代表分组类别,同组中的未标记样本则与标记样本的类别一致;如果所分的一类中包含两个或两个以上的不同类别标记样本,则分类失败。这样,可通过每个分类中已标记的样本信息实现对未标记样本集U中的样本的类别标识。
设在实际问题中获得了系统在运行状态下的N个时变采样信号,其中,l个为有标记样本,N-l个为未标记样本。以下分三种情况讨论:
(1)若已知确定的样本类别数,且每个类别中均包含了已标记的样本,则采用有教师示教的SOPNN算法对未标记样本进行标识;
(2)若已知确定的类别数,但有类别中未包含已标记样本,则采用竞争型SOPNN算法进行未标记样本的标识;
(3)若样本的类别数未知,则可基于样本集S=L∪U,先采用近邻传播算法[7]确定样本的类别数,然后再用有教师示教或竞争学习算法对未标记的样本进行标识。
3 在测井水淹层判别中的应用
油层水淹状况识别是油田开发过程中一项十分重要而又复杂的工作。水淹状况判别依据的是一组反映地层地球物理性质随深度变化的连续测井曲线的形态和幅值特征[8],而测井曲线可看作是随深度变化的一个连续过程信号。传统判别方法是在取心井资料分析基础上,建立油层水淹知识库,再通过人机交互对非取心井进行解释。实际工作中,水淹层判别主要依据SP、Rt、Rmd等三条测井曲线和小层厚度h共4个变量;油层水淹程度分为未水淹、弱水淹、中水淹、强水淹4个等级。
在油田实际开发中,由于钻井过程中获取岩心技术要求高、费用昂贵,故每个油田区块一般只有少量的取心井,但所有钻井都进行了物理测井,即存在大量未标记的小层测井曲线样本。本文研究的油田开发区块有3口取心井,包括4类水淹状况、共35个有标记水淹程度的测井曲线样本,其中,14个为强水淹、9个为中水淹、7个为弱水淹、5个未水淹。在区块中另选4口具有典型地质特征的非取心井,选择出43个有代表性的未标记小层测井曲线样本,并作归一化处理[4]。选用取心井4类35个有标识的小层样本组成训练集。SOPNN的拓扑结构确定为:3个时变信号输入节点,4个过程神经元竞争层节点,输出为水淹程度,对应于0,1,2,3。本实例为有教师示教的情况,4个过程神经元节点的输出分别对应4种水淹状况。SOPNN迭代372次后收敛。用训练完成的SOPNN对未标记的43个样本进行类别标识,结果为17个标记为强水淹、14个为中水淹、9个为弱水淹、3个为未水淹,判对率为80.3%,较大提高了测井水淹层解释精度。
4 结束语
本文针对非线性动态系统未标记时变信号样本的标识问题,建立了基于自组织过程神经网络的半监督分类标记算法。该方法利用已标记样本构建自组织过程神经网络分类模型,可自适应实现未标记样本的分类标记,增加反映系统过程模态变化特征样本的多样性。文中提出的方法对其他机器模型学习算法和训练样本集的构建也具有一定的借鉴意义。
参考文献
[1]冯乃勤,王芳,邱玉辉.提高神经网络泛化能力的研究[J].计算机工程与应用,2006,4:38-41.
[2]WAN W S,MABU S,SHIMADA K,et al.Enhancing the gen-eralization ability of neural networks through controlling the h-idden layers.Applied Soft Computing,In Press,Avaiable On-line,2008.
[3]江学军,唐焕文.前馈神经网络泛化性能力的系统分析[J].系统工程理论与实践,2000,8:36-40.
[4]许少华,何新贵,李盼池.自组织过程神经网络及其应用研究[J].计算机研究与发展,2003,40(11):1612-1615.
[5]罗进,周学君.半监督学习中非标记数据的利用[J].湖北大学学报,2008,30(1):8-11.
[6]BELKIN M,NIYOGI P.Semi-supervised learning on riemanni-an manifolds[J].Machine Learning,2004,56:209-239.
[7]肖宇,于剑.基于近邻传播算法的半监督聚类[J].软件学报,2-008,19(11):2803-2813.
高动态移动自组网路由协议研究 第2篇
移动自组网是由移动节点通过无线链路形成的一种多跳临时性自治系统,因组网灵活和不需要固定的通信基础设施而在军事及民用领域有着广泛的应用。
目前已提出的移动自组网路由协议,按照路由决策所依据的信息分为基于拓扑的路由和基于地理位置的路由两大类[1]。基于拓扑的路由协议收集节点间的连接关系和链路特性,按照最小跳数或最小延迟原则计算路由,并保存到路由表中[6]。基于地理位置的路由协议收集节点的位置坐标,按照距离最短或方向最接近的原则确定下一跳节点[3]。地理位置路由协议不需要建立基于全局链路状态的路由,可以实现无状态、分布式的数据转发,因而对网络拓扑变化的适应性更好。
现阶段研究的移动自组网主要是地面移动自组网。受地面条件所限,节点运动速度一般较慢,且通信距离较短。随着网络向空天领域延伸,未来将出现一类高动态的移动自组网,例如临近空间网络。临近空间是在现有飞机最高飞行高度和卫星最低轨道高度之间的一块空域,在现代战争和民用通信领域均有重要应用。应用于空天作战的临近空间网络,节点的运动速度可能极高,如高速战机、导弹等的速度可高达几个马赫,节点间的通信距离一般很长,如几十到上百公里。在由高动态节点构成的移动自组网中进行路由是一个难题。节点的高速运动使得全局链路状态及节点位置不断改变,频繁触发路由更新或位置更新过程,不仅在网络中产生大量的控制开销,而且路由收敛困难,数据转发延迟增大,丢包严重。
本文提出一种适合高动态移动自组网的路由协议TOPOS,并在OPNET平台上与目前典型的基于拓扑的路由和基于位置的路由进行比较。实验表明,TOPOS对节点速度和网络规模具有更好的适应性。
1 问题描述与分析
本文考虑的高动态移动自组网由一定数量的高速节点组成,且每个节点的通信距离较长。与一般地面移动自组网不同,节能不是首要考虑的因素。
对于由高动态节点构成的网络而言,若节点通信距离很短,即节点间链路的存在时间很短,则只有扩散法是唯一可用的路由协议,但扩散法只能应用于小规模网络。注意到这类网络中节点通信距离较长这一特点,这意味着节点间的链路可保持一小段时间,从而在一个较小的时间和空间范围内网络拓扑的变化并不是高度随机的,这是一个可以利用的特性。
为了验证这种猜测的合理性,我们通过简单的仿真实验来估测网络中n-跳连接的平均持续时间。取节点的通信距离为100km,节点运动速度为10马赫(现阶段最高速度)。在以节点O为中心、半径100km的圆内随机均匀分布10个节点,这些节点即为节点O的一跳邻居。所有节点(包括节点O)均随机运动,记录各节点与节点O断开连接的时间。取100次实验结果的平均值,得到节点O的剩余邻居个数随时间的变化曲线(图1),以及一跳连接的平均保持时间27.72s。从图1看到,经过15s之后,仍然有一半的节点与节点O保持连接。
为测试两跳连接的平均持续时间,取一条直线上的两个节点A和C,B位于A和C的覆盖范围之内,且为A和C的一跳邻居。三个节点均随机运动,记录两跳连接断开的时间。取100次实验结果的平均值,得到两跳连接平均保持时间约为12.2s。使用同样的方法可以测试n-跳连接的平均保持时间,如图2所示。从图中看到,n-跳连接的平均保持时间随n的增大而急剧下降,这也表明了基于拓扑的路由不适合高度动态的网络。
图1节点O的剩余邻居个数-时间曲线(参见下页)
图2 n-跳连接的平均保持时间(参见下页)
以上实验假设节点以最高速度运动,且节点间的运动独立无关,考虑到实际节点的速度没有这么高,且节点之间存在一定程度的协同,则一跳和两跳连接的保持时间还会更长一些。
利用网络中这种暂时的局部稳定性,我们提出一种局部基于拓扑信息而全局基于地理位置信息的路由协议TOPOS(TOpology-and-POSition based routing protocol)。两跳距离内使用基于拓扑的路由,这是因为两跳以内连接的稳定性相对较好,从而维护局部路由的开销较小,基于位置的路由协议则因为需要频繁更新节点位置而开销较大;另外在转发数据包时,基于拓扑的路由只需查找路由表即可转发,而基于位置的路由需要对每个包计算下一跳节点。两跳距离之外使用基于位置的路由,这是因为两跳以上的连接持续时间短,路由失效概率大,基于拓扑的路由算法在全局范围内很难收敛;基于位置的路由协议因不需要在全局范围内维护显式路由,适合拓扑变化的能力较强。
