热点温度是影响金属化薄膜电容器(metallized film capacitors,MFC)绝缘寿命的重要因素之一,但由于其无法直接测量,因此通常采用热仿真分析或温度反演的方法获得。该文提出了基于共轭梯度法(conjugategradient method,CG)的热点温度反...热点温度是影响金属化薄膜电容器(metallized film capacitors,MFC)绝缘寿命的重要因素之一,但由于其无法直接测量,因此通常采用热仿真分析或温度反演的方法获得。该文提出了基于共轭梯度法(conjugategradient method,CG)的热点温度反演模型,建立了内部传热过程的温度分布目标函数,采用有限差分法求解电容器温度场,再通过CG对内部温度分布进行迭代求解。同时,通过交流温升试验校核了仿真模型以及反演模型。研究结果表明:热点温升与表面温升存在线性关系,热点温度出现在MFC中央靠近芯轴处,反演模型与仿真模型最大误差为4.35%,说明该模型可实现现场工况下的温度分布、热点分布等的有效预测。展开更多
针对只有硬模块的布图规划问题,通常将其构建成组合优化模型,但求解过程时间成本高。为提高求解效率,提出了一种基于非光滑解析数学规划的布图规划算法。基于布图中器件的坐标表示,构建了一个泛化的非光滑解析数学规划模型,将不同场景...针对只有硬模块的布图规划问题,通常将其构建成组合优化模型,但求解过程时间成本高。为提高求解效率,提出了一种基于非光滑解析数学规划的布图规划算法。基于布图中器件的坐标表示,构建了一个泛化的非光滑解析数学规划模型,将不同场景下的布图规划问题的不同优化阶段处理为该泛化模型的特例,并利用共轭次梯度算法(conjugate sub-gradient algorithm,CSA)对其进行求解。针对固定轮廓布图规划问题,通过统一框架下的全局布图规划、合法化、局部优化三个阶段,实现了在固定轮廓约束下的线长优化。针对无固定轮廓约束问题,提出了带黄金分割策略的共轭次梯度算法(conjugate sub-gradient algorithm with golden section strategy,CSA_GSS),利用黄金分割策略缩小固定轮廓的面积,达到面积和线长双优化的效果。实验在GSRC测试电路上与基于B*-树表示的布图规划算法进行比较,该算法对于大规模电路在线长和时间方面均占据优势。实验结果表明,该算法能以更低的时间复杂度获得更优的线长。展开更多
Turbo码是一种常用的信道编码方式,正确识别Turbo码首先要正确识别其子递归系统卷积(recursive system convolutional,RSC)码,由于信道噪声与干扰引发误码,这就要求识别算法具有良好的抗误码性能以及识别能力。利用解调软判决序列,通过...Turbo码是一种常用的信道编码方式,正确识别Turbo码首先要正确识别其子递归系统卷积(recursive system convolutional,RSC)码,由于信道噪声与干扰引发误码,这就要求识别算法具有良好的抗误码性能以及识别能力。利用解调软判决序列,通过编码码元约束方程,构建指数形式的代价函数模型,将识别RSC码的生成矩阵问题转化为求解代价函数全域极值的最优化问题,最后在共轭梯度法的基础上,采用新的PRP步长因子来寻找全域极值点。仿真结果表明,所提算法与现有算法相比,收敛速度更快,在低信噪比下也有良好的识别能力。展开更多
文摘热点温度是影响金属化薄膜电容器(metallized film capacitors,MFC)绝缘寿命的重要因素之一,但由于其无法直接测量,因此通常采用热仿真分析或温度反演的方法获得。该文提出了基于共轭梯度法(conjugategradient method,CG)的热点温度反演模型,建立了内部传热过程的温度分布目标函数,采用有限差分法求解电容器温度场,再通过CG对内部温度分布进行迭代求解。同时,通过交流温升试验校核了仿真模型以及反演模型。研究结果表明:热点温升与表面温升存在线性关系,热点温度出现在MFC中央靠近芯轴处,反演模型与仿真模型最大误差为4.35%,说明该模型可实现现场工况下的温度分布、热点分布等的有效预测。
文摘针对只有硬模块的布图规划问题,通常将其构建成组合优化模型,但求解过程时间成本高。为提高求解效率,提出了一种基于非光滑解析数学规划的布图规划算法。基于布图中器件的坐标表示,构建了一个泛化的非光滑解析数学规划模型,将不同场景下的布图规划问题的不同优化阶段处理为该泛化模型的特例,并利用共轭次梯度算法(conjugate sub-gradient algorithm,CSA)对其进行求解。针对固定轮廓布图规划问题,通过统一框架下的全局布图规划、合法化、局部优化三个阶段,实现了在固定轮廓约束下的线长优化。针对无固定轮廓约束问题,提出了带黄金分割策略的共轭次梯度算法(conjugate sub-gradient algorithm with golden section strategy,CSA_GSS),利用黄金分割策略缩小固定轮廓的面积,达到面积和线长双优化的效果。实验在GSRC测试电路上与基于B*-树表示的布图规划算法进行比较,该算法对于大规模电路在线长和时间方面均占据优势。实验结果表明,该算法能以更低的时间复杂度获得更优的线长。
文摘Turbo码是一种常用的信道编码方式,正确识别Turbo码首先要正确识别其子递归系统卷积(recursive system convolutional,RSC)码,由于信道噪声与干扰引发误码,这就要求识别算法具有良好的抗误码性能以及识别能力。利用解调软判决序列,通过编码码元约束方程,构建指数形式的代价函数模型,将识别RSC码的生成矩阵问题转化为求解代价函数全域极值的最优化问题,最后在共轭梯度法的基础上,采用新的PRP步长因子来寻找全域极值点。仿真结果表明,所提算法与现有算法相比,收敛速度更快,在低信噪比下也有良好的识别能力。
