用线松弛方法求解条形域流场问题的网络并行方案_郭庆平

合集下载

求解泊松方程的多子域超松弛并行迭代算法

求解泊松方程的多子域超松弛并行迭代算法

求解泊松方程的多子域超松弛并行迭代算法许秋燕;张现强【摘要】基于区域分解思想,对二维泊松方程提出了一种多子域超松弛并行迭代算法.首先将求解区域划分为多个子区域,利用超松弛迭代格式构造出若干分组显式格式,然后结合边界条件在迭代次数为奇数和偶数时,分别给出新算法的实现过程.最后通过具体的数值算例验证了此算法的有效性和优越性.【期刊名称】《宁夏大学学报(自然科学版)》【年(卷),期】2013(034)002【总页数】4页(P97-100)【关键词】泊松方程;并行计算;区域分解;分组显式【作者】许秋燕;张现强【作者单位】宁夏大学数学计算机学院,宁夏银川 750021;宁夏大学数学计算机学院,宁夏银川 750021【正文语种】中文【中图分类】O241.82泊松方程是静电学、机械工程和理论物理中常见的偏微分方程,由许多偏微分方程的标准离散化得到的用于求解这类方程的若干快速计算方法[1],受到了人们的密切关注.目前,大规模的科学工程计算需要高速度、大容量的并行机和有效的数值并行方法及并行算法.众所周知,泊松方程的并行单元是利用Jacobi并行迭代算法[2]解决的,因此有明显的并行性.冯慧等[3]通过不同点的隐式差分格式之间的相互约化建立新型迭代方法,此方法与Jacobi方法同样具有并行性,却比Jacobi方法收敛快.超松弛(SOR)迭代方法是很有效的方法,却没有本质的并行性.目前,仅有较少的方法可以实现并行迭代,如着色法[4]和点并行SOR方法[5]等,但很难拓展.区域分解方法[6]是一个实现并行的很有力的工具,可将整个问题化为各个子域问题,然后并行求解.由于其构造简单,速度快,得到了广泛应用.基于文献[7]中提出的一种求解泊松方程的并行超松弛迭代算法的思想,本文将其内容进行拓展,在多子域上给出求解泊松方程的并行超松弛迭代算法.1 泊松问题及分组显式格式1.1 泊松问题考虑在矩形区域Ω上的二维泊松方程(其中Ω = [0,L]× [0,M],∂Ω 为Ω 的边界):边界条件为u(x,y)=g(x,y),(x,y)∈∂Ω,在区域Ω上做空间步长为h 的一致剖分,在x和y方向上分别为(m+1)h=L和(n+1)h=M,xi=ih,i=0,1,…,l+1;yj=jh,j=0,1,…,m+1,记(xi,yj)为(i,j).首先,由方程(1)给出如下4个超松弛(SOR)迭代格式[1]:其中u(n)i,j是泊松方程的精确解u(x,y)在节点(i,j)上的第n次迭代数值解,若n=0,其为任意定义的初始值.ω为松弛因子,0<ω<2(实际上,当ω=1时格式为Gauss-Seidel迭代格式).1.2 分组显式(GE)格式考虑在求解域上对相邻4个网格点的数值解,联合公式(2)~(5)可形成(4×4)阶方程组,采用分组显式(GE)的思想,可得到节点(i,j),(i,j+1),(i+1,j),(i+1,j+1)的数值解公式:式中类似地,利用分组显式基于“两点一组”的思想可构造其他4个新的格式.结合格式(2)和(4),可得2 并行算法的实现首先,将区域分解为若干个子域,现以4×2个非重叠子域为例(其他以此类推),如图1给出了由8条网格线(i=ps,ps+1,s=1,2,3;j=q,q+1)划分的共8个子域的情况,其中ps,q为任意正整数,0<ps<l+1,0<q<m+1.图1 由8条网格线划分的8个子域其次,定义算法的实现过程如下:i)迭代次数为奇数.1)利用格式A6 求解节点(p2,j),(p2+1,j),j=1,2,…,q;利用格式A7 求解节点(p2,j),(p2+1,j),j=q+1,q+2,…,m.2)利用格式A2 求解子域Ω1,Ω3;A4 求解子域Ω2,Ω4;A1求解子域Ω5,Ω7;A3求解子域Ω6,Ω8内的网格节点.ii)迭代次数为偶数.3)利用格式A5 求解(ps,q),(ps+1,q),(ps,q+1),(ps+1,q+1),s=1,3.4)利用格式A7求解(ps,j),s=1,3,j=q-1,q-2,…,1;利用格式A6 求解(ps,j),s=1,3,j=q+2,q+3,…,m;利用格式A8 解(i,q),(i,q+1),i=p3-1,p3-2,…,p2+1,p1-1,p1-2,…,1;利用格式A9 求解(i,q),(i,q+1),i=p1+2,p1+3,…,p2,p3+2,p3+3,…,l.5)利用格式A3 求解子域Ω1,Ω3;A1 求解子域Ω2,Ω4;A4求解子域Ω5,Ω7;A2求解子域Ω6,Ω8内的网格节点;iii)验证收敛性.若收敛,转到iv)步,否则回到i)步再计算.iv)算法停止.理论上,上述算法中的格式可化为矩阵形式:其中系数矩阵A,B,C,D为块三角非奇异矩阵,故它为Π -连续且具有A (π)性.因此块SOR方法[8]的理论也适用于本文所给出的多子域并行SOR迭代方法,即对于此类并行的交替型迭代算法是收敛的,这样就完成了求解带有边界条件的泊松方程(1)的多子域超松弛并行迭代算法.3 数值算例为了验证多子域超松弛迭代并行算法(MSOR)的优越性,考虑二维泊松问题:,(,)[,][,],=0 xy∈Ω = 01×01边界条件为u(x,y)=excosy,(x,y)∈∂Ω,精确解为u(x,y)=excosy,(x,y)∈Ω.假定初值u(0)i,j=0(i=0,1,…,l+1;j=0,1,…,m+1),记u(xi,yj)为上述问题的精确解,u(n)i,j为第n次数值迭代解,误差在L∞范数和L2范数下定义为其中h为空间步长.取松弛因子ω =2/(1+),ρJ为Jacobi迭代矩阵的谱半径.选取松弛因子ω的值在±0.01误差范围内,使得完成每次迭代需要尽量少的迭代次数.关于空间的收敛阶定义为比较多子域超松弛迭代并行算法(M-SOR)(以4×2个子域为例)与Jacobi,Gauss-Seidel算法,数学Stencil[3]方法及有限差分并行迭代(FDPI)算法[9]在相同误差控制下完成迭代所需的迭代次数与运行时间(表1和表2).由表1和表2可知,本文所提算法的运行时间更短,迭代次数也显著较小.因此,多子域超松弛迭代并行算法更有效、实用.关于收敛速率的计算,取空间步长h=1/(16+8d),d=0,1,…,4.由表3可清晰看到,多子域超松弛迭代并行算法的空间收敛阶近似为2,并且误差也达到10-5.表1 各算法在相同误差控制下的迭代次数(h=1/100)算法 10-3 10-4 10-5 10-6 Jacobi 15 719 20 353 24 723 27 674 G-S 7 865 10 181 12 367 13 844 Stencil[3] 3 495 4 524 5 495 6 150 FDPI[9] 499 623 757 1 097 M-SOR 311 413 511 575表2 各算法在相同误差控制下的运行时间(h=1/100)s算法 10-3 10-4 10-5 10-6 Jacobi 46.125 59.500 72.594 80.750 G-S 23.360 30.078 36.609 40.875 Stencil[3] 21.063 27.094 32.500 36.297 FDPI[9] 1.516 1.875 2.312 2.967 M-SOR 0.359 0.484 0.718 0.796表3 迭代次数n=105时算法的收敛阶与误差h Rate1Rate2 E ∞(×10-5)E2(×10-5)1/16 ————7.071 3.899 1/24 1.991 1.996 3.154 1.736 1/32 1.999 1.998 1.775 0.977 1/40 1.997 1.999 1.137 0.626 1/48 1.9991.999 0.789 0.4354 结论利用格式(2)~(5)可显式地、并行地求出区域上网格节点的数值解,比起只采用其中之一的迭代公式求解,节省了3/4的计算时间,也避免了求解大型线性方程组的困难.通过具体的算法实现过程发现,迭代次数分别为奇数或偶数时,在每一个网格点上,采用了方向相反的格式,实际上这使得同一节点在相邻迭代层上的截断误差大大抵消.另外,多子域的并行计算,也使得计算速度明显提高,时间显著缩短,有利于解决规模较大的泊松问题.参考文献:[1]徐树方,高立,张平文.数值线性代数[M].北京:北京大学出版社,2000. [2] QUINN M J.Parallel programming in C with MPI and openMP [M].New York:McGrow-Hill Company,Inc.,2004.[3]冯慧,张宝琳,刘扬.Poisson方程有限差分逼近的数学Stencil及其应用[J].中国科学:A,2005,35(8):901-909.[4]陈国良.并行计算[M].北京:高等教育出版社,1999.[5]蔡放,方逵,李彬.具有完全并行度的SOR算法[J].高等学校计算数学学报,2002,24(1):11-14.[6] KEYES D E,GROPP W D A comparison of domain decomposition techniques for elliptic partial differential equations and their parallel implementation[J].SIAM J Sci Stat Comput,1987,8(2):166-202. [7] XU Qiuyan.A new parallel SOR iterative algorithm for solving2DPoisson equation[A]//The international conference on Cyber C-Enabled distributed computing and knowledge discovery,Beijing,2011,295-300.[8] YOUNG D M,KINCAID D R.A new class of parallel alternating-type iterative methods [J].Appl Math Comput,1996,74(1/2):331-34. [9] XU Qiuyan,WANG Wenqia.A new parallel iterative algorithm for solving 2DPoisson equation[J].Numerical Methods for Partial Differential Equations,2011,27(4):829-853.。