然而由于节点一直处在高速运动之中,基于位置的路由协议在全局范围内进行位置更新的开销很大。考虑到高动态网络中节点位置信息失效很快,越远的节点其位置信息的准确性越差,我们提出一种基于簇的两层路由结构。节点首先被组织到若干簇中,簇头作为簇中所有节点的代表,对外只发布簇头位置及簇中成员节点集合。在远距离转发数据包时,以目的节点所在簇的簇头作为目标进行转发决策。由于簇的成员关系在短时间内较为稳定(图1),因此以簇头位置作为其成员节点的位置估计是可行的,这样就避免了在全局范围内交换所有节点的位置信息,也可以适当降低位置更新频率。由于位置更新总是从发生地向四周扩散,越近的节点拥有越准确的位置信息,因此在转发过程中可允许每个簇头根据自己所掌握的最新目标位置进行转发,从而不断修正数据包的传输方向,直至到达目的节点。
2 TOPOS协议设计要点
TOPOS协议的设计要点包括三个方面:分簇,局部路由建立,全局位置更新。
2.1 分簇
网络中的所有节点被划分成簇。簇头到每个成员节点的距离为一跳,位于两个簇交界区域的节点为网关节点,其余为普通节点。簇头和网关节点构成网络的骨干,形成基于簇的两层网络结构。
簇的初始化包括邻居发现、簇头选举、簇加入、簇通告四个阶段。在邻居发现阶段,各个节点通过交换hello消息收集一跳邻居的信息以及到各邻居节点的链路延迟,建立邻居节点表。在簇头选举阶段,各节点向邻居节点通报本节点的度(一跳邻居的个数),度最大的节点成为簇头。在簇加入阶段,簇头宣告自己为簇头,其它节点选择最近的簇头加入。在簇通告阶段,每个节点向邻居节点通告自己所在簇的簇头,以便下一步寻找网关节点。
簇初始化完成后,每个节点通过周期性的hello消息交换更新邻居节点表。
2.2 两跳局部路由表的建立
在建立了邻居节点表后,各成员节点检查自己的邻居中是否有相邻簇的簇头。如有,则报告给自己的簇头,以及本节点到相邻簇头的链路延迟。簇头收集这些报告后,根据最小延迟原则计算到相邻簇头的最佳路由,保存到局部路由表中,并通知该路径上的下一跳节点为网关节点。因此,两跳局部路由表实际上维护了当前时刻本簇头到各个相邻簇头的最佳路由,这种路由方法在基于拓扑的路由分类法中称为表驱动路由(table-driven routing)。
在每次邻居节点表更新完成后,成员节点向簇头发送新的邻居簇头及链路延迟信息,簇头据此更新局部路由表。
2.3 全局位置更新
全局位置更新采用周期性更新的方法,簇头定期将自己的位置信息和簇内的成员节点集合通报给其它簇头节点。
2.4 数据包转发过程
当节点需要发送或转发数据包时,先查找邻居节点表;若目的节点为一跳邻居,则直接发送给目的节点;否则,普通节点和网关节点将数据包发送给自己的簇头节点,簇头节点按照以下流程转发。
首先利用目的节点查找全局位置表,得到目的节点所在簇的簇头的位置,将该位置作为目标位置;计算距此目标位置最近的下一跳簇头节点;利用该下一跳簇头查找局部路由表,得到下一跳网关节点;将数据包转发给该网关节点。这个过程重复进行,直到数据包到达目的节点的某个一跳邻居(目的簇头或其它节点),然后再转发给目的节点。
3 仿真实验
我们在OPNET网络仿真平台上实现了TOPOS协议,并与OPNET自带的AODV协议(基于拓扑的路由协议)[4]和GRP协议(基于地理位置的路由协议)[2]进行了比较,重点考察节点运动速度与网络规模对系统吞吐量的影响。吞吐量定义为网络中所有节点单位时间内成功接收的数据量。
为了便于与AODV及GRP进行比较,我们采用802.11作为MAC层协议,并采用目前文献中较常见的实验场景设置。节点活动区域的大小设为1200m×1200m,节点通信距离300m,目前文献中节点的运动速度最高为30m/s。设置网络中的负载(每秒钟产生的数据量)为6.4Mb/s。每次实验的仿真时间为500s,取5次实验结果的算术平均值作为最终的实验结果。
3.1 节点速度对吞吐量的影响
设置节点个数为50个,运动速度从0增大至80m/s。图3为三种算法下系统吞吐量随节点速度的变化曲线。
随着节点运动速度的提高,三种算法的吞吐量都是下降的。这是因为运动速度的增大加剧了网络拓扑和节点位置的变化,触发更多的拓扑或位置更新消息的传播,增加了网络的负载,另一方面路由失效或位置信息无效使得数据包投递失败的概率增大,这两方面因素都引起丢包率的增加。
从图中可以看到,TOPOS的表现是最好的。这是因为AODV要在全局范围内维护链路状态路由,其信令开销很大,路由失效对数据包投递的影响也最大。相比于GRP在全局范围内交换节点位置信息,TOPOS只交换簇头位置及各簇的成员节点集合,信令流量较小;加之在两跳之内采用表驱动路由,加快了数据包的转发速度,因而其表现要好于GRP。
3.2 网络规模对吞吐量的影响
令节点个数从25增大至100,节点运动速度为30m/s。图4是三种算法下系统吞吐量随节点个数的变化曲线。
随着节点个数的增加,三种算法的吞吐量都是下降的。这是因为网络中的信令开销随节点个数的增加而迅速增大,同时节点密度也增加了,这两个因素都导致MAC层通信冲突加剧,丢包率增大。但由于TOPOS的信令开销最小,其性能表现也最好。
4 结束语
本文针对一类高动态移动自组网提出了一种分簇的地理位置路由协议TOPOS,在全局范围使用基于地理位置的路由协议,而在拓扑相对稳定的局部使用表驱动路由,结合了地理位置路由对拓扑变化适应性好和表驱动路由转发数据包迅速的优点。仿真实验表明,TOPOS对节点运动速度和网络规模均有较好的适应性,比单纯的基于拓扑的路由和基于位置的路由更适合高动态网络。
实验中也发现,由于采用了竞争型的MAC层协议,通信冲突比较严重,网络吞吐量不够理想。下一步拟采用跨层设计的思想联合设计MAC层协议和路由协议,以提高网络的整体性能。
摘要：目前的移动自组网研究主要针对运动速度较慢的地面网络。本文研究由高速节点组成的高动态移动自组网的路由协议,提出了一个结合表驱动路由和地理位置路由的混合路由协议TOPOS,在局部使用表驱动路由加快数据包的转发,而在全局使用地理位置路由以适应快速变化的网络拓扑。在OPNET仿真平台上对TOPOS和已有的AODV及GRP协议的性能比较表明,TOPOS对于节点的运动速度和网络规模具有更好的适应性。
关键词：高动态移动自组网,路由协议,仿真
参考文献
[1]Mauve M,Widmer J.A survey on position-based routing in mobile ad hoc networks[J].IEEE Network,2001,15(6):30-39.
[2]Karp B,Kung H T.GPSR:Greedy perimeter stateless routing for wireless networks[C].Proc.Of ACM/IEEE International Conference on Mobile Computing and Networking,2000.
[3]Stojmenovic I.Position based routing in ad-hoc networks[J].IEEE Communications Magazine,2000,40(7):128-134.
[4]Perkins C,Royer E.Ad-hoc on-demand distance vector(AODV)routing[EB/OL].http://www.ietf.org/rfc/rfc3561.txt
[5]Royer E,Lee S-J,Perkins C.The Effects of MAC protocols on ad hoc network communication[C].Proc.of the IEEE Wireless Communications and Networking Conference(WCNC'00),2000.
