面向近存计算的关键电路设计及软硬件协同优化
这是一篇关于近存计算,内存控制器,调度策略,协同优化的论文, 主要内容为随着人工智能、大数据和云计算应用的飞速发展,通过处理器与内存系统之间狭窄的总线结构进行数据传输的传统冯·诺依曼架构计算机已无法满足数据密集型应用的频繁访存需求,致使“内存墙”问题严重地制约了系统性能的提升。为了解决这个问题,研究学者引入了新技术和架构,其中“近存计算”最大程度减少了对标准内存模块的改动,成为“存算一体”方向研究的热点领域之一。本文以采用Hybrid Bonding三维集成工艺的SEDRAM设备为基础实验平台,设计了一种高性能内存控制器,用于DRAM“近存计算”场景下的连续密集型访存。文章通过分析“页开放”和“页关闭”访存策略适用场景,得出“页开放”适合高频率连续访存场景,而“页关闭”适合低频率的随机访存场景的结论。此外,文章还利用DRAM内存页中数据的局部性,设计了基于寄存器缓存的一致性方案,最多可降低约89.2%的读访存延迟和94.1%的写访存延迟。为进一步拓展DRAM“近存计算”系统的应用场景,文章还结合不同行缓存管理策略的优势,设计了一款自适应内存控制器,能根据应用场景灵活控制DRAM内存页的开关状态。采用缓存一致性设计的“页开放”内存控制器已成功应用到DRAM“近存计算”芯片中,该逻辑芯片将在SMIC 28纳米工艺线上完成流片。本文针对典型的数据密集型应用“通用矩阵向量乘加(GEMV)”,通过深入研究DRAM内存页的空间局部性,设计了软硬件协同优化方案——Cache-major调度策略。相较于常规内存地址映射方案和“页命中为导向”的调度策略,采用Cache-major调度策略的内存控制系统在面对大规模GEMV问题时(@511 ×255),访存带宽分别增长了 95.7%和28.8%。通过和NVIDIA GTX280 GPU对比,该系统在单核访存带宽和算法执行时间方面存在一定的优势。铁电随机存储器FeRAM采用铁电薄膜作为记忆材料,避免了对存储单元的周期性刷新操作,相比DRAM器件具有更低的功耗、更高的稳定性和更长的数据保持时间,因此被认为有望在未来代替DRAM器件成为“近存计算”系统的新型内存介质。本文完成了基于FeRAM的内存控制系统的设计,并对该设计在FPGA平台中占用的资源、功耗分布和访存性能等指标进行了详细的测试与评估。该研究有望推动基于新型存储器件的内存控制器在“近存计算”系统中的应用。
考虑灵活性资源跨区域优化配置的电源规划研究
这是一篇关于电力系统灵活性,电源规划,协同优化,电网互联的论文, 主要内容为为应对“双碳”目标下新能源大规模并网对电力系统安全稳定运行带来的挑战,需要建设多种灵活性资源,灵活性供需成为高比例可再生能源电力系统规划迫切需要研究的问题。灵活性资源广泛存在于电力系统源网荷储各个环节,目前以电源侧为主,随着能源互联网逐步建成,电网侧将更高频地参与电力供需平衡。与传统调节电源相比,互联电网自身不生产和消耗电力,但通过挖掘区域间的净负荷时序互补特性,在空间维度实现互联互济,可实现与其他灵活性资源类似的效果。因此,在新型电力系统建设目标下,不仅要基于系统灵活性供需合理配置电源,还要充分发挥输电通道的灵活调度能力。为满足电网安全运行的要求以及分析电网互联互济对资源配置的影响,本文构建了考虑灵活性资源跨区域优化配置的电源规划模型,致力于借助跨区域输电通道对灵活性资源进行配置,以更小的经济成本促进新能源消纳,为区域电网协调发展提供支撑。首先,本文对电力系统灵活性、电力资源跨区域配置以及电源规划的相关理论与方法进行了阐述。解释了灵活性供需平衡的机理,从技术和经济两个角度对灵活性资源的调节能力和成本进行评估,以确定灵活性的供应。同时,介绍了跨区域配置的影响因素、电网互联效益以及常用的电源规划方法等。基于上述理论,本文对灵活性供需平衡进一步剖析,根据新能源随机出力模拟得到净负荷曲线,用净负荷曲线的最大变化量和最大连续变化量表征系统灵活性需求,通过拟合得到净负荷变化量与风光装机总占比的线性关系式,从而量化灵活性需求。