基于改进PSO-BP神经网络在径流量预测中的应用

基于改进PSO-BP神经网络在径流量预测中的应用

基于改进PSO-BP神经网络在径流量预测中的应用王长鹏;齐俊;蔡永宁;杲广文;吴凯【摘要】为构建一个预测精度高、预测速度快的河流径流预测系统,完善径流预测理论,同时指导生产实践,本文提出了用粒子群优化算法(PSO)改进BP神经网络训练算法的方法,建立改进的粒子群优化算法BP神经网络模型(IPSO-BP),利用历史真实数据对IPSO-BP模型进行训练,把训练好的IPSO-BP模型用于对宜昌水文站的日径流量数据进行预测,改进的IPSO-BP神经网络模型算法在预测速度和预测精度方面优于标准BP算法、标准的PSO-BP算法,取得良好的预测效果.【期刊名称】《城市勘测》【年(卷),期】2019(000)002【总页数】5页(P199-203)【关键词】径流量;BP神经网络;粒子群优化算法;预测算法【作者】王长鹏;齐俊;蔡永宁;杲广文;吴凯【作者单位】济南市勘察测绘研究院,山东济南 250101;济南市勘察测绘研究院,山东济南 250101;济南市勘察测绘研究院,山东济南 250101;济南市勘察测绘研究院,山东济南 250101;济南市勘察测绘研究院,山东济南 250101【正文语种】中文【中图分类】P641.6;TP1831 引言水资源是生产生活中的重要自然资源,河流径流是水文系统的重要内容,河流径流量预测对于汛期防洪、水运灌溉、河流发电等水资源的有效利用起着重要作用[1]。

河流径流的生成过程是一个巨大的非线性系统,在建模方面难度较大[2]。

同时,河流径流量的影响因素颇多,各项因素的数据单位不统一、数值差异大等客观条件制约,预测系统要求有较好的数据容错能力[3]。

构建一个预测精度高、预测速度快的河流径流预测系统,不仅能够完善理论研究,而且对生产实践具有指导意义[4]。

当前,国内外在河流中长期径流量预测这方面的研究还处于摸索阶段,提出了诸多的模型与方法,张利平等在2004年利用4种相空间模型对吉林白山水库的汛期径流量和月径流量进行预测,取得了不错的预测效果[5]。

211057246_基于多重网格的地表水文与二维水动力动态双向耦合模型研究

211057246_基于多重网格的地表水文与二维水动力动态双向耦合模型研究

2023年3月水 利 学 报SHUILI XUEBAO第54卷 第3期文章编号:0559-9350(2023)03-0302-09收稿日期:2022-08-11;网络首发日期:2023-02-10网络首发地址:https:??kns.cnki.net?kcms?detail?11.1882.TV.20230209.1358.001.html基金项目:国家自然科学基金面上项目(52179068);水沙科学与水利水电工程国家重点实验室项目(2021-KY-04)作者简介:申言霞(1995-),博士生,主要从事水文及洪涝灾害治理研究。