对等网络中动态自适应信任计算模型 第3篇
对等网络是把分布在广域网上的共享资源整合起来, 提供大规模的分布式计算, 在动态的虚拟环境之间协同资源共享和解决问题。P2P网络具有如下特性:用户和资源数目庞大且经常变化;匿名性、开放性、通信协议不尽相同。因此, 必须为对等计算系统提供新的安全措施。
P2P网络是一种开放式分布系统, 它的威胁来自于参与者本身。以往计算机安全研究的主要内容都是针对外部威胁的, 即通过密码技术提高系统的抵御外部入侵的安全性。然而, 在对等环境下, 对于用户的管理已经不再是那种集中的、封闭的、可控的, 而是开放的、分布式的。也就是说没法保证加入网络的实体都是善意的实体。对等网络中, 共享的计算资源一旦收到恶意代码的侵害可能会威胁到系统的正常运行。这样就需要对实体在对等环境下的行为进行评价, 反映出该实体在网络中的可信任、可依靠的程度。因此, 通过对实体以往行为的评价, 建立一种信任模型来满足这种需求。这样, 可以提高网络服务的效率, 更好促进资源共享, 降低恶意攻击的机率, 排斥自私节点, 从而维护网络系统的安全运行。
1 信任
1.1 信任定义
Farag Azzedin对信任在网络环境的定义:“在某一特定内容范围内, 根据实体行为所体现的可靠程度、安全程度、依赖程度等, 对实体能力的坚定信念”。信任是在一定范围内, 根据实体间的多次交易而动态变化。另外, 为了建立信任关系时, 实体在决策之前, 也会征询其他实体的意见。在对等计算中, 当实体做决策时, 也需要依赖其他实体的关于特定实体的信息和意见。
根据上面分析, 本文定义:“信任是对某实体过去行为的观察计算的总和”。这种观察计算包括自己的和其他实体的推荐。
1.2 信任属性
根据上面信任的定义, 为信任计算的设计提供依据, 我们首先分析一下信任的属性。
信任只能是相对的, 而且是动态变化的。A信任B具有某种服务的提供能力, 且以前有过交互, 这样, 随着与B交互协作次数的增多, A会根据交互记录, 适时动态地调整对B的信任度, 这是来自自身观察计算的结果, 是A对B的直接信任。此外, 如果当A与B在协作之前没有交互记录或对于此次的交互感到信任不足时, A就需要靠别的实体提供推荐信息, 即别的实体对B的观察计算作为参考, 然后再根据自己的策略判断推荐信息, 从而对B做出判断, 是A对B的间接信任。例如, A信任B, B信任C, 那么A对C的信任不仅取决于B给A对于C的推荐, 还有A对B的信任程度的计算。信任关系如图1所示。
因而, 信任是一种信心程度, 从静态上来讲, 是对其他实体做出的一种是否信任的决策, 从动态特性上来讲, 是自己对其他实体做出的一种计算。而且是一个从不信任到一般信任、较信任、很信任、非常信任的动态变化的过程。
还有, 信任在两个实体之间是一对一的关系, 但不是对称的, 即A信任B的程度不一定等同于B信任A的程度。
2 信任计算模型
2.1 直接信任评估
直接信任的评估就是计算直接信任度, 是建立信任关系、进行全局推荐信任计算的基础。我们采用的是贝叶斯 (Bayesian) 估计法, 并根据信任属性做了相应的改进。评价的根据是每次协作的成功或失败结果。
假设实体A与实体B协作活动的成功次数和失败次数分别是α和â。评估实体B进行协作活动的信任程度, 也就是对实体B的成功概率θ推测。θ的结果是根据实体A对实体B的 (α+â) 次观察结果得出的。贝叶斯估计法把未知参数θ看做服从某种分布“先验分布”的变量。由于实体A与实体B的每次协作都属于独立事件, 根据贝叶斯理论可以推导出θ服从先验分布, 那么θ的数学期望是
如果只考虑记录次数, 而不考虑交互结果, 最初为Beta (1, 1) 是在[0, 1]上的均匀分布。这表示缺乏对θ估计的信息。然后, 当有新的协作记录信息时, 也就是说α:=α+1, â:=â+1。如果θ是固定的, 那么经过n次活动 (n取很大的数) , α~nθ, â~n (1-θ) 。这样, 只需要两个参数就能动态更新θ的概率分布, θ估计量的数学期望是
标准的贝叶斯方法对每次协作活动都视作相同的, 而没有考虑时间因素。其实, 我们都很清楚, 当前交互成功与否的结果对于信任的评估影响是很大的, 也更能表达被评估实体的当前的信任程度。因此, 我们假设实体A与实体B进行了某次交互, 如果成功r=1, 否则r=0。则有如下公式:
其中权重w是过去经验对当前评估的一种影响。考虑时间的因素, 当前的交互结果更具有影响力。因此, 第n次交互后, θ估计量的数学期望是
式 (3) 作为实体A对实体B的直接信任度, 记做tA (B) 。
2.2推荐信任评估
所有实体之间并不一定都存在直接信任关系, 当实体A要对实体C作信任评估时, 因为自身的信息不足以作出是否信任的决策, 需要征询直接信任的实体集F中实体B给出的对实体C的推荐意见。定义实体A对实体C的推荐信任为:
也就是说, 实体A对实体C做出的推荐信任度, 是综合考虑了自身对实体B的信任程度。即A对B的信任度为权重值, B对C的信任值为推荐值, B是实体A所直接信任实体集中的一个。
2.3全局信任度
全局信任度的计算公式如下:
其中k是对于直接信任度的一种衡量, 通常是k>0.5。C是A的直接信任实体集F中的一个实体。
3仿真实验
我们在JAVA虚拟机之上实现了对等网络的信任计算模型, 同时, 我们还实现了EigenTrust及P2Ptrust进行对比实验。实验节点个数为2000, 每个节点可以与其他节点进行交易, 采用全局计数器来统计成功次数、失败次数。先设定节点间交易次数为1万次, 资源种类有200种, 每种资源有10个且随机存放在不同的节点上。图2所示是交易在三种信任模型支持下的交易成功率变化, 随着交易次数增加, 交易成功率也在明显增加, 这说明本模型是比较安全健壮的。
4结论
本文通过对信任的研究, 在对等计算环境中引入了信任计算模型。根据直接协作经验, 采用了贝叶斯评估方法对直接信任进行评估。在直接信任评估的基础上, 建立了推荐信任评估。经过迭代计算, 最后计算出全局信任度。系统中的用户在资源请求和分配时, 依据信任模型提供的信任度能够有效地提高资源的使用率, 检测并排除恶意节点。
对等网络系统的安全性和可靠性问题中的信任研究是一个崭新的课题。由于每次交互协作, 协作双方对协作的结果可能会有不同程度的评价, 因此对于信任的评估方法的细化还需要进一步深入研究。另外, 如何更加有效、合理地利用信任值, 促进网络系统中资源共享等问题都是我们进一步研究内容。
参考文献
[1]窦文, 王怀民, 贾焰等.构造基于推荐的Peer-to-Peer环境下的T rust模型.软件学报.2004.
[2]张春瑞, 江帆, 徐恪.面向对等网络应用的信任与名誉模型.清华大学学报 (自然科学版) .2005.
[3]S.Lee, R.Sherwood, B.Bhattacharjee.Cooperative peer groups in NICE.Proc of the IEEE IN FOCOM2003.2003.
[4]A.Selcuk, E.Uzun, M.Pariente.a reputation-based trust manage-ment system for P2P networks.Proc4th Intl workshop on GP2PC.Chicago.IL, IEEE Computer Society Press.2004.
[5]T.Grandison, M.Sloman, a survey of trust in internet applications.IEEE Communications Surveys.2000.
[6]A.Davison.Bayesian Models.Chapter11in Manuscript.2002.
