随机模式范文(精选12篇)
随机模式 第1篇
关键词:库存管理,随机库存,批量需求,优化算法
一体化的生产-库存系统 (生产车间与仓库结合成的整体的系统) 或服务-库存系统是随机库存管理中众多研究者关注的焦点, 需要解决的问题是确定系统的最优控制变量, 使得费用目标函数值最小。排队网模型和多级库存模型成为描述这类系统的主要工具, 但是很难获得解析的结果。Berman和Kim分析了一个Poisson到达、指数服务时间、 零前置时间的排队-库存系统[1], 得到最优的库存策略: 库存为零时才开始订货; Schwarz等分别在 (r, Q) 和 (r, S) 订货策略下研究了具有需求损失的M/M/1排队-库存系统[2], 并获得了队长和库存的联合稳态概率分布; Manuel等考察了需求为Markov到达的易逝品排队-库存系统[3,4], 获得了队长和库存的联合稳态概率分布, 并计算了系统的稳态性能指标和总的期望成本率。
MTO (make-to-order) 是适应品种少、数量大生产系统的需要而出现的一种运作模式 (如汽车制造) 。对于具有Poisson到达、指数生产时间、零前置期的MTO生产库存系统, He和Jewkes开发了两种计算单位产品总的平均成本的算法[5];He等则研究了具有零前置前的M/M/1型MTO生产库存系统的库存订货策略[6]。对于具有优先权的服务系统, Zhao和Lian考察了两类顾客的M/M/1型排队-库存系统, 在 (r, Q) 的订货策略下研究了最优的优先权分配规则[7];Teimoury等则研究了具有两类顾客的多产品生产-库存系统[8]。有些情况下, 当需求得不到满足时, 缺乏耐心等待的顾客将离开。Benjaafar等研究了不耐烦顾客的M/M/1型MTO生产-库存系统, 得到一个具有双重阈值 (一个控制生产, 另一个控制接受订货需求) 的最优控制策略[9]。上述随机库存模型都假设需求是单个到达的, 即一个顾客需求一个单位的商品 (或服务) 。然而实际中顾客的需求量往往是成批的, 即需求量不只是一个单位。其直接结果是需求批量到达比单个到达所导致需求的波动性更大, 因此批量需求模式的下库存管理值得深入研究。
基于此, 本文研究批量需求模式下的随机库存系统。顾客的需求是成批的, 需求到达立即接受服务, 服务按先到先服务的规则且服务瞬时完成;补货采用 (s, s+q) 订货策略, 当库存下降到水平s时立即订货至仓储的最高水平s+q, 当需求不足时则记下缺货的数量 (这种情况需求不丢失, 但是等待的需求要求补偿) 。通过建立状态转移方程, 本文获得了库存状态和缺货状态下的稳态概率分布;并建立库存的单位时间成本函数, 研究了最佳的安全库存水平和最大库存容量, 通过参数的敏感性分析获得相应的统计性质。
1 模型的描述
本文研究一个顾客需求批量情况下的随机库模型, 顾客的到达间隔时间服从参数为λ的Poisson过程, 每个顾客的需求量X是随机的, 且服从参数p的几何分布, 即σk=P (X=k) = (1-p) pk且 (0<p<1) ;服务规则为先到先服务且服务瞬时完成 (相对于产品的生产前置期, 订单的处置时间可以忽略不计) ;当需求到达且库存满足需求时订单立即被处理, 这时若库存下降到水平s时立即补货至仓储最高水平s+q, 当需求到达但库存不满足需求时订单也被立即处理, 但是, 不足的需求系统则记下缺货数量, 同时发出订单且订货量扣除缺货数量后达库存的最高仓储水平s+q;假设产品的生产前置期是一随机变量且服从参数为θ的负指数分布。
1.1 模型的求解
本文建立一个排队-库存模型, 任意时刻系统仅处于库存状态或缺货状态。用0、1分别表示系统的库存状态或缺货状态, 用H0 (t) 、I1 (t) 分别表示时刻t的库存水平与缺货水平。因此, 库存水平的状态空间为{0, 1, …, q+s-1, q+s}, 缺货水平的状态空间为{1, 2, …, ∞}。由于需求到达间隔时间与生产前置期的分布具有无后效性, 那么过程 (H0 (t) , I1 (t) ) 构成了一个Markov过程, 其状态转移方式如下:
①系统存在库存时, 当批量需求 (X=k) 到达时, 库存状态i以概率λσk到达状态i-k, 若i≥k时状态i-k为库存状态, 否则, 为缺货状态k-i;
②系统缺货时, 当批量需求 (X=k) 到达时, 缺货状态i以概率λσk到达缺货状态i+k;
③当订货到达时, 系统状态i (有库存时i≤s, 否则i为缺货状态空间的任意状态) 以概率θ到达库存的最高仓储水平s+q.
系统达到长期平稳状态时, 令库存水平和缺货水平的稳态概率分布分别为P0 (j) , j=0, 1, …, q+s; P1 (j) , j=1, 2, …, ∞.则
定理 稳态条件下, 库存水平和缺货水平的稳态概率分布如下:
证明 稳态条件下, 根据系统状态的Markov过程性质, 有如下的长期平稳状态下的状态转移方程:
由数学归纳法并结合归一化条件可得系统库存状态和缺货状态的稳态概率分布式 (1) ~式 (4) 。
由于
1.2 系统的稳态指标
库存控制策略往往是根据库存的平均成本最小化原则来设置最优的安全库存水平和仓储水平。系统的稳态指标是构建库存平均成本的关键要素, 根据库存系统的稳态概率分布可得出系统的平均库存水平 (
2 系统优化控制
本文从库存平均成本最小化角度来研究这一随机库存系统的库存管理策略, 就是要设置适当的安全库存水平s和最大仓储水平s+q使得平均库存成本最低。其中库存成本包括库存持有成本、缺货补偿成本以及补货成本。定义如下的成本参数:
CI:单位产品的单位时间库存持有成本
Cls:单位产品的单位时间缺货补偿成本
Cp:单位产品的订货成本 (包括固定的订货成本和可变成本)
因此, 单位时间的平均库存成本Cost (s, q) 为:
假设所有的成本都是外生的, 库存管理员只能通过选择合适的安全库存水平以及仓储水平来管理库存使得成本最小。由于成本函数的复杂性, 很难通过直接求导成本函数Cost (s, q) 获得库存的最优控制策略 (s*, q*) 的解析解。下面采用数值方法研究系统的最优库存管理策略。如图1 (图1是在CI=10, Cls=20000, Cp=10, 以及λ=2, p=0.6, θ=4下绘制的成本函数) 所示, 数值方法显示成本函数是分别关于s、q的凸函数。库存成本函数具有单峰性。对于具有凸性或单峰性的成本函数来说, 一个给定的s, 最小值Cost* (s, q) 是使得不等式C (s, q+1) >C (s, q) 成立的最小的q.根据这一性质, 设计一种有效的算法来寻找成本函数的最小值以及最佳的库存管理策略, 算法的具体步骤如下:
①固定参数值s, 寻找最优的q*, 使得
②在q*s的情况下, 寻找最优的s, 使得
③如果C (s, q*s) =C (s*q, q*s) , 那么 (s*, q*) = (s*q, q*s) ;否则, 置s=s*q, 重复步骤①和步骤②, 直到找到最优解为止。
3 数值实验
下面通过例子对上述算法进行论证, 并讨论考察库存系统的最优管理策略以及系统参数对库存管理策略的影响。考虑如下的两类情况:
(I) 在给定的成本参数下, 研究最优库存管理策略并考察系统参数对库存策略的影响;
(II) 在给定的系统参数下, 研究最优库存管理策略并考察成本参数对库存策略的影响。
表1总结了情形 (I) 的数值试验结果, 可以看出:①随着参数p的增大, 即顾客的需求批量越来越大, 库存成本越来越高, 安全库存和仓储容量也增大;②顾客需求的到达率越来越大, 库存成本越来越高, 且安全库存和仓储水平要求也越高, 但是q没有明显变化;③前置时间越短, 库存成本越低, 要求的安全库存和仓储水平也越低, 但是q的变化很小。由此可知, 应对需求的不确定性 (需求量与需求率) 、产品生产前置期的不确定性, 主要通过设置与之对应的安全库存。
注: 表中的成本参数为CI=10, Cls=20000, C3=10。
注: 表中的系统参数设置为p=0.2, λ=1, θ=2。
由表2可知:①库存持有成本CI增大, 总的库存成本现增大后减少, 安全库存也增大, 但是仓储水平减少了; ②缺货成本增大, 总的库存成本增大, 安全库存和仓储都增大, 但是增加到一定水平就收敛到一个稳定数值, 即当安全库存和仓储水平达到一定水平后, 平均缺货水平趋于零, 缺货成本不再变化;③订货成本增大, 总的库存成本增加, 安全库存降低, 但是仓储水平却增加了。
4 结束语
鉴于实践中需求往往是成批到达的, 本文将需求单个到达的随机库存模型推广到需求批到达的情况, 丰富了随机库存理论。本文研究订货策略 (s, s+q) 下该库存系统的库存管理策略, 通过引入库存水平状态和缺货水平状态并构建了状态转移平衡方程, 推导出库存以及缺货水平的稳态概率分布, 并获得了稳态概率分布的一些重要性质, 这些对于安全库存和订货策略具有重要的参考价值。
进一步, 通过建立单位时间库存成本函数来考察该库存系统的最优管理策略, 设计了一种全局优化算法, 数值试验表明该算法的有效性。通过考察系统参数的敏感性所得统计性质对于库存管理实践具有重要的参考价值。
参考文献
[1] Berman O, Kim E. Stochasuic models for inventory management at service facilities [J]. Stochastic Models, 1999, 15 (4) :695~718.
