序論：寫作是一種深度的自我表達(dá)。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內(nèi)心深處的真相，好投稿為您帶來了七篇系統(tǒng)論文范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創(chuàng)作。

篇(1)

關(guān)鍵詞自動微分切線性模式數(shù)據(jù)相關(guān)分析統(tǒng)計準(zhǔn)確率

1.引言

計算微分大致經(jīng)歷了從商微分，符號微分，手寫代碼到自動微分幾個階段。與其它幾種微分方法相比，自動微分具有代碼簡練、計算精度高及投入人力少等優(yōu)點(diǎn)。自動微分實(shí)現(xiàn)的基本出發(fā)點(diǎn)是：一個數(shù)據(jù)相對獨(dú)立的程序?qū)ο螅Ｊ?、過程、程序段、數(shù)值語句乃至數(shù)值表達(dá)式），無論多么復(fù)雜，總可以分解為一系列有限數(shù)目的基本函數(shù)（如sin、exp、log）和基本運(yùn)算操作（加、減、乘、除、乘方）的有序復(fù)合；對所有這些基本函數(shù)及基本運(yùn)算操作，重復(fù)使用鏈?zhǔn)角髮?dǎo)法則，將得到的中間結(jié)果自上而下地做正向積分就可以建立起對應(yīng)的切線性模式，而自下而上地做反向積分就可以建立起對應(yīng)的伴隨模式[1]。基于自動微分方法得到的切線性模式和伴隨模式，在變分資料同化[2]、系統(tǒng)建模與參數(shù)辨識[3]、參數(shù)的敏感性分析[4]、非線性最優(yōu)化以及數(shù)值模式的可預(yù)測性分析[5]等問題中有著十分廣泛的應(yīng)用。

迄今為止，已有數(shù)十所大學(xué)和研究所各自開發(fā)了能夠用于求解切線性模式的自動微分系統(tǒng)，比較典型的有TAMC系統(tǒng)[6]、ADJIFOR系統(tǒng)[7]和ODYSSEE系統(tǒng)[8]。在一些特定的運(yùn)用中，它們都是比較成功的，但在通用性和復(fù)雜問題的處理效率上還存在許多不足。通常，自動生成切線性模式的關(guān)鍵難題在于對象自身的強(qiáng)相關(guān)性，這給系統(tǒng)全局分析（如數(shù)據(jù)IO相關(guān)分析和數(shù)據(jù)依賴相關(guān)分析）和微分代碼的整體優(yōu)化都帶來了很多困難。同時，對于程序?qū)ο蟛豢蓪?dǎo)處的準(zhǔn)確識別和微分處理，至今仍還沒有一個統(tǒng)一而有效的算法。另外，最優(yōu)或有效求解稀疏雅可比矩陣一直是衡量一個自動微分系統(tǒng)有效性的重要尺度。

統(tǒng)計準(zhǔn)確率被我們視為評價一類自動微分工具及其微分模式代碼可靠性與有效性的重要尺度。其基本假設(shè)是：如果對于定義域空間內(nèi)隨機(jī)抽樣獲得的至多有限個n維初始場（或網(wǎng)格點(diǎn)），微分模式輸出的差分和微分逼近是成功的；那么對于定義域空間內(nèi)所有可能初始場（或網(wǎng)格點(diǎn)），微分模式輸出的差分和微分逼近都是成功的。微分模式統(tǒng)計準(zhǔn)確率評價的具體方法是：在所有隨機(jī)抽樣得到的初始場（或網(wǎng)格點(diǎn)）附近，當(dāng)輸入擾動逐漸趨向于機(jī)器有效精度所能表示的最小正值時，模式輸出的差分和微分之間應(yīng)該有足夠精度有效位數(shù)上的逼近。

DFT系統(tǒng)具有許多優(yōu)點(diǎn)，它能夠完全接受用FORTRAN77語言編寫的源代碼，微分代碼結(jié)構(gòu)清晰，其微分處理能力與問題和對象的規(guī)模及復(fù)雜性無關(guān)。它基于YACC實(shí)現(xiàn)，具有很強(qiáng)的可擴(kuò)展性。DFT系統(tǒng)具有四個重要特色。它通過對象全局依賴相關(guān)分析，準(zhǔn)確求解雅可比矩陣的稀疏結(jié)構(gòu)，自動計算有效初始輸入矩陣，從而可以用較小的代價求得整個雅可比矩陣。同時，它可以自動生成客觀評價微分模式效率與可靠性的測試程序，對奇異函數(shù)做等價微分處理，并采用二元?dú)w約的方法，在語句級層次上實(shí)現(xiàn)微分代碼優(yōu)化。

2.系統(tǒng)概況

DFT系統(tǒng)主要由兩部分組成：微分代碼轉(zhuǎn)換和微分代碼評價，圖2.1。微分代碼轉(zhuǎn)換部分接受用戶輸入指令并自動分析對象模式，生成切線性模式代碼及其相關(guān)測試代碼，后者直接構(gòu)成微分代碼評價系統(tǒng)的主體。微分代碼評價是DFT系統(tǒng)的一個重要特色。DFT系統(tǒng)的開發(fā)小組認(rèn)為，一個微分模式如果在可靠性、時間和存儲效率上沒有得到充分的驗證，至少對實(shí)際應(yīng)用而言，它將是毫無意義的。

原模式切線性模式

統(tǒng)計評價結(jié)果

圖2.1DFT系統(tǒng)結(jié)構(gòu)簡圖

2.1微分代碼轉(zhuǎn)換

DFT系統(tǒng)是基于YACC在UNIX環(huán)境下開發(fā)的，其結(jié)構(gòu)圖2.2所示。通過DFT系統(tǒng)產(chǎn)生的切線性模式代碼成對出現(xiàn)，并在語句級程度上做了簡化，可讀性很強(qiáng)，如圖2.4。

切線性模式

評價函數(shù)集

圖2.2微分代碼轉(zhuǎn)換

微分代碼轉(zhuǎn)換部分從功能上分為四個部分：詞法分析，語義分析，對象復(fù)雜性及數(shù)據(jù)相關(guān)分析和微分代碼轉(zhuǎn)換。對于一組具有復(fù)雜數(shù)據(jù)相關(guān)的程序模式對象，通常需要系統(tǒng)運(yùn)行兩遍才能得到有效而可靠的微分代碼。這主要有兩方面的考慮：其一，根據(jù)對象的復(fù)雜性（如最大語句長度、最大變量維數(shù)、子過程或函數(shù)數(shù)目、子過程或函數(shù)內(nèi)最大變量數(shù)目等對象特征）選擇合適的系統(tǒng)參數(shù)以求最優(yōu)的運(yùn)行代價；其二，模式內(nèi)各子過程或函數(shù)之間以及一個子過程或函數(shù)內(nèi)往往具有很強(qiáng)的數(shù)據(jù)相關(guān)性，需要事先保存對象的相關(guān)信息并且在考慮當(dāng)前對象的屬性之前必須做上下文相關(guān)分析。

圖2.3PERIGEE源程序代碼圖2.4DFT系統(tǒng)生成的切線性代碼

2.2微分代碼評價

通常，評價一個編譯系統(tǒng)的性能有很多方面，如處理速度、結(jié)果代碼可靠性及質(zhì)量、出錯診斷、可擴(kuò)展和可維護(hù)性等。對于一類自動微分系統(tǒng)來說，由于軟件開發(fā)人力的局限以及對象模式的復(fù)雜多樣性,通過自動轉(zhuǎn)換得到的微分模式并非常常是有效而可靠的（即無論是在數(shù)學(xué)意義上還是在程序邏輯上應(yīng)與期待的理想結(jié)果一致），因而在微分模式被投入實(shí)際應(yīng)用前，往往需要投入一定的人力來對其做嚴(yán)格的分析測試。

對切線性模式做統(tǒng)計評價測試的主要內(nèi)容可以簡單敘述為：在網(wǎng)格化的模式定義域空間內(nèi)，選擇所有可能的網(wǎng)格點(diǎn)形成微分模式計算的初始場；在不同的網(wǎng)格點(diǎn)附近，隨機(jī)選取至少個線性無關(guān)的初始擾動，對每個擾動輸入分別進(jìn)行網(wǎng)格點(diǎn)逼近，統(tǒng)計考察模式輸出差分和微分在有效位數(shù)上的逼近程度。圖2.5描述了整個測試過程，它包含網(wǎng)格點(diǎn)數(shù)據(jù)隨機(jī)采樣（1）和網(wǎng)格點(diǎn)數(shù)據(jù)逼近（2）兩級循環(huán)。

圖2.5切線性模式代碼的測試過程

3.系統(tǒng)主要特色

DFT系統(tǒng)并不是一個完整的FORTRAN編譯器，但它幾乎可以接受和處理所有FORTRAN77編寫的源模式代碼，并且可以很方便地擴(kuò)展并接受FORTRAN90編寫的源模式代碼。本節(jié)將著重介紹DFT系統(tǒng)（版本3.0）的以下幾個重要特色。