由此,构建了考虑灵活性供需的电源规划模型,满足各个方向的灵活调节能力不小于对应的灵活性需求的约束。为进一步考虑跨区域输电通道的影响,本文提出区域间负荷需求同时性的概念,在常规负荷特性指标体系的基础上,制定了负荷需求同时性的量化指标,进而,构建了考虑灵活性资源跨区域互济的电源规划模型,将灵活性供需平衡、跨区域电力传输、区域间负荷需求非同时性以及相关成本纳入电源规划模型中,综合源网荷储各个环节,对资源进行跨区域优化配置。最后,应用构建的模型研究2021～2035年西北～华中电网电源规划算例,通过情景的对比分析验证灵活性供需平衡的必要性以及跨区域资源互济的有效性。结果表明灵活性供需平衡是新型电力系统安全稳定运行的关键,并且,利用区域间负荷特性的差异开展互联互济能够促进电力资源在更大范围内配置,实现互联电力系统协同优化。
基于云计算的智能仓储多AGV调度及货位分配协同优化研究
这是一篇关于智能仓储,AGV调度,货位分配,协同优化,遗传算法,云计算的论文, 主要内容为近年来,淘宝、京东和拼多多等电商平台实现了全行业线上渗透,网络购物成为人们购买日常生活用品的首选方式,导致中国快递包裹的数量呈现爆炸式增长的趋势。而新冠疫情限制了人们的日常出行,各大电商巨头纷纷拓展社区团购业务以及开启网络直播带货等新型的购物方式,因此提升仓储作业效率和物流技术迫在眉睫。本文对“货到人”拣选模式下的可移动式货架智能仓储系统开展了研究,针对仓库拣选路径规划和仓库货位分配两个独立环节进行问题分析之后,提出AGV任务调度与货位分配的协同优化模型,并实现了基于云计算的智能仓储系统多AGV任务调度与货位分配协同优化算法。本文的主要研究成果如下:1.本文提出了一种适用于仓储机器人路径规划的人工蜂群-自适应遗传算法。结合“货到人”拣选模式下的可移动货架仓储环境布局的特点,建立仓库环境的二维栅格地图,通过建立以路径长度、路径转弯次数和机器人运行能耗为优化目标的适应度函数。通过在不同大小的栅格地图中进行仿真实验分析,以及使用Turtle bot机器人对改进的人工蜂群-自适应遗传算法进行了实验验证。2.本文提出了一种基于NSGA-II的多目标仓库货位分配优化算法。设计了一种结合储位索引号与货品类别号的整数染色体编码方式。进一步,基于货架的稳定性、商品的出入库效率、货品之间的相关性以及拣货通道的繁忙度建立多目标货位优化模型。通过仿真实验证明了本文改进的自适应NSGA-II算法的有效性。3.设计并实现了基于云计算的智能仓储多AGV调度与货位分配协同优化算法。针对可移动货架仓储系统,结合仓储作业流程的特点,以AGV完成拣选货物任务的时间最短为优化目标,提出多AGV调度与货位分配协同优化模型。搭建Hadoop集群的实验平台,使用基于Map Reduce框架实现的Apriori算法对阿里云天池实验室公开的淘宝顾客历史订单的商品数据集进行商品之间的关联度分析,得到商品之间的关联度矩阵。根据用户的订单实例,进行商品货位分配以及4台AGV小车的拣货任务调度试验,证明了本文提出的AGV任务调度与货位分配协同优化方法能有效提高仓库的拣选效率。
面向近存计算的关键电路设计及软硬件协同优化
这是一篇关于近存计算,内存控制器,调度策略,协同优化的论文, 主要内容为随着人工智能、大数据和云计算应用的飞速发展,通过处理器与内存系统之间狭窄的总线结构进行数据传输的传统冯·诺依曼架构计算机已无法满足数据密集型应用的频繁访存需求,致使“内存墙”问题严重地制约了系统性能的提升。为了解决这个问题,研究学者引入了新技术和架构,其中“近存计算”最大程度减少了对标准内存模块的改动,成为“存算一体”方向研究的热点领域之一。本文以采用Hybrid Bonding三维集成工艺的SEDRAM设备为基础实验平台,设计了一种高性能内存控制器,用于DRAM“近存计算”场景下的连续密集型访存。文章通过分析“页开放”和“页关闭”访存策略适用场景,得出“页开放”适合高频率连续访存场景,而“页关闭”适合低频率的随机访存场景的结论。