[2] Schwarz M, Sauer C, Daduna H, Kulik R, Szekli R. M/M/1 queueing system with inventory [J]. Queueing System, 2006, 54 (1) :55~78.
[3] Manuel P, Sivakumar B, Arivarignan G. A perishable inventory system with service facilities, MAP arrivals and PH-service times[J]. Journal of Systems Science and Systems Engineering, 2007, 16 (1) :62~73.
[4] Manuel P, Sivakumar B, Arivarignan G. A perishable inventory system with service facilities and retrial customers[J]. Computers & Industrial Engineering, 2008, 54 (3) :484~501.
[5] He Q, Jewkes E M. Performance measures of a make-to-order inventory-product ion system[J]. IIE Transactions, 2000, 32 (5) :409~419.
[6] He Q, Jewkes E M, Buzacott J. Optimal and near optimal inventory control policies for a make-to-order inventory-production system [J]. European Journal of Operational Research, 2002, 141 (1) :113~132.
[7] Zhao N, Lian Z T. A queueing-inventory system with two classes of customer[J]. Int. J. Production Economics, 2011, 129 (1) :225~231.
[8] Teimoury E, et al. A queueing approach to production-inventory planning for supply chain with uncertain demands: Case study of PAKSHOO Chemicals Company [J]. Journal of Manufacturing Systems, 2010, 29 (1) :55~62.
随机模式 第2篇
【拼音】suí jī yìng biàn
【简拼】sjyb
【近义词】见风使舵、见机行事
【反义词】一成不变、刻舟求剑
【感情色彩】褒义词
【成语结构】偏正式
【成语解释】机:时机,形势。随着情况的变化灵活机动地应付。
【成语出处】《旧唐书・郭孝恪传》:“建德远来助虐,粮运阻绝,此是天丧之时。请固武牢,屯军锼,随机应变,则易为克殄。”
【成语用法】连动式;作谓语、宾语、状语;含褒义
【例子】总而言之,我们做官,总要随机应变,能屈能伸,才不会吃亏。(清・李宝嘉《官场现形记》第四十五回)
【英文翻译】adjust to changing circumstances
【谜语】躲;降落伞
【成语故事】三国时期,吴国大将鲁肃邀请庞统去见孙权。孙权看见庞统浓眉黑脸,心中不高兴,就问庞统有什么特长。庞统回答说:“何必拘泥于某一项本事,顺应时机的变化而灵活应付而已。”孙权没有看中他,让他退下回家。庞统仰天长叹而回。
【成语正音】应,不能读作“yīn馈薄
【成语辩形】机,不能写作“急”。
【产生年代】古代
随机模式 第3篇
吴文俊的数学世界
吴文俊小学时成绩平平,也没有显示出独特的数学才华,初中时数学甚至得过零分,高中时最喜欢的是物理而非数学,但他从小就对读书有浓厚兴趣,初中时国文成绩一直不错,尽管高三时物理得了满分,但教物理的赵贻经老师却看出了他的数学潜力,力荐他入数学系。正始中学决定,吴文俊必须报考数学系,才能得到每年一百块大洋的奖学金,加之他父母又不放心独子离开上海,吴文俊就进入了上海交大数学系,所谓“知之不如好之,好之不如乐之”,吴文俊向来是以兴趣为先导来读书的,因为他对物理有兴趣,甚至一度想要转系。是大三时教数学的武崇林老师帮助他摆脱了专业上的困惑,使他认识到数学的巨大魅力。
阅读与答题
1.勾画如文中。下同,略。
2.随机整合的三处:报数学系的原因;转系的原因;个人爱好的表现。
3.试题:(1)A.在上海交大读书期间,吴文俊因为对数学不感兴趣,曾一度想转到物理系,后来遇见一位高明的数学老师武崇林,他才打消了转系念头。
4.对应的文本信息,参见加底纹的文字。下同,略。
5.文本中的“最喜欢的是物理而非数学”和选项中的“对数学不感兴趣”有出入。“对数学不感兴趣”,相对于物理而言勉强说得过去。所以A项只能赋1分。
1940年,吴文俊从交大毕业,先后在育英中学、培真中学担任数学教员,直到1946年见到了影响他一生的恩师陈省身,他才由一个普通的中学数学老师成为数学研究所的专业研究员。对于吴文俊的数学研究,他的学生高小山总结说:“吴先生做拓扑研究,一下子就能抓住核心问题,为代数拓扑学的兴起作出了影响深远的贡献。他从事机器定理证明也是这样,极其敏锐地看出了信息时代数学的发展趋势,他的研究受到中国古代数学的启发,汲取了中国传统数学的养分。使用吴先生的方法,几乎所有数学定理的证明,都可以由计算机来完成,从而让人类把精力放到更加宏观的层面上去思考问题。”
阅读与答题
1.随机整合的三处:研究的特点、研究的背景、研究的影响。
2.试题:(1)B. 吴文俊清楚地看到信息时代数学的发展趋势,受到中国古代数学的启发,提出了用计算机实现数学定理证明的方法,作出了影响深远的贡献。
3.该项是最恰当项,但是部分考生有误判,认为“作出了影响深远的贡献”是针对代数拓扑学,而又忽略“几乎所有数学定理的证明,都可以由计算机来完成”和“让人类把精力放到更加宏观的层面上去思考问题”的存在。
对吴文俊来说,虽然最初选择数学是被动的,但综观其一生,数学已逐渐成为他生命的一部分。从事数学研究,吴文俊特别强调数学思维。他说:“要创新,就要独立思考,就不能总是跟着人家亦步亦趋,当然开始的时候参考借鉴也是必要的,牛顿就说过,他之所以获得成功,因为他站在巨人的肩膀上,才能看得远,所以不能忽略学习,可是除了学习之外,还要能够独立思考,这是创新的必要条件。现在摆在中国面前的是,数学就要靠下一代、下下代在创新方面取得巨大成功,中华民族才可以得到复兴。”吴文俊自己的经历就是很好的例子。他在数学上的一系列成就,特别是他运用机械化思想来考察数学,发现了数学的不同侧面,并建立了新的模式,这全面得益于他的独辟蹊径。
阅读与答题
1.随機整合:吴文俊的创新观和学习观;吴文俊看待中国数学研究领域的主要问题。
2.试题:(1)C.文俊能够清醒地认识到中国数学研究领域存在的主要问题,期待着未来的中国数学家开拓创新,取得巨大成就,从而实现中华民族的复兴。
3.该项错误。从文本“中华民族才可以得到复兴”看,创新是复兴的必要条件;从选项“从而实现中华民族的复兴”看,创新成为了复兴的充分条件。至于“能够清醒地认识到中国数学研究领域存在的主要问题”则不是“无中生有”。
对我国的数学基础教育,吴文俊也颇有心得。我国中学生多次在国际奥数竞赛中获奖,被当作我国数学教育成功的证明,但吴文俊更赞同丘成桐的观点:“奥数应该是一种建立在兴趣之上的研究性、高层次学习,中国的奥数学习过分关注海量题目,直接与考试、竞赛挂钩,对系统学数学不利。作为基础学科,应着重引导学习的兴趣,不应当过分追求功利。”吴文俊同样清醒认识到:“竞赛获奖固然可贵,但也不能看得过重,因为它不能代表学生对数学的深度理解,也不能有效地训练数学思维。”他认为,数学教育更重要的是培养数学的思维方式。
阅读与答题
1.随机整合:吴文俊的基础数学教育观;吴文俊怎样评价中国奥数学习。
2.试题:对我国的数学基础教育,吴文俊有哪些心得?请结合材料简要概括。(6分)
3.该题考查范围明确。只是文段正面写怎样看待奥数学习之缺憾,侧面写吴文俊的基础数学教育观——进行系统学习,进行兴趣学习,进行思维学习。
有人曾揶揄数学家迂腐,吴文俊不但不迂腐,而且兴趣广泛,内心充满童趣,他说:“我是个想怎样就怎样的人,想玩就玩,想工作了就会安安静静地工作,从不多想。”他喜欢看电影、读历史小说,也喜欢看围棋比赛。老伴说他“贪玩”,他却说:“读历史书籍、看历史影片,帮助了我的学术研究;看围棋比赛,更培养了我的全局观念和战略眼光。”
阅读与答题
1.随机整合:吴文俊的兴趣及其意义。
2.试题:(2)吴文俊的数学研究为什么能够取得创造性成果?请结合材料简要分析。(6分)
nlc202309091343
3.成果取得的原因:全局观念和战略眼光。
吴文俊37岁时就获得了国家自然科学一等奖,四十多年后,他再次获得国家最高科技奖。如此长的学术生命,在数学界是非常罕见的。当记者提出疑问时,吴文俊反问道:“我为什么不能保持这么长的学术生命?”在他看来,学术生命是能够终生保持的,很多人做不到,那是他们自己的问题,应该自我反省。他特别强调研究数学要下扎实的工夫。他说:“外国许多数学家,尽管有的我非常佩服,可是我并不认同他们靠所谓巧思妙想研究数学的办法。应该根据客观实际具体分析,一切以事实为主。这是我主要的想法。”
阅读与答题
1.随机整合:吴文俊的兴趣及其意义。
2.试题:(2)吴文俊的数学研究为什么能够取得创造性成果?请结合材料简要分析。(6分)
(1)D.外国不少数学家只靠巧思妙想研究数学,尽管名气很大,吴文俊卻并不认同他们的研究成果,而是坚持用自己以客观为主的方法研究数学。
3.成果取得的原因:研究数学要下扎实的工夫。
至于D项则是对“我并不认同他们靠所谓巧思妙想研究数学的办法”的曲解。