3.1結(jié)構(gòu)化的微分實(shí)現(xiàn)

DFT系統(tǒng)采用標(biāo)準(zhǔn)化的代碼實(shí)現(xiàn)，切線性模式的擾動變量和基態(tài)值變量、微分計算語句和基態(tài)值計算語句總是成對出現(xiàn)，并具有清晰的程序結(jié)構(gòu)。微分代碼保持了原模式本身的結(jié)構(gòu)和風(fēng)格（如并行和向量特性、數(shù)據(jù)精度等），即語句到語句、結(jié)構(gòu)到結(jié)構(gòu)的微分實(shí)現(xiàn)。在奇異點(diǎn)或不可導(dǎo)處，DFT系統(tǒng)對微分?jǐn)_動采取簡單的清零處理，實(shí)踐證明這對抑制擾動計算溢出具有重要意義，但并不影響評價測試結(jié)果。

3.2全局?jǐn)?shù)據(jù)相關(guān)分析

DFT系統(tǒng)具有較強(qiáng)的數(shù)據(jù)相關(guān)分析能力，它包括全局?jǐn)?shù)據(jù)IO相關(guān)分析、全局?jǐn)?shù)據(jù)依賴相關(guān)分析、全局過程相關(guān)分析以及數(shù)據(jù)迭代相關(guān)分析幾個不同方面。數(shù)據(jù)依賴相關(guān)與數(shù)據(jù)IO相關(guān)關(guān)系密切，但又存在根本不同。前者強(qiáng)調(diào)每個變量在數(shù)學(xué)關(guān)系上的依賴性；而后者描述了一個對象的輸入輸出特性，且具有相對性，即任何一個變量參數(shù)，無論它是獨(dú)立變量還是依賴變量，在數(shù)學(xué)意義上都可等價為一個既是輸入又是輸出的參數(shù)來處理。

DFT系統(tǒng)記錄所有過程參數(shù)的IO屬性表，通過深度遞歸相關(guān)計算，準(zhǔn)確計算每個過程參數(shù)的最終IO屬性。DFT系統(tǒng)通過對數(shù)據(jù)相關(guān)矩陣做模二和及自乘迭代計算（An+1=AnAn2）來完成數(shù)據(jù)的依賴相關(guān)分析，這種算法具有很好的對數(shù)收斂特性。DFT系統(tǒng)通過全局過程相關(guān)分析的結(jié)果，自動生成模式的局部或整體相關(guān)引用樹結(jié)構(gòu)（如圖3.1），這對用戶分析復(fù)雜數(shù)值模式和微分評價測試都具有很好的指導(dǎo)作用。DFT系統(tǒng)還具有分析局部數(shù)據(jù)迭代相關(guān)和函數(shù)迭代相關(guān)的能力，這兩種形式的數(shù)據(jù)迭代相關(guān)是自動微分實(shí)現(xiàn)頗具挑戰(zhàn)的難題之一。

圖3.1GPSRayshooting模式的相關(guān)樹結(jié)構(gòu)片段

3.3自動生成測試程序

基于IO相關(guān)分析的結(jié)果，DFT系統(tǒng)自動生成微分測試代碼，分別對切線性模式的可靠性和運(yùn)行代價做統(tǒng)計評價測試。特別地，DFT系統(tǒng)還可將任何模式參數(shù)都視為輸入輸出參數(shù)，生成在數(shù)學(xué)意義上等價的測試代碼，這樣處理的不利之處在于往往需要極高的存儲開銷。

3.4基于語句級的代碼優(yōu)化

目前，DFT系統(tǒng)僅僅具備局地優(yōu)化能力。在語句級微分實(shí)現(xiàn)上采用二元?dú)w約的方法對微分代碼進(jìn)行優(yōu)化是DFT系統(tǒng)的一個重要特色。根據(jù)右端表達(dá)式的乘法復(fù)雜性及含變元數(shù)目的不同，DFT系統(tǒng)采取不同的分解策略。二元?dú)w約的方法避免了微分計算中的許多冗余計算，在一些復(fù)雜的非線性表達(dá)式的微分計算中具有最小的計算代價，同時也非常適合于微分系統(tǒng)的軟件實(shí)現(xiàn)。同時，對于某些特殊的運(yùn)算操作（除法、乘方）和特殊函數(shù)（如sqrt、exp），DFT系統(tǒng)較好地利用了基態(tài)值計算得到的中間結(jié)果，避免了微分實(shí)現(xiàn)中的冗余計算。

4.系統(tǒng)應(yīng)用

運(yùn)用自動微分工具得到的切線性模式，可以在無截斷誤差意義下求解函數(shù)的數(shù)值微分和導(dǎo)數(shù)、稀疏雅可比矩陣。同時這些結(jié)果在數(shù)值參數(shù)敏感性分析、非線性最優(yōu)化以及其它數(shù)值理論分析中有著非常重要的應(yīng)用。這里簡單介紹切線性模式的幾個基本應(yīng)用。

4.1符號導(dǎo)數(shù)和微分

如果輸入為數(shù)學(xué)關(guān)系式，DFT系統(tǒng)可以自動生成對應(yīng)的微分表達(dá)式和梯度，而與數(shù)學(xué)關(guān)系式的復(fù)雜程度無關(guān)。例如我們輸入關(guān)系式：

，（1）

DFT系統(tǒng)將自動生成其符號微分形式及其梯度形式分別為

，（2）

4.2數(shù)值導(dǎo)數(shù)和微分

切線性模式最基本的應(yīng)用就是在一定擾動輸入下求解輸出變量的擾動（響應(yīng)）。表4.1給出了DFT系統(tǒng)在對IAP9L模式、GPSRayshooting模式和GPSRaytrace模式三個數(shù)值模式做切線性化的具體應(yīng)用中，一些不同計算粒度、不同引用深度和不同程序風(fēng)格的核心子過程，以及它們的切線性模式在SGI2000上運(yùn)行的統(tǒng)計評價測試結(jié)果，其中切線性模式的可靠性指標(biāo)都準(zhǔn)確到六個有效數(shù)字以上，在運(yùn)行時間、存儲開銷和代碼復(fù)雜性方面分別是原模式的兩倍左右，比較接近于理想的微分代價結(jié)果（1.5倍）。除了IAP9L模式由于過于復(fù)雜僅做粗略統(tǒng)計外，其余模式都用非注釋語句行數(shù)來表示各自的代碼復(fù)雜性。

表4.1DFT系統(tǒng)在三個數(shù)值模式中的統(tǒng)計評價測試結(jié)果

性能指標(biāo)

對象模式運(yùn)行時間（10-3秒）存儲開銷（字節(jié)數(shù)）代碼復(fù)雜性

原模式切線性

模式

原模式切線性

模式

原模式切線性

模式

Xyz2g2.5306.1605524110485589

IntCIRA1.5602.750133426614165

Dabel0.0350.072601202749

LSS8.30017.50669133879143

RP42.4085.10360572102238

Vgrad10.1000.21218564368282454

RefGr43.0086.0071865414373083578

LL2JK0.6261.350262252442232

RayFind462.70

×103125.4

×103985618212111179

EPSIMP1.76011.50445589101327

Hlimits0.8301.8802425774842543774

Int3sL26.9051.2082002916394584690

MAKE

NCEP1340392072292514458504584

Curvcent0.0130.038527542754

DYFRM3.800

×1037.250

×1035000*9500*161279

PHYSIC2.750

×1035.385

×10330005000*1399*

(含注釋行)2826*

(含注釋行)

適當(dāng)設(shè)置輸入擾動的初值，運(yùn)用切線性模式可以簡單求解輸出變量對輸入的偏導(dǎo)數(shù)。例如，對于一個含有個輸入?yún)?shù)的實(shí)型函數(shù)

（3）

這里設(shè)，。運(yùn)用DFT系統(tǒng)，可以得到對應(yīng)的切線性模式

（4）

其中，為切線性模式的擾動輸入?yún)?shù)?？梢酝ㄟ^以下辦法來求得偏導(dǎo)數(shù)：

（5）

其中。如果對于某個既是輸入?yún)?shù)又是輸出參數(shù)，可以類似以下過程引用的辦法來處理。對于過程引用的情形，例如一個含有個輸入?yún)?shù)的子過程

（6）

其中，為輸入?yún)?shù)；，為輸出參數(shù)；，既為輸入?yún)?shù)又為輸出參數(shù)。運(yùn)用DFT系統(tǒng)，可以得到對應(yīng)的切線性模式為

