Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: hierarchical decomposition

Sortuj według:

Ogranicz wyniki do:

Multilevel hierarchical always cancellation-free symbolic analysis method for large electric networks

Lasota S.

Elektronika : konstrukcje, technologie, zastosowania

2013

Vol. 54, nr 2

51-57

The paper presents an algorithm of the exact symbolic network function analysis that deals with circuits with any size. The only condition is to decompose the whole circuit into smaller sub-circuits. The decomposition can be the multi-level hierarchical one. What is more, the calculation for each level can be done only once and the partial results can be reused any time. A higher level subcircuit does not need too much information about a lower one. The method can be easily implemented in multiprocessor or distributed systems. Although multilevel and compressed structure, symbolical value remains cancellation-free and any path from the root to the terminal vertex represent a single term. Thus, a large-scale and small-scale sensitivities calculation and elimination of less significant terms become simply and natural. To get the s-Expanded form, the fast algorithm based on sparse polynomial multiplication methods can be applied.

Artykuł przedstawia algorytm dokładnej symbolicznej analizy funkcji układowych, który radzi sobie w zasadzie z obwodami dowolnego rozmiaru. Jedynym warunkiem jest dekompozycja obwodu na mniejsze podobwody. Dekompozycja jest hierarchiczna wielopoziomowa. Co więcej, obliczenia dla każdego poziomu można wykonać tylko raz, i częściowe wyniki mogą być ponownie wykorzystane w dowolnym momencie. Poziom wyższy w hierarchii nie potrzebuje zbyt wiele informacji o poziomie niższym. Metodę w łatwy sposób można zaimplementować w systemach wieloprocesorowych i rozproszonych. Mimo wielopoziomowej i skompresowanej postaci wyniki symboliczne zawsze pozostają wolne od skróceń, a dowolna ścieżka od korzenia do węzła końcowego reprezentuje pojedynczy składnik sumy. Z tego to powodu wyznaczenie wrażliwości mało- i wielkoskalowych oraz eliminacja mniej znaczących składników staje się prosta i naturalna. Aby uzyskać wyniki w postaci ilorazu wielomianów od s mogą być zastosowane szybkie algorytmu mnożenia wielomianów rzadkich.

Reliability allocation using probabilistic analytical target cascading with efficient uncertainty propagation

Jiang G., Zhu M., Wu Z.

Eksploatacja i Niezawodność

2012

Vol. 14, No. 4

270-277

Analytical target cascading (ATC) provides a systematic approach in solving reliability allocation problems for large scale system consisting of a large number of subsystems, modules and components. However, variability and uncertainty in design variables (e.g., component reliability) are usually inevitable, and when they are taken into consideration, the multi-level optimization will be very complicated. The impacts of uncertainty on system reliability are considered in this paper within the context of probabilistic ATC (PATC) formulation. The challenge is to reformulate constraints probabilistically and estimate uncertainty propagation throughout the hierarchy since outputs of subsystems at lower levels constitute inputs of subsystems at higher levels. The performance measure approach (PMA) and the performance moment integration (PMI) method are used to deal with the two objectives respectively. To accelerate the probabilistic optimization in each subsystem, a unified framework for integrating reliability analysis and moment estimation is proposed by incorporating PATC with single-loop method. It converts the probabilistic optimization problem into an equivalent deterministic optimization problem. The computational efficiency is remarkably improved as the lack of iterative process during uncertainty analysis. A nonlinear geometric programming example and a reliability allocation example are used to demonstrate the efficiency and accuracy of the proposed method.

Analityczne kaskadowanie celów (ATC) stanowi systematyczne podejście do rozwiązywania zagadnień alokacji niezawodności dotyczących systemów wielkoskalowych składających się z dużej liczby podsystemów, modułów i elementów składowych. Jednakże zmienność i niepewność zmiennych projektowych (np. niezawodności elementów składowych) są zazwyczaj nieuniknione, a gdy weźmie się je pod uwagę, optymalizacja wielopoziomowa staje się bardzo skomplikowana. W prezentowanym artykule, wpływ niepewności na niezawodność systemu rozważano w kontekście formuły probabilistycznego ATC (PATC). Wyzwanie polegało na probabilistycznym przeformułowaniu ograniczeń oraz ocenie propagacji niepewności w całej hierarchii, jako że wyjścia podsystemów na niższych poziomach stanowią wejścia podsystemów na poziomach wyższych. Cele te realizowano, odpowiednio, przy użyciu metody minimum funkcji granicznej (performance measure approach, PMA) oraz metody całkowania momentów statystycznych funkcji granicznej (performance moment integration, PMI). W celu przyspieszenia probabilistycznej optymalizacji w każdym podsystemie, zaproponowano ujednolicone ramy pozwalające na integrację analizy niezawodności z oceną momentów statystycznych poprzez połączenie PATC z metodą jednopoziomową (pojedynczej pętli, single-loop method). Zaproponowana metoda polega na przekształceniu probabilistycznego zagadnienia optymalizacyjnego na deterministyczne zagadnienie optymalizacyjne. Zwiększa to znacznie wydajność obliczeniową w związku z brakiem procesu iteratywnego podczas analizy niepewności. Wydajność i trafność proponowanej metody wykazano na podstawie przykładów dotyczących programowania nieliniowego geometrycznego oraz alokacji niezawodności.