相关链接
①1974年,吴文俊转向中国数学史研究,从中得到启发,开创了具有中国传统数学特点的数学机械化之路。他提出的“吴方法”,继承和发扬了中国古代数学基于“计算”的传统,与通常基于逻辑的方法根本不同,首次试想了高效的几何定理自动证明。国际机器证明研究领域的权威人物穆尔说:“在吴文俊之前,机械化的几何定理证明处于黑暗时期,而吴的工作给整个领域带来光明。”(黄婷、邱德胜《数学大师:华罗庚、陈省身、吴文俊》)
②一般说来,吴教授的工作,都是独辟蹊径,不袭前人,富有创造性的。(陈省身为吴文俊颁发杰出科学家奖时的评语)
阅读与答题
1.随机整合:同行评价。
2.试题:(1)E.吴文俊在拓扑学、机器定理证明、数学机械化等领域都取得了很多独创性成果,获得了国际数学界同行的高度认可与评价。
3.该项符合同行评价实际。
涉及全篇的探究题:(4)作为一位杰出的数学家,吴文俊对物理学、文学艺术等也有广泛的兴趣。请结合材料,就兴趣广泛与专业研究的关系进行分析。(8分)
审题:“兴趣广泛与专业研究的关系”是最关键词,而“兴趣广泛”表现在“对物理学、文学艺术等”;“兴趣广泛与专业研究的关系”不是文本集中表达的对象,却像星星一样洒满天空,我们就要发现这“星星”。
筛选信息(文中勾画)随机整合:喜欢物理学,让他获得一种观照数学的特殊视角,运用机械化思想来考察数学;他喜欢阅读历史书籍,让他了解中国古代数学,获得启发,汲取养料,继承和发扬了中国古代数学基于“计算”的传统;看围棋比赛,更培养了他的全局观念和战略眼光;阅读文学书籍,让他保有生命活力,保持恒久不衰的科研生命力。
启示:该题考查考生逻辑思维能力和综合学习能力,没有逻辑思维能力,就没有信息的有效整合,没有综合学习能力,就不能化零为整,如此规范呈现。
[本文系河南省基础教育教研2014年河南省结项课题“高中语文新课程课堂有效教学的研究”(课题编号:JCJY130115056)推介性成果]
(编辑:李跃)
随机模式 第4篇
最近几年来花式纱线总的是在向复合型无规律性方面发展。复合型即多种色彩及多种造型组合, 除了多原料多色彩组合外, 再加上独特造型设计, 如平行纱、大肚纱、圈圈纱、竹节纱、波纹纱等的交替使用;无规律性则是花式纱线花型的大小和长短在设定的范围内无规律的变化。花式纱线的花型的大小主要是由饰纱的速度决定的, 而花式纱线花型的长短主要受由饰纱的时间影响。
2 随机模式的设计
花式纺纱机计算机控制系统按随机模式运行时, 是由上位机软件分别将时间和速度的最大值和最小值发送给下位机, 并通过下位机控制运算产生随机数来控制花式纺纱机运行。但在实际生产过程中, 由于下位机要时时处理数据, 在时间上会产生一定的误差, 影响纱线的质量, 如果由上位机时时向下位机发送随机数值, 由于传输的延迟, 导致时间会不同步, 同样也影响纱线的质量。因此为了保证纱线的质量, 必须设置一种新型的随机模式运行方式, 既不能增加下位机的工作量, 也要避免由于传输而引起的时间延迟。
2.1 随机模式的原理设计
花式纺纱机控制与工艺管理系统是一种由电脑控制, 通过CAN总线控制纺纱机运行的控制系统。由于电脑处理数据较快, 因此随机模式的算法完全是在电脑上实现的, 然后将生成的随机数据一次性发送给下位机, 再通过下位机控制纺纱机运行。
在图1研发界面A区的数据模式中选择随机后, 时间栏和速度栏会分成两列, 只要将时间和速度的最大值和最小值设定好, 系统就会自动选择随机数运行。
本过程主要分三大块进行数据解析:
第一次解析后数据。将时间 (分, 秒, 小数秒) 转换为小数秒的形式。小数秒为0.1s, 即100ms;
第二次解析后数据。根据组时间将时间随机模式转换为固定时间模式;将速度随机转换为固定速度模式;
第三次解析后数据。将段调用的纱线批号对应的数据加进来。
这样不仅可以实现随机模式, 而且还可以实现随机模式与固定模式兼容, 真正意义上实现了自录入模式、固定模式、随机模式和调用已有数据模式的完善组合。
2.2 数据验证
2.2.1 解析数据
我们按随机模式发送一组数据, 在VB程序中的立即窗口中会反馈如下信息:
解析前数据 (画面数据)
第一次解析后数据[将时间 (分, 秒, 小数秒) 转换为小数秒的形式。]
第二次解析后数据 (根据组时间将时间随机模式转换为固定时间模式)
第三次解析后数据 (将段调用的纱线批号对应的数据加进来)
这三次解析过程完全按照我们的原理设计进行的, 实现了自录入模式、固定模式、随机模式和调用已有数据模式的完善组合。
2.2.2 数据编译
数据编译也分为三步进行, 首先判断运行模式是否是随机模式, 若是随机模式, 则将随机数据自己编译到900段换算成固定模式, 若不是随机模式, 数据保持不变;第二, 将所有段时间数据都转换成小于255的数据然后发送给下位机;第三, 格式化当前变频器和步进电机的数据。将随机数据发送后, 在VB程序中的产即窗口会反馈如下信息:
编译成可运行数据——开始。
编译后数据 (如果是随机模式, 那么补足成5000条数据, 否则不变)
第二次编译后数据 (将随机模式转换为固定模式)
第三次编译后数据 (将所有段时间数据转换为小于等于255的数据)
第四次编译后数据 (格式化变频器及步进电机的数据)
编译后数据
2.2.3 数据校对
在纱线研发界面中我们发送一组随机数据 (以速度为例) , 时间为1s, 速度的最大值为2000, 最小值为1000, 将这组数据保存下来, 然后重新打开研发界面, 调用保存的这组数据, 右键查看“调试被调用的纱线数据”, 得到的数据如图2所示:
采用这种运行模式来实现随机效果, 不仅可以减小下位机的工作量, 保证控制系统的长期稳定运行, 而且还可以保证时间的准确性, 保证正常运行过程中的产品的质量。
3 开机和关机程序的设计
由于各罗拉负载的不同以及锭子惯性的不一, 在开机和关机过程中不能同步运行, 导致生产的产品质量达不到要求。因此要想保证开机和关机过程中的生产质量, 必须解决同步问题。同时, 在纺制花式纱线时, 由于花型变化较多, 为保证产品的质量, 必须要保证开机和关机过程中生产的产品与正常运行时生产的一样。因此在设计开机和关机程序时必须考虑以下两个问题, 各运转部件的同步和保证花型的质量。
3.1 各运转部件间的同步
在实际纺纱过程中, 锭子由于惯性的影响, 以及各罗拉需要达到的速度不同, 在开关机过程中, 无法实现他们之间的同步, 导致纱线的花型和长度发生变化, 影响了纱线的质量。为了使锭子和各罗拉同步, 我们将开关机设为阶梯型的增减速模式, 由于阶梯型的开关机模式分的阶梯较多, 因此每两阶梯之间速度变化很小, 它们完成变速的过程所用的时间也很短 (经我们测试, 当速度开满时, 变速时间为0.1ms, 而每个阶梯要运行3.125ms, 这可以将变速时间忽略不计) , 而每一个阶梯都保持运行一段时间后再运行下一个阶梯, 这样就可以保证变频器与各罗拉在每个阶梯中都能保持同步, 整个开关机过程中变频器和各步进电机也会同步。
具体实现方案如下:将开关机过程分为3200个阶梯, 每个阶梯为3.125ms, 开关机过程总共10s完成。为了方便介绍, 将变频器的正常运行的频率设为a (Hz) , 一号罗拉正常运行时的速度设为V1, 二号罗拉正常运行的速度设为V2, 设他们都是从第K个阶梯起动, K取大于5000/a的最小整数。这样在开机过程中, 变频器的速度分别为aK/3200, a (K+1) /3200, a (K+2) /3200……a, 一号罗拉开机过程的速度分别为K V1/3200, (K+1) V1/3200, (K+2) V1/3200……V1, 二号罗拉开机过程的速度为K V2/3200, (K+1) V2/3200, (K+2) V2/3200……V2了。这样既可以避免低离心率的影响, 又可以解决变频器和步进电机间的不能同步的问题, 保证开关机过程中纱线的质量。
3.2 保证花型的质量
设某一组数据的实际运行时间为T0, 速度为V0, 在开关机过程中需要运行时间T1, 开关机过程中每段运行的时间为T, 为了保证开关机过程所纺的花型长度与正常运行时的一样, 列出如下公式:
经推算得, 10s的开关机过程中相当于正常纺纱的5s, 因此将T0分别取0.1、0.2……5.0代入可求得T1的数据, 如表1所所示。
注:T0:正常运行的时间 (s) T1:开机过程所需要运行的时间 (s) 。
由于公式 (1) 中的V0可以左右两边同时约掉, 因此在计算时, 可以不用考虑速度的大小, 这样在算后面几组在开关机过程中什么时候完成时, 也方便了许多。以图3的参数分析下开机过程中的运行情况。
注:主机速度控制变频器的转速, 在界面中1~255对应变频器的频率是0.20Hz到50.00Hz, 输入80时, 对应15.63Hz;输入罗拉和输出罗拉是由步进电机控制器的, 步进电机的转速等于界面中的数值除以10, 可精确到0.1转/分;在段时间栏中的“0.1”代表0.1s, 即第一段输入时间“6”代表0.6s。“ss”代表“秒”, “mm”代表“分钟”。
4 结语
在上位机软件界面中输入时间和速度的范围值, 系统就会在所输入的范围内随机取值并发送给控制系统运行, 这样就可以保证花型的大小和长短在设定的范围内随机运行。同时为了解决因数据传输而导致的时间延迟, 我们将随机值一次性取完, 并一次性发送给下位机运行, 这样不仅保证随机模式的正常运行, 也保证时间的准确性。同时加入新型的开机和关机算法, 保证各运行部件的同步运行, 保证产品的质量。
摘要:无规律是花式纱线的主要发展趋势之一, 这就要求现有的控制系统具有随机模式的功能, 但随机模式却存在不能保证开机和关机过程质量的问题。现就对随机模式进行改进, 并与新型的开机和关机算法相结合, 这样既可以实现随机模式, 生产无规律的符合要求的花式纱线, 还可以保证产品的质量。
关键词:花式纱线,开关机算法,随机模式,设计
参考文献
[1]杨振和, 周群妾, 陈丽华.随机信号发生器在纺织工业中的应用[J].江苏纺织, 1994, (9) :36-38.