（7）

其中，，，分別為切線性模式的微分?jǐn)_動輸入、輸出和輸入輸出參數(shù)?？梢酝ㄟ^以下輸入擾動設(shè)置并引用切線性模式（7）來求得偏導(dǎo)數(shù)：

a)設(shè)置；（，）；（）可以同時求得（）和（），其中。

b)設(shè)置（）；；（，）可以同時求得（）和（），其中。

4.3稀疏雅可比矩陣

運(yùn)用上節(jié)討論的方法來求解稀疏雅可比矩陣,具有極高的計算代價。例如，一個含個獨(dú)立和個依賴參數(shù)的子過程，為求解整個雅可比矩陣就需要反復(fù)調(diào)用次切線性模式，當(dāng)相當(dāng)大時，這對許多實(shí)際的數(shù)值計算問題是不能接受的。事實(shí)上，如果雅可比矩陣的任意兩列（行）相互正交，那么可以通過適當(dāng)設(shè)置擾動輸入值，這兩列（行）的元素就可以通過一次引用切線性模式（伴隨模式）完全得到。設(shè)和分別為雅可比矩陣的行寬度和列寬度，即各行和各列非零元素數(shù)目的最大值，顯然有，。這里介紹幾種常用的求解方法。

正向積分當(dāng)時，通常采用切線性模式來計算雅可比矩陣。根據(jù)雅可比矩陣的稀疏結(jié)構(gòu)，適當(dāng)選擇右乘初始輸入矩陣，可以獲得接近的計算時間代價。DFT系統(tǒng)采用一種逐列（行）求解的方法，來有效求解右（左）乘初始輸入矩陣。其基本思路是：按照某種列次序考察雅可比矩陣的各列；考察當(dāng)前列中所有非零元素，并對這些非零元素所在行的行向量做類似模二和累加運(yùn)算（即將非零元素視為邏輯“1”，零元素視為邏輯“0”），從而得到一個描述當(dāng)前列與各行存在“某種”相關(guān)的標(biāo)志向量（其元素都是“1”或“0”）；依據(jù)此標(biāo)志向量，就很容易得到一個與之正交的列初始向量，其中與當(dāng)前列序號對應(yīng)的元素設(shè)置為“1”，而與標(biāo)志向量中非零元素序號對應(yīng)的元素設(shè)置為“0”，與標(biāo)志向量中非零元素序號對應(yīng)的元素設(shè)置為“-1”，顯然，該列初始向量是唯一的，并且對應(yīng)著當(dāng)前右乘初始輸入矩陣的最后一列；逐一考察已求解得到的列初始向量，如果某列初始向量與當(dāng)前求解得到的列初始向量按下面定義的乘法（見過程4）正交，那么這兩列就可以合并，即將當(dāng)前列初始向量中非“-1”的元素按照對應(yīng)關(guān)系分別賦值給該初始向量，并從記錄中刪除當(dāng)前列初始向量；重復(fù)以上過程，繼續(xù)按照給定列次序考察雅可比矩陣的“下一列”。不難說明，按照不同列次序求解得到的右乘初始輸入矩陣可能不同。其中逐列求解右乘初始輸入矩陣的過程可以簡單敘述為：

1）將右乘初始輸入矩陣所有元素的初值均設(shè)置為，，。。

2）如果，轉(zhuǎn)6）。否則，如果雅可比矩陣的第列中的所有元素均為，，重復(fù)2）的判斷。否則轉(zhuǎn)3）。

3）計算標(biāo)志向量。令，做如下計算：

，;

4）設(shè)為的列向量。在上定義乘法，對任意的，我們有：a）；b)如果，必有和。然后，做如下計算：

,;

，6);

2);

5）令，并做如下計算：

，;

令,。如果，轉(zhuǎn)6）；否則，重復(fù)2）的判斷。

6）對，，如果，則。取的前列，這樣，我們就得到了一個維右乘初始輸入矩陣。

這里需要說明的是，運(yùn)用上面的方法求得的右乘初始輸入矩陣不僅與求解雅可比矩陣的列序有關(guān)，而且與過程4）中的合并順序也有關(guān)系。至于如何最優(yōu)求解右乘初始輸入矩陣，目前還很難討論清楚。但是，大量模擬試驗結(jié)果表明，運(yùn)用上面自然次序求得的右乘初始輸入矩陣寬度已經(jīng)非常接近于其下界值。

反向積分當(dāng)和時，通常采用伴隨模式來計算雅可比矩陣。根據(jù)雅可比矩陣的稀疏結(jié)構(gòu)，適當(dāng)選擇左乘初始輸入矩陣，可以獲得接近的計算時間代價。其中左乘初始輸入矩陣的求解過程完全可以按照上面的方法進(jìn)行，但是在處理前必須先將雅可比矩陣轉(zhuǎn)置，最后還需將得到的初始輸入矩陣轉(zhuǎn)置才能最終得到左乘初始輸入矩陣。同時，其行寬度也已經(jīng)非常接近于其下界值。

混合積分如果將切線性模式和伴隨模式相結(jié)合，往往可以避免梯度向量運(yùn)算中的諸多冗余計算。例如，ADJIFOR系統(tǒng)在求解雅可比矩陣時，在語句級微分實(shí)現(xiàn)中首先用伴隨方法求得所有偏導(dǎo)數(shù)，然后做梯度向量積分；其計算時間代價與和模式的語句數(shù)目有關(guān)，而其存儲代價為。具體討論可參考文獻(xiàn)[7]。

5．結(jié)論

切線性模式在無截斷誤差意義上計算函數(shù)的方向?qū)?shù)、梯度或雅可比矩陣，以及在模式的可預(yù)測性及參數(shù)敏感性分析、伴隨模式構(gòu)造等相關(guān)問題中有著廣泛應(yīng)用。DFT系統(tǒng)主要用于求解FORTRAN77語言編寫的切線性模式，具有很強(qiáng)的全局?jǐn)?shù)據(jù)相關(guān)分析能力。此外，DFT系統(tǒng)還具有其它幾個重要特色，如結(jié)構(gòu)化的微分實(shí)現(xiàn)、自動生成微分測試程序以及基于語句級的微分代碼優(yōu)化。本文簡單給出了DFT系統(tǒng)在求解數(shù)值和符號導(dǎo)數(shù)和微分、稀疏雅可比矩陣中的應(yīng)用。為評價一類自動微分系統(tǒng)，本文初步提出了統(tǒng)計準(zhǔn)確率的概念。

參考文獻(xiàn)

[1]AndreasGriewank.OnAutomaticDifferentiation.InM.IriandK.Tanabe,editors,MathematicalProgramming:

RecentDevelopmentsandApplications.KluwerAcademicPublishers,1989

[2]LeDimet,F.XandO.Talagrand,Variationalalgorithmsforanalysisandassimilationofmeteorological

observations:theoreticalaspects,Tellus,1986,38A,97-110

[3]P.Werbos,Applicationsofadvancesinnonlinearsensitivityanalysis,InsystemsModeling

andOptimization,NewYork,1982,SpringerVerlag,762-777

[4]ChristianBischof,GordonPusch,andRalfKnoesel."SensitivityAnalysisoftheMM5WeatherModelusing

AutomaticDifferentiation,"ComputersinPhysics,0:605-612,1996

[5]MuMu,etal，Thepredictabilityproblemofweatherandclimateprediction,ProgressinNatureScience,accepted.

[6]GieringR.etal.RecipesforAdjointCodeConstruction.ACMTrans.OnMath.Software.1998，24（4）：

437-474.

[7]C.Bischof,A.Carle,P.Khademi,andG.Pusch."AutomaticDifferentiation:ObtainingFastandReliable

Derivatives--Fast"inControlProblemsinIndustry,editedbyI.LasieckaandB.Morton,pages1-16,Birkhauser,

篇(2)

繼電器控制，PLC控制，單片機(jī)控制，其中PLC檢測控制系統(tǒng)應(yīng)用最為廣泛。其具有以下特點(diǎn)：

1.1可靠性PLC不需要大量的活動元件和連線電子元件。它將控制邏輯由傳統(tǒng)的繼電器硬件運(yùn)算變?yōu)檐浖\(yùn)算，使得它的連線大大減少。PLC經(jīng)過多年的不斷發(fā)展，具有工業(yè)針對性，有很高的抗干擾能力。在各大PLC廠家的不斷更新發(fā)展下，PLC各模塊可靠性已經(jīng)有很大提高。與此同時，系統(tǒng)的維修簡單，維修時間短。PLC進(jìn)行了一系列可靠性設(shè)計，例如：冗余的設(shè)計（包括硬件冗余技術(shù)和軟件冗余技術(shù)），斷電保護(hù)功能（電容電源和UPS的應(yīng)用使得斷電時有充分的處理時間），故障診斷和信息保護(hù)及恢復(fù)。PLC具有編程簡單，操作方便，維修容易等特點(diǎn)，一般不容易發(fā)生操作的錯誤。PLC是為工業(yè)生產(chǎn)過程控制而專門設(shè)計的控制裝置，它具有比PC控制更可靠的硬件和更簡單的編程語言。采用了精簡的編程語言加上強(qiáng)大的編譯診斷功能，編程出錯率大大降低。

