一种基于数据流驱动的混合粒度可重构阵列架构

粗粒度可重构阵列结构具有计算效率高的特点,但不能完美支持控制较复杂的算法.本文基于数据流驱动原理,提出了一种可重配置的混合粒度阵列架构,将细粒度可重构技术和粗粒度可重构技术相结合,实现了对控制密集型算法的支持,整个结构支持多发射循环迭代技术和空间展开循环迭代技术.通过对算法采取不同的映射方法和优化技术,相对于静态流执行情况至少可以获得15.6%的性能提升.

远程CAD中基于ASP的数据流处理方法

针对目前常用的 B/ S三层模式远程机械设计支持系统 ,立足于带传动远程设计系统的开发实例 ,提出了一种Web环境下基于 ASP技术的带传动远程设计的模块结构 ,着重论述了基于 A SP数据库驱动技术的该系统内数据流动态交互计算的实现方法。

基于ASP的带传动远程设计系统

针对带传动远程设计系统的开发需求,提出了一种Web环境下基于ASP技术的带传动远程设计的模块结构,着重论述了基于ASP数据库驱动技术的该系统内数据流动态交互计算的实现方法。实例应用证明本文的方法是可行的。

LabVIEW程序流程控制中存在的问题及对策

LabVIEW软件在测量和控制领域得到了越来越广泛的应用。图形化编程和数据流驱动方式是其显著的特点。与传统文本编程语言(如C/C++和BASIC)的顺序驱动方式相比,数据流驱动方式可以非常简单地实现程序的并行运行,但是这种驱动方式也会造成流程控制中的一些困难。为解决这些困难,从循环结构控制、子程序调用及系统资源占用3个方面的问题入手,具体剖析了LabVIEW使用中存在的问题及其原因,并找出了解决这些问题的相应对策。

一种数据流驱动的计算通道容错方案

单粒子翻转发生在数据流驱动的计算通道中时,会产生错误结果甚至计算通道无法正常工作。针对这一问题,文中提出了一种基于地址回卷技术的双模冗余容错方案。该方案采用双计算通道比较,检测结果是否发生错误;利用地址回卷技术还原地址信息,驱动原数据重新计算;对相关性数据流计算进行特定优化回卷。文中基于数据流驱动运算器对方案进行具体实现,实验结果显示,该方案实现了99%以上的可靠率,面积开销仅为三模冗余的76%,时间开销比双模冗余节约最多50%,实现了面积和时间消耗的平衡。

基于流挖掘HEV复合电源能量管理策略研究

以蓄电池-超级电容混合动力电动汽车(HEV)复合电源系统为研究对象,针对传统马尔可夫模型的状态转移矩阵难以根据行驶工况实时在线更新的问题,提出一种基于流挖掘技术的实时行驶工况预测方法,实现能量管理策略的实时更新与优化。该策略根据车辆行驶工况对应的速度和功率需求进行状态划分,采用流挖掘技术及马尔可夫模型建立动态转移概率矩阵,进行动力电池和超级电容间功率分配的自适应调节。不同控制策略的仿真结果表明,所提出的算法能根据工况的预测结果实时优化能量源的功率分配,延长蓄电池使用寿命,节省临时记录的存储空间,降低对车载硬件的要求。

面向大规模MIMO检测的粗粒度可重构架构设计

实现适用于大规模MIMO的可重构架构,需要从控制方式到硬件设计进行研究。为了提高面积效率和能量效率,提出了基于反馈机制的数据流通信技术。并提出三个创新性硬件设计方案:1)适用于大规模MIMO的通用计算单元;2)数据流驱动的路由单元;3)支持地址跳变的可编程访存单元。该可重构架构在40nm CMOS工艺上进行设计和实现并完成算法验证。与现有研究相比,取得了32%~82%的面积效率提升和2.81倍的能量效率提升。

磁带的磁盘化管理技术在IBM3592磁带机的创新应用

随着IBM 3592 E07、E08等磁带机的普遍使用,大容量磁带的读写在野外采集及室内处理过程中已成为常态,而大容量磁带的读写速率通常较低,严重制约了地震资料采集与处理的效率。因此,磁带机的读写效率直接影响着勘探生产效率和成本。本文基于磁带的磁盘化管理技术大幅提升大容量磁带机的数据吞吐能力,具有较好的应用价值,同时,也为相关技术人员提供了技术参考。

考虑驾驶员驾驶风格的车辆跟驰模型

跟驰行为研究旨在探究单行道上前车运动状态的变化对后车行驶状态的影响,通过建立相应的跟驰模型进行仿真研究,可以揭示交通拥堵、交通流震荡等交通现象的内在机理,有助于研究交通流的稳定性、道路通行能力和运行效率。由于驾驶经验、性格等特征的差异,驾驶员会表现出不同的跟车特征。然而,传统的跟驰模型往往假设驾驶员的驾驶行为是同质的,较少考虑通行车辆驾驶风格的差异,这与实际情况不符。为此,本文首先提取了路面通行车辆的4种驾驶行为特征(变道、起步、制动、平稳行驶),开发了基于权重的自适应数据流引力聚类(Weight-based Adaptive Data Stream Gravity Clustering,WAStream)算法,分别对不同驾驶行为特征时序数据进行聚类分析,进而根据驾驶风格评分模型量化了驾驶员不同驾驶行为的激进程度,实现了通行车辆驾驶风格的有效分类;接着通过分析不同风格驾驶员的跟驰数据,构建不同风格车辆的速度期望函数,并充分考虑主车与驾驶视野中多辆前车的速度差、加速度差等影响,提出了一种考虑驾驶员驾驶风格的车辆跟驰模型;最后基于NGSIM车辆轨迹数据,利用遗传算法标定考虑驾驶员驾驶风格的车辆跟驰模型的关键参数,实现模型的验证和数值仿真分析。实验结果表明:与经典的FVD模型相比,所提出的跟驰模型能够更好地拟合车辆跟驰数据,其MAE、MAPE、RMSE分别减小了1.511 m/s^(2)、6.122%、1.064 m/s^(2);同时,该模型能够有效降低车辆在跟驰行为中的延迟性,构建更逼近真实情况的交通流场景,提高了交通流的稳定性。本研究提出的跟驰模型能够为交通运输规划和管理部门提供有效的决策信息,为微观交通仿真研究提供模型参考。