[2]张大鹏, 汤元会, 任学勤.花式纺纱机计算机控制与工艺管理系统[J].毛纺科技, 2007, (6) :59-61.
[3]陈永刚.嵌入式纱线张力控制系统研究[D].苏州:苏州大学, 2006.
[4]张凤梧.花式纱线计算机模拟的研究[D].杭州:浙江大学, 2006.
随机模式 第5篇
前几天我部门一个和银行对接的项目中出现了业务Id重复的现象,导致了很多之前不可预见的bug,由于该项目有资金流动,涉及到金钱交易,故不敢有任何闪失。于是leader把同事写的Handler.ashx.cs发给我瞧了瞧,其中的一处流水号生成代码引起了我的注意。代码如下:
string[] str1 = new string[] { “A”, “B”, “C”, “D”, “E”, “F”, “G”, “H”, “I”, “J”, “K”, “L”, “M”, “N”, “O”, “P”, “Q”, “R”, “S”, “T”, “U”, “V”, “W”, “X”, “Y”, “Z” };
string[] str2 = new string[] { “a”, “b”, “c”, “d”, “e”, “f”, “g”, “h”, “i”, “j”, “k”, “l”, “m”, “n”, “o”, “p”, “q”, “r”, “s”, “t”, “u”, “v”, “w”, “x”, “y”, “z” };
string[] str3 = new string[] { “0”, “1”, “2”, “3”, “4”, “5”, “6”, “7”, “8”, “9” };
Random r = new Random;
int s1 = r.Next(0, str1.Length - 1);
string a1 = str1[s1];
r = new Random();
int s2 = r.Next(0, str2.Length - 1);
string a2 = str2[s2];
r = new Random();
int s3 = r.Next(0, str3.Length - 1);
string a3 = str3[s3];
string lsh = a1 + a2 + a3;
由于交易有可能中途失败,所以每次重新交易的时候,订单号是不变的,但是会重新生成流水号。也就是说在交易开始的时候生成固定订单号,到最终交易结束,这一个业务流程有可能一次性成功,有可能重复多次才能成功,毕竟交易有可能第一次就失败,也有可能连续失败好几次。
业务Id=交易订单号+流水号,其中订单号预留9位,流水号规定为3位由大小写英文字母和数字组成的随机字符串。由于订单号是固定且唯一的,那么只要保证生成的流水号是唯一的就能够保证业务Id是唯一的。不过流水号的唯一性的适应范围是依赖订单号的,类似于根据订单号分组,然后每一组里面的流水号不能重复。
于是我又急急忙忙问了维护该项目的同事,按照以往惯例,一笔交易最多失败多少次才能成功,同事说最多不会超过10-12次吧。那么也就是说同一个订单号最多也就生成12个流水号,而由大小写英文字母和阿拉伯数字组成的三位随机字符串最多有238328种。但是再看前面同事的代码可以看出,同事生成的随机字符串组成方式是[ 大写英文字母+小写英文字母+阿拉伯数字 ],而按照这种固定的组合方式,最多只能生成26*26*10=6760种三位随机字符串,显然重复概率偏大。
然后再瞧一瞧上面的代码,可以看出同事是使用与时间相关的默认种子值,初始化 Random 类的新实例。并且实例化了3个Random对象,很显然3个Random对象极有可能会产生一模一样的随机数。默认情况下,Random 类的无参数构造函数使用系统时钟生成其种子值,而参数化构造函数可根据当前时间的计时周期数采用Int32值。 但是,因为时钟的分辨率有限,所以,如果使用无参数构造函数连续创建不同的 Random 对象,就会创建生成相同随机数序列的随机数生成器。
经过了这么一分析,显然这种生成三位随机字符串的方式存在极大的重复隐患。由于博主一贯主张在公司干活的首要目标是快速解决问题,于是博主决定先去网上找一找,看看有没有比较通用靠谱的代码。但是几近波折,发现大多不如意,好吧,抡起袖子自己造轮子吧!
二、技术实现
1、Random 类是伪随机数生成器,伪随机数是以相同的概率从一组有限的数字中选取的。 所选数字并不具有完全的随机性,因为它们是用一种确定的数学算法选择的,但是从实用的角度而言,其随机程度已足够了。但是针对上述场景用起来总觉得随机性偏弱,于是博主在MSDN有了新的发现,发现了一个可以生成强随机数的类:RNGCryptoServiceProvider。该类可以使用加密服务提供程序 (CSP) 提供的实现来实现加密随机数生成器 (RNG),显然随机性要大于Random类。
private int GetRandomInt(int maxValue)
{
if (maxValue < 0)
{
throw new ArgumentOutOfRangeException(“maxValue”, “maxValue 小于零。”);
}
S_rng.GetBytes(S_buffer);
int value = BitConverter.ToInt32(S_buffer, 0);
value = value % (maxValue + 1);
if (value < 0) value = -value;
return value;
}
2、同事既然把生成随机字符串的方式固定为[ 大写英文字母+小写英文字母+阿拉伯数字 ],显然这样子不对,还可以有诸如[ 大写英文字母+大写英文字母+大写英文字母 ]、[ 大写英文字母+阿拉伯数字+大写英文字母 ]等等其他组合方式的,
也就是数学里面的组合,从n个不同元素中任意取出m个元素进行组合,允许组合内有重复元素,比如生成4位随机字符串就是[ 大写英文字母+小写英文字母+阿拉伯数字+阿拉伯数字 ]。
为了便于支持多种数据类型的元素进行可重复组合,采用泛型。
private void GetAllCombination
{
if (index == 0)
{
foreach (T value in array)
{
buffer[0] = value;
T[] tmp = new T[buffer.Length];
buffer.CopyTo(tmp, 0);
int l = tmp.Length;
for (int i = 0; i < l / 2; i++)
{
T t = tmp[i];
tmp[i] = tmp[l - i - 1];
tmp[l - i - 1] = t;
}
values.Add(tmp);
}
}
else
{
foreach (T value in array)
{
buffer[index] = value;
GetAllCombination(values, array, buffer, index - 1);
}
}
}
private List
{
List
T[] buffer = new T[m];
GetAllCombination(values, array, buffer, m - 1);
return values;
}
3、为了保证RandomString类的同一个实例对象生成的随机字符串都是唯一的,博主特意在内部弄了一个容器,并且加锁以支持多线程访问。
///
/// 生成一个由大小写英文字母和数字组成的随机字符串
///
///
public string Next()
{
while (true)
{
string indexType = CombinationType[GetRandomInt(CombinationType.Count - 1)].Item2;
string randomString = string.Empty;
foreach (var item in indexType)
{
randomString += GetRandomChar(item.ToString());
}
lock (this._lockObj)
{
if (!this._listRandomString.Contains(randomString))
{
this._listRandomString.Add(randomString);
return randomString;
}
}
}
}
4、扩展属性
///
/// 随机字符串的位置组合信息
///
public List
///
/// RandomString对象实例最多可以产生的随机字符串
///
public int Count { get; private set; }
三、结语思考
以上关键代码均以贴出,博主也只是阐述自己的思考方式,借助此文抛砖引玉,希望得到大家指点。由于组合用的是递归算法,则必然导致性能低下,可否有大神还有其他方式进行优化?