1.2易操作性對PLC的操作包括程序輸入和程序更改的操作。通過專業(yè)的編程軟件進(jìn)行編程并進(jìn)行下載，更改程序的操作也可以直接根據(jù)所需要的接點(diǎn)號或地址編號進(jìn)行搜索或程序?qū)ふ?，然后進(jìn)行更改。PLC有多種程序設(shè)計語言可供使用。由于梯形圖與電氣原理圖較為接近，容易掌握和理解。PLC具有強(qiáng)大的自診斷功能降低了維修人員維修技能的要求。當(dāng)系統(tǒng)發(fā)生故障時，通過軟件和硬件的自診斷，維修人員可以很快找到故障部位進(jìn)行故障維修和故障排除。

1.3靈活性PLC采用的編程語言有梯形圖、功能表圖、功能模塊和語句描述等編程語言。編程方法的多樣性使編程簡單、可以使得不同專業(yè)的人員都有自己習(xí)慣的編程語言。操作靈活方便，監(jiān)視和控制變量變得十分容易。以上特點(diǎn)使用PLC控制系統(tǒng)具有可靠性高，程序設(shè)計方便靈活，運(yùn)行穩(wěn)定，擴(kuò)展性能好，抗干擾能力強(qiáng)等諸多優(yōu)點(diǎn)今后PLC控制系統(tǒng)還會得到更廣泛的使用。

二、PLC控制系統(tǒng)組成

該系統(tǒng)包含完整的PLC系統(tǒng)模塊。其中包含電源模塊，CPU-315，PLC與電氣回路的接口，是通過輸入輸出部分（I/O）完成的，I/O包含開關(guān)量輸出（SM321DO），開關(guān)量輸入（SM321DI），模擬量輸入（SM331AI），模擬量輸出（SM331AO）等模塊。通訊模塊PS305。I/O組成：數(shù)字量輸入模塊（DI）：包含油箱液位高，油箱液位低，循環(huán)泵、主泵運(yùn)行狀態(tài)，管路閥門狀態(tài)等。開關(guān)量輸出（DO）：包含循環(huán)泵、主泵啟?？刂?，加熱器啟?？刂?，冷卻器啟?？刂啤ＤM量輸入（AI）：包含液位，流量，油溫，壓力等。

三、PLC邏輯控制

啟動邏輯：液位正常，油溫正常，管路閥門狀態(tài)正常等。停止邏輯：液位超低，壓力超低，流量超低，急停信號等。報警邏輯：液位低，壓力低，流量低，油溫低，油溫高等。

四、HMI設(shè)計

上位機(jī)與PLC通訊模塊通過Profibus總線連接，將各個參數(shù)傳給上位機(jī)通過人機(jī)界面Wincc顯示，并可以通過上位機(jī)人機(jī)界面控制液壓站的啟停。

五、液壓站群的控制

當(dāng)多個液壓站需要配合工作時，可以將每一個液壓站設(shè)置一個ET-200遠(yuǎn)程I/O站，將采集的參數(shù)通過通訊模塊傳入一個總的PLC站進(jìn)行集中控制。且可以通過一個HMI就可以監(jiān)視各個參數(shù)和人工參與控制。這樣就可以更加集中地控制多個液壓站組成的液壓站群，是的多個液壓站有序有計劃的協(xié)作運(yùn)行。

六、液壓站穩(wěn)定性的提高

篇(3)

JamesF.Moore在《競爭的衰亡》一書中提到，GregoryBateson一生致力于復(fù)雜系統(tǒng)工作的研究，對其在商業(yè)生態(tài)系統(tǒng)方面的思考影響巨大。Biggiero和WysockiJr.等提出復(fù)雜巨系統(tǒng)的理論提供了另一個視角來思考組織的管理。如果組成系統(tǒng)的成分?jǐn)?shù)量龐大且種類眾多，這些成分之間的關(guān)系也錯綜復(fù)雜，還形成多種層次結(jié)構(gòu)，那么我們稱這類系統(tǒng)為復(fù)雜巨系統(tǒng)。自然生態(tài)系統(tǒng)是復(fù)雜巨系統(tǒng)，社會系統(tǒng)也是復(fù)雜巨系統(tǒng)。相對于自然生態(tài)系統(tǒng)，社會系統(tǒng)由于人的意識作用更復(fù)雜。商業(yè)生態(tài)系統(tǒng)是社會系統(tǒng)，因此，商業(yè)生態(tài)系統(tǒng)也是一個復(fù)雜巨系統(tǒng)。nGeneraInsight智庫董事會主席、著名新經(jīng)濟(jì)學(xué)家TapscottDon在《Macrowikinomics:RebootingBusinessandtheWorld》一書中提到，企業(yè)在經(jīng)營發(fā)展過程中，與消費(fèi)者一起組成共同體，對公司的決策經(jīng)營非常有好處。自組織理論是20世紀(jì)60年展起來的一種系統(tǒng)理論，主要包括耗散結(jié)構(gòu)理論、協(xié)同論、突變論、超循環(huán)理論等，吳建材利用自組織理論研究商業(yè)生態(tài)系統(tǒng)進(jìn)化機(jī)制，認(rèn)為只要條件滿足，商業(yè)生態(tài)系統(tǒng)也可以以超循環(huán)的方式實(shí)現(xiàn)自組織進(jìn)化。Backers認(rèn)為復(fù)雜系統(tǒng)理論的研究成果對分析企業(yè)與競爭者、供應(yīng)商和消費(fèi)者之間的復(fù)雜關(guān)系非常有效。

2商業(yè)生態(tài)系統(tǒng)的研究方向

綜上所述，所謂的商業(yè)生態(tài)系統(tǒng)，其實(shí)就是一個基于自然生態(tài)系統(tǒng)思想精心創(chuàng)建起來的企業(yè)網(wǎng)絡(luò)組織。和自然生態(tài)系統(tǒng)一樣的是，商業(yè)生態(tài)系統(tǒng)也是復(fù)雜巨系統(tǒng)，在條件滿足的時候，同樣能實(shí)現(xiàn)自組織的進(jìn)化。與自然生態(tài)系統(tǒng)不同的是，參與系統(tǒng)的成員是被精心選擇發(fā)展的；與普通企業(yè)網(wǎng)絡(luò)組織不同的是，它具備生態(tài)系統(tǒng)的特點(diǎn)，通過企業(yè)生態(tài)位的分離，創(chuàng)造協(xié)同進(jìn)化的條件。同時，它又符合復(fù)雜巨系統(tǒng)的特征。根據(jù)對國內(nèi)外學(xué)者研究的成果看，目前針對商業(yè)生態(tài)系統(tǒng)的研究可以分為兩個方向，即自然生態(tài)系統(tǒng)的方向和復(fù)雜系統(tǒng)研究的方向。

2.1引用自然生態(tài)系統(tǒng)知識方向從這個方向開展研究的學(xué)者認(rèn)為商業(yè)世界中的企業(yè)組織就像自然生態(tài)系統(tǒng)中的生物一樣，企業(yè)與企業(yè)之間既存在著競爭，也有合作的關(guān)系，它們之間在競合過程中形成了類似于自然界中食物網(wǎng)的價值網(wǎng)絡(luò)。每個企業(yè)是這個價值網(wǎng)絡(luò)中的一個成員(結(jié)點(diǎn))，承擔(dān)了這個價值網(wǎng)絡(luò)中的一個功能，比如蘋果移動生態(tài)系統(tǒng)中的富士康科技公司，其主要功能就是為蘋果公司生產(chǎn)iphone手機(jī)，一旦富士康科技公司的生產(chǎn)出現(xiàn)大面積的問題，將嚴(yán)重影響蘋果公司iphone手機(jī)品牌的聲譽(yù)。因此，商業(yè)生態(tài)系統(tǒng)關(guān)鍵企業(yè)(結(jié)點(diǎn))的缺失將對商業(yè)生態(tài)系統(tǒng)的穩(wěn)定和發(fā)展造成重大的破壞。從自然生態(tài)系統(tǒng)方向開展研究的學(xué)者，特別重視對生物學(xué)和生態(tài)學(xué)中關(guān)鍵知識的延伸理解和使用。比如在商業(yè)生態(tài)系統(tǒng)的創(chuàng)建形成方面，JamesF.Moore認(rèn)為，如同自然生態(tài)系統(tǒng)的形成主要是“集合定律”的作用一樣，商業(yè)生態(tài)系統(tǒng)的形成同樣適用這個規(guī)律；EricSchmid相信“企業(yè)組織與自然界的生物體一樣具有DNA”，這種組織DNA(即企業(yè)文化、企業(yè)行為和企業(yè)精神等方面)主要來自于組織最初的創(chuàng)立者或組織強(qiáng)有力的領(lǐng)導(dǎo)者；DanielZ.Sui研究發(fā)現(xiàn)，自然界中，生物間的競爭導(dǎo)致其生態(tài)位的分離，并最終形成自然界中生物的多樣性現(xiàn)象，也才有了今天我們見到的如此繽紛絢麗的世界。商業(yè)世界也有相似的情況，同一條食街的酒家選擇了“回避性定位”的策略，減少了彼此間的競爭，而且群集效應(yīng)為他們帶來了更多的消費(fèi)者，實(shí)現(xiàn)了“協(xié)同進(jìn)化”。