动态自学习 第4篇
通常, 在相对静态的环境中, 企业组织经营强调通过产业环境、竞争对手以及企业自身特征的分析, 在产业中选择合适的定位, 并且通过规模经济、范围经济及难于模仿的资源等途径设置进入障碍, 阻止竞争者的加入, 限制竞争以维持企业在产业中的竞争优势[3]。而处在一个组织关系错综复杂、随机因素很多的动态环境中, 企业原有的指挥与控制技巧已无法满足环境变化的需要, 产生了“控制失灵”的问题[4]。正是基于这种传统组织管理理论的失灵, 加之外部环境变革的迫切需要, 外部环境对企业的生存和适应提出新的要求:一方面企业组织要能迅速响应外部环境的变化;另一方面企业能灵活运用组织内部和外部的资源。这就要求企业应对环境的复杂性和不确定性提高自我控制、随机制宜的能力。
1 动态环境下的企业组织控制
企业组织控制, 是使企业运行的战略目标与实践活动达到匹配的活动过程, 它是一种企业调节力量, 是企业组织运行方式的监督约束机制。企业通过组织控制活动实现企业整体的动态平衡。其作用体现在两个方面:一方面为企业组织各管理要素的运行提供动力;另一方面制约企业组织各要素运转的轨迹。
动态环境下的企业组织控制不再是对已有资源的控制, 而是一种动态控制。这种动态控制体现在以下三个方面: (1) 组织控制结构的柔性化。动态环境下的企业, 面对外部环境与组织自身的变革, 要求企业能够做出快速反应、快速决策与快速行动。其柔性化主要表现在组织结构、控制能力、匹配流程与组织战略方面的柔性, 体现在对经营环境复杂性的控制, 使企业能够在一定的业务范围内, 敏锐地感知变化并及时做出动态调整, 游刃有余, 进退自如。
(2) 组织控制的自我学习性。动态环境的高度不确定性以及市场竞争的日趋激烈, 使企业难以依赖于过去的成功经验和知识, 及时和准确地应对快速变化的外部环境。因此企业只能根据战略调整, 增强企业的自我学习性, 完善其组织控制机能, 及时控制企业的发展方向[5]。
(3) 组织控制的动态匹配性。动态环境的复杂化, 以及企业快速反应能力和整体战略思维的需要, 要求企业组织控制必须根据变化及时调整战略, 以保证企业的资源、人员和组织结构能够快速适应外部环境的变化。
2 动态环境下企业组织自适应控制运行机理
通过上述对动态环境下企业组织控制特点的分析可知, 创造企业的持久环境适应性和在一定程度上引领环境的变化是企业组织控制的核心和目标。而企业这种对环境的适应如果是靠企业自身的力量建立和维持的, 称之为企业对环境的自适应。
Warren G. Bennis认为, 从企业内部看, 适应是企业的组分之间以一种稳定有序的方式彼此合作与竞争、互动与互应的过程。从企业外部看, 适应是系统与环境之间以一种稳定有序的方式进行的物质、能量、信息的交换。企业组织与环境进行稳定有序的交换, 组分之间稳定有序地互动互应, 这两方面互为因果。一旦这种稳定有序的方式被破坏, 企业就处于不适应环境的状况, 或者变革自身以重新适应环境, 或者被迫解体。
当然, 适应性和不适应性是相对而言的。企业原本适应于环境, 由于环境的变化, 或企业自身的变化, 或两者都变化, 导致企业与环境不再适应。起初企业组织处于非临界点时, 对于环境压力 (控制参量) 的小变化, 企业无须改变其结构或行为模式, 只要作些小的调整即可保持与环境的适应;变化到一定阀值, 企业组织的原结构或模式不再适应环境, 须用全新的方式组织其元素, 建立新的结构或模式, 才能与环境达成新的适应。而在环境压力改变的全过程中, 企业的这种对于动态环境的自适应演化不是一次, 而是一个过程, 即适应——不适应——新的适应的动态过程。如图1所示。
在企业对动态环境自适应的过程中, 其自适应控制具备两个功能:一是企业自动维护其内部的平衡。当环境变化的影响未超过企业组织的感知应变临界值时, 企业能够自动调整维护企业自身建立的内部关系和秩序, 以使自身结构和功能保持相对的平衡与稳定。二是企业自动调整自身与环境之间的动态平衡。当环境变化的影响超过了企业组织的感知应变临界值时, 企业固有的组织结构、运行状态已经明显不能满足环境变革, 此时企业根据环境条件的变化重新调整其内部组合和秩序, 保持企业目标、企业功能及其相应结构与企业环境达到动态的平衡与协调。这两种功能相互依存, 相互作用, 彼此缺一不可, 有效地保证了企业的生存与发展。
3 动态环境下企业组织自适应控制模型的构造
企业是处于一定环境中的开放系统。由前文可知, 动态环境中企业系统是一个自适应控制系统, 它能够在其运行环境或者条件变化的情况下, 保持控制系统稳定及控制功能正常。而构造企业组织自适应控制模型, 能够使企业在运营环境条件变化的情况下, 通过修正模型的结构或参数, 自动调整企业自身的各项运营参数与资源信息, 以保持与运行环境的相适应。这里所说的“自适应控制模型”是指具有自适应功能的控制模型。
3.1 模型构造的前提假设
企业实现自适应控制基于以下几方面的前提假设:
(1) 企业管理者要有权变观念。权变观念强调, 没有任何时候、任何条件下都能适用的一套企业管理体系和模式。企业管理者应根据现实具体情况和条件灵活运用管理的一般原理、方式和方法, 形成对特定情况适用的管理体系和管理模式。而且当情况、条件发生变化时, 要对管理体系和模式作出相应的调整。同时, 权变观念还强调创造性地运用已有的管理原理和管理手段, 以形成适应性强且行之有效的管理体系和模式。
(2) 企业要具有明确的总目标和方向一致的分目标。企业有明确的总目标, 企业各部门以至每个人围绕企业总目标, 形成方向一致、具有共同目的的分目标, 企业才有可能自发地产生自我调节的动力和相互联系、相互制约的内在本质关系。
(3) 企业内部要建立柔性的组织体系。企业内部柔性的组织体系是企业进行以知识为核心的组织学习的前提, 能够及时对动态环境的变化做出调整, 利用畅通的信息沟通渠道进行学习, 协调各种资源和能力, 提高组织的自适应能力。
(4) 企业内部要协同配合。只有企业内部各部门、各项职能、各个人员之间紧密配合、密切协作, 才能实现企业的自适应控制, 使企业以有效的方式适应环境的变化而趋于相对稳定状态。
(5) 企业要有及时可靠的反馈信息。来自企业内外部的反馈信息及时、可靠、充分, 是自适应控制系统运行并使企业自身得到正确调节的基础。
3.2 模型的量化描述
企业组织自适应控制工作原理如下:企业各层要正确地感知环境, 使各种环境能够量化, 并将其反馈给企业领导层以供决策;领导层根据环境的变化, 确定各层具体措施及其组合, 规划评估后通过各种职能部门产生作用, 从而适应环境, 或影响环境。本文基于自动控制和迭代学习控制原理, 将上述过程抽象, 即得到企业组织自适应控制模型, 如图2所示。
对上述自适应控制模型的量化描述如下:
(1) 设被控对象用以下非线性微分方程进行描述:
undefined
其中, x (t) 表示企业系统的状态变量, n维, 即企业组织内部环境状态, 由企业组织业务活动及其人力资源、组织结构、组织战略、组织风险、组织信息等因素构成;u (t) 表示企业系统的输入向量, m维, 即外部变革环境的信息收集和传感, 它构成的各个分量U= (u1, u2, ……, um) , 其中m是企业系统输入要素的状态数;y (t) 表示企业系统的输出向量, r维, 即企业的经营绩效, 这主要是由企业外部动态环境所引发的对企业内部状态的控制调节, 即输出Y= (y1, y2, ……, yr) , 其中r为企业输出的状态数;θ为未知的参数向量, m维, 是外部环境向量u (t) 作用于反馈系统时的输入, 为了简化模型, 这里将其表示为θ。