随机“映”变 第6篇
此处介绍的这款DELL 3400MP投影机是一款掌上型的投影机产品,由于采用了紧凑的DLP核心引擎,机器仅重1.1公斤,体积也很小巧,可以轻松的装入背囊,如果配合一台轻薄型的商务笔记本电脑,比如IBM的Thinkpad X31,整套外出演示“装备”甚至不足3公斤。3400MP还配备了一个便携包,可以把机器连带线缆,配件一并装入。
高效率的商务拜访花上几分钟来调整画面的形状显得有些奢侈,可是画面歪七扭八肯定会影响演示效果,还显得对观看者不尊重。没关系,3400MP支持自动梯形校正功能,你所做的就是把投影机正对屏幕,画面投射到你需要的高度,它可以根据摆放的姿态自动调校投射屏幕的上下边长,保证投射的屏幕是一个较为规整的矩形。
别以为小就意味着省略,3400MP的镜头还提供了光学变焦,你可以方便地缩放画面大小,如果能提供广角镜头就好了,不过对于小规模的商务演示来说,也不需要很大的画面尺寸,所以不是什么大问题。
尽管DELL 3400MP出奇的紧凑,但是并没有省略该有的功能。它提供了S端子和复合视频接口,视频输入,甚至还有音频输入输出。这当然可以为你的商务演示提供方便,不过恐怕更吸引人的地方在于晚上回到家,连接上一台DVD播放器,体验一下家庭影院式的大画面放松一下疲惫的身心。
3400MP的遥控器会成为你演示的好帮手。遥控器的前端有一个激光指点器,能使演示更轻松。除了常规对投影机的操作,它还可以用线缆将投影机与你笔记本电脑的USB口连接起来实现鼠标的所有功能,包括翻页功能。
投影机的亮度很大程度上决定了它对使用环境的要求,亮度越高,对环境光线的要求也就越低,就可以在更亮的环境中使用。3400MP在保持很好的图像效果的前提下,实测亮度超过1300流明,最高亮度输出则超过了1500流明。对于一款小型机能达到这样的亮度还是不错的,在画面尺寸不大的情况下,灯光充足的室内使用也基本可以应付了,当然如果能够关闭部分灯光或在比较昏暗的室内,投影效果会更好。它使用DLP光学引擎,色彩的饱和度表现略欠一些,这主要是由于对绿色浓度稍浅造成的。不过对于普通的商业应用不会有什么大的影响。我们感觉3400MP的色彩还是很均衡的,没有明显的偏色,过渡也比较流畅自然,较高的对比度令画面反差鲜明。
把DELL 3400MP放进公文包上路吧,甚至可以揣进大衣口袋。有了它,移动商务人士每天的工作会变得轻松许多,而收获却会更多。
DELL 3400MP投影机
优点:轻巧便携
缺点:不具备广角镜头
参考价:18999元
厂商:戴尔计算机(中国)有限公司
电话:800-858-2920
网址:www.dell.com.cn
测试结果
重量:1.10Kg
平均亮度▲:1323流明
色彩饱和度▲:56.21%
亮度不均匀性:1.59(中心)1.83(角落)
随机模式 第7篇
一、互联网+与传统教育瓶颈
当前, 互联网+已成为一个热词, 各行各业都在探索着各自领域与互联网+结合的可能性和方法。那么究竟什么是互联网+呢?它的出现又给传统教育革新带来了哪些契机呢?
对于什么是互联网+, 腾旭董事长马化腾给出了一个简单的定义:“互联网+是以互联网平台为基础, 利用信息通信技术与各行业进行跨界融合, 推动产业升级转型, 并不断创造出新产品、新业务与新模式, 并构建连接一切的一种新生态”。
那么作为一种新生态的互联网+具有哪些特点呢?首先是普遍连接所带来的空间距离的消失。马化腾曾直言不讳的指出互联网+的基础是便捷、无限的“连接”。“连接, 是一切可能性的基础。未来, 互联网+生态将构建在万物互联的基础上。”而这种连接也为互联网+带来了传统行业无法比拟的优势, 就是资源的共享与实时交互。其次, 互联网+使个人主体性被极大地凸显。互联网的连接是以人为单位, 是一种“细胞级”的连接。这种连接一方面使组织管理扁平化、高效化, “代表着以人为本、人人受益的普惠经济”;另一方面使个人的创造性得到了彰显。
总体来说, 教育要与时代环境和需要相适应。我们当前流行的课堂教育是第一次工业革命后的产物, 并在第二次工业革命中得到了加强和推广。它满足了社会对于大量具有专业技术能力的人员的需求, 但却忽视了对受教育者个性和创新精神的培养。因此, 当前的教育表现出许多难以突破的瓶颈, 其主要弊端表现在: (1) 教育资源的不均衡。由于空间的阻隔, 地区经济和文化发展的不均衡, 优质教育资源向某些大中城市集中, 最终结果是教育质量差距日益拉大。 (2) 教育的非民主化。即教学难以相长, 教师长期处于教学活动的核心地位, 学生被动的围绕着教师在学。 (3) 教育的平庸化。即个性化不够, 个性得不到表达, 每个人的潜质难以发挥。传统的课堂教育讲究标准化, 尽管上世纪以来也开始注重个性化, 但在传统课堂教育中教师很难照顾到每一位同学。
由此可见, 互联网对个性的突出、尊重和对大众创新精神的释放正是传统教育所欠缺的。我们有理由运用互联网的这一特点, 改革传统教育的弊端, 推动我们的教育向尊重个性和创新性的方向发展。
二、在线教学的基础———知识地图与微视频制作
从教育模式上来说, 互联网+对教育的最大影响就是提出了线上教育的概念, 从而改变了单一的课堂教学模式, 并且也为发挥学生学习的主动性提供了可能。
目前大学中基于互联网的教学模式主要是慕课。但通过实践我们发现慕课还未对传统的课堂教学构成真正的“威胁”。因为现在的慕课教学缺少教师对学生的有效管理和控制, 除了个别大学中对在校生收费课程的管理外, 学生的学习基本处于自由状态, 因而影响了教学效果。于是慕课教学走向后慕课时代, 各种对慕课模式的修正不断出现。
我们在“应用随机过程”课的实践中逐渐发现, 录制微视频, 发挥学生的学习自主性, 以及构建一种线上线下、作业进阶、在线辅导多环节循环的模式是发挥在线教育优势的较好模式。而在这种教学模式中, 作为关键点的第一步就是要打破传统的章节式知识点布局, 以空间网络互连的方式重新编排知识地图, 并以知识点作为基础录制微视频。
“应用随机过程”课是一门面向全院工科学生讲授的公选课。在传统的教学中我们发现一些难以克服的矛盾。比如有些专业的学生对其中有些内容如马尔科夫链很感兴趣, 而另一些学生则对泊松过程更关注, 认为其对今后在工作中解决实际问题有帮助。为此我们首先对课程的教学内容进行了重新梳理, 设置了三级知识目录。然后在此基础上我们提出组合教学理念, 即重视知识点之间的联系, 把他们编织成网。在这张知识大网上我们确定一些关键的知识节点, 将其作为枢纽, 这些知识点和知识模块在互联网在线教学的条件下可以自由组合, 从而达到满足学生个性化需要的目的。
在此基础之上, 我们以知识点为核心录制微视频。微视频不同于以往翻转教学那样完整地录制一堂课的教学过程, 而是以知识点为核心, 一般一个视频片段只讲解一个知识点。总结来说, 我们所实践的微视频具有如下特点:首先课程录像更为短小, 因此有国外教育辅导机构将其称为碎片化教学;课程录像一般基于知识网络图中的知识点录制。对于一些较大的知识点可以根据学生学习的状况和情况, 再分散录制成不同的视频片段。这样的好处是避免了以往的课程录像只是课堂教学实景的翻版的弊病。而通过微小视频的录制可以让学生弄懂每一个微小的知识点, 学完就练, 就消化。学生可以自己选择学习的次数和频度, 对于一些学生可以直接略过, 另一些学生则可以认真学习。其次, 在录像中应考虑到网络视频与实际课堂教学对吸引受助者不同的观感和技巧。如在录制视频时教师可以不出现在画面中, 用白板展示、动画、图片、手写推导等方式完成, 甚至可以辅以背景音乐。第三, 与实际的教学不同。每个知识点后面都可以辅以练习, 这样可以做到练习与知识的无缝融合, 边学边练, 使每一个细微之处都得到了练习。而不是以往的课后总练, 但内部细节却没有得到练习。
由于微视频的上述特点, 使其便于学生的学习和操作, 不仅通过组合的方式满足了学生不同的专业需要和个性发展需要, 还为真正的自主学习提供了有利的保障。
三、在线教学的关键———自主学习与互动交流
微视频的录制只是准备, 在其之后是以学生为主的自主在线学习。这里的在线学习是自主而不是自由, 更不是散漫学习。在这里我们尝试通过提供学习计划指导、在线的实时交流互动和进阶作业来保证自主学习的效率。
首先, 我们需要制订一个完整的学习计划和学习日程表。这包括在一开始就将本课程的知识网络地图和知识模块的组合方式告诉学生, 让他们有一个宏观的把握。更重要的是让他们了解、掌握以在线教学为核心的学习模式, 自觉地把自我学习作为课程学习的核心。通过上述充分的准备以确保学生自己控制自己的学习节奏和进度, 更与自身的实际需要相契合。
其次是要注意在整个过程中要淡化教师的干预, 消解传统课堂中位于中心位置的教师的影响, 让学生主动学习, 其基本模式是先学后练。在传统的教学条件下, 学生的学习资料有限, 局限于课本、参考书。但根据实验表明, 如此条件下学生的学是一种初始状态的自学或叫预习。在以在线学习为主体的学习模式中学生的先学不是自学, 更不是预习, 而是在多媒体教学材料的指示下有组织的学。实际上, 我们通过学生的反馈可以看到, 这种先学后教的模式更像是两个教的过程:第一个教是视频在教学生, 第二个教是教师在课堂上针对重点的教。前面的教是初步的, 教基本知识, 概念公式原理。
第三, 我们在经典翻转教学模式下突出强化在线互动的地位和作用。在普通翻转课堂中, 主要有两个环节, 一是课前学习, 二是课堂教学。有些改良的翻转教学也会有一个课前问题处理的环节。但在非在线教育的模式下, 这一环节更像是一个作业批改环节, 没有发挥出它应有的作用和地位。在以互联网+为基础的在线教育中, 学生与学生之间、学生与教师之间在技术上实现了即时性在线和通话的功能, 因此学生在自学之后, 迅速进入一个实时在线交流的平台不仅可以让学生疑惑和思考的问题得到快速解决, 还可以让学生之间产生分组讨论的可能, 促进学生之间协同学习能力的提升, 同时也便于教师观察每一位学生的知识掌握程度, 和学生一对一的单个交流。
第四, 练习和课堂讲授环节。在课堂讲授环节一般的翻转课堂是把其作为课前作业评讲和答疑的环节。但在以在线教育为核心的教育模式下, 课前的问题大多集中在在线互动环节完成。而在课堂上, 我们拟安排教师做本课程前沿和拓展知识讲授。这样在线的学习达到学习基本知识、原理的目的, 在线互动完成能力训练的任务, 课堂讲授完成知识拓展的任务。
总体来看, 高校采用以在线教育为核心的教育模式可以在保证学习效果的基础上扩大学习规模, 可以提高学生的学习主动性, 免除教师维护、组织教学的时间和精力消耗。学生可以自己选择自己需要的知识, 对已经熟悉或不需要的知识忽略而过。知识可以向积木一样自由地搭配组合, 以便形成支撑自己需要的知识支柱, 同时课程也具有了更高的灵活性。
参考文献
[1]马化腾.关于以互联网+为驱动, 推进我国经济社会创新发展的建议[Z].2015年3月15日人代会提案.