E-mail:shenyx21@mails.tsinghua.edu.cn通讯作者:江春波(1960-),博士,教授,主要从事水力学及水灾害治理研究。

E-mail:jcb@tsinghua.edu.cn基于多重网格的地表水文与二维水动力动态双向耦合模型研究申言霞,周 琦,段艳华,江春波(清华大学水沙科学与水利水电工程国家重点实验室,北京 100084)摘要:针对流域洪涝模拟模型的计算精度、格式稳定性及计算效率等问题,本文提出基于多重网格技术的地表水文与二维水动力动态双向耦合模型(M-DBCM)。

地表水文模型采用非线性水库法模拟降雨产流和径流;二维水动力模型采用浅水方程模拟洪水演进过程。

采用不同分辨率的网格划分计算区域,在粗网格区域采用地表水文模型模拟降雨径流过程;在细网格区域采用二维水动力模型模拟洪涝积水区的水流运动。

地表水文和二维水动力模型通过内部耦合移动界面(CouplingMovingInterface,CMI)实现无缝连接,保证通过CMI的水量和动量等通量守恒,提高模型的模拟精度。

采用时间显式格式同时求解地表水文和水动力模型,在不同区域采用不同的计算时间步长,以提高模型的计算效率。

通过典型案例验证本文构建的耦合模型的性能,结果表明本文提出的动态双向耦合模型能够在保证模拟精度的同时提高计算效率。

一种孔隙介质中地下水流并行计算方法

一种孔隙介质中地下水流并行计算方法

一种孔隙介质中地下水流并行计算方法通常是基于有限元数值模拟技术的,包括以下几个主要步骤:
离散化:将地下水流问题离散化为有限个子域,并建立相应的有限元模型。

边界条件:定义地下水流问题的边界条件,包括边界水头、渗透率等。

迭代求解:使用数值方法迭代求解离散化后的方程组,计算出各个子域中的地下水流量和水头分布。

并行计算:通过将计算任务分配给多个计算节点,使用并行计算技术来加速计算过程。

其中,离散化和边界条件的定义是地下水模拟的基础,迭代求解是求解过程的核心,而并行计算则可以大幅提高计算效率,加速模拟结果的输出。

总的来说,一种孔隙介质中地下水流并行计算方法是一个复杂的计算过程,需要依靠高性能计算技术和优化算法来实现高效、精确的地下水模拟结果。

多流管辐射流体力学的 SMP 并行计算

多流管辐射流体力学的 SMP 并行计算

多流管辐射流体力学的SMP 并行计算黄清南 申卫东 徐 敏(中国工程物理研究院计算机应用研究所,四川绵阳919-1201信箱,621900)E-mail : hqn@摘 要 在共享存储结构的对称多处理机系统(SMP )上,研究基于多流管方法的二维辐射流体力学程序的并行化计算。

通过对程序系统进行解剖与分析,运用程序并行化的多种关键技术,着重针对程序系统主体计算部分中的三个核心子程序模块(LIXUE 、QIEKON 、JINKON )进行并行化改造与设计,形成多流管辐射流体力学SMP 并行程序。

在CHALLENGE 机上进行数值模拟实验与测试,其主体并行程序的运算速度有了较大提高。

关键词 并行计算;并行化程序设计;辐射流体力学;多流管方法1 引言当今世界各种类型的高性能并行计算机蓬勃发展并日渐普及应用,促使许多应用部门面临着如何将原有的串行程序改造成为能够在并行机上有效运行的并行程序。

这是用好并行机的关键,更是一项深受人们普遍关注的具有战略意义的重要课题。

二维体平均多流管辐射流体力学程序系统是国内自行研制的大型科学计算与数值模拟的重要应用软件之一。

虽然在传统的串行计算机上,它不失为一个好的程序。

但由于编程年代较早,受当时计算机体系结构和性能的限制,显然程序系统过于庞大复杂、数据相关性强,极不适于在高性能并行机上运行。

因此,结合具体并行机的特点,将多流管辐射流体力学串行计算程序改造并转化为适合于并行机上运行的并行计算程序,使它真正成为数值模拟的高效工具之一。

这是研究与开发体平均多流管辐射流体力学程序并行化的最终目标。

这里着重阐述多流管辐射流体力学程序在共享存储体系结构对称多处理机上的SMP (Symmetry Multi Processors )并行计算以及程序并行化开发,并在高性能计算服务器上通过数值模拟实验与测试。

结果表明,并行化取得较好的效果,并行程序的运算速度有了明显的提高。

2 微分方程的积分形式及差分格式对于二维轴对称的辐射流体力学方程组[1],采用体平均多流管方法,可化为下列积分形式:()()()()()∫∫∫∫∫∫ΩΓΓΩ+−⋅−⋅=∂∂t t t Hdxdr Grdl rdxdl n u n D F Frdxdr t t其中: ,)E ,v ,u ,(F Tρρρ=e )v u (E ++ρ=2221G P P Pu n q n H P COS TT=⋅+⋅=(,,sin ,),(,,,)00αα00这里,为密度,u 和v 分别为切向和径向速度,P 为压力,E 为能量。