2.2復(fù)雜系統(tǒng)研究方向從復(fù)雜系統(tǒng)方向開展研究的學(xué)者認(rèn)為，基于線性思維的理論并不適用于現(xiàn)實(shí)的商業(yè)世界，現(xiàn)實(shí)的商業(yè)世界運(yùn)行錯綜復(fù)雜，不可預(yù)測。李志堅等認(rèn)為商業(yè)生態(tài)系統(tǒng)是一個典型的復(fù)雜適應(yīng)系統(tǒng),具有適應(yīng)性、協(xié)同進(jìn)化、自組織、涌現(xiàn)、反饋和有意識選擇的復(fù)雜適應(yīng)性特征；劉健輝認(rèn)為商業(yè)生態(tài)系統(tǒng)通過自我組織、突發(fā)性和協(xié)同進(jìn)化而得到發(fā)展，并以此獲得適應(yīng)性。吳建材運(yùn)用基于耗散結(jié)構(gòu)理論、協(xié)同學(xué)理論和超循環(huán)理論分析了商業(yè)生態(tài)系統(tǒng)的演化發(fā)展及其動力問題，指出商業(yè)生態(tài)系統(tǒng)的演化發(fā)展的方式是協(xié)同進(jìn)化，具體來說，是通過內(nèi)部各子系統(tǒng)的競爭實(shí)現(xiàn)協(xié)同，形成系統(tǒng)發(fā)展的序參量，并支配著商業(yè)生態(tài)系統(tǒng)的進(jìn)化發(fā)展。Biggiero和Lucio強(qiáng)調(diào)自組織過程在創(chuàng)建商業(yè)生態(tài)系統(tǒng)的重要性。

2.3存在的問題商業(yè)生態(tài)系統(tǒng)是一種嶄新的研究領(lǐng)域，在體系上還沒有完善，需要更多的學(xué)者和專家來補(bǔ)充和發(fā)展，任何一個有益的方向都是值得探索的?？偟膩碚f，自然生態(tài)系統(tǒng)方向的研究更注重商業(yè)生態(tài)系統(tǒng)在實(shí)踐上的運(yùn)用，尤其是達(dá)爾文的自然選擇學(xué)說等生態(tài)學(xué)理論早已深入人心，故這個方向的研究更容易讓人理解。不過，該方向的研究未能很深入到商業(yè)生態(tài)系統(tǒng)的基礎(chǔ)問題。復(fù)雜系統(tǒng)研究方向則不同，它從系統(tǒng)演化發(fā)展的角度，引入包括序參量、熵等概念，深入理解商業(yè)生態(tài)系統(tǒng)的自組織進(jìn)化的條件、動力和方式，有助于整體把握商業(yè)生態(tài)系統(tǒng)的本質(zhì)和內(nèi)在機(jī)制。隨著信息通信技術(shù)(尤其是互聯(lián)網(wǎng)技術(shù))的發(fā)展，企業(yè)組織將擺脫空間和時間的限制，迎來企業(yè)組織結(jié)構(gòu)的大變革時代，管理和任務(wù)可以通過網(wǎng)絡(luò)通信技術(shù)進(jìn)行集成，自組織管理模式將會是未來組織管理的一個研究方向。

3商業(yè)生態(tài)系統(tǒng)的主要研究領(lǐng)域

對國內(nèi)外學(xué)者的研究進(jìn)行歸納總結(jié)，我們發(fā)現(xiàn)，目前商業(yè)生態(tài)系統(tǒng)的研究領(lǐng)域主要集中在以下幾方面。

3.1基于商業(yè)生態(tài)系統(tǒng)視角研究企業(yè)的競爭戰(zhàn)略像美國蘋果公司一樣，組建以自己為中心的商業(yè)生態(tài)系統(tǒng)是所有渴望成功的企業(yè)夢寐以求的追求。因此，研究商業(yè)生態(tài)的開拓、領(lǐng)導(dǎo)和創(chuàng)新就成了學(xué)術(shù)界和企業(yè)界研究的熱點(diǎn)。JamesF.Moore在《競爭的衰亡》一書中寫道，商業(yè)生態(tài)系統(tǒng)的演化發(fā)展經(jīng)歷四個階段，依次是生態(tài)系統(tǒng)的開拓、生態(tài)系統(tǒng)的擴(kuò)展、對生態(tài)系統(tǒng)的領(lǐng)導(dǎo)和自我更新或死亡。關(guān)鍵企業(yè)必須做到能開發(fā)比現(xiàn)有系統(tǒng)更有效的、新的首尾相接的價值創(chuàng)造系統(tǒng)、吸引更多的參與者并保持系統(tǒng)成員的多樣性、處理各種內(nèi)外部沖突、持續(xù)地為系統(tǒng)注入新的思想和創(chuàng)造新的機(jī)會等。

3.2商業(yè)生態(tài)系統(tǒng)的演化機(jī)制和評價體系吳建材提出商業(yè)生態(tài)系統(tǒng)的本質(zhì)是協(xié)同進(jìn)化，其演化機(jī)制是系統(tǒng)內(nèi)成員通過功能耦合實(shí)現(xiàn)自組織進(jìn)化，競爭和協(xié)同在進(jìn)化過程中扮演著動力的關(guān)鍵作用。杜國柱、王娜、李愛玉等構(gòu)建了自然生態(tài)系統(tǒng)的健康模型，并提出了商業(yè)生態(tài)系統(tǒng)的健壯性評價體系，認(rèn)為所謂商業(yè)生態(tài)系統(tǒng)健康是指能高效將原材料轉(zhuǎn)變?yōu)橛猩挠袡C(jī)體，面對環(huán)境的干擾與沖擊，能持久地生存下去，并隨著時間的推移能創(chuàng)造出新的有價值的功能。

3.3基于商業(yè)生態(tài)系統(tǒng)理論視角研究地區(qū)經(jīng)濟(jì)和產(chǎn)業(yè)集群黃昕和潘軍從商業(yè)生態(tài)系統(tǒng)物種多樣性和關(guān)鍵物種等角度，提出我國汽車工業(yè)缺少成熟和有力的關(guān)鍵企業(yè)的觀點(diǎn)，而且汽車工作處于長期封閉和孤立的狀態(tài)，導(dǎo)致了汽車企業(yè)競爭力不強(qiáng)、配套不完善、產(chǎn)業(yè)鏈斷裂等一系列問題；吳建材基于商業(yè)生態(tài)系統(tǒng)理論視角研究廣州服裝專業(yè)批發(fā)市場，提出專業(yè)批發(fā)市場已進(jìn)入?yún)f(xié)同進(jìn)化的時代，應(yīng)從商業(yè)生態(tài)系統(tǒng)角度構(gòu)建專業(yè)市場的核心競爭力。HaraldMahrer和RomanBrandtweiner運(yùn)用商業(yè)生態(tài)系統(tǒng)理論分析奧地利國家電子商務(wù)產(chǎn)業(yè)現(xiàn)狀，認(rèn)為奧地利電子商務(wù)發(fā)展正處于商業(yè)生態(tài)系統(tǒng)的第二階段。

3.4商業(yè)生態(tài)系統(tǒng)理論在多領(lǐng)域中的應(yīng)用胡崗嵐等從商業(yè)生態(tài)系統(tǒng)理論的視角研究我國電子商務(wù)產(chǎn)業(yè)的集群化現(xiàn)象，并給出了電子商務(wù)生態(tài)系統(tǒng)的定義，同時認(rèn)為我國電子商務(wù)生態(tài)系統(tǒng)的演化發(fā)展過程包括開拓、擴(kuò)展、協(xié)調(diào)、進(jìn)化等四個階段。張蓓運(yùn)用商業(yè)生態(tài)系統(tǒng)理論研究我國零售業(yè)，提出建立健康零售業(yè)商業(yè)生態(tài)系統(tǒng)的思路，建議走協(xié)同進(jìn)化的道路，建立共贏的商業(yè)社會。郭哲從商業(yè)生態(tài)系統(tǒng)理論的角度，提出構(gòu)建無線城市的商業(yè)生態(tài)系統(tǒng)模型，并給出了三種發(fā)展戰(zhàn)略，即網(wǎng)絡(luò)核心型戰(zhàn)略、支配主宰性戰(zhàn)略和縫隙型戰(zhàn)略。

4結(jié)語

篇(4)

1資料與方法

1.1標(biāo)準(zhǔn)

