CPU仿真器MCS中存贮结构仿真的实现

仿真器是进行硬件设计评估,系统软件设计开发和计算机体系结构研究的有力工具,而对内存的仿真是系统级仿真器的重要组成部分,其仿真效率直接影响整个仿真器的性能.以一款基于VLIW(超长指令字)结构的CPU仿真器——MCS为例,研究了高效内存仿真的实现方法.MCS为目标应用程序提供了一个仿真运行平台,从而达到评估CPU设计,分析指令效率,支持编译系统调试的目的.      

类生物化自适应制造系统控制结构(英文)

未来的制造系统需要应对多变的不可预测环境的干扰,因此要求制造系统的控制结构具有较好的自适应性、自组织性、敏捷性、智能性和鲁棒性.而具有这些生物行为特征的类生物化制造系统能够很好的满足这一要求.因此,借鉴生物系统的组织结构、控制机理和运行模式,从一个全新角度提出了有机制造单元的概念,并结合基于激素分泌调节的超短反馈机制,建立了类生物化生产系统自适应控制模型;基于神经-内分泌-免疫系统调节机制,建立了类生物化自适应制造系统控制结构模型.最后,通过一个基于信息素通信机制的实例表明:整个系统具有较强的鲁棒性.     

涡轮支板与导向器一体化气动设计方法研究

针对大涵道比发动机低压涡轮设计要求,开展了大、小叶片组合叶栅形式的低压涡轮支板与导向器一体化设计方法研究。以常规参数化方法为基础,建立了大、小叶片设计参数关联关系,提出1种参数化程度高和参数关联性强的大、小叶片组合叶栅参数化叶型设计方法,并用于低压涡轮支板与导向器一体化气动方案设计。结果表明:涡轮支板与导向器一体化气动方案的总压恢复系数为0.981,叶片表面载荷分布合理,流场质量良好,叶栅出口流场参数分布均匀且周期性好。涡轮支板与导向器一体化叶型参数化设计方法具有良好的工程应用价值。     

高负荷吸附式压气机气动设计与分析

为了进一步提升压气机级压比,采用附面层抽吸技术,初步建立了一套主要包含S2流面通流计算、吸附式叶型无粘反设计、吸附式叶型带附面层抽吸方案优化、全三维时均流场校核的高负荷吸附式压气机设计体系。研究结果表明:依托该体系仅仅使用1.7%的相对抽吸量完成了一台级压比3.51、等熵效率86.82%、负荷系数超过0.6的吸附式压气机设计,并通过了基于非线性谐波法的三维时均流场校核。由于抽吸基本消除了上游转子叶排的尾迹亏损,级间干涉效应微弱,时均与定常特性线中的峰值效率和压比仅相差0.12%和0.003。     

动力涡轮弯扭导向叶片的设计

根据QD128地面燃气轮机动力涡轮的工作特点,采用叶片弯扭成型方法成功地进行了二级导向叶片的设计,有效地提高了涡轮设计效率。通过不同的叶片弯曲规律对涡轮性能的影响进行了三维计算分析,分析结果证实了应用弯角适合的弯扭叶片能够改善涡轮叶栅的流动情况和效率。     

基于极大极小准则的模糊域划分方法

在分析模拟电路故障诊断中传统的故障字典法的两类模糊域划分方法的基础上 ,提出一种新的模糊域划分方法——基于极大极小准则的模糊域划分方法。此方法有效地解决了在先验概率未知的条件下 ,如何动态可变且快速地划分模糊域的问题。并通过实际电路仿真对这种方法的有效性和实用性进行了验证     

基于组装的过程工程环境

描述了一个基于组装的过程工程环境，该环境包括过程定义，过程实例化，过程模拟，过程动作４个部分，采用了基于组装的过程建模方法，能够对重用过程库中的过程部件进行组装，生成新的过程模型，并由过程模型驱动实际运作。     

基于一维模型的涡轮过渡流道优化设计

降低涡轮过渡流道的损失,缩短其长度,增大其径向偏移,是提高高涵道比涡扇发动机经济性和环境友好性的重要手段之一。目前研究基于所发展的一维涡轮过渡流道性能预测方法,提出了涡轮过渡流道设计的优化问题,融合单纯性优化方法,建立了一套有自主知识产权的涡轮过渡流道初步优化设计体系,用于涡轮过渡流道的快速设计。文中简要讨论了涡轮过渡流道的一维性能预测方法,给出了一维优化过程中所涉及诸多因素的确定,如几何的参数化、目标函数的确定,优化方法的选取、初步设计的建立以及优化的流程等。最后,以某实际涡轮过渡流道的优化设计为研究对象,对所发展的方法进行了验证,结果表明优化后的流道在总压损失和压升方面都较原型有了提高。通过目前的设计算例,充分确认了方法的鲁棒性和有效性。     

基于信息素的任务分配(英文)

针对制造系统中的任务分配问题,提出了一种基于信息素的协调方法并搭建了原型实验仿真平台。该协调方法源于蚁群的觅食行为活动,蚂蚁在觅食的路径上会留下一种特殊的化学物质(信息素),利用该介质,可以更好地在群体内部实现协调与合作。基于信息素的协调方法可以自动寻找到有效的加工单元来处理所需要加工任务,有效地克服以往存在于基于合同网协调机制中的通信信息量大等不足。实验结果证明了基于信息素的协调机制对任务分配具有极其稳定的优化能力。     

多目标混合流水车间调度问题求解算法

针对多目标不相关并行机混合流水车间调度问题，建立以最小化最大完工时间、机器总能耗和机器加工成本为目标的多目标数学模型。提出一种改进的基于分解的多目标进化算法（Improved multi-objective evolution algorithm based on decomposition,IMOEAD），采用均匀设计表生成初始权重向量，提高种群多样性，利用正态分布交叉并设计了自适应高斯变异来提高算法的全局搜索能力和局部搜索能力，在权重向量邻域中选择个体产生新解，运用非支配等级和拥挤距离更新外部档案。以反世代距离、世代距离和非支配解个数为性能指标，通过大量案例仿真，与非支配排序遗传算法Ⅱ和基于分解的多目标进化算法进行对比，结果验证了该算法的有效性。