一种可用输电能力量子粒子群优化算法

一种可用输电能力量子粒子群优化算法

一种可用输电能力量子粒子群优化算法孟妍;曲丽萍;刘冲杰;路赵【摘要】以量子行为与粒子群优化相融合的量子粒子群算法解决可用输电能力计算的优化问题.利用Matlab软件平台,以IEEE-30节点标准系统为算例进行仿真计算,比较本算法与传统粒子群算法的仿真结果,分析两种算法的寻优性能和收敛速度.仿真结果验证了量子粒子群算法解决可用输电能力优化问题的有效性.%Quantum particle swarm algorithm integrated the quantum behavior with particle swarm optimization algorithm,is used to solve the optimization problem of calculating available transmission capability.And by using the software of Matlab to IEEE-30 node system as an example of the simulation,after comparing the simulation results with the traditional particle swarm optimization algorithm results,we analyze the optimization performance and convergence speed of the above two algorithms,and verify the effectiveness of quantum particle swarm algorithm to solve the optimization problem of the available transmission capability.【期刊名称】《北华大学学报(自然科学版)》【年(卷),期】2018(019)003【总页数】6页(P399-404)【关键词】可用输电能力;粒子群算法;量子粒子群算法【作者】孟妍;曲丽萍;刘冲杰;路赵【作者单位】北华大学电气信息工程学院,吉林吉林 132011;北华大学工程训练中心,吉林吉林 132011;北华大学电气信息工程学院,吉林吉林 132011;北华大学电气信息工程学院,吉林吉林 132011【正文语种】中文【中图分类】TM46在电力系统运营逐步市场化的情况下,建设坚强智能电网成为发展的必然趋势.与此同时,满足超大容量、长距离电力输送和电力负载的高速增强也是发展的必然需求,而其中的关键问题是电力输送技术的选用,以及提高现有输电网络输电功率和输送能力的方法.电网系统的输电能力 (Transmission Transfer Capability,TC),尤其是可用输电能力(Available Transfer Capability,ATC)对电网安全稳定运行,以及电力市场交易顺利进行等都具有重要影响.现代电力系统正在接近运行极限,计算可用输电能力成为一个非常重要的手段.可通过公式表示其概念[1],即ATC=TTC-TRM-CBM-ETC,式中:TTC为最大输电能力(Total Transfer Capability);TRM为传输可靠性裕度(Transmission Reliability Margin);CBM为容量效益裕度(Capability Benefit Margin);ETC为现有输电协议(Existing Transmission Commitment).输电能力计算可分为以下几种[2]:1) 根据计算方式,分为在线计算和离线计算;2) 按约束条件分为静态输电能力和暂态输电能力计算;3) 由于输电网络的系统状态过程及随机性比较大,可分为确定型和概率型两种[3-8].常用于计算可用输电能力的方法有经典优化算法和现代智能算法,如最优潮流法、遗传算法、粒子群算法[9]等.由于Frans Van den Bergh已经证明了传统粒子群(Traditional Particle Swarm Optimization,PSO) 算法不能收敛于全局最优解,甚至是局部最优解,并且通过实验证明很多算法收敛性能的改进都是有限的.因此,为了更好地解决收敛性问题,本文将量子粒子群[10-13](Quantum-behaved Particle Swarm Optimization,QPSO)优化算法应用在可用输电能力计算中.1 量子粒子群优化算法在QPSO算法中,量子粒子的空间位置可用波函数ψ(x,t)来描述.对波函数ψ(x,t)而言,在量子空间中,某一点出现的概率密度函数可以通过对薛定谔方程求解的方法求得,然后根据上述方法在求得概率密度后,进一步使用蒙特卡洛模拟法计算得到粒子位置函数,从而可以得到QPSO算法的粒子位置移动公式:(1)式中:在优化问题中M为群体中粒子的个数,其本质上也代表了潜在可能解的个数;d为粒子维数;Pi (t)为实施第i次迭代计算时,群体中第i个粒子目前的最优位置,而其全局最优位置则用Pg (t)来表征;PPid (t)表示上述两者间的随机点位;mbest (t)代表群体中全部粒子在第i次迭代计算时的平均最优位置.其中:φ=radf( ),函数radf( )可以产生1个[0,1]之间的随机数,并且这个随机数服从均匀分布,假设:综上,式(1) 即为量子粒子群优化算法,简称QPSO算法.2 基于量子粒子群算法的ATC计算本文使用系统静态安全约束条件下的最优潮流模型作为基本计算模型,将受电区域中全部受电节点有功功率的最大值作为目标函数:(2)式中:ΔPGi为节点i的负荷有功增量;受电区域负荷节点集合为SG,i=1,2,3,…,n (n为系统节点数量).在系统中,要同时使潮流方程等式约束和系统正常运行所需不等式约束的要求得到满足,才能计算ATC值.根据ATC的特点采用交流潮流模型,列出等式约束方程:(3)式中:PGi,QGi分别为发电机i的有功和无功功率;PLi,QLi分别为节点i上的负荷有功和无功功率;n为节点总数;Vi,θi,Vj,θj分别为节点i, j电压幅值和相角;θij=θi-θj;Gij+jBij为系统节点导纳矩阵Y中相应的元素.由式(3)可知:通过计算潮流可将等式约束消去,从而将问题的维数降低.在潮流计算中,发电区域内的发电机应该被设定成平衡节点.在系统中将送电区域内除平衡节点外的发电机有功功率的增加量及受电区域内所有负荷节点有功功率的增加量作为控制变量.以送电区域内除平衡节点外的发电机有功功率的增加量及受电区域内所有负荷节点的有功功率的增加量作为各维坐标构成的多维空间,这个多维空间构成ATC量子粒子群算法的搜索空间,其维度则是送电区域内除平衡节点外的发电机的有功功率与受电区域内所有节点的有功功率和无功功率数.在通常条件下,输电线路热稳定性容量约束,系统内部发电机有功、无功功率的约束以及系统所有节点电压约束共同构成系统运行的不等式约束条件,即(4)在上述不等式约束中,i为电力系统中发电机某节点,其有功和无功功率分别用PGi,QGi表示;这两者的最大和最小值分别为和进入i节点负荷的有功、无功功率分别为PLi,QLi;节点i负荷的有功功率和无功功率的最大值和最小值分别为和节点i,j的电压幅值为Vi,Vj;电网中i节点和j节点电压间的相角差为θij;在电力系统中,两个节点导纳矩阵所包含的元素为Gij+Bij;以i和j作为首尾两个端点的输电线路,其热稳定功率的最大值为利用罚函数可以将复杂的约束优化问题简化成无约束优化问题,并且进一步采用量子粒子群算法可得出结果.由原本的目标函数、可调的惩罚因子和给定的全部约束条件构成广义目标函数.在迭代计算过程中,变换惩罚因子的数值,可以依据违反约束条件的程度做出适当的改变.其自适应罚函数构造方法如下:(5)式中:罚函数的大小由迭代次数和罚因子控制,表示为p(t,x);罚因子为|min(gi(x),0)|;罚函数的惩罚系数为h(t)和罚函数的惩罚力度为αi.罚因子的值可以决定θi和αi的值.将ATC问题的计算模型用最小化形式表示:(6)将式(4),(5),(6)中各个部分进行排序,且用gk(x)≥0统一代表第k个不等式约束.那么,根据罚函数的构造方式,由式(5) 可以将式(2)构造成广义目标函数:(7)将变换后的不含约束条件优化问题的广义目标函数作为算法的适应度函数,其作用是对粒子性能优劣进行评价.3 算例分析该系统共有6台发电机,22个负荷节点,41条支路,划分为3块电力区域,每个电力区域内各有2台发电机.整个系统在电力区域间共设置了7条联络线,见图1.节点1的用途是平衡整个电网功率,称为平衡节点;除了节点2,13,22,23,27是系统PV节点外,其他均为PQ节点.图1 IEEE-30节点系统Fig.1 IEEE-30 node system3.1 参数设置IEEE-30节点系统仿真过程中,在粒子群和量子粒子群算法参数设置相同的情况下,进行可用输电能力仿真计算,通过比较仿真结果评价量子粒子群算法的收敛速度和寻优能力.