(1)診斷標(biāo)準(zhǔn):①清潔離心中段尿沉渣白細(xì)胞數(shù)>10/HP或有尿路感染癥狀者。②正規(guī)清潔中段尿細(xì)菌定量培養(yǎng),菌落數(shù)≥105/ml。具備上述兩項可以確診。(2)納入標(biāo)準(zhǔn):①病程>2年且反復(fù)發(fā)作者。②年齡在30～70歲。③長期應(yīng)用西藥抗感染治療或中西醫(yī)結(jié)合治療未能根治者。④病程不足2年而清潔中段尿細(xì)菌培養(yǎng)長期陽性者。⑤受試者知情,自愿簽署知情同意書。(3)排除標(biāo)準(zhǔn):①對頭孢菌素過敏者及有青霉素過敏性休克或即刻反應(yīng)史者。②處于妊娠期或者哺乳期婦女。③有神經(jīng)系統(tǒng)疾病或造血系統(tǒng)疾病者。④有心臟、肝及腎功能嚴(yán)重?fù)p害者。

1.2分組情況

病例均來自于2012年6月-2014年3月在我院門診與住院治療的患者,診斷為難治性泌尿系統(tǒng)感染的患者54例為觀察對象。其中男21例,女33例。隨機(jī)將患者分為治療組和對照組各27例,兩組在性別、體重和年齡上均無顯著性差異(P>0.05)。詳見表1。

1.3治療方法

對照組給予鹽酸左氧氟沙星氯化鈉注射液[規(guī)格100ml:鹽酸左氧氟沙星0.2g(以左氧氟沙星計)與氯化鈉0.9g],500mg/次,靜脈滴注,滴注時間不少于60min,1次/d。治療組給予注射用硫酸奈替米星(2ml:10萬U),按患者體重每12h1.5～2mg/kg,稀釋后靜脈滴注,3周為1個療程。

1.4評價標(biāo)準(zhǔn)

1.4.1臨床療效評價:根據(jù)臨床癥狀、體征、實(shí)驗室檢查進(jìn)行綜合評價,分為痊愈、顯效、進(jìn)步、無效4級。將痊愈和顯效合計為總有效,據(jù)此計算臨床有效率。痊愈為癥狀、體征、實(shí)驗室檢查及病原菌檢査均恢復(fù)正常;顯效為病情明顯好轉(zhuǎn),但上述4項中有1項尚未完全恢復(fù)正常;進(jìn)步為用藥后病情有所好轉(zhuǎn),但不夠明顯;無效為用藥72h后病情無明顯進(jìn)步或有所加重。

1.4.2細(xì)菌學(xué)療效評價:按清除、部分清除、替換、再感染、未清除5級評定。細(xì)菌學(xué)療效分析包括各種致病菌感染的有效率、細(xì)菌清除率等。

1.4.3藥物不良反應(yīng)評價:試驗期間發(fā)生的任何不良事件或?qū)嶒炇覚z查結(jié)果的異常,評價其與試驗藥物間的關(guān)系,按肯定有關(guān)、很可能有關(guān)、可能有關(guān)、可能無關(guān)、肯定無關(guān)5級進(jìn)行評價,前3者計為藥物不良反應(yīng)。

1.5統(tǒng)計學(xué)方法計量資料結(jié)果用(x±s)表示,樣本自身前后比較采用配對t檢驗,滿足方差齊性檢驗條件者兩樣本比較采用t檢驗。計數(shù)資料采用χ2檢驗。所有統(tǒng)計分析均采用SPSS20.0軟件包完成。結(jié)果均以P<0.05為具有統(tǒng)計學(xué)意義,P<0.01為具有顯著性統(tǒng)計學(xué)意義。

2結(jié)果

2.1療效評價結(jié)果

由表2可以看出,對照組痊愈15例,有效8例,痊愈率55.6%,有效率66.7%;治療組痊愈20例,有效7例,總有效率92.6%。經(jīng)Ridit分析,治療組療效與對照組療效具有顯著性差異(P<0.05)且治療組的療效優(yōu)于對照組。

2.2細(xì)菌學(xué)療效評價

兩組共分離出病菌40株,其中對照組分離出19株,治療組分離出21株。細(xì)菌學(xué)療效評價結(jié)果顯示,對照組的痊愈率為36.8%,有效率為73.7%;治療組的痊愈率為66.7%,有效率為95.2%,兩組在痊愈率和有效率方面比較有顯著性差異(P<0.05)。見表3。

2.3安全性評價

本試驗對照組和實(shí)驗組各27例。對照組不良事件發(fā)生4例,其中3例可能與藥物有關(guān),2例表現(xiàn)為頭昏頭痛,1例表現(xiàn)為惡心,不良事件發(fā)生率為14.8%。治療組發(fā)生不良事件3例,其中2例可能與藥物有關(guān),1例表現(xiàn)為惡心,1例表現(xiàn)為腹瀉,不良反應(yīng)發(fā)生率為11.1%。兩組均未發(fā)生嚴(yán)重不良反應(yīng),且治療組不良反應(yīng)發(fā)生率低。

3討論

奈替米星主要成分為硫酸奈替米星,屬于氨基糖苷類抗生素,對銅綠假單胞菌、大腸埃希菌、變形桿菌屬(吲哚陽性和陰性)、腸桿菌屬、克雷伯菌屬、沙雷菌屬及枸櫞酸桿菌屬等所致的尿路生殖系統(tǒng)感染、新生兒膿毒癥、呼吸道感染、敗血癥、胃腸道感染、腹膜炎、膽道感染等有良好的療效[5]。其不良反應(yīng)較小,治療各種難治性感染效果良好。

篇(5)

本文主要介紹如何利用機(jī)器視覺方法從CCD圖像中提取用于導(dǎo)星的星像及計算星像中心實(shí)際位置。第一節(jié)介紹自動導(dǎo)星定心系統(tǒng)及通用的自動導(dǎo)星定心算法，第二節(jié)介紹自動導(dǎo)星系統(tǒng)星像提取算法及相關(guān)參數(shù)估計方法。第三節(jié)首先介紹利用LM算法非線性最小二乘擬合對星像二維高斯擬合，計算實(shí)際星像中心位置，然后使用麗江2.4米望遠(yuǎn)鏡的觀測數(shù)據(jù)對系統(tǒng)進(jìn)行測試，最后將高斯擬合結(jié)果與IRAF軟件二維高斯擬合結(jié)果相比較。第四節(jié)說明了星像偏移量的六常數(shù)模型計算方法。

自動導(dǎo)星定心系統(tǒng)及定心算法介紹

自動導(dǎo)星定心系統(tǒng)工作流程如圖1左圖所示，其軟件界面如圖1右圖所示，系統(tǒng)以Linux（Debian）(1)為平臺，利用開源代碼庫WXWIDGETS(2,3)開發(fā)GUI界面、CFITSIO庫讀寫FITS文件（或SBIG相機(jī)讀寫驅(qū)動）、使用計算機(jī)視覺庫OPENCV/LAPACK(4)(5)開發(fā)星像識別算法、MATHGL(6)庫生成各種圖像以及LEVMAR(7)庫作最小二乘擬合，算法底層為LAPACK矩陣計算，可以快速完成OPENCV和LEVMAR程序中所需矩陣運(yùn)算，LAPACK有很強(qiáng)拓展能力，可以實(shí)現(xiàn)多線程或者多臺計算機(jī)的并行計算，大幅提高運(yùn)算效率。系統(tǒng)現(xiàn)可以從FITS(Pence(8))文件讀入數(shù)據(jù)、系統(tǒng)自動統(tǒng)計完成閾值設(shè)定、星像中心計算等。同時提供界面可以監(jiān)視CCD圖像、調(diào)試參數(shù)及相關(guān)結(jié)果統(tǒng)計顯示。一般的定心算法(10-14)主要有閾值一階矩質(zhì)心、平方加權(quán)質(zhì)心、高斯擬合中心(15,16)，及(17)PSF相關(guān)運(yùn)算質(zhì)心算法。若定義圖像中坐標(biāo)(x,y)的修正灰度值為G(x,y),則:一階矩質(zhì)心為:如果一階矩質(zhì)心與平方加權(quán)質(zhì)心之間各個方向誤差隨機(jī)分布，說明CCD中天光背景均勻，反之需要天光背景補(bǔ)償。高斯擬合公式：高斯擬合算法的Stone(13,18)簡化公式：及高斯公式用于擬合的對數(shù)形式：其中B為背景天光值，P為星像最大灰度值，H對應(yīng)實(shí)際星像峰值，R為擬合的高斯分布標(biāo)準(zhǔn)差，測試表明，完整模型比Stone簡化模型擬合有更好擬合精度。此外,系統(tǒng)中所用橢圓擬合算法，使用OPENCV庫函數(shù)效率極高，但返回結(jié)果為整型數(shù)據(jù)，有舍入誤差，只能用于確定星像區(qū)域，中心位置不可靠。