随机模式 第8篇
基于此教学模式,在高中信息技术“实践优先,小组参与”模式的基础上,探讨随机进入教学在其中的组织形式和实施步骤。
一、确定主题,小组间随机进入子主题
确定本节课主题,运用适当的情境 教学,例如任务驱动法、提问法等引出主题,从不同的侧面和角度分解主题,分为两个或多个自主题。例如在《网络中数据的传输过程》这一章节里,如何描述数据传输,让学生能够深刻理解数据传输的过程,可将这个主题从视频解释、模拟实验的角度来理解,分为两个子主题。学生选择子课题,然后分成两个小组进行讨论交流。各子课题的难易程度最好相当。高中信息技术选修教材理论性内容较多,教师可将内容从不同角度和侧面细分为几个子主题,主题间保持平衡,学生随机分成若干组,各组推选组长,组内讨论活动计划、具体分工。
二、独立探索,小组内自主学习
自主学习是以学生 作为学习 的主体,通过学生 独立地分析、探索、实践、质疑、创造等方法来实现学习目标。在学习探究过程中,学生可通过文献资料、模拟实验、录像演示等途径自主学习相关子课题。例如在《网络中数据的传输过程》这一章节里,模拟实验的主题小组可以通过软件模拟网 络中数据 如何在OSI或TCP/IP层中的传输过程。在 此过程中,学生可能 会碰到许多问题。小组随即思考问题、解决问题,直观地得出相应结论,加深对此类 现象和问 题的印象。 小组内各 个成员互相交流沟通,从不同侧 面加深对 子课题的 认识与理解。
三、小组协作,生成小组内评价成果
小组协作主要是出于克服传统教学存在的弊端,改革课堂教学,提高教学效率的需要。它将社会心理学的合作原理纳入教学之中,强调人际交往对于认知发展的促进功能。小组内各成员的目标是一致又是分散的,一致性表现在必须面对本小组的主题,弄懂和学会、理解此主题内容;分散性表现在遇到随机出现的问题时,无论是理解上的问题,还是实际操作上的问题,一个人的力量是有限的,需要通过小组团结协作来解决。生成小组内的评价成果时,要注意评价的形式和表现形式,可以设想由教师在课前制作网站式评价标准,标注特别需要理解的批注和操作说明。学生在操作或观看演示结束后填写提交相应的描述或步骤,加深理解本节课的主题思想。
四、再次进入,全面理解主题
随机进入教学策略强调进入的多角度、多侧面。视野不同,学生的理解也不尽相同,最终都会形成对本节课主题的自我认识。但此策略对学生自学、领悟能力要求较高,所以,为适应普通高中学生的认知现状,可以在完成上述步骤之后,再次进入学习。例如在《网络中数据的传输过程》这一章节里,观看视频演示和参与模拟实验的学生可以在本小组完成任务后,互换角色。观看视频演示的学生动手模拟实验,加强印象,熟悉操作流程、规范;模拟实验的学生则通过观看视频演示,回味刚才的操作内容,纠正规范动作,进一步提升自身素养。
随机模式 第9篇
1 物理系统内禀随机性:混沌
20世纪50年代, 美国麻省理工大学气象学家洛伦兹研究大气流体流动模型, 从而解释物理参数变化对天气预报结果的影响。由于时代的限制, 当时的单行打印机打印速度非常慢, 每10秒钟才能打印一行。为了加快计算, 洛伦兹只打印了部分数据, 虽然计算机计算到小数点后六位, 而洛伦兹打印结果只精确到三位数, 他认为舍去的数字并不会影响系统解的精度, 将经过舍位之后的计算机计算结果作为初始值中途输入计算机继续计算。按照确定论观点, 这样得到的计算结果应该和计算机原来运行结果应该是一致的。然而, 洛伦兹发现新一轮的计算机计算结果很快从初始值处发生扩散。经过深入研究, 洛伦兹认为问题的根源在于系统对于初始条件的敏感依赖性, 即使初始值的微小变化, 经过系统之后, 系统解轨迹出现巨大差别, 这一现象非常好地解释了天气预报的复杂性[1,2,3]:初始条件的任何误差被系统迅速放大, 以至于具有实际价值的可预测性大大降低。这类系统的内禀随机性被称为混沌现象[1,2,3], 它比纯粹的可预测性更加符合我们的日常经验, 比如中长期的天气预报准确率是非常低的, 因为天气初始条件微小变化使得几周之后天气情况在本质上是无法预测的[1,2,3]。
洛伦兹系统的动力学方程
变量x (t) 和y (t) 与大气温度的竖直和水平变化相关, 而变量z (t) 与大气对流有关, σ是普兰特数, γ是规范化瑞利数, 而常数b和研究区域的几何形状相关[1,2,3]。该确定性系统只有线性项和二次项, 没有外部随机性输入, 然而此系统有着复杂的类随机动力学行为。比如取参数σ=10, γ=28, b=8/3, 其轨迹完全由上述参数和初始条件 (x0, y0, z0) 确定, 但是其特性很难预测。方程 (1) 的数值解法采用4阶龙格-库塔法, 如图1所示, 初始条件为 (1.01, 1.0, 1.0) , 洛伦兹系统三维相图表明其轨迹在三维相空间中是有界的, 但是无周期性且不相交, 混乱地来往于两个吸引子之间。这是因为整体上系统能量是耗散的, 其轨迹趋向一个零体积集合, 而两个吸引子是不稳定的, 导致其轨迹的不断褶叠、翻转和延伸, 因此出现了总体的混沌现象。这类系统的内禀随机性表现在初始值的敏感性:即使初始值的微小变化经过系统放大之后, 随着时间的变化二者的轨迹出现完全不相干的性质。比如将初始条件 (1.01, 1.0, 1.0) 改为 (1.011, 1.0, 1.0) , 如图2所示, 在两种初始条件下变量x (t) 随时间演化, 尽管其误差仅有1‰, 但是二者轨迹在21秒处发生改变, 实线和虚线分别代表上述两类不同初始条件下的状态变量演化, 随着时间继续增加, x (t) 状态发生很大改变且没有相关性, 其他变量y (t) 与z (t) 也类似, 这也是混沌系统长时间行为不可预测的本质。
2 随机系统的内在有序性:随机共振
随机共振概念最早是由邦济[4,5]在研究太阳对于地球的随机作用力是如何引起冰川期和暖期的周期性变化时提出的。地球的冰川期大约105年, 这个周期和地球由于星系间的引力引起的轨道偏心率一致, 但是偏心率不足以使得地球气候发生如此大的变化。邦济发现由于地球每年气候涨落 (如太阳的辐射) 而引起的气候变化和偏心率能够达到了一种“共振”, 从而使得地球的冰川期和暖期发生周期性变化, 此现象称为随机共振现象。随机共振现象第一次证实了随机涨落对于宏观变量 (如地球气候) 影响能够起到决定性作用[4,5]。
经典随机共振模型为质量是m粒子在双稳态势阱内运动过程, 其随机微分动力学方程满足[4,5]:
当阻尼系数λ>>m, 称为过阻尼系统, 不失一般性地设λ=1, 式 (2) 可简化为一阶随机微分方程:
dx/dt=-d V (x) /dt+s (t) +ξ (t) (3)
这里信号为s (t) , 白噪声ξ (t) 的强度为D, 数值解法采用Euler-Maruyama随机微分解法[4,5]。双稳态对称势函数V (x) =-x2/2+x4/4, 具有两个稳态xm=±1和能量势垒ΔV=1/4, 当信号s (t) 存在时, 此势函数成为被s (t) 调制为V (x, t) =-x2/2+x4/4-s (t) x。设弱信号s (t) =Acos (Ωt) 的幅值和频率Ω<<1, 势函数V (x, t) 的变化如图3所示, 对应幅值从零变化为+A, 然后又从零变化为-A的过程。在没有噪声的帮助下, 此信号不能够使得粒子越过势垒达到另外一个稳态, 也就是说粒子是不能进行阱间跃迁的。然而, 随着噪声ξ (t) 的加入, 粒子能够从相对浅的势阱进入相对深的势阱里去, 当噪声强度达到一个最优值时 (如图4中噪声强度为D=0.09) , 此时系统响应如信噪比、响应幅值等达到最大值, 我们可以看出此时系统输出x (t) 能够从统计意义上反映了信号幅值正负的周期变化。故借鉴力学中“共振”一词, 称这种现象为随机共振。随机共振现象表明, 在非线性系统中, 外部噪声环境有时不是系统性能的阻碍, 反而是一种积极的促进, 能够使得系统特性和输入微弱信号达到协同, 成为建设系统序的重要因素, 这也是非线性系统内在随机性向有序性转化的有力例证。
3 总结
上述两种随机效应给现代物理带来了巨大冲击:一是, 混沌打破了物理学以往可预言的确定论观点, 它让人们理解了某些物理系统长时间预测是无意义的, 系统内部的随机性深化了人们对必然和偶然的认识, 更全面地理解自然界的统一性;二是, 随机共振打破了噪声是有害的观念, 在某些非线性系统中噪声能出人意料地产生积极影响, 对于系统的演化反而起到决定性作用, 对于系统序的建立是有益的, 使得人们更加重视微观尺度的运动对于宏观量演化的影响, 而不能简单地依据尺度和强度大小而忽略它。简言之, 混沌表现了确定性系统的内禀随机性, 而随机共振表现了随机系统的内在有序性, 本文通过这两类物理现象计算, 使得我们能够达到更好地理解物理系统的两类随机效应。
摘要:针对现代统计物理中两种非线性动力学行为, 即混沌和随机共振, 本文利用数值解法进行了模拟和解释。混沌是确定性系统中内禀随机性的一种体现, 深化了人们对必然和偶然的认识, 而随机共振是随机系统的内在有序性体现, 改变了人们对于噪声的观念, 证实了噪声对于系统序的建立具有建设性作用。这些结果对于学生通过物理计算更好地理解物理系统特性具有参考意义。
关键词:混沌,随机共振,确定性系统,随机系统
参考文献
[1]R.C.Robinson.An Introduction to Dynamical Systems[M].New Jersey:Pearson Education, Inc, 2004:207-244.
