时间：2024-03-01 14:46:33
绪论：在寻找写作灵感吗？爱发表网为您精选了8篇量子计算的应用，愿这些内容能够启迪您的思维，激发您的创作热情，欢迎您的阅读与分享！
布局优化问题属于NPHard问题，很难找到具有多项式复杂性的精确求解算法[1]。本文以卫星舱布局问题为背景的带平衡约束的圆形布局问题为研究对象，即在卫星舱圆形底面上布置仪器、设备等物品，其布局必须满足两个约束：一是物品之间不能相互干涉；二是系统的静不平衡量不能超过允许值。
对于带平衡约束的圆形布局问题，目前主要的求解方法包括：启发式算法、演化算法或两者混合。文献[2-3]对约束布局模型直接用演化算法进行优化，利用的启发信息不多，所以在运行时间上和求解精度上没有达到较好的效果。文献[4-7]针对约束布局模型采用启发式方法进行求解，故取得了相当好的效果。
定位定序法是求解布局优化问题的启发式方法。Huang等[8]提出的求穴和占角算法求解无衡约束的圆形布局问题，并取得很好的效果。徐义春等[9-10]提出的平移质心的分步决策算法高效地解决带平衡约束的圆形布局问题。季美等[11]提出了分区域分布布局法有效解决带平衡约束矩形布局问题。黄建江等[12]提出了基于启发式底左（HBL）策略的量子行为粒子群（Quantum Particle Swarm Optimization， QPSO）算法有效求解二维不规则多边形优化排样问题。由于布局位置是直接计算得到的，其精度和速度都非常好。
关键词：粒子群优化算法；量子行为；惯性权重；递减策略；0-1背包问题
中图分类号：TP3016文献标识码：B文章编号：1004373X(2008)2015903
Application and Study on Inertia Weight in Particle Swarm Optimization with
Quantum Behavior
HE Wei,QIU Yijiao,TANG Puying
(School of Opto-electronic Information,University of Electronic Science and Technology of China,Chengdu,610054,China)
Abstract：The effect of inertia weight on Particle Swarm Optimization(PSO) is studied,on basis of which adopts four kinds of strategies of inertia weight to regulate the speed of a new Quantum Delta Potential Well based Particle Swarm Optimization(QDPSO).A faster and more stabile algorithm,found by comparing the performances of four equations regulated the inertia weight,solves 0/1 knapsack problem.The result of experiment shows that the modified algorithm improves the precision of optimal solution and has a faster speed and a higher efficiency in convergence.In a word,choosing a parameter of inertia weight suitably can improve the performance of new QDPSO.
Keywords：particle swarm optimization;quantum behavior;inertia weight;decreasing strategy;0/1 knapsack problem
粒子群优化(PSO)算法是一种群智能优化算法,最早由Kennedy和Eberhart于1995年共同提出,其基本思想是对鸟群捕食行为的仿生模拟［1］,通过鸟群之间的集体协作,快速搜寻并找到最优解。其基本的进化方程如下：
vt+1=vt+c1・r1(Pt-xt)+c2・r2(Pg-xt)(1)
xt+1=xt+vt+1(2)
其中,r1,r2∈［0,1］为均匀分布的随机数；C1，C2均是正常数；t表示进化代数；Vt，Xt分别表示每个粒子的速度和位置；Pg，Pt分别是粒子群的全局最优和个体最优。
为了改善基本PSO算法的收敛性能,Y・Shi等人提出了惯性权重的方法［2］和用模糊控制器来动态自适应地改变惯性权重的技术［3］。之后Jun Sun等人提出的具有δ函数形式的粒子群算法［4］(QDPSO) 使粒子群算法的计算更加简单容易。最近一种新的QDPSO 算法［5］ 考虑了速度对位置的影响，通过速度的更新选择位置的更新方程。在经典粒子群算法的可调整参数中,惯性权重是非常重要的参数,较大的权重有利于提高算法的全局搜索能力,而较小的权重会增强算法的局部搜索能力。因此，对这种新的QDPSO算法的速度项引用惯性权重ω，通过研究4种方案，发现惯性权重ω的变化对具有量子行为的粒子群算法的收敛性具有很大改善。可以说惯性权重的适当设置对新的QDPSO算法性能也起着重要的作用。