機(jī)器視覺星像搜索算法與參數(shù)估計

OPENCV提供了一系列機(jī)器視覺處理算法，這些算法基于LAPACK矩陣計算庫可以快速高效完成星像輪廓識別。針對CCD圖像中星像集中的特點(diǎn)，首先對8位圖像中值濾波去除異常噪聲，接著對圖像域值濾波并二值化，通過設(shè)定高于天光背景的域值可以區(qū)分星像與背景，然后可用Canny邊緣檢測得到星像輪廓，最后再用最小二乘法擬合橢圓輪廓，估計星像區(qū)域。為簡化運(yùn)算及數(shù)據(jù)存貯量，使用8位對數(shù)化整數(shù)數(shù)據(jù)完成星像識別，再使用32位原數(shù)據(jù)計算星像中心位置。

1Canny邊緣檢測、圖像濾波與橢圓擬合

Canny邊緣檢測(19)的算法是集低通濾波與邊界檢測于一體的算法，其內(nèi)容如下：第一步：利用高斯算子對圖像平滑卷積濾波去除噪聲，再計算圖像各點(diǎn)的灰度變化梯度，實(shí)際OPENCV的Canny算法源程序中直接采用同時有高斯平滑和邊緣檢測效果的Sobel算子與原圖像卷積計算,分別計算X與Y方向一階圖像差分。計算中采用3x3的模板計算。其數(shù)值如下：第二步：計算絕對值范數(shù)或L2范數(shù)作為梯度強(qiáng)度和計算梯度方向。梯度方向arctan(Dy/Dx)，其中Dy與Dx是由Sobel算法算得的Y與X方向一階差分值。

第三步：梯度圖像非極大值抑制，將非局部最大梯度值點(diǎn)設(shè)為零。第四步：雙閾值檢測和連接邊緣，沿梯度方向?qū)D像中梯度強(qiáng)度大于高閾值的都存為邊界點(diǎn)，低于高閾值且高于低閾值的梯度強(qiáng)度保留，再利用連通性篩選保留的梯度坐標(biāo)，將與大于高閾值邊界點(diǎn)連通的梯度強(qiáng)度保留，其余無效區(qū)域設(shè)為零。對圖像的濾波包括中值濾波去除異常數(shù)據(jù)點(diǎn)，但濾波僅對提取輪廓的8位數(shù)據(jù)進(jìn)行，對用于擬合及定心計算的32位數(shù)據(jù)不進(jìn)行濾波。圖像Canny提取輪廓圖像前利用天光背景估計值作為閾值將圖像二值化，可以大幅降低Canny算法對梯度強(qiáng)度閾值的敏感性，程序中使用（50，125）的閾值對可以獲得比較好的效果。Fig.2Theoutlineofstarsimagesextractedwiththreshold154,160andtheellipseimagesfittedwiththreshold155然后利用輪廓提取函數(shù)可以獲得相互隔離又獨(dú)立連通的輪廓，最后使用最小二乘法擬合橢圓輪廓，獲得星像區(qū)域。圖2中測試文件為麗江2.4米望遠(yuǎn)鏡觀測數(shù)據(jù)，視場10′x10′,曝光時間30秒，JR濾波片，范緒亮同學(xué)提供。

2圖像灰度值直方統(tǒng)計與CCD圖像天光背景估計

天光背景值在高斯擬合中具有很大影響，CCD圖像像素直方圖統(tǒng)計與實(shí)驗表明，直方圖中峰值對應(yīng)灰度值為眾數(shù)，可以作為天光背景值。通常可以將8位對數(shù)化灰度直方統(tǒng)計峰值對應(yīng)灰度值加2以上值判為有效星光灰度值。

程序中考慮到眾數(shù)附近的灰度值分布比較稠密，因此，在圖像的不同區(qū)域疊加后只有分布在眾數(shù)附近的灰度值才有可能在同子位置的值非常相近。程序首先將原數(shù)據(jù)做3x3小鄰域的均值濾波，獲得每個點(diǎn)鄰域內(nèi)的均值作為該點(diǎn)的新灰度，并將濾波結(jié)果圖像邊緣近1/10CCD尺寸的區(qū)域屏蔽，接著將有效區(qū)域分為11x11不重疊的子區(qū)域，然后對相鄰子區(qū)域的灰度值對應(yīng)相減取絕對值，再與其他相鄰子區(qū)域計算結(jié)果重疊相加，接著求取最小值所在位置作為天光背景的眾數(shù)所在位置，最后將各個子區(qū)域此對應(yīng)位置的灰度值相加取平均，作為天光背景值的眾數(shù)估計，同時也是天光背景值估計。同理地利用均值濾波對3x3鄰域標(biāo)準(zhǔn)差計算得到標(biāo)準(zhǔn)差，再求得區(qū)域疊加的最小位置，求得天光背景標(biāo)準(zhǔn)差σ（眾數(shù)）估計，當(dāng)然算法對星像過度稠密及天光背景不均勻的圖像可能會有估計不準(zhǔn)的問題，算法目前還未對各星像分別計算天光背景值。為了在橢圓輪廓內(nèi)限制有效區(qū)域，選擇灰度值接近1/5峰值處為邊界，對應(yīng)于IRAF中測光孔徑值，可以減小天光背景的影響，獲得較好的擬合結(jié)果。

高斯函數(shù)擬合算法

正常星像受大氣影響，圖像灰度分布近似于二維高斯分布，且在各個方向應(yīng)當(dāng)有相同的標(biāo)準(zhǔn)差。系統(tǒng)采用非線性函數(shù)最小二乘擬合的方法，將參數(shù)估計問題轉(zhuǎn)化為最小化目標(biāo)函數(shù)問題，得到獨(dú)立噪聲干擾下中心位置和標(biāo)準(zhǔn)差的最大似然估計。利用Levenberg–Marquardt優(yōu)化算法(9,20)擬合星像，該算法以均方誤差為目標(biāo)函數(shù)，兼有梯度下降和牛頓－高斯方法的下降的速度，不直接求取復(fù)雜Hessian矩陣，用Jacobi行列式估計擬Hessian矩陣，程序中采用LEVMAR開源代碼作高斯最小二乘擬合。

為避免復(fù)雜的梯度函數(shù)，采用對數(shù)化數(shù)據(jù)擬合，全高斯公式Jacobi行列式為：其中計算時P的初始值為星像峰值減天光背景值(+3σ)，(x,y)為圖像中星像峰值坐標(biāo),為防止局部陷入給一定的初始偏差，測試表明算法有很好的收斂性。圖4是高斯擬合結(jié)果與原數(shù)據(jù)比較，底部為殘差密度圖。下圖是對麗江2.4米望遠(yuǎn)鏡YFOSC觀測數(shù)據(jù)高斯擬合星像位置與IRAF軟件高斯擬合結(jié)果比較，其最大誤差不超過0.08Pixel。擬合得到高斯分布標(biāo)準(zhǔn)差為2.5，與當(dāng)時記錄的視寧度為1.7角秒相符。

星像偏移量計算

自動導(dǎo)星算法對同一天區(qū)、相鄰曝光時間的兩幅圖像分別計算星像中心位置，并對相對應(yīng)的星像計算位置偏移量，作為自動導(dǎo)星的誤差信號。一般認(rèn)為由于相鄰CCD圖像間可能存在平移、旋轉(zhuǎn)和縮放影響，可以用Stone(12,21,22)的算法，以六常數(shù)線性變換方程表示星像位置變換關(guān)系，如下，實(shí)際中i標(biāo)識的數(shù)據(jù)量遠(yuǎn)多于變換系數(shù)個數(shù)6。以下是對同一目標(biāo)的觀測結(jié)果分析，其中：編號97圖像：拍攝時間：2011-10-08T15:02:42.859，曝光時間30s。編號102圖像：拍攝時間：2011-10-08T15:07:20.998，曝光時間50s。編號105圖像：拍攝時間：2011-10-08T15:10:34.361，曝光時間50s。解六常數(shù)模型得：圖6為六常數(shù)模型擬合的殘差，其標(biāo)準(zhǔn)化殘差都小于0.06pixel，對其殘差進(jìn)行Kolmogorov-Smirnov正態(tài)性檢驗，得到殘差數(shù)據(jù)都服從0.05顯著性水平的正態(tài)分布?？梢哉J(rèn)為六常數(shù)擬合已得到比較優(yōu)化的結(jié)果。

總結(jié)

篇(6)

文中使用LabVIEW軟件對2ASK通信系統(tǒng)進(jìn)行仿真。LabVIEW具備了儀器的基本屬性，其程序的基本構(gòu)成包括兩部分:(1)前面板，用于反映儀器的控制操作和顯示;(2)程序框圖，用以反映儀器內(nèi)部的分析處理過程。2ASK的調(diào)制與解調(diào)分別采用模擬幅度調(diào)制法和相干解調(diào)法，將基帶信號與載波信號相乘得到已調(diào)的2ASK信號，用高斯白噪聲模擬信道，在接收端將接收信號與同頻同相的載波相乘，并經(jīng)過巴特沃斯低通濾波器，濾波器的截止頻率為歸一化頻率，最后進(jìn)行抽樣判決，判決門限取0.125，從而得到輸出序列，程序框圖如圖3所示。