(2) 假设上述方程能够线性化和离散化, 再考虑扰动和噪声的影响即得以下方程组:
undefined
其中, k表示离散时间, 取整数;{ω (k) }表示n维随机扰动;{v (k) }表示r维量测噪声, 表现为企业组织目标的自学习的效果输出, 即组织目标的改进程度;Φ (θ, k) , Γ (θ, k) , H (θ, k) 分别为n×n, n×m, r×n维系数矩阵, 即Φ, Γ, H是已知的。通过被控过程, 调整得到一个新的企业状态x (k+1) , 即得到一个新的被控对象 (过程) , 其结构如图2所示。
(3) 迭代控制环中的e (t) 表现为 (Z) 和 (Y) 的差, 其表现为企业组织目标和经营绩效的偏差。将这个偏差通过PID学习控制, 输出v (t) , 最后作用于系统输出 (Y) , 这样企业的组织目标就可以随着动态的环境和企业自身的特点作随时调整。
设迭代控制环中的被控对象的动态过程为:
undefined
式中, f, g为相应维数的向量函数, 其结构和参数都未知, 要求系统在时间t∈[0, T]内的输出跟踪期望输出z (t) 。假定期望控制vd (t) 存在, 即:在给定状态初值y (0) 下vd (t) 是上式中当z (t) =y′ (t) 的解, 则迭代学习控制的目的是通过多次重复的运动, 在一定的学习律下使v (t) →vd (t) , y′ (t) →z (t) 。如图4所示, 输出误差为:
e (t) =z (t) -y′ (t) (4)
闭环PID迭代控制律是取第k+1次运行的误差作为学习的修正项, 即:
undefined
其中, kp, kd, ki , 分别为PID学习增益矩阵。
(4) 整个系统将输出 (Y) 与组织目标 (Z) 进行比较, 得到比较结果 (R) , 输入到决策系统中, 并作出决策 (D) 。其中决策包括两方面, 一是在原有组织目标下的组织调控措施d1;二是对组织目标进行修改d2, 即D= (d1, d2) 。
企业决策的执行和实施是反作用于企业内部状态和外部变革环境的。自适应控制系统有效的输出 (Y) , 与系统预期目标 (Z) 进行比对, 得出偏差 (R) 后, 输入到决策控制系统中, 形成决策 (D) , 合成新的输入 (W) , 从而产生更加有效的输出 (Y′) , 以此循环之, 实现组织目标。
该模型通过企业内部和外部信息的收集、比对及处理等环节, 可以及时将企业自适应控制系统的输出信息和过程信息反馈给企业组织的各个层面, 从而进入一个良性循环。
综上所述, 根据图2所示, 企业作为一个有输入、输出的系统与外界环境相联系。信息的收集与传感是整个企业自适应控制系统的输入。企业信息处理部门根据应变临界等标准, 对所接受的信息进行比较, 确定信息事件的特征、性质, 并以此作为向领导层反馈或本部门直接选择控制的依据。当向领导层反馈后, 由领导层作出决策, 选择适宜的模式及其最优组合, 通过各种方式和途径来实施和执行, 以对内部关系和外部环境的变动做出调整与适应。但是所有这些变动都是围绕企业自身的组织目标进行的, 其目的是使企业得以继续生存与发展。但企业组织目标不是一成不变的。在正常情况下, 企业组织目标对企业的自适应控制决策起指导作用, 但在其内部关系和外部环境变动太大时, 企业进行自适应控制决策时就必须对此做出反应, 即对企业组织目标做出修改和调整。
因此, 当企业的外部环境变化较小的时候, 企业可以通过决策反馈环节, 向企业组织的领导层提供信息, 建立一个很好的预警系统, 这时企业内部环境及结构无需做出很大的调整, 甚至可以不变;当企业外部环境变化较大的时候, 企业因为前期有了预警系统, 所以企业可以有准备地调整, 这样可以缩短调整时间, 使企业组织更快地适应新的环境。
4 结论
本文通过自适应控制模型的构建, 从量化的角度, 强调企业通过组织控制, 充分调动企业内部资源和能力, 适应快速变化的环境, 并利用变化, 甚至创造变化来增强组织的预见性和主动的应变能力。企业通过组织自适应控制模型的自动调节, 当外部环境变化较小的时候, 企业可以建立预警系统;当外部环境变化较大的时候, 因为前期有了预警系统, 企业可以缩短调整时间, 更快地适应新的环境, 这样企业就能够保持很好的柔性, 适应环境变化而实现可持续发展。
参考文献
[1]于海江, 张志亮.供应链系统的复杂自适应性研究[J].物流管理, 2007 (02) :62-65.
[2]纪国涛, 张青山.关于企业自组织及对环境自适应的思考[J].科技管理研究, 1999 (04) :8-10.
[3]孙细明, 罗群, 刘霞, 等.基于自适应的企业竞争力系统结构研究[J].武汉工程学报, 2007 (09) :10-12.
[4]董德民, 章融.企业决策的闭环自适应系统[J].技术经济与管理研究, 2001 (05) :38-39.
基于高速AD的动态相位自校准实现 第5篇
当今高速AD采样频率单片可达几个G, 这样高的采样频率一般是通过多个AD CORE并行分时采集实现的。尽管如此, 单通道AD采样率也可上GHz。如此一来, FPGA时钟的采样点很难定位到数据的中心稳定部分, 可能正好采样的AD变化区域。同时, 如果AD输出数据与输出时钟没有采用等长布线和分布到同一BANK上, 则AD数据线之间的延迟将很难控制。必须调整AD的每一根数据线之间的延迟, 如此FPGA逻辑控制将变得非常复杂。因此, 高速AD布局布线必须采用等长布线和分布到相同BANK上。
2 设计思路
2.1 AD接口设计
AD前端数据接口一般是要依次经过IBUFDS、IODELAY、IDDR或者是ISERDES模块。而时钟一般要经过IBUFDS、IODELAY、BUFIO和BUFR模块。
AD数据经过FPGA端口后首先要进行IODELAY的调整, 使AD采样时钟定位到AD数据的中心。
2.2 动态相位自校准设计
2.2.1 自校准支持的模式以及调整过程
IODELAY延时最大值不小于数据周期的两倍, 即可以找到数据跳变的两个边沿, 如图1所示。
2.2.2 动态相位自校准实现
图2分别为动态自校准状态机设计。状态机可以支持任意采样率的AD。
3 结束语
动态自学习 第6篇
目前国内高炉主卷扬系统驱动经数字化改造后多采用直流调速系统,其系统调速虽运行可靠但仍存在维护工作量大的缺点。在实际生产中直流调速系统常采用静态力矩-速度切换控制方式,就是在松闸前将电机的额定输出力矩的30%作为松闸力矩,由于料车要装矿石和焦炭两种原料,每次启动时料车的重量都不一样,使得控制系统在轻载时会对钢绳造成冲击,在重载时会造成料车失控下落。为解决上述实际生产中系统维护工作量大,料车运行不平稳,失控下落等问题,现引入一种交流自适应动态力矩-速度跟随切换控制系统。下面通过卷扬系统的运行过程,对常用的调速系统和优化以后的调速系统进行分析。
1 卷扬系统运行过程简介
如图1描述高炉双料车上料:一料车在料坑装料,另一料车在炉顶卸料,电控系统封锁,抱闸落闸。当料车到达料坑时,发出装矿或装焦指令,矿石或焦炭的漏斗阀门打开装料,称重漏斗发出料空信号后,延时关闭阀门,料车等待上位机命令。
上位机PLC发出右车上行命令,系统开放,为防止右车下落,电机需建立初始力矩后才能打开抱闸,松闸后料车按图2所示速度曲线运行,图中n为卷扬电机转速,t为运行时间。
2 卷扬调速系统的分析与优化