[2]胡岗.随机力与非线性系统[M].上海:上海科技教育出版社, 1994:219-254.
[3]刘式达, 梁福明, 刘式适, 辛国君.自然科学中的混沌和分形[M].北京:北京大学出版社, 2003:1-70.
[4]R.Benzi, A.Sutera, and A.Vulpiani.The mechanism of stochastic resonance[J].Journal of Physics A:Mathematical and General, 1981:L453-L457 (14) .
随机模式 第10篇
1 建模
本模型采取(Q,R)库存管理策略(其库存模型如图1所示),对库存系统的存储量进行严格监控,当现有库存量降低至再订货点R时,发出订单,订购量为Q,考虑连续盘点型(Continuous Review ) 库存控制策略, 决策变量是订货批量和提前期。
1.1 模型假设
假设1:假定在一个批量Q到达仓库后, 现有库存水平总是高于再订货水平R, 因此在一个提前期内, 只会有一次订货, 即不会发生合同交叉的问题。这个假设也保证了连续订货, 产生随机提前期问题。
假设2:连续的随机提前期是相互独立的, 订货合同之间不发生交叉。
假设3:提前期t为随机变量,L为提前期的平均值,σt为提前期的标准差。
假设4:单位时间需求变量X:服从期望值为ux,标准差为σx的分布。
假设5:C1为单位时间单位货物的储存费用;H为储存费用;C2为单位时间单位货物的缺货费用;V为缺货费用;C3为一次定购费用;y为提前期需求量。
假设6:CSL:周期服务水平(所有补货周期中能满足顾客所有需求的补货周期所占比重),CSL=P(y≤R)=α。
1.2 计算库存费用
由假设4可知,提前期需求量y:服从期望值为Lux,标准差为
因为再订货点的值等于提前期内的平均需求量加上安全库存量,即:
R=Lux+ss (1)
又由假设6:CSL=P(y≤R)=α,所以:
由(1)、(2)可以求出:
每周期的平均库存为:
平均存储费用为:
每周期的期望缺货量为:
单位时间有ux/Q个周期,则:
每单位时间的期望总成本(不包括货物成本):
等式(7)两边分别对Q求一阶导数,并令其等于0,则以求出:
2 案例分析
本文用一个实际案例来验证模型并进行灵敏度分析。设某企业采用连续盘点 (Q,R)策略管理某种原材料的库存.该原材料的每年需求服从ux=6000,σx=40的正态分布,每次订货费为200元,每件物品的每年存储费为18元.若该原材料发生缺货会延缓产品生产进度,根据以往经验得知,每件原材料的缺货费为65元,CSL=0.9,L=0.04年。
2.1 库存费用计算
C1=18,C2=65,C3=200。
因为原材料的每星期需求服从μx=6000,σx=40的正态分布,L=0.04,所以,在提前期内需求y服从均值为Lux,标准差为
其中
其中,
A=-0.84974,Q*=310。
EOQ模型求解结果为:EOQ=412,TC=5 816;基于随机需求 、随机提前期的(Q,R)库存模型求解结果为:Q*=310。E(C(Q))=577 6,可以清楚地看出, 在考虑提前期的情况下, 可以更加清楚地定义出订货批量大小和再订货点, 并且保证了成本的最小。
2.2 参数灵敏度分析
1)C1为单位时间单位货物的储存费用对最优订货批量的影响。
2)C2为单位时间单位货物的缺货费用对最优订货批量的影响。
3)C3为一次定购费用对最优订货批量的影响。
由公式(9)、(10)、(11)可得:R1=-0.5,R2=-0.19077,R3=0.6907|R1|≤1,|R2|≤1,|R3|≤1,最优订货批量对于C1、C2 和C3的变动率不敏感,在现实中,C1、C2 和C3可能随时间变化而有所变化,但是,由于最优订货批量对C1、C2和C3不敏感,由此可见,该最优订货批量在实际生产中仍具有很高的价值。
3 结束语
经济订货批量模型是目前大多数企业最常采用的货物定购方式,同时,该模型的确曾给企业带来了一些利益。但随着市场变化,市场竞争已从传统的、简单的、成本优先的竞争模式, 向时间优先的时间竞争转化[4],因此, 传统的经济订货批量模型已经不能满足企业库存优化需求了,为了增强企业的竞争力,企业不得不考虑对其他参数的优化,特别是提前期的优化。本文中针对采用(Q,R)库存策略的单类物品库存系统,建立了基于随机需求、随机提前期的最优订货批量模型,模型假设提前期的需求函数是可知的,从而求得使单位时间库存总成本最小的最优订购批量。通过举例说明,该模型能有效解决随机需求、随机提前期的库存管理问题。
参考文献
[1]RONALD H BALLOU.Business logistics management plan-ning,organizing and controlling the supply chain[M].4thed.Prentice-Hall,Englewood,UpperSaddle River,NJ,1998:248-290.
[2]李丽.模糊随机供需环境下的供应链库存管理[M].北京:科学出版社,2011:35-42.
[3]LEEHL TANGCS.Modeling the costs and benefits of de-layed product differentiation[J].Management Science,1997,43:40-53.
生活抵触随机运动? 第11篇
原因很简单,巴拉巴西拥有前边的追寻者所不具备的利器,那就是:当今世界的数字化,已然通过互联网、社会化媒介、电子邮件和移动电话等,将我们的社会变成一个巨大的实验室。人类在这个实验中留下的电子踪迹,比如打上时间印迹的文本、声音和图像,互联网搜索,社交网络中的种种关系等加在一起,合成了史无前例的海量数据集,记录了我们的活动、决定以及我们的生活本身。
这使得下述想法听上去激动人心:对这些电子踪迹的分析,会不会对人类行为的秘密提供深刻的洞见?巴拉巴西穷根溯源,宣布自己找到了被长期认为是完全偶然的人类行为之下的有序模式——他将这一模式命名为“爆发式的”(bursty),即是说,我们的工作和娱乐及其他种种活动都具有间歇性,会在短期内突然爆发,然后又几乎陷入沉寂。用巴拉巴西的比喻来说:“长时间休息之后就会出现短时间的密集活动,就像贝多芬音乐中悦耳的小提琴声被雷鸣般的鼓声打断一样。”
巴拉巴西在结语中论断道:“当我们将生活数字化、公式化以及模型化的时候,我们会发现其实大家都非常相似。我们都具有爆发式特点,而且非常规律。看上去很随意、很偶然,但却极其容易被预测。”
这个论点与前两年的一本热门书《黑天鹅》形成鲜明对比。《黑天鹅》作者塔勒布认为人类行为是随机的,都是小概率事件,是不可预测的;也因此,塔勒布相信,没有什么比一种随机的智慧对我们的生存更加重要。塔勒布其实反对长期流行的一种重大见解,也就是我们中国传统史观:以史为鉴,可以知兴替。
如今,巴拉巴西提出,人类行为90%是可以预测的。你的生活只是看上去随机而偶然;但实际上,无论你访问网页还是访问女友都是以爆发的方式完成的,因而也是可预测的。这其中的关键在于,无论在自然界还是人造世界,许多事情遵循幂律分布:一旦幂律出现,爆发点就会出现。
幂律在巴拉巴西的畅销书《链接:网络新科学》中被谈论得很多:互联网是由少数高链接性的节点串联起来的,极少数节点拥有海量点击,而绝大多数网站只有寥寥可数的人造访。幂律决定了网络的结构和网络的走向。
现在巴拉巴西要证明,幂律也主宰着我们真实活动的节奏。为什么会存在爆炸模式?因为我们工作任务太多而时间却太少。当我们遇到这种情况时,我们的应对之道是确定优先次序。我们会先干最紧要的事情。幂律就在这种优先次序的排定中产生。一旦优先级设定了,幂律规律和爆发的出现就不可避免。
巴拉巴西把爆发看成某种生命的推动力:“生命远不是流畅或随机的,而是在所有时间尺度内都是爆发式的——从几毫秒到几小时的细胞活动;从几分钟到几周的人类活动;从几周到几年的疾病来袭;还有从几千年到几百万年的进化过程。爆发是生命奇迹的必要因素,表明生物为了适应和存活会进行不懈的斗争。”
这样来看,偶然性中还是存在某种神奇的规律。“其兴也勃焉,其亡也忽焉”,中国人的历史智慧,其实说的不就是历史的爆发性嘛。
作为一个科学家,巴拉巴西的颠覆是大胆的,他批评科学家们仍默然接受人类行为科学的基本范式:我们的行为实际上是随意的、不可预测的、偶然的以及无规无序的。但这一假定的唯一问题在于,它完全错了。生活如此抵触随机运动,渴望朝更安全、更规则的方向发展。
巴拉巴西在《爆发:人类的行为可以预测吗?》一书中试图论证的是,对于幂律的认知最终会导致对人类行为的精准预测。但他似乎并不能完全驳倒塔勒布式的世界观。一方面,我们当然知道,人类是习惯的产物,所以,人类的所作所为有很多是可以预测的。然而,另一方面,人类的生活中又充满波动性和分叉点,在这个意义上,个体的生活和群体的行动又是不可预测的。