算例参数设置:1) 粒子数量为50,种群规模m为100,学习因子c1=c2=2;发电区域节点的有功功率为100 MW,原始变量取为基态潮流值.2) 惯性权重ω:ωmax=0.9,ωmin=0.4.3) 在广义目标函数中,惩罚系数θi和惩罚力度αi均采用分段函数3.2 计算流程步骤1:录入原始数据,即计算算法参数、系统运行参数以及拓扑参数.系统的运行参数以及拓扑参数决定了系统的运行方式,称之为“基态”;而算法参数的选取对于其性能具有十分重要的影响.步骤2:计算潮流的基态,通过基本交流潮流计算得出系统基本运行状态的相关信息.步骤3:确定粒子群及量子粒子群维数D,并以随机分布的方式对粒子位置和速度进行初始化;此外,为防止早熟现象出现,粒子初始化应该远离可行域边界的可行解.步骤4:在送电区域设置平衡节点,然后基于潮流算法计算每个粒子的交流潮流,最终得出系统运行的状态变量.步骤5:将步骤4获取的状态变量带入广义目标函数中,利用式(7)计算每个粒子的适应值.步骤6:将上述步骤获得的每个粒子的适应值进行比较判断,并以此对其个体机制和群体全局极值进行更新.更新的依据:若粒子的适应值优于Pi(个体极值)就将其代替,同理,若其适应值优于全局gi(全局极值),则将其代替.步骤7:将每个粒子的位置进行更新,流程见图2.步骤8:判断达到计算终止条件与否,是则终止,否则返回步骤2.步骤9:求出最优粒子所对应问题的目标函数值,即输出最优粒子的ATC值和位置.图2 ATC在基本状态下的量子粒子群算法流程Fig.2 Flow of quantum particle swarm optimiza-tion in the basic state of ATC表1 各区域两种算法最优解比较Tab.1 Comparison of the optimal solutions of twoalgorithms in each region区域对P(ATC)/MWPSOQPSO1→2108.08104.452→156.6360.381→3106.56104.083→194.4598.932→343.5250.493→266.3788.233.3 结果比较为了说明本文基于量子粒子群算法的有效性,将计算获得的各区域间可用输电能力的最优解与粒子群算法获得的结果进行比较分析,表1为两种算法通过仿真10次得出的平均值.由表1可知:在区域1到区域2、区域1到区域3的输电过程中,QPSO算法计算的结果比PSO算法计算的结果略小,但其余各区域中QPSO优化算法得出的ATC结果都明显大于PSO优化算法得出的ATC结果,这足以说明QPSO能够调整送电区域,使发电机的功率变大,同时受电区域耗电量变大,使其资源利用率最大化,具有更好的经济效益.本文以区域3→2的QPSO计算结果为例,说明其送电区域和受电区域功率调整的过程.在区域3→2中,送电区域3有两台发电机,假设其余区域的各发电机都以基态潮流发电.在QPSO计算过程中,以区域3的1台发电机作为平衡机,即27号节点作为平衡节点,那么另1台发电机,即22号节点作为QPSO算法中的一个控制变量;在区域2中总共有8个负荷节点,同样假设其他区域的节点负荷都以基态潮流输出.将区域2中的所有负荷节点的有功和无功功率作为QPSO算法中的控制变量,共有16个控制变量,那么在整个3→2区域中就有17个控制变量,则算法中的维度就是17维,即QPSO算法在17维空间里寻优.在程序运行结果中,有功出力是44.201 68 MW,以27号发电机作为平衡机,其程序输出值为92.523 6 MW.27号和22号发电机基态有功功率分别为26.91,21.59 MW,在不考虑CBM,TRM情况下,ATC3→2= 92.523 6 + 44.201 68-26.91-21.59=88.225 28 MW.同理,可算出其他区域的可用输电能力.传统粒子群算法中,PSO程序运行结果中有功出力为 46.408 72 MW,27号发电机的程序输出值为68.458 2 MW,其他参数相同,ATC3→2 =68.458 2+ 46.408 72-26.91-21.59=66.366 92 MW.本文以2→3区域QPSO算法某次运行所得的收敛曲线为例,与PSO算法进行稳定性对比,结果见表2.表2 QPSO及PSO算法2→3区域ATC结果和迭代次数比较Tab.2 QPSO and PSO algorithms are used to calculate ATC results of 2→3 regions and comparisonof the number of iterations respectively算法2→3区域P(平均)/MWt/s(自用)方差PSO43.52944118.5593(26.6406)5.32QPSO50.48604117.1611(26.3321)4.33 图3 算法QPSO与PSO收敛曲线对比Fig.3 Comparison of algorithm QPSO and PSO convergence curve通过上述的比较结果可知:1) QPSO算法10次计算得出的平均值较大,表明QPSO算法具有较好的全局搜索能力,而且其精度也较高;2) 在耗时方面,QPSO在调用其他函数共用的计算时间和本身算法的自用时间都比PSO算法少,表明QPSO算法能够快速找到最优解;3) 对每次寻优的结果求方差可知,QPSO算法计算得到的方差相对较小,能够反映出QPSO算法的稳定性较强(表2中的方差是指在每寻优1次得出最优解,寻优30次的方差).算法QPSO与PSO收敛曲线对比见图3.由图3可以看出,两种算法在起始点相同的前提下,QPSO算法在77次迭代时最先达到最优解,且曲线具有较大的斜率,说明其收敛能力强.4 结论本文提出了一种量子粒子群优化算法计算可用输电能力,通过QPSO优化算法与PSO优化算法ATC计算结果的比较分析可知:QPSO优化算法的寻优性能更强,收敛速度更快,该算法具有更强的合理性和应用效果.ATC可以满足系统对安全、稳定性的要求,也可以最大限度地满足负荷需求,实现资源的优化配置,提高经济效益.本文所提出的QPSO算法在全局搜索能力方面较强,但在跳出局部搜索能力方面还有待进一步提升;QPSO算法在收敛性能、稳定性等方面都优于PSO算法,但是耗时并没有较大差别,因此需要在算法速度上做深入研究.[1] North American Electricity Reliability Council.Transmission transfer capability:a reference documents for calculating and reporting the electric power transfer capability of interconnected electricsystems[R].Technical Report,NERC,1995.[2] 张磊,任惠,胡文平.电网区域间可用输电能力的计算方法分析[J].广东电力,2010,23(7):12-17,42.[3] 周明,冉瑞江,李庚银.风电并网系统可用输电能力的评估[J].中国电机工程学报,2010,30(22):14-21.[4] 陈厚合,李国庆,张芳晶.风电并网系统区域间概率可用输电能力计算[J].电力系统保护与控制,2014,42(21):59-65.[5] 韩花荣,徐婧劼,范镇南.改进细菌趋药性算法在可用输电能力计算中的应用[J].电测与仪表,2015,52(10):23-28.[6] 李国庆,张健.含VSC-HVDC的交直流系统可用输电能力计算[J].电力系统保护与控制,2011,39(1):46-52.[7] 张艳丽,武俊丽,崔继仁,等.基于UPFC的电力系统可用输电能力的研究[J].中国科技信息,2016(6):22-23.[8] 李国庆,孙银峰,王利猛.基于内点法考虑风电穿透率的区域间可用输电能力研究[J].电力自动化设备,2014,34(3):1-7.[9] Abido M A.Optimal power flow using particle swarmoptimization[J].International Journal of Electrical Power and Energy Systems,2002,24(7):563-571.[10] 方伟,孙俊,谢振平,等.量子粒子群优化算法的收敛性分析及控制参数研究[J].物理学报,2010,59(6):3686-3694.[11] 黄丽,彭道刚,顾立群,等.基于改进量子粒子群算法负荷优化分配的研究[J].控制工程,2017,24(7):1402-1408.[12] 杜康宇,毛力,毛羽,等.量子粒子群优化的人工蜂群算法[J].传感器与微系统,2018,37(3):130-137.[13] 陈汉武,朱建锋,阮越,等.带交叉算子的量子粒子群优化算法[J].东南大学学报(自然科学版),2016,46(1):23-29.。