1 量子行为的粒子群优化算法及其改进
1.1 QDPSO算法
文献［4］的作者认为,若是在PSO系统下的个体粒子具有量子行为,则该粒子将会以与基本PSO算法中的粒子不同的方式运动。在量子空间,粒子的速度和位置不能再依据“不确定原理”被同时确定，所以提出了QDPSO算法。该算法改变了基本PSO算法的粒子更新策略,只用了粒子的位置向量。QDPSO算法的粒子进化方程如下：
P=(a・pid+b・pgd)/(a+b)(3)
L=(1/g)・abs(xid-p)(4)
xid=p+L・(ln(1/u))(5)
其中,a,b,u∈［0,1］为均匀分布的随机数；pid是第i个粒子在第d维空间找到的局部最优解，pgd是群体在第d维空间找到的全局最优解；xid表示第i个粒子在第d维空间找到的当前值；而g必须满足条件：g>ln2,才能保证算法的收敛。
1.2 改进的粒子群算法
新的QDPSO算法利用个体粒子的速度产生一个介于［0,1］之间的数来代替原算法中的由计算机随机产生的数,用以选择该粒子的位置更新方程。更新方程和参数设定
参考文献［5］。
本文考虑到惯性权重随粒子的迭代次数变化影响个体粒子的速度引导该粒子向最优解靠拢,所以采用4种方案对该改进算法进行研究。通过使惯性权重随粒子的迭代次数变化,从而影响速度的更新方程：
vt+1=ω・vt+c1・r1(pt-xt)+c2・r2(pg-xt)(6)
其中，采用4种惯性权重ω方案来影响速度的更新,然后与QDPSO算法进行性能比较：
方案1 ω为从(1,0.875)递减的函数ω=1-k・0.125/genmax。采用这种方案的QDPSO算法称为w1-QDPSO；
方案2 ω为从(0.9,0.4)递减的函数ω=0.9-k・0.5/genmax［6］。采用这种方案的QDPSO算法称为w2-QDPSO；
方案3 ω为一定值0.729 8［7］，采用这种方案的QDPSO算法称为w3-QDPSO；
方案4 ω为一凹函数［8］( ωstart-ωend)(t/tmax)2+(ωstart-ωend) (2t/tmax)+ωstart,其中ωstart=0.95,ωend=0.4,tmax为最大的迭代次数。采用这种方案的QDPSO算法称为w4-QDPOS。
综上所述，选择测试函数F1(x)和F2(x)分别为Sphere和Rastrigin(参数设置见文献\)，改进后的算法流程如下：
Step 1 初始化种群粒子的速度和位置；
Step 2 通过对两个测试函数进行初始化计算,得到每个粒子的当前位置为粒子最佳位置pbest,初始群体粒子位置的最优值为群体最佳位置gbest；
Step 3 重新把粒子的位置代入测试函数进行计算,得到每个粒子新的适应值,将其与pbest比较,若较好,则将pbest设置为新位置；并将其与gbest比较,若较好,则将gbest设置为新位置；
Step 4 根据公式(6)更新粒子的速度；
Step 5 用个体粒子的速度产生用以选择该粒子位置的更新方程的数据：
rand-q=1/(1+|(vmax-vid)/(vid-vmin)|)(7)
Step 6 由Step 5 产生的数据选择更新粒子位置的方程：
if rand-q>0.5
xid=p+L・(ln(1/u))
else xid=p-L・(ln(1/u))
Step 7 若未达到终止条件(足够小的适应值或预设的最大迭代次数),则返回Step 3。
更新粒子速度时需要注意：如果粒子的速度超出预设的范围,则采取使粒子反向运动的策略,从而保证算法有效进行。
1.3 算法的结果及数据分析
目标函数为F1(x)和F2(x),基本参数是：c1=c2=2.05,g=0.968 5,每种算法都在同一台计算机,同一环境下用Matlab 7.1.0软件运行。结果如表1所示。
表1 函数F1(x)和F2(x)的平均最优适应值(最小值)
FUNCTIONDGmaxω1-QDPSOω2-QDPSOω3-QDPSOω4-QDPSOQDPSO
F1(x)
101 0005.10E-170.001 20.015 23.30E-47.50E-10
201 5002.52E-051.805 763.800 11.372 50.046 5
302 0000.167 952.668 21.99E+332.001 85.15
F2(x)
101 0001.42E-167.11E-177.11E-172.13E-160
201 5007.11E-171.07E-16001.04E-17
302 0007.11E-177.11E-1703.55E-170
表1的数值是对每个函数在粒子数为20个的条件下,测试50次,然后取平均得到的结果。从表中可以看出,对于函数F1(x),比较结果可以明显得知：在随粒子群维数增加的情况下,ω1-QDPSO是比QDPSO得到更好的解,其他几种改进方案的解都比较差；函数F2(x)在随粒子群维数增加的情况下,4种改进方案和QDPSO都能得出比较好的解。