当把随机性等同于不完全的信息的时候,塔勒布实际上提出了人类知识的脆弱性问题,这和前启蒙时代的思想家是一脉相承的,他们相信人类的理解具有不可靠性。相比之下,巴拉巴西更像一个启蒙后的科学家,高估自己的知识,低估不确定性(也就是低估未知事物的范围)。
最终的问题还在于,使人类行为完全可预测是不是一件可欲之事。试想,如果人类世界也像自然现象一样,可以被理解、量化、预测和控制,那是一件多么可怕的事情!如果按照巴拉巴西理论的潜台词,人类能够从我们的经验中学习的话,那么,我们更需要认知谦卑。——当然,在塔勒布看来,人们是不会具有这种认知谦卑的意识的,所以,“黑天鹅”总会跳出来毁掉许多长久的努力。
随机模式 第12篇
白噪声是噪声研究中最基本和常用的信号。白噪声是指在较宽的频率范围内,各等带宽的频带所含的噪声能量相等的噪声[6],即功率谱密度在整个频域内均匀分布的噪声。作为一种理想的噪声信号,除了对噪声自身的研究,白噪声通常被用于检测系统各部分在实际工作中的抗干扰性能。而实际中产生性能优良的白噪声非常困难,设备也较为复杂。因此,寻找产生白噪声的简便方法具有实际意义。
现有的白噪声发生器通常有物理噪声发生器和数字合成噪声发生器两类[7]。工程上多使用单片机和DSP来实现。使用DSP会提高系统成本,在功能较单一的系统中,造成资源的浪费。同时,现有的噪声发生器产生的噪声不白、参数固定、随机性不突出、修改困难,在对系统进行测试时灵活性差,充其量只能算作一个伪随机序列,其实质是一种小惯性的有色噪声[8]。笔者提出一种基于AT89C516单片机的伪随机序列可随机重排的白噪声发生器,根据随机信号理论,对均匀分布的随机数进行白化处理,实现具有良好统计特性的白噪声。
1 硬件设计
为了获得高性能的白噪声,笔者将计算机上生成且经白化补偿的白噪声信号储存在单片机的程序存储空间[2],为保持白噪声的随机性和多样性(而不是重复地调用同一个白噪声),将整个存储空间分成多个片段(拟采用256个,每个片段不能再算作白噪声了),每个片段的入口地址都对应着一个0~255(00H~FFH)的数据,单片机通过每次随机生成一个8位二进制数,用来随机调用一个噪声片段,使得噪声片段随机地重新排列组合,生成不重复的白噪声。
为了实现以上功能,选择的硬件电路包括单片机、D/A转换、人机界面和电源4部分。单片机AT89C516是噪声发生器的控制单元,通过编程实现伪随机序列的随机提取和重排。片内64KByte ROM用于存储伪随机序列片段,128Bybe RAM用于暂存需要调用的程序代码。DAC0832是采用CMOS/Si-Ci工艺实现的8位D/A转换芯片,在白噪声发生器中将单片机输出的数字信号转换为相应的电流信号[9]。该噪声信号发生器选用3位7段LED显示器,方便测试者读出测试结果。并设置了3个样本选择按钮,分别设置样本数为500、1 000和1 500,便于测试者的不同需求。同时还设置了一个中断时间按钮,用于控制抽取样本所需的间隔时间。白噪声发生器的硬件电路如图1所示。
基于上述硬件的白噪声发生器的工作原理是[10]:单片机通过计算机串口接收伪随机信号,再通过电平转换芯片MAX232将伪随机信号存储于单片机的程序存储器中。单片机通过随机调用噪声片段,排列成新的白噪声信号,信号以数字信号形式输出,经DAC0832转换为相应的模拟电流,再由运算放大器LF356进行电流/电压转换,最终输出模拟电压值。由于白噪声发生器只需一路模拟量输出,故DAC0832可采用单缓冲方式工作。
DAC0832的undefined和undefined直接接地,因此DAC0832的8位DAC寄存器工作于直通方式;undefined接单片机的undefined接单片机的undefined,使得8位输入寄存器受undefined和undefined的控制。当单片机执行两条指令时便可在undefined和undefined上产生低电平,从而启动DAC0832接收单片机传送来的数字量,具体指令为:
a. MOV DPTR,#7FFFH,将DAC0832的地址送到DPTR;
b. MOVX @DPTR,A,启动DAC0832接收单片机传送来的数字量。
为了实现输出数字、模拟两种形式的白噪声,可在P1口处直接连接示波器来观察输出的数字信号波形;同时可在LF356的输出端口处连接示波器来观察输出模拟信号的波形。
2 程序设计
2.1 程序流程
主程序(图2)的设计思路是:程序开始后,先从P0口读入随机数据,再通过时钟中断来控制随机数选取的频率,设置中断时间为1μs,即在数据指针运行过程中隔1μs取出一个随机数,每取出5个随机数就进行一次加权平均运算,运算所得结果即为一个随机样本点。程序如此循环进行取点运算,直至取出500个样本点,循环结束。
2.2 伪随机序列随机排列方式
片外程序的64KByte存储空间(图3)存放着256个独立的伪随机序列片段(以下简称为随机片段),每个片段由256个8位二进制随机数组成(正好是DPL的00H~0FFH),程序执行过程中完整地输出每一个片段的数据后,DPTR并不指向下一个单元,而是将指针R1R0所指单元的数据送入DPH,DPL清零,跳跃指向新的片段,同时R1R0加1。例如程序开始时,DPTR和R1R0都是0000H,单片机将片外程序存储器0000H~00FFH的数据依次读出后,由于0000H单元的内容是“OK”,那么指针DPTR就变成“OK 00H”,DPTR指向“OK”片段,依次将其中的256个字节随机量读出,指针R1R0加1指向0001H,其中内容是OP,那么下一个读取的随机片段就是OP片段。采用这种方式可以使得各个随机片段随机排列,共有256256种排列方式,充分保证了由伪随机序列组成的白噪声的性质。
3 测试及分析
对当前白噪声发生器和笔者基于伪随机序列随机重排的单片机白噪声发生器分别进行测试,它们的时频/域测试波形分别如图4~8所示。
由图4、5可知,当前的白噪声波动比较剧烈、惯性小,幅值分布的范围也较大;而笔者设计的噪声发生器所产生的白噪声较为平稳、惯性大,幅值分布均匀,在零值附近波动。由图6、7可知,当前白噪声的伪随机序列的功率谱抖动剧烈,说明能量分布不均匀;而笔者设计的白噪声的伪随机序列的功率谱在较小的坐标范围内出现抖动现象。将图6、7的结果放在同一幅图中(图8)进行比较,笔者设计的白噪声发生器的白噪声伪随机序列的功率谱明显比当前的分布均匀,说明采用此方法的白化效果明显。
4 结束语
笔者设计的白噪声发生器以AT89C516单片机和DAC0832为核心硬件,电路简单,是一个开放性系统,可根据不同测试需求,通过修改程序增加新的功能,不需要更换硬件,可扩展性好。将该白噪声发生器和电源相连后便可构成一个白噪声源系统。测试结果表明,基于伪随机序列的随机重排单片机白噪声发生器所产生的白噪声效果较好。
摘要:针对当前白噪声发生器生成的白噪声不白,即功率谱分布范围窄和能量分布不均匀的问题,以AT89C516单片机和DAC0832数/模转换芯片为硬件平台设计白噪声发生器,该发生器通过对存储于程序存储空间的伪随机序列片段的随机重排拓宽噪声的频谱范围,增强其随机性,以获得理想的白噪声。试验结果表明,该噪声发生器生成的白噪声性能良好。
关键词:白噪声发生器,伪随机序列,随机重排,AT89C516单片机,数/模转换芯片
参考文献
[1]周强.基于噪声分析的造纸软测量理论方法研究和应用[D].西安:西安交通大学,2010.
[2]徐小兵,沈勇,邬宁.IIR数字粉红噪声滤波器的优化设计[J].电声技术,2005,(12):56~59.
[3]周云龙,张慧冬,李洪伟,等.改进的小波消噪阈值方法在油气水三相流图像信号中的应用[J].化工自动化及仪表,2009,36(4):53~57.
[4]武建军,邓松圣,周爱华,等.基于EMD-灰色关联降噪的泵机组故障诊断[J].化工机械,2010,37(5):563~566.
[5]武建军,邓松圣,周爱华,等.自适应小波降噪的泵机组故障诊断[J].化工自动化及仪表,2010,37(4):40~42.
[6]吕玉恒.国内噪声控制近况评述[J].噪声与振动控制,2001,(6):14~17.
[7]Jordi García-Ojalvo,Jose M Sancho.Noise in SpatiallyExtended Systems[M].New York:Springer-Verlag,1999:10~13.
[8]HANSEN P C,JENSEN S H.Prewhitening for Rank-deficient Noise in Subspace Methods for Noise Reduc-tion[J].IEEE Transactions on Signal Processing,2005,53(1):3718~3726.
[9]Cheng X X,Wang Y.A New Analytical High Frequen-cy Noise Parameter Model for AlGaN/GaN HEMT[J].Solid-State Electronics,2010,54(11):1300~1303.