在前面板中，輸入序列的產(chǎn)生采用根據(jù)序列個數(shù)而隨機(jī)產(chǎn)生相應(yīng)個數(shù)的二進(jìn)制碼元，基帶波形采用余弦波，根據(jù)產(chǎn)生的二進(jìn)制碼元可得到相對應(yīng)的基帶信號波形，載波采用正弦波。所以，前面板中需要創(chuàng)建碼元個數(shù)、碼元速率、采樣點(diǎn)數(shù)、采樣頻率、載波頻率數(shù)值輸入控件、基帶信號波形、載波波形、2ASK信號波形和頻譜、濾波后波形等圖形顯示控件，以及輸入和輸出序列等數(shù)值顯示控件。

使用修飾控件可對前面板進(jìn)行調(diào)整和修飾，最后得到2ASK調(diào)制與解調(diào).vi前面板，如圖4所示。在前面板的參數(shù)輸入模塊輸入如圖4所示的參數(shù)并運(yùn)行可得到輸出結(jié)果。由結(jié)果可看出，此仿真實(shí)驗在調(diào)制端產(chǎn)生了一串碼元個數(shù)為10的二進(jìn)制碼元序列，并得到了輸入序列波形、載波波形、2ASK信號波形和頻譜，2ASK信號經(jīng)過高斯白噪聲信道后，在接收端得到了低通濾波器濾波后的波形、抽樣判決后的輸出序列波形和輸出序列二進(jìn)制碼組。對比輸出序列和輸入序列可看出，此系統(tǒng)除了一個碼元的延時以外，其余部分都正確地進(jìn)行了信號的還原，表明仿真實(shí)驗結(jié)果正確，達(dá)到了2ASK通信系統(tǒng)的調(diào)制與解調(diào)在教學(xué)中的意義。

2、結(jié)束語

篇(7)

（1）基礎(chǔ)數(shù)據(jù)與錄入。系統(tǒng)的基礎(chǔ)數(shù)據(jù)以及基礎(chǔ)數(shù)據(jù)錄入功能模塊是整個管理系統(tǒng)的起點(diǎn)和基礎(chǔ)，其數(shù)據(jù)包括了整個框架體系，是基礎(chǔ)數(shù)據(jù)庫和數(shù)據(jù)字典庫的基礎(chǔ)維護(hù)平臺，包括單位和人員信息、設(shè)備的基礎(chǔ)維護(hù)數(shù)據(jù)和檢修數(shù)據(jù)、設(shè)備鑒定標(biāo)準(zhǔn)等。另外，數(shù)據(jù)錄入的功能是系統(tǒng)數(shù)據(jù)庫存在的保障，是系統(tǒng)后續(xù)維護(hù)和管理的保障，是設(shè)備臺賬數(shù)據(jù)庫、特種設(shè)備數(shù)據(jù)庫、檢修計劃數(shù)據(jù)庫、設(shè)備油質(zhì)數(shù)據(jù)庫建立和維護(hù)的基礎(chǔ)。

（2）統(tǒng)計報表與數(shù)據(jù)上報。統(tǒng)計報表是數(shù)據(jù)上報的基礎(chǔ)，一般包括鐵路機(jī)械動力設(shè)備履歷統(tǒng)計查詢、車輛部門的統(tǒng)計報表、設(shè)備與技術(shù)明細(xì)等，其功能在于所有機(jī)械動力設(shè)備相關(guān)數(shù)據(jù)的歸類、統(tǒng)計、查詢與打印。數(shù)據(jù)上報需要實(shí)現(xiàn)的功能是建立在數(shù)據(jù)統(tǒng)計之上，對整個信息管理系統(tǒng)數(shù)據(jù)進(jìn)行備份、恢復(fù)以及數(shù)據(jù)上報。

（3）巡檢與系統(tǒng)維護(hù)。巡檢屬于后期功能模塊，主要包括整個鐵路機(jī)械動力設(shè)備技術(shù)系統(tǒng)的設(shè)備設(shè)置、數(shù)據(jù)采集分析、故障發(fā)現(xiàn)反饋以及巡檢工作狀態(tài)四個部分。這部分功能是分級授權(quán)的，多由車輛段級系統(tǒng)授權(quán)車間級系統(tǒng)使用。系統(tǒng)工作屬性是利用數(shù)字智能技術(shù)，對事先設(shè)置好的重點(diǎn)設(shè)備進(jìn)行巡檢，巡檢的內(nèi)容具有差異性，具體根據(jù)車段、動力設(shè)備等特性來設(shè)置。維護(hù)模塊則是對整個系統(tǒng)的運(yùn)行日志、用戶權(quán)限、設(shè)備數(shù)據(jù)、車輛部門設(shè)備數(shù)據(jù)等進(jìn)行維護(hù)，其功能是導(dǎo)入和查詢原始車輛部門數(shù)據(jù)，設(shè)置用戶權(quán)限和功能等。

（4）設(shè)備管理標(biāo)準(zhǔn)與系統(tǒng)幫助。設(shè)備管理標(biāo)準(zhǔn)是鐵路機(jī)械動力設(shè)備技術(shù)信息化管理系統(tǒng)按照國家相關(guān)鐵路設(shè)備標(biāo)準(zhǔn)，設(shè)置計算公式與評分標(biāo)準(zhǔn)，將數(shù)據(jù)庫的所有數(shù)據(jù)進(jìn)行填充與評分。系統(tǒng)幫助是輔助功能，主要是權(quán)限人員密碼修改、查看系統(tǒng)幫助等。

二、基本表的創(chuàng)建與查詢設(shè)計

基本表的創(chuàng)建要遵循字段唯一性、功能相關(guān)性、字段無關(guān)性的原則，表的分類是基于機(jī)械動力設(shè)備技術(shù)的，從簡單化的標(biāo)準(zhǔn)出發(fā)，設(shè)置兩個主表，即機(jī)械動力設(shè)備臺賬管理表和機(jī)械動力設(shè)備使用管理表。在表創(chuàng)建的過程中，每個屬性作為單一其唯一的關(guān)鍵詞用字段表現(xiàn)出來，米云龍北京鐵路局北京動車段前期先定義字段內(nèi)容、字段數(shù)據(jù)類型、字段屬性和關(guān)鍵字。主要包括臺賬管理表、生產(chǎn)設(shè)備運(yùn)行記錄表、機(jī)動設(shè)備使用記錄表和設(shè)備材料消耗記錄表。每個表根據(jù)其性質(zhì)對應(yīng)若干屬性字段，并且每個表設(shè)定的關(guān)鍵字是唯一的，具有標(biāo)示作用的。每個表的屬性字段使用超鏈接，便于數(shù)據(jù)記錄、查詢。表之間的關(guān)系用同屬性字段聯(lián)系起來，形成表之間的內(nèi)在關(guān)聯(lián)，便于確定數(shù)據(jù)庫的參照完整性。

表、數(shù)據(jù)庫、管理系統(tǒng)創(chuàng)建之后，必然要用到查詢功能，查詢結(jié)果一般需要滿足查找、統(tǒng)計、計算、分析、比較、判斷、排序等。運(yùn)用VisualBasic語言進(jìn)行自定義函數(shù)或者條件語句的編程，選取每個屬性的特定值，確保查詢時使用輸入?yún)?shù)的方式便能簡便操作進(jìn)行，這些需要查詢設(shè)計器來進(jìn)行設(shè)計。比如動力設(shè)備折舊查詢的條件語句編寫為：

IfNs≥AThen

Msgbox“TheValueIsA”

Exit

Else

Nz=intX+1

Endif

三、異常設(shè)備或部件提示

a:機(jī)械動力設(shè)備中途停止工作的異常狀況，在查詢設(shè)計中輸入條件準(zhǔn)則：IIf(Nz([累計折舊]≥[原值]-[殘余價值])，[異常]，[使用])。

b:機(jī)械動力設(shè)備達(dá)到設(shè)計壽命的修理狀況，在查詢設(shè)計中輸入條件準(zhǔn)則：IIf(Nz([運(yùn)行時間或公里數(shù)]≥[預(yù)計大修期限])，[大修]，[使用])

c:部件異常是指機(jī)械動力設(shè)備的零部件在實(shí)用期限內(nèi)出現(xiàn)故障或者修理，則視為零部件異常。設(shè)計方法為，運(yùn)用查詢向?qū)?chuàng)建零部件查詢表，對正常件、異常件記錄、統(tǒng)計、分析，完成異常表創(chuàng)建、查詢。屬性字段內(nèi)容包括[修理日期]與[預(yù)計使用日期]，且表達(dá)式≥2，[修理日期]<[預(yù)計使用日期]。

四、應(yīng)用效果分析