由于装满物料的料车属于大惯性恒转矩负载,所以在停车及电控系统关闭时必须使用抱闸装置。料车运行前先建立松闸力矩,然后打开抱闸,使料车平稳上升,下面对常用的静态力矩-速度切换控制系统及优化改进后动态力矩-速度跟随切换系统进行分析。
2.1 静态力矩-速度切换卷扬调速系统
料车装好物料后,上位机给系统PLC发开车命令,抱闸未打开,静态力矩-速度切换控制系统先在力矩单环下运行(速度环不起作用):系统一般将额定输出力矩的30%作为力矩调节器ATR的给定,系统内部检测到输出力矩到达给定力矩值时发松闸命令;松开抱闸后可保证料车不会下坠,但由于转矩单环系统对速度的控制性能不够理想,因而在料车上升阶段将系统切换到力矩-速度双闭环控制系统以实现精确控制电机速度;在切换回双闭环以后,由于转速调节器ASR是PI调节器,其输出是从零开始上升的,而力矩调节器ATR输入给定是ASR输出经乘法器给定的,故ATR输入也是从零开始增加的,上升之前ATR单环已经建立起静态转矩T0(额定输出力矩的30%),即ATR反馈值是T0,因而ATR输入偏差值为负值,这样造成ATR退饱和,力矩调节器输出先下降再上升。ATR输出下降时,必然导致输出力矩小于负载力矩,造成输出转矩波动,同时速度也会波动,其运行曲线如图3所示。
n(T)表示将转速和转矩表示在同一个坐标系中,TL表示负载力矩,T0表示松闸力矩,t1表示松闸命令时刻,t2为T0=TL时刻,曲线n表示电机转速曲线,曲线T表示电机输出力矩曲线。
2.2 卷扬优化调速系统——自适应动态力矩跟随切换系统
由静态力矩-速度切换卷扬系统的分析可知,想要保证系统的可靠性,保证力矩和速度的过渡过程平稳关键在于力矩的平稳控制。动态力矩-速度跟随切换系统能自动根据负载力矩的大小改变松闸力矩初值的大小,即松闸前松闸力矩设定值跟随负载力矩,并且在切换的过程中会给定速度调节器的输出一个初值,使得在松闸的过程中力矩和速度平稳上升,不会对钢绳造成冲击,其控制思想如下:
动态力矩-速度跟随切换系统在松闸前和静态力矩-速度切换系统一样先在力矩单闭环下运行,力矩给定值T0即为负载力矩值,系统内部检测到输出力矩到达给定力矩值时发松闸命令,抱闸打开,切换到转速力矩双闭环下运行,为了避免力矩调节器ATR退饱和造成转矩波动,在切换的过程中,给速度调节器ASR的输出一个初值T0(即力矩调节器ATR输入),大小为力矩给定值,使得力矩调节器ATR的输出从力矩给定值继续增加,从而实现输出力矩的平稳增加,速度的平滑上升。其运行曲线如图4所示。
n(T)表示将转速和转矩表示在同一个坐标系中,TL为负载力矩,t1为松闸时刻,曲线n表示电机转速曲线,曲线T表示电机输出力矩曲线。由于转速调节器ASR是PI调节器,切换的过程中给定ASR的输出一个初值T0,切换后ASR输出便从T0开始增加(没有初值便从零开始增加),力矩调节器ATR的输入也是从T0开始增加,再与力矩反馈值比较,输入偏差为正,不会造成力矩调节器退饱和,使得ATR的输出也是从负载力矩值开始增加的,这样就避免了输出力矩的波动,使得料车的速度平滑上升无震荡。
2.3 恒转矩负载下的理想给定T0
对于自适应动态力矩-速度跟随切换系统的实现,一是切换时刻,二是理想力矩初值T0的给定;料车的提升可以看成是恒转矩负载,但每一次料车负载实际上是变化的,料车要按照工艺要求装矿石或焦炭,而且每次所装料的重量也不同,因此负载力矩每一次是变化的,初始力矩T0的给定对于料车在切换过程中的平稳运行至关重要。针对上述问题,本文提出一种自适应力矩检测的方法,由上料工艺可以知道,小车的物料是由称重漏斗阀门打开加入的,每一次加入物料的重量可以由称重漏斗得到。小车在导轨上的受力分析图如图5所示。
在图5中,小车运行前由称重漏斗测量出物料的重量m1,小车的重量为m2,图中M=m1+m2,导轨和地面的夹角为θ ,要使小车在导轨上静止,则拉小车钢绳的 张力为F ,F=(m1 +m2)g×sinθ, 由T = F×D , D为提升转矩半径 , 计算出负载力矩 ,TL=(m1+m2)g×sinθ×D得出所需的松闸力矩T0(T0稍大于TL),作为松闸力矩给定以及力矩环向速度环切换时速度调节器的输出值,从而保证每一次小车运行时都能得到理想的转矩给定,使系统在切换的过程中力矩平稳增加。
3 自适应动态力矩-速度跟随切换系统的软硬件设计
本文采用西门子PLC S7-300和ABB ACS800系列交流变频调速装置来实现自适应动态力矩-速度跟随切换控制系统。该卷扬系统硬件设计为:卷扬机经减速机由两台电机传动,电机功率500kw,电压660V,减速机速比为18.6,卷筒直径2米。电机驱动采用ABB ACS800系列变频器,额定功率900kw,额定电压660V~690V,两台电机同轴由三台变频器驱动,正常工作时两用一备,为保证两电机出力均衡,两台电机驱动采用主从控制方式:其中一台变频器为主机,控制系统包含速度环和力矩环;另一台变频器为从机,使用力矩跟随模式,其力矩给定跟随主机输出力矩,这样可保证两台电机输出力矩相同。为保证可靠工作,系统选用第三套变频器作为备用变频器,备用变频器既可以做主机,也可以做从机,通过倒换开关进行选择,倒换开关切换后,有辅助接点进入SIEMENS S7-300 PLC,自动实现操作的连锁。
系统启动设计流程图如图6所示,系统PLC接受上位机的运行方向信号、急停信号和速度选择信号,控制系统的开闸合闸,控制交流变频器的启停,给定变频器的主给定,发送力矩-速度切换指令。
上述系统内部控制算法采用全数字化实现,我们利用ACS800控制器本身具有的编程能力来实现系统的启动过程,保证实际运行曲线符合工艺要求,其控制框图如图7所示。
其控制过程为:每次料车运行前,通过称重漏斗计算出负载力矩,即初始力矩给定T0,给到参数24.10(速度积分器初始值),上位机PLC发出开车命令,系统PLC收到开车命令后向主变频器发送方向信号,主变频器通过参数26.01=3选择力矩控制模式,力矩调节器输入给定为2.08,当系统内部检测到输出力矩T到达T0时,向系统PLC发松闸命令,系统PLC收到松闸命令打开抱闸并收到松闸应答信号时,向主变频器发松闸应答信号,主变频器收到松闸应答信号,电机开始转动达到零速设定点n0时系统PLC发切换命令,通过26.01=2选择力矩调节器输入给定为2.09,主变频器切换到速度力矩双闭环下运行,同时投入工艺所需速度给定,从变频器工作在力矩跟随模式下,跟随主变频器力矩,保证输出力矩相同,从而实现了智能自适应动态力矩跟随切换,使得力矩平稳增加,速度平滑上升无震荡。
4 结论
采用西门子PLC S7-300和ABB ACS800系列变频器实现的交流自适应动态力矩-速度跟随切换系统,很好的解决了常规系统中维护工作量大、运行不平稳、料车失控下落等问题,保证了力矩的平稳增加,速度的平滑上升。在玉溪新兴钢厂1080m3高炉主卷扬系统中投入使用后,运行平稳可靠,性能优异,故障率低,很好的满足了高炉系统的工艺要求,取得良好的社会和经济效益。
参考文献
[1]贾永让.炼铁厂450m3高炉主卷扬控制系统改造[J].电气传动自动化,2010,32(4):56-58.
[2]阮毅,陈伯时.电力拖动自动控制系统[M].北京:机械工业出版社,2009.
[3]杨永立,朱英韬,陈胜波,王朝晖,孙宝泰.武钢3#高炉主卷扬电控系统的数字化改造[J].电气传动,2002.32(1):47-52.
[4]马兴,刘惠康.基于预测控制的动态力矩切换的卷扬调速系统[D].武汉:武汉科技大学,2012.
