PLC程序测试与验证的研究进展

可编程逻辑控制器(PLC)是一种在工业领域应用非常广泛的控制装置。随着PLC程序的规模和复杂性不断增加,PLC程序测试与验证已成为一个具有挑战性的问题。该文分析了PLC程序测试与验证的困难。从验证与测试两个方面,分别介绍了该问题的研究现状。对于每一个方法,分别论述了其基本思路、优势与不足。最后,根据当前研究的现状,展望了PLC程序测试与验证技术未来的发展。综合分析来看,PLC程序测试与验证的现有方法都存在比较明显的局限性,有待深入研究。未来可能的新方向包括结构化测试以及不同测试方法的融合等。     

用GA算法解不同交货期窗口下的E/T调度问题

针对准时生产制下提前 /延迟 ( E/ T)费用的生产排序与调度问题 ,对不同交货期窗口下 E/ T指标的单机调度问题进行了分析 ,给出了在给定加工顺序条件下求解最优加工时间的动态规划算法。在此基础上 ,应用 GA( genetic al-gorithms)算法实现了求解。为提高算法优化性能 ,针对问题本身特性 ,分别从关键参数的选取 ;交叉操作的动态控制 ;变异操作的优化 3方面提出了相应改进策略。最后利用计算机仿真对算法性能进行研究 ,并得到一些经验性结论。仿真结果表明 ,该算法在优化性能和时间性能上均能满足工程上的要求。     

多智能体并行仿真框架

多智能体仿真具有广泛的应用前景。但是,现有的多智能体仿真和并行仿真无法解决数量庞大且具有复杂动力学特性的智能体仿真,因此研究这类多智能体的有效仿真具有重要的意义。为了能够有效仿真这类系统,设计了一个两层的多智能体并行仿真框架,指出了该框架中面临的挑战。除此之外,针对仿真中提高仿真效率的挑战,作者提出了一种加快仿真速度的方法。实验结果表明该方法可以明显提高仿真效率。     

网络生存适应性的多目标评估

为了更好地测度网络适应环境变化的能力,提出了一种简单的多目标量化评估网络生存适应性的方法.该方法将网络效率、网络鲁棒性和网络代价等多个优化目标结合起来,通过定量加权的方法对网络拓扑的生存适应性进行综合评估,避免了仅依靠网络平均路径长度、最大连通子图规模等单一度量指标进行评估的不足.仿真实验结果表明,综合了环型和星型结构优势的Hub型拓扑结构的生存适应性比较高,节点度分布较均匀的ARPA网络的生存适应性比较优,提高网络拓扑度分布的均匀性是改善网络拓扑生存适应性的有效措施.该评估方法不仅能够有效度量不同网络结构在动态环境下的生存适应能力,还能进一步为网络拓扑的优化、设计和重构提供有益的指导.     

非饱和情况下基于802.11 DCF的改进协议DIDD

DIDD(double increase double decrease)协议是一种无线局域网介质访问控制802.11DCF(distributed coordination function)协议的改进。为分析DIDD协议在非饱和情况下的性能,该文使用三维Markov链模型,分析DIDD协议的回退过程求解节点的稳态发包概率;使用一维Markov链模型,求解起始回退阶段数的稳态分布;使用排队理论,计算了网络的非饱和吞吐量和数据包延迟。结果表明:在各种数据速率下,理论分析结果与仿真结果一致。     

PLC指令表程序的一种语法分析方法及其在代码静态测试上的应用

可编程逻辑控制器(PLC)是工业控制领域中广泛使用的自动控制装置。由于PLC程序缺乏具有普适性的测试工具,开发人员往往只能采用人工方式排查代码错误,导致测试效率低下。工业用户亟需一种标准化PLC代码检测方法,自动完成PLC程序语法检测与分析。该文以IEC61131-3标准为基础,建立基于Backus-Naur范式(BNF)的指令表语法模型。基于该模型构造抽象语法树,进而设计出一种具有线性复杂度的PLC指令表代码语法检测算法。利用2段控制工程中的PLC指令表代码对所提出的算法与商用软件CODESYS Static Analysis进行对比测试,验证了所提算法的可用性。     

地铁线路储能装置与牵引装置联合优化配置方法

在城市轨道交通系统中，列车牵引用电的费用在总运营费用中占比较高。在直流供电系统中接入储能装置(例如超级电容)吸收利用列车的再生制动能量，能够减少牵引用电的开销。储能装置和牵引装置的配置方案(位置与容量)会显著影响能量的吸收与利用效率。为了在有限储能与牵引资源约束下最大化再生制动能量的吸收利用效率，该文提出一种地铁线路储能装置与牵引装置的联合优化配置方法，将优化配置问题建模为仿真优化问题，开发了基于序优化的问题求解方法以获得问题足够好的解。在青岛地铁某线路上的测试结果显示：相比于依经验配置，优化配置方案可以减少6.1%的牵引能耗。该方法不仅能有效配置储能牵引资源，还能应用于解决地铁线路中的其他复杂优化问题。     

数据中心PUE能效优化的机器学习方法

本文研究如何利用机器学习方法来降低数据中心电能使用效率(power usage effectiveness,PUE)指标.现阶段以Google公司为代表的工业界使用的神经网络模型考虑的特征数量较少,且仅考虑单一特征变化对PUE指标的影响,缺少对特征之间耦合特性的分析.此外,机器学习方法对数据集的质量和数量要求都很高,并且落地实施过程和结论判断皆容易受到噪声干扰,整体难度较大.现阶段学术界和工业界尚缺少对具体优化案例的详细阐述.本文对现阶段利用神经网络模型优化PUE指标的方法进行改进,增加了特征维数,提高了预测精度,取得了超出Google公司PUE模型预测精度的结果.利用历史样本轨道,使用统计方法近似得出特征之间的耦合特性,并代入灵敏度分析中,得到更加精确的分析结果.提出基于灵敏度分析的冷却系统参数设计优化方案;利用腾讯华北某数据中心的海量数据和现场条件,实施制冷系统参数设定优化的实验,实验效果证明了优化方案的有效性.     

不确定环境下的电力系统拓扑控制问题(英文)

在环境保护的压力下,新能源和电动汽车越来越多地被引入电网,这就增加了电力系统的不确定因素.为此,首先讨论不确定环境下电力系统安全防御中的一些拓扑控制问题,然后给出这些问题的图论描述以及研究中面临的挑战和进展.     

非饱和情况下基于802.11 DCF的改进协议DIDD

DIDD(double increase double decrease)协议是一种无线局域网介质访问控制802.11DCF(distributed coordination function)协议的改进。为分析DIDD协议在非饱和情况下的性能,该文使用三维Markov链模型,分析DIDD协议的回退过程求解节点的稳态发包概率;使用一维Markov链模型,求解起始回退阶段数的稳态分布;使用排队理论,计算了网络的非饱和吞吐量和数据包延迟。结果表明:在各种数据速率下,理论分析结果与仿真结果一致。