PC机群网络并行计算在油藏数值模拟中的应用

PC机群网络并行计算在油藏数值模拟中的应用
模型III:3层,平面网格200×200,总网格数为 120000个,并30疆。
模型IV:3层,平面网格300×200,总网格数为 180000个,井30姆。
模型V:3器,平面网格400×300,总网格数为 360000个,井30口。
利用编制的并行黑油数模软件对以上五个模 型进行求解,我们分别在1个、2个.和4个PC上对 其进行测试与分析。其结果如表1所示。
表l 压力方程组形成与求解部分的加速毙
2个咒上懿魏速跑 4个PC上的加速比
O.78 l。86 l。8l l。80 1.80 0.70 2.76 2.62 2.6l 2.59
对模型I的测试结果可以看出,并行程序所用 时闻多于串行所用时间,原因是对予小规模问题不 适合用并行计算来求解。因为对于PC机群系统来 说,其并行程序设诗的原则就是加大计算对闽糕对 通信时间的比重,减少通信的次数甚至以计算换通 信。对于小规模问题来说,奠每一时间步计算所花 静时阀很少,纛剃用并行拳解的时候,其逶信次数 和大规模问题相同,也需要进行同步等待等,而每 一次通信启动时间是很多地,故并行后程序所花的 时间反而眈串行程序还要多。
对上式可以利用预处理共轭梯度法等进行求 解,丽对饱和度方程则显式求解。
2三维三相黑油串行软件剖析
在将串行软件并行化之前,首先要清楚整个串 行软件的流程。清楚其流稷后,需剖析模型运行的 各个除段掰花镂黢CPU时闻。对枣豳酒圈的一个 现场模型进行了测试,结果如图1所示,对不同的 模型进行测试,所得到的结果可能略有不同。由结 果可知,摸型运算的时闯主要开销在方程的形戏与 求解部分,这部分所花销的时间占到整个程序运行 时间的90%以上。因此,并行主要针对该部分。对 数据鳃输入、物质平衡检验等部分没有并行。
第3卷第4期