一种自适应的动态功耗管理系统 第7篇
随着集成电路设计技术的不断发展和深亚微米制造工艺的不断进步,复杂的片上系统芯片(So C)设计技术日益成熟,被广泛应用于各种高性能、低功耗、便携式消费类移动设备。
近年来,随着嵌入式产品性能要求的不断提高,So C的设计复杂度和集成规模越来越高, 系统的功耗也随之不断增加。与此同时,电池储能技术并没有取得突破性进展,这使得低功耗设计成为超大规模集成电路设计的重要环节。针对特定应用,So C的功耗甚至成为高于性能和面积的关键性指标。
片上系统芯片(So C)低功耗技术的研究主要从系统级、行为级、RTL级、门级和版图级五个不同的层次展开,层次越高功耗优化的幅度越大[1]。目前So C设计者所采取的功耗优化技术以系统级为主,主要包括动态电压频率调节(DVFS)[2]、门控时钟(Clock Gating)[3]、门控电源(Power Gating)[4]、资源调度(e.g.Cache配置)[5]等,其核心思想是由功耗管理模块在软件的配置下动态地对各个模块的时钟、电压、资源等进行调整。为了达到功耗与性能的平衡,软件设计者需要掌握系统的通信架构、计算资源、应用程序负载等,根据系统将要执行的应用来进行各个模块工作状态的配置,增加软件编程的复杂性;同时,该方法往往以一个应用程序为粒度对功耗管理策略进行调整,导致状态切换粒度过粗,造成额外的能量损耗。
针对目前片上系统芯片(So C)功耗管理策略所面临的问题与挑战,本文提出了一种自适应的动态功耗管理技术,能够根据硬件监测系统对So C各资源使用情况的反馈,按照事先配置的低功耗策略,调整片上系统各模块工作状态,在满足性能需求的情况下达到降低功耗的目的。该功耗动态管理技术能够独立于具体应用,由硬件自动完成对系统芯片工作状态的调整,不仅能够针对不同的应用进行工作状态调整,在同一应用的不同阶段也可以根据资源占用情况来调节系统工作状态,显著提高系统芯片功耗管理的粒度,具有很高的灵活性和实时性。
1 自适应的动态功耗管理系统整体架构
1.1 体系架构定义
在自适应的动态功耗管理系统中,我们定义了一种体系架构,类似于文献[6]的操作系统内核层DPM(…)架构,该体系架构主要由三个方面构成:工作状态、工作点和转换策略。工作状态能够反映So C当前的负载情况,如总线/存储器访问冲突,高速缓存(Cache)缺失率,各IP模块负载等,是自适应动态功耗管理系统的监测对象;工作点是指So C系统当前的运行状态,一般由CPU频率、总线频率、Cache大小、各个模块的电压/供电状态等量化参数表征,为自适应动态功耗管理系统需要设定的工作参数。在任何一个给定的时间点,系统都工作在一个确定的工作点上。自适应的动态功耗管理系统还定义了一系列规则,当监测到工作状态发生变化时(例如,总线冲突达到设定阈值),功耗管理系统自动将片上系统芯片(So C)从当前工作点切换到另一个工作点(例如,提高总线频率),即转换策略。一般来说,为了适应不同应用的功耗管理的需要,我们以尽可能细的粒度定义工作点。表1为一款面向信息安全应用SOC的不同工作点的定义,针对不同的So C架构,定义的工作点所包含的参数也会随之不同。
在我们的定义中,工作状态由总线冲突情况、高速缓存(Cache)缺失率、存储模块访问频率与冲突以及重要IP的负载等参数构成。如上文中所述,自适应的动态功耗管理系统定义的策略可以在事件发生时把系统自动从一个工作点转移到另一个工作点,这里的事件即监测到特定工作状态。不同的应用或者同一应用不同阶段在片上系统(So C)运行的过程反映到硬件就是计算/通信资源的需求,通过监测整个系统的工作状态可以推断应用运行所面临的计算/通信资源瓶颈,从而相应的调准工作点,如图1-1所示。
策略就是根据监测模块反馈的工作状态和目前的工作点情况,在预定义的工作点范围内寻找最佳工作点的方法。在定义了这样一种体系结构后,用户只要将策略事先配置好,硬件实现的自适应的动态功耗管理系统就能自动监测工作状态的变化,并将系统的工作点做相应的转移,以此达到性能和功耗的平衡。自适应的动态功耗管理系统的特点在于系统在运行过程中不再需要软件干预功耗管理,与传统的使用操作系统级的软件功耗管理方法相比,可以显著提供功耗管理的实时性,减少软件功耗管理方式造成的额外功耗代价。
1.2 软硬件系统整体架构
如图1-2所示是自适应动态功耗管理系统的软硬件整体架构。自适应动态功耗管理系统分为两大部分,第一部分为软件层,通过软件层用户完成工作状态、工作点和转换策略的定义。第二部分为硬件层,它又分为监测单元和功耗管理单元(Power Management Unit,PMU)两部分。监测单元主要用于监测软件在运行过程中对各部分计算/通信资源的占用情况,包括总线冲突、存储访问、CPU性能和关键IP负载等。存储访问监测模块负责存储模块访问情况的检测,主要监测在规定时间内存储模块的访问次数及冲突情况。总线冲突监测模块用来监测总线的冲突情况,这种冲突主要表现为主设备请求的冲突。CPU性能监测模块用来监测应用在运行时对CPU的占用情况及高速缓存缺失率。重要IP监测模块用来监测系统中对系统的性能或者功耗有很大影响的IP的运行状况,比如LCDC的存储器访问延迟,VPU的数据吞吐率等。监测到的信息被反馈给功耗管理单元,用来表征嵌入式系统不同的工作状态。
功耗管理单元接收监测单元所反馈的通信/计算资源的使用情况,根据软件层的配置确定嵌入式系统所处的工作状态(例如,总线带宽缺乏),按照转移策略将嵌入式系统调节到合适的工作点。功耗管理单元调节工作点所要用到的低功耗手段主要有动态电压与频率调整(Dynamically Voltage and Frequency Scaling, DVFS),门控时钟,门控电源和硬件资源动态配置(如Cache写回策略,Cache组关联度等)。例如,监测模块反馈情况为总线冲突>N,存储器访问冲突<M, LCDC存储器访问延迟>I (其中N,M, I为工作状态N所定义的各指标阈值),根据该监测结果,可以判断LCDC存储器访问延迟主要是由总线带宽不足造成的,如果目前在工作点M下总线的工作频率为100MHz, 则功耗管理单元会利用DFS技术将系统调整到总线频率为200MHz的工作点。
2 自适应的动态功耗管理的硬件实现
不失一般性,本章节我们将介绍一种功耗管理单元的硬件实现方式来说明自适应的动态功耗管理在片上系统芯片(So C)中的应用。如上文所述,功耗管理单元(PMU)的主要作用是调节系统运行参数,使其工作在不同的工作点上。我们所实现的PMU主要包括寄存器组,映射单元,控制单元,动态时钟管理单元,门控电源管理单元和Cache动态配置单元几个部分。其中寄存组是软硬件之间的桥梁,用于配置工作状态、工作点和转移策略。动态时钟管理单元主要用来动态管理时钟,包括时钟分频、动态变频和门控时钟等,门控电源管理单元主要用来控制电源开启与关闭的时序逻辑,Cache动态配置单元主要用来动态配置Cache大小。映射单元的主要功能是根据监测单元返回的监测信号,判断系统所处的工作状态,并且根据用户事先配置的信息,将工作状态映射到对应的工作点。在工作点需要改变时,映射单元将相应的信息发送给控制单元,由控制单元控制时钟管理单元、门控电源管理单元和Cache动态配置单元来对系统运行参数做相应的改变。下面将对这几个单元做详细描述。
2.1 动态时钟管理单元
动态时钟管理单元的结构框图如上图所示,它包含PLL、时钟切换单元(Clock Switch)、时钟分频器(Clock Divider)、动态变频单元(Dynamic Clock Conversion)、控制单元(Controller)和门控时钟单元阵列(Clock Gate Cells)。PLL Control模块为PLL提供配置参数、复位、掉电等控制信号,控制PLL产生系统的高频时钟源。如图2-3所示,为了使系统能在不同时钟源之间快速的切换,我们采用时钟切换单元(Clock Switch)实现两个时钟源的无毛刺切换。
此外,为了实现不同应用对CPU与外设时钟频率的需求,我们实现了一个时钟分频器(Clock Divider),支持16种不同的奇偶分频比。动态时钟管理单元中的时钟分频逻辑是最基础也最重要的部分,产生时钟的稳定性会直接影响到So C系统的稳定性。动态变频单元(Dynamic Clock Conv.)的主要功能就是动态变频,它包含两个方面,一是动态改变时钟分频器的分频比;二是改变PLL的配置参数,改变PLL的输出频率。动态变频单元可以在不中断应用软件运行的情况下自动调节系统频率。同时, 每个IP都有一个独立的门控时钟单元保证在不同工作点下各个IP的时钟供给情况都能够独立控制。
2.2 门控电源管理单元
图2-4实线框中所示为门控电源管理单元,它的主要功能是控制各个电压域的供电情况,它由一个有限状态机(FSM),一个计数器(Counter)和一个电压域映射模块(Power Domain Mask)组成。状态机保证电压域上电/掉电时各控制信号的时序关系,包括i s o l a t i o n单元使能、上电/ 掉电控制,复位以及Retention寄存器控制等。电压域映射模块将状态机产生的掉电或上电控制信号,映射到PMU控制单元指定的电压域,控制相应的电压域完成掉电/上电过程,使系统工作在合适的工作点。图2-4虚线框中所示为电压域中的电源开关阵列,它是由一系列电源开关串接起来的,保证上电/掉电时的电流稳定。