此外,文章还利用DRAM内存页中数据的局部性,设计了基于寄存器缓存的一致性方案,最多可降低约89.2%的读访存延迟和94.1%的写访存延迟。为进一步拓展DRAM“近存计算”系统的应用场景,文章还结合不同行缓存管理策略的优势,设计了一款自适应内存控制器,能根据应用场景灵活控制DRAM内存页的开关状态。采用缓存一致性设计的“页开放”内存控制器已成功应用到DRAM“近存计算”芯片中,该逻辑芯片将在SMIC 28纳米工艺线上完成流片。本文针对典型的数据密集型应用“通用矩阵向量乘加(GEMV)”,通过深入研究DRAM内存页的空间局部性,设计了软硬件协同优化方案——Cache-major调度策略。相较于常规内存地址映射方案和“页命中为导向”的调度策略,采用Cache-major调度策略的内存控制系统在面对大规模GEMV问题时(@511 ×255),访存带宽分别增长了 95.7%和28.8%。通过和NVIDIA GTX280 GPU对比,该系统在单核访存带宽和算法执行时间方面存在一定的优势。铁电随机存储器FeRAM采用铁电薄膜作为记忆材料,避免了对存储单元的周期性刷新操作,相比DRAM器件具有更低的功耗、更高的稳定性和更长的数据保持时间,因此被认为有望在未来代替DRAM器件成为“近存计算”系统的新型内存介质。本文完成了基于FeRAM的内存控制系统的设计,并对该设计在FPGA平台中占用的资源、功耗分布和访存性能等指标进行了详细的测试与评估。该研究有望推动基于新型存储器件的内存控制器在“近存计算”系统中的应用。
基于云计算的智能仓储多AGV调度及货位分配协同优化研究
这是一篇关于智能仓储,AGV调度,货位分配,协同优化,遗传算法,云计算的论文, 主要内容为近年来,淘宝、京东和拼多多等电商平台实现了全行业线上渗透,网络购物成为人们购买日常生活用品的首选方式,导致中国快递包裹的数量呈现爆炸式增长的趋势。而新冠疫情限制了人们的日常出行,各大电商巨头纷纷拓展社区团购业务以及开启网络直播带货等新型的购物方式,因此提升仓储作业效率和物流技术迫在眉睫。本文对“货到人”拣选模式下的可移动式货架智能仓储系统开展了研究,针对仓库拣选路径规划和仓库货位分配两个独立环节进行问题分析之后,提出AGV任务调度与货位分配的协同优化模型,并实现了基于云计算的智能仓储系统多AGV任务调度与货位分配协同优化算法。本文的主要研究成果如下:1.本文提出了一种适用于仓储机器人路径规划的人工蜂群-自适应遗传算法。结合“货到人”拣选模式下的可移动货架仓储环境布局的特点,建立仓库环境的二维栅格地图,通过建立以路径长度、路径转弯次数和机器人运行能耗为优化目标的适应度函数。通过在不同大小的栅格地图中进行仿真实验分析,以及使用Turtle bot机器人对改进的人工蜂群-自适应遗传算法进行了实验验证。2.本文提出了一种基于NSGA-II的多目标仓库货位分配优化算法。设计了一种结合储位索引号与货品类别号的整数染色体编码方式。进一步,基于货架的稳定性、商品的出入库效率、货品之间的相关性以及拣货通道的繁忙度建立多目标货位优化模型。通过仿真实验证明了本文改进的自适应NSGA-II算法的有效性。3.设计并实现了基于云计算的智能仓储多AGV调度与货位分配协同优化算法。针对可移动货架仓储系统,结合仓储作业流程的特点,以AGV完成拣选货物任务的时间最短为优化目标,提出多AGV调度与货位分配协同优化模型。搭建Hadoop集群的实验平台,使用基于Map Reduce框架实现的Apriori算法对阿里云天池实验室公开的淘宝顾客历史订单的商品数据集进行商品之间的关联度分析,得到商品之间的关联度矩阵。根据用户的订单实例,进行商品货位分配以及4台AGV小车的拣货任务调度试验,证明了本文提出的AGV任务调度与货位分配协同优化方法能有效提高仓库的拣选效率。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设工厂 ，原文地址：https://bishedaima.com/lunwen/54158.html