基于松弛牛顿法的互联电网并行分布式潮流计算方法

基于松弛牛顿法的互联电网并行分布式潮流计算方法
维普资讯
第 3卷 第 1 5 6期 20 年 8 1 07 月 6日
继 电 器
RELA Y
V 1 5 No 1 b . .6 3 Au . 6 2 0 g 1, 0 7
基于松 弛牛顿法 的互联 电网并 行分布式潮流计算方法
汪芳宗,杨 力森,高学军,龚国强
Th r pos d m e od i i d o r le yn h on sago i m .a d h sa g od c nv r nc u h a a fN e o t pem e o s epo e t h Sak n fpa al ls c r ou l rt h n a o o e ge es c st to wt n.y t d . h h
( 三峡 大学电气信 息学院,湖北 宜 昌 4 3 0 ) 4 0 2 摘要:分布式潮流计算是 解决多区域互联电 网一体化 潮流问题 的有效方法。以松 弛牛顿法潮 流求解公式为 出发 点,首先利用 矩阵分裂法,将互联电网分解为相互独立的子系统 ,然后利用矩阵求逆运 算的 S ema . r snWo br 式对各子 系统 hr nMor o . o ey公 i d
进行协调求解 , 而导 出了一种新 的互联 电网并行分布式潮流计算方法。 从 与基于网络分解及协调计算的分布式潮流计算方法
相比,该 方法具有 更好 的收敛性 。利用基于 P VM 的分布式计算环境,以 1E 1 E E 18节点系统 为例 ,对所提算法进行 了装配 、
测试 以及 分析 ,初 步验证 了所提 算法的有 效性 。
关键词 :分布式潮 流计算; 松驰牛 顿法 ; 矩阵分裂
Pa a lla s rbut d l ad fow o uto o e c nne t d r le nd dit i e o l s l i n fi r o nt c e powe y t m rs s e usng r l x d Ne on m e ho i e a e wt t d
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第19卷第2期 中南民族学院学报(自然科学版) Vol.19No.2 2000年6月 J ou rnal of South-Central Univ ersity for Nationalities(Nt.Sci.) J un.2000用线松弛方法求解条形域流场问题的网络并行方案郭庆平 高 洁 章社生(武汉交通科技大学)摘 要 提出了一个用线松弛法解决长矩形区域流场问题的网络并行方案,详细讨论了使用虚拟节点处理第2类边值条件的多重网格技术和斑马线松弛多重网格技术的并行化方法,给出了从计算方法到它的并行化的完整过程.此方案与传统的求解方案相比,有较好的收敛速度,并减少了通讯,在网络并行环境中取得了较高的加速比.关键词 各向异性;多重网格;虚拟节点;线松弛;并行化中图分类号 T P316 文献标识码 A 文章编号 1005-3018(2000)02-0006-06工程计算中,有大量的问题需要在长矩形区域上求解,各向同性问题在长矩形区域上求解时,会因在较长的方向上整体信息传递得慢而收敛得很慢.而如果将长矩形区域上的各向同性问题变换为各向异性问题,采用对各向异性问题收敛很快的线松弛方法,再结合多重网格这一高效算法,将会大大加快收敛速度.对于长矩形区域上的各向同性问题:2u x2+2uy2=0,0≤x≤10,0≤y≤1,在左边界u=1,在右边界有ux=1,上下边界满足uy=0.可以采用坐标变换,将其转换为如下的正方形区域上的各向异性问题:1002ux2+2uy2=0,0≤x≤1,0≤y≤1,在边界上条件不变.对于问题中的第2类边界条件,在应用多重网格技术的过程中,使用虚拟节点加以解决.网络并行是利用通用网络将一组高性能工作站或高档PC机,按某种结构连接起来,在并行程序设计以及可视化人机交互集成开发环境支持下,统一调度,协调处理,来实现并行处理.在网络并行计算中,由于网络上的通信开销比较大,特别是常用的以太网速率较低,并行计算时应尽量减少并行任务间的通讯.因此,在并行化过程中选择了斑马线松驰并行化方案,这一方案⒇收稿日期 2000-02-28作者简介 郭庆平,男,54岁,教授,武汉交通科技大学计算机系,武汉430063基金项目 国家自然科学基金资助项目(67993021)和英国皇家学会中英合作研究资助项目(Q724)能减少通讯,在网络并行环境中能取得较好的加速比.1 虚拟节点法多重网格法是一种高效的偏微分方程数值解法,它不仅能大大地减少计算量,其敛速也与步长无关.这一算法在细网上对方程进行松弛迭代,对方程的解有着强力光滑作用;然后将求解校正量的残差方程定义在粗网格层上,在粗网格上求解得校正量后经过插值再来校正细网格上的近似解.这样做,既可以使解的误差的高频部分在细网上得到较好的消除,又可使解的误差的低频部分在粗网上得到相应的处理,从而加快计算的整体收敛速[1~3].考虑具有第1类边界条件的边值问题:Lu=f,(x,y)∈K.u|K=T(x,y). 对于这类边界条件的边值问题,多重网格法在边界的处理是简洁明了的,在最细网格层,因边界值已知而直接使用松弛法改变内点的值,因边界点并未参与迭代,可以认为其校正量为零,限制到粗层作为残差方程的边界条件也为零,可以用以下两重网格离散算子形式描述这类问题:L h u h=f h,u h∈K h u h=T h,u h∈K h ;L HνH=d H,νh∈K H νH=0,νH∈K H. h<H,ν为校正量,d为残差,L h,L H为细、粗网格离散算子.对于大量的具有第2类边界条件的问题:Lu=f,(x,y)∈K,un|K=U(x,y).因其细网格边界点的值由迭代获得,它不仅有残差,还应有校正量,限制到粗网格层上时边界条件怎么给,如何处理其粗细网格上的边界点,文献上少有提及.利用虚拟边界预测法的启示,本文通过公式推导得出一种具有统一格式的方法.以两重网格为例,设网格区域的右边界上有:un|K=U(x,y),则在边界点u n,j外侧再增加一排虚拟节点u n+1,j,见图1(a),边界点u n,j满足偏微分方程的5点差分格式为:u n-1,j+u n+1,j-2u n,jh21+u n-1,j+u n+1,j-2u n,jh22=f n,j,(1)h1,h2分别为x,y方向的步长.在边界上用一阶中心差分离散得:u n=u n+1,j-u n-1,j2h1=U n,j,(2)将(2)式代入(1)式有:2u n-1,j+2h1U n,j-2u n,jh21+u n,j-1+u n,j+1-2u n,jh22=f n,j,(3)7第2期 郭庆平等:用线松弛方法求解条形域流场问题的网络并行方案 (a) (b)图1 粗、细网络层上的虚拟节点(3)式即补全了边界点g n,j处的差分方程.令u n,j为边界点的近似解,νn,j为其校正量,则u-n,j=u n,j+νn,j为偏微分方程的数值解,应满足:(u n-1,j+νn-1,j)+(u n+1,j+νn+1,j)-2(u n,j+νn,j)h21+ (u n,j-1+νn,j-1)+(u n,j+1+νn,j+1)-2(u n,j+νn,j)h22=f n,j,(4) (3)代入(4)式得:νn-1,j+νn+1,j-2νn,jh21+νn,j-1+νn,j+1-2νn,jh22= f n,j-u n-1,j+u n+1,j-2u n,jh21-u n,j-1+u n,j+1-2u n,jh22=d n,j,(5)由边界条件可得:(u n+1,j+νn+1,j)-(u n-1,j+νn-1,j)2h1=U n,j.(6)(2)代入(6)式得:νn+1,j-νn-1,j2h1=0.(7)由(7)式可知虚拟节点的校正量与其对应的内点校正量相同,从而可得残差方程的边界条件,即νn|K=0.给出残差方程的算子形式描述为:Lν=d,(x,y)∈K,νn|K=0.其两重网格离散算子形式描述为:L h u h=f h,u h∈K h L f h u h=U h,u h∈f h ;L HνH=d H,νH∈K H L f HνH=0,νH∈f h.在粗网格层,我们仍可采用增加一排虚拟节点的办法来处理,见图1(b),只是这时虚拟节点与边界点的间距为一个粗网格步长,我们也可以用类似的推导得到边界点校正量νN,j的迭代公8 中南民族学院学报(自然科学版)第19卷式,将粗网格层上相应的(7)式代入(5)式则有:2νN -1,j -2νN ,j H 21+νN ,j -1-νN ,j +1-2νN ,j H 22=d N ,j .