2.3 监测单元
如上文所述,监测单元的功能主要是监测应用运行过程中系统的通信/计算资源占用情况,作为判断系统工作状态的依据,主要包括总线冲突监测、存储访问延迟监测、CPU性能监测和关键IP负载等几个部分。
总线冲突监测单元主要监测单位时间内总线上挂起的请求等待时间总和,我们将它称为挂起时间。当总线空闲时,主机的总线请求能够快速得到响应,而当多个主机同时发起总线请求时,低优先级的主机请求往往被挂起,只有当高优先级的请求处理完后才能得到响应,总线越繁忙,挂起请求次数越多,时间越长。监测单元将总线冲突的情况分成0~3四个等级反馈给功耗管理单元,分别表征不同级别的总线冲突情况,0代表冲突最少,3代表冲突最多。
存储访问延迟监测单元主要检测各主机访问存储器的平均延迟,包括片上存储(如Flash, SRAM)和片外存储(如DDR)。通过监测主机发起的读写请求地址判断访问的存储对象,通过监测读写请求发起和存储器响应的时间间隔计算访问延迟。监测单元将各存储器的访问延迟反馈给功耗管理单元,结合总线冲突情况决定当前系统的工作状态。
CPU性能监测单元主要监测单位时间内CPU的负载情况。通过计算一定时间内CPU退休的不同类型指令数、高速缓存的缺失率等来判断这段时间内CPU的负载情况。关键IP负载监测取决于So C的特点,例如针对视频应用的So C需要监测视频处理单元(VPU)单位时间内编解码的视频帧数,针对加解密芯片需要监测单位时间的加解密模块(例如RSA,AES/DES等)的吞吐率。
3 实验结果及分析
本章中,我们在面向金融卡应用的So C平台中集成自适应动态功耗管理模块以说明该技术的有效性和高效性。该平台包含丰富的通用接口和常用的加解密模块,整体架构如图3-1所示。So C平台被划分为5个电源域(Power Domain): Domain 1为常开(Always On)电源域,包括自适应动态功耗管理模块,实时计数器(RTC),复位模块(Reset Generator)和低功耗唤醒逻辑。Domain 2是存储系统电压域,包括Cache、SRAM和EFLASH;Domain 3是CPU电压域,采用杭州中天微系统有限公司自主研发的低功耗32位CPU CK802[xx];Domain 4包含丰富的通用外设接口,如SCI、I2C、GPIO等;Domain 5是加解密模块电源域,包含AES、RSA、SHA等。Domain2~5均可独立地进行电源的开关和频率的调节。
不失一般性,我们为该So C定义一些列工作点,分为正常工作模式和低功耗模式两种情况。 为了说明自适应动态管理系统的有效性与高效性,下面分别针对这两种模式下不同工作点进行功耗分析,分析采用SMIC55工艺标准单元库。
3.1 正常工作模式
如表3-1所示,在正常工作模式下我们定义了3个工作点,主要区别在于CPU及系统模块时钟频率,且在Run3工作点Domain 4处于电源关闭(Power Off)状态。在这些工作点运行2048位RSA解密应用的功耗分析如表3-2所示。显然,面向加解密算法吞吐率不高的应用,将系统调至低频率工作点能有效降低功耗。另外,RSA加解密过程中,Domain 4通用接口处于空闲状态,可将Domain 4电源关闭以降低功耗, 即工作点Run3。当监测单元监测到RSA的吞吐率很大,而通用接口模块空闲时,功耗管理单元就会根据配置策略将工作点调至Run3,使RSA和Memory工作在较高时钟频率,而其他模块工作在低频率,同时关掉无关的Domain 4。如表3-2所示,虽然Run3的功耗比单纯降低时钟的Run2高44%,但其RSA的解密性能是Run2的2.5倍。同时,在获得几乎相同的性能的情况下Run3的功耗比Run1降低了42%。
事实上,在运行一个特定的应用时将空闲状态的电源域关闭可以显著降低功耗。如表3-3所示是在系统频率都为50MHz时,运行RSA解密应用时Domain 4的电源开关对功耗的影响,Domain4电源关闭情况下的功耗比其开着时降低了大约25%。除此之外,用户还可以配置Cache的开关,在一些对Cache依赖不高的应用中减小Cache大小配置,甚至关掉Cache来降低功耗,如表3-4所示,在关掉Cache的情况下功耗减少了约7%。
表3-3 RSA解密应用功耗2
表3-4 RSA解密应用功耗3(参见右栏)
3.2 低功耗模式
如表3-5所示,除了正常工作模式下的工作点,我们还定义了4个低功耗模式下的工作点。在WAIT模式下,只有CPU的时钟被关掉,其他系统时钟频率均可按照需求动态配置,该工作点下不需要CPU参与的应用依然可以运行。在DOZE模式下,系统地时钟都被关掉的,电源域保持供电,因此该工作点下存储器的数据保持不变,系统能被快速唤醒。STOP模式在DOZE模式的基础上,关闭了除了Domain 2(存储电源域)和Domain 1(Always On电源域)外的电源域供电,该工作点的功耗很低且数据仍然在SRAM中保持,系统可以快速唤醒。STANDBY模式在DOZE模式的基础上关断了Domain 2的电源以到达极低功耗,唤醒时需从片上FLASH中恢复数据,需较长时间。这4种低功耗工作点的功耗如表3-6所示,系统可以根据配置策略工作在不同的低功耗工作点。
上述的实验结果说明,如果用户通过合理的定义工作状态和工作点,使系统在执行不同应用时总是能在最佳功耗的工作点上,那么自适应的动态功耗管理系统就能在不影响应用执行速度的情况下,使整个So C系统的功耗降到最优状态。
4 总结
在便携式设备盛行的今天,低功耗技术的研究日益重要。本文提出的一种自适应的动态功耗管理系统,包括背景、体系结构以及设计实现;将其应用于一款金融卡So C系统,对RSA加解密应用的实例进行功耗分析。实验证明,本文提出的自适应的动态功耗管理系统在不影响性能的情况下,大大降低了功耗,具有很大的应用前景和研究意义。
摘要：文章提出了一种自适应的动态功耗管理系统,能够根据硬件监测系统对So C各资源使用情况的反馈,按照事先配置的低功耗策略,调整片上系统各模块工作状态,在满足性能需求的情况下达到降低功耗的目的。该功耗动态管理系统能够独立于具体应用,由硬件自动完成对系统芯片工作状态的调整,不仅能够针对不同的应用进行工作状态调整,在同一应用的不同阶段也可以根据资源占用情况来调节系统工作状态,具有很高的灵活性和实时性。
关键词：动态功耗管理,工作点,工作状态,策略
参考文献
陈黎明,邹雪城,雷鑑铭等.应用于低功耗So C的动态时钟管理技术[J].微电子学,2007,37(1):45-48.
Sun D,Xu S,Sun W,et al.Low power design for So C with power management unit[C]//ASIC(ASICON),2011 IEEE 9th International Conference on IEEE,2011:719-722.
常晓涛,张明明,张志敏等.应用于片上系统中低功耗IP核设计的自适应门控时钟技术[J].计算机学报,2007,(5):823-830.
孙文钦,孟海波等.基于精确预测的自适应运行时电源门控技术[J].高技术通讯,2011,21(3):291-296.
Sinangil Y,Neuman S M,Sinangil M E,et al.Aself-aware processor So C using energy monitors integrated into power converters for self-adaptation[J].Symposium on Vlsi Circuits Digest of Technical Papers,2014:1-2.
Brock B,Rajamani K.Dynamic power management for embedded systems[SOC design][C].//IEEE International Soc Conference.IEEE,2003:416-419.
L.Benini,A.Bogliolo,G.D.Micheli.A survey of design techniques for system-level dynamic power management.IEEE Transactions on VLSI Systems,2000,8(3):299-315.
Hsieh H,Wen S,Liao C,et al.Low power design and dynamic power management system for VLIW DSPsubsystem[J].International Symposium on Intelligent Signal Processing&Communications Systems,2011:1-5.