(8)对于多重网格,其更粗层在增加虚拟节点后,仍可使用上述的算子描述和离散形式描述.2 各向异性的处理对于偏微分方程X 2u x 2+ 2u y 2=f,若X 1或X 1,则称方程具有各向异性.这类问题离散化后,某个方向上的点耦合得很紧,另一方向上则不是.若采用一般点松驰法,有效信息很快会在迭代中散失,必须使用线松驰法.设X 1,此时x 方向上的点耦合得紧密,因而应使用x 方向上的线松弛,即同时求解一条平行于x 轴的网格线上的所有点,求解时宜采用追赶法等直接法来解线松弛法构成的三对角方程组.在使用多重网格法时,应使用一种半粗化网格,即如果使用某一方向的线松弛,则只应对该方向的步长不断放大,反之亦然.相应的插值、限制算子也有所改变,如对于本例的半粗化网格K 2h ,其限制算子为I 2h h =14[1 2 1]2h h ,其插值算子为I h 2h =12[1 2 1]h 2h ,在每层粗网格上应使用与细网格相同的线松弛方式.3 分布式并行方案对于这类问题,当其区域面积或复杂性加大时,网格的划分必须更加细密,计算量也不断增加,这时,并行计算就是解决问题的必需途径.在并行化时,必须尽可能减少额外的通信开销.在线松弛中,斑马线松弛将迭代点集分成2个独立的子集,奇数线和偶数线先后处理,在并行处理的过程中可以减少大量的通讯,因而有良好的可并行性.下面给出斑马线松弛多重网格并行方法的概要:(1)将每层网格沿与线松驰方向垂直的方向划分成大小大致相同的几个子区域,并保证每个相邻子区域之间重叠一个步长(这个要求是为了减少任务间通讯量而设的).将每个子区域的计算分配给一个子任务.见图2.(2)在使用斑马线迭代时,各子任务只需计算本子区域内点的值,奇数线迭代完毕和偶数线迭代完毕各有一次任务间通讯,相邻的任务之间交换刚改变的外侧内点的值,即可及时获得各子区域的新边界值.(3)因使用这种子区域的划分方法,每个子任务的粗网格子区域内点均在其细网格子区域内,因而限制和插值都不需要通讯.(4)虽然网格层数越多,多重网格发挥的作用就越大,收敛得越快,但是,可以想象,到了较粗层后,计算量已大大减少,而通讯开销却没有减少,因而网格层数过大,也会降低程序的并行效率,增加程序执行时间,因而应引入一个控制量,来控制多重网格的网格层数,使得收敛速度与并行效率都较好,而在最短的时间内获得良好的数值解.9第2期 郭庆平等:用线松弛方法求解条形域流场问题的网络并行方案 图2 多重网格斑马线松驰并行方案(打○者为粗网格点)4 实测分析所采用的并行环境是基于LIN UX 系统的PV M软件,硬件组成为由10M 以太网电缆连的Pentium200微机.考虑在单位正方形区域内的偏微分方程100 2u x 2+ 2u y 2=0,在右边界满足 u x =1,上下边界满足 u y=0,左边界值为u = 1.首先分别采用GS 点松弛法、线松弛法、线松弛两重网格法和线松驰多重网格法求解方程,松弛中对边界条件的处理,采用前述的虚拟节点法.网格划分为33×33个点,中心点精确值为 6.0,当误差<0.0001时,中止迭代,表1反映了各种方法收敛速度的比较.表1 4种松弛方法的收敛速度比较GS线松弛线松弛两重网格线松弛多重网格(5层)收敛所需时间/s 3.770.370.060.04图3 多重网格斑马线松驰并行化方法的加速比然后,着重对上述多重网格斑马线松驰并行化方法中网格层数对加速比的影响进行了测试和分析.图3反映了此斑马线松弛多重网格并行化方案的加速特性.从图3中可以看出,在网格点数不变的情况下,加多网格的层数,虽然收敛速度在提高,但加速比和并行效率并不一定更高.这是因为此时在新增的粗网格层上计算量较小,而通讯开销却是不变的.实测的结果表明,随着网格点数的增加,计算量在逐渐增大,通过选择最佳网格层数,使通讯开销的增加与计算量的增加保持亚线性关系,可以获得收敛速度和加速度两方面都较好的结果.参 考 文 献[1] H ackbusch W .M ultig rid M ethods a nd Applications .Springe r Se ries in Com putational M a th ema tics 4.New Yor k :Spring er V e rlag ,1985.39~44[2] Hag eman L A ,Yo ung D M.Applied Itera tiv e M ethods.N ew Yo rk :Spring er V er lag ,1982.150~19710 中南民族学院学报(自然科学版)第19卷[3] X u Z Q .Do main Decompositio n M ethod o f M ultigrid Distributed Co mputing .J o urnal o f N umerical Co m-putation,1996,(1):1~5N etwork Parallel Computing Approach of HydromechanicalProblem on Rectangle Domain Using Line-Relaxation Method Guo Qingping Gao Jie Zhang SheshengAbstract This paper pro po ses a netw ork parallel co mputing a pproach fo r hydro mechanica l problem on recta ng le do main using line-relaxa tion method.A m ultig rid method with v ir tua l nodes fo r the second kind bo undary condition and a pa rallel scheme o f zebra-line-relaxation m ultig rid technique a re discussed .This approach has a better conv erge ra te and less com mu-nicatio n,com mparing with traditional approaches;it ca n achieve a hig h speed-up on netwo rk parallel environment.Keywords no n -unifo rm ;multig rid ;virtual no de m ethod ;line -iteration ;pa rallelGuo Qingping Pro f.,Dept.o f Co mputer Science a nd Eng ineering,W uhan T ra nspor tation U niv e rsity ,W uha n 430063连续运行大系统联机测试至关重要第5届IEEE 国际联机测试会议于1999年7月5~7日在希腊的罗德岛召开,与会代表80余人.会上分12组报告了44篇论文,内容涉及:①FPGA 联机测试(3篇),②系统级联机测试(7篇),③联机测试和容错方法(3篇),④用于毫微米技术的联机测试(3篇),⑤内置自测试与低功耗(4篇),⑥内置自测试与边界扫描(3篇),⑦射线问题(4篇),⑧延时故障的联机测试和内置测试(3篇),⑨基于电流测试的模拟电路联机测试(3篇),10自校验和码分离电路(3篇),1可信性评估(4篇),12容错技术(4篇).此外,还安排了一次专题讨论会,题目是“连续运行大系统中的联机测试”和一个讲座,题目是“IC 中的射线影响”.当今社会,电子系统广泛影响着日常生活的各方面.系统复杂性正急剧增长,很多情况是实时或连续运行.这样,运行现场失效的联机测试,对于日常生活的福利和安全就至关重要.集成电路工艺的深亚微米和毫微米技术将引起更复杂的电路噪声.电路噪声和宇宙射线会引起瞬态故障,是毫微米技术的主要失效模式.在自顶向下的设计中,从寄存器传输级到电路设计级都应考虑瞬态故障容错.Ramesh Kar ri 等在文章“On-line Testing for Nanometer Techno logy -Based Telecomm unicatio n Systems ”中,较系统地论述了这个问题.对于实时或连续运行系统,则应从系统软硬件设计的各个层次考虑测试问题.联机测试目前多采用传统或进行一些改进的测试技术.对于此,Mo to ro la 的Lev endel 的文章“A Multi-Lev el Layered System Approach to On-line Testing ”值得一读.(严 肃)11第2期 郭庆平等:用线松弛方法求解条形域流场问题的网络并行方案 。

相关文档
最新文档