通过实验,可以看出：对于单峰函数F1(x),ω的递减不能太小,从方案ω1-QDPSO和ω2-QDPSO的结果就可以比较出来,而方案ω3-QDPSO和ω4-QDPSO的结果不好,可能是因为它们搜索的区域太小,从而陷入局部最优解。
对于多峰函数F2(x),ω的变化对测试函数的解的精确度没有太大影响,说明了改进方案在此方面没有明显提高。接下来,我们还对算法的收敛速度进行了比较。结果如表2所示。
表2 各种方案收敛到最优解的平均迭代次数
FunctionDGmaxω1-QDPSOω2-QDPSOω3-QDPSOω4-QDPSOQDPSO
F1(x)
101 000688―――993
201 500873 ― ―――
302 000―――――
F2(x)
101 000386223.5108188112
201 500441266.5128226111.5
302 000620280.5127252135
注：表2中“―”表示函数测试50次没有收敛。
表2是对函数测试50次后取得平均值的结果。可见对于函数F1(x),ω1-QDPSO和QDPSO都在10维的情况下收敛,而20维时只有ω1-QDPSO收敛,其他函数都没有收敛,导致这种结果的原因有2种：
(1) 各种方案随ω的变化,削弱或失去了调节能力,在达到最大迭代次数时也未收敛;
(2) 即使在算法已搜索到最优解附近时,由于局部搜索能力太差,跳过了最优解。对于函数F2(x),ω3-QDPSO,ω4-QDPSO,QDPSO收敛速度都比较快,ω1-QDPSO和ω2-QDPSO的收敛速度就相对较慢一些。这是由于对多峰函数测试时,各种方案的初始化范围附近可能存在最优解,所以减少了迭代次数,加快了算法速度。
通过对4种方案的研究,这里选取方案1应用于0-1背包问题,并得到理想的结果。
2 对改进算法应用到0-1背包问题
2.1 0-1背包问题的数学描述
0-1背包问题是一种典型的组合优化问题。0-1背包问题的描述如下：假设有n个物品,其大小和价值分别为wi和ci (其中wi>0,ci >0,i=1,2,…,n),背包的容量假设为V(V>0)。要求在背包的容量限制内,使所装物品的总价值最大。该问题的数学模型可表示为：
max f(x1,x2,…,xn)=∑ni=1ni=1 cixi∑ni=1wi・xi≤V,
xi∈［0,1］,(i=1,2,…,n)(8)
其中,当将物品i装入背包时xi=1;否则xi=0。
2.2 0-1背包问题的改进粒子群算法
改进粒子群算法应用到0-1背包问题的思想：粒子群中粒子的个数与每个粒子的维数相等。先定义二进制数x，x只能取0和1。再把粒子的种群数看作背包的个数n,对于每个粒子xi(其中i=1,2,…,n表示粒子个数)有n个维数,即1个粒子有n个位置。然后初始化每个粒子的速度vij,(其中j=1,2,…,n表示每个粒子位置的维数),每个粒子的每一维都对应一个初始化了的速度。对公式(8)进行变化：
min f(x1,x2,…,xn)=-∑ni=1cixi(9)
解决背包问题的步骤：
(1) 初始化粒子的速度和位置；
(2) 将初始化的位置向量代入式(9),在所得每个粒子的解中找到最优解pbest,并令pbest=gbest；
(3) 通过式(6)更新粒子的速度,对所得最优解进行修正,然后再次代入函数方程中继续寻找新的最优解；
(4) 若达到终止条件,则结束迭代,输出到存储向量,即为所求结果；否则,k=k+1,转步骤(3)。
2.3 实验仿真
为了验证ω1-QDPSO求解0/1背包问题的可行性及有效性,这里进行了2组实验,每组实验用ω1-QDPSO算法进行测试,每组算法运行50次。
实验一：取参数popsize＝10,dimsize＝10,c1=c2＝2.05,genmax=1 000,g=0.968 5；N=10,V=269,W＝{95,4,60,32,23,72,80,62,65,46},C={55,10,47,5,4,50,8,61,85,87},得到实验结果是max f=295,收敛平均迭代次数11。
实验二：取参数popsize＝20,dimsize＝20,c1=c2=2.05,genmax=1 000,g=0.968 5；N=20,V=878,W＝{92,4,43,83,84,68,92,82,6,44,32,18,56,83,25,96,70,48,14,58},C={44,46,90,72,91,40,75,35,8,54,78,40,77,15,61,17,75,29,75,63},得到实验结果是max f=1 024,收敛平均迭代次数23。
ω1-QDPSO算法求解0-1背包问题,与文献［9］中提出的用带有死亡罚函数的粒子群优化算法求解0-1背包问题相比,其运行速度明显提高。
3 结 语
本文通过采用4种方案对具有量子行为的粒子群优化算法的惯性权重研究分析表明,QDPSO改进算法中惯性权重的改变对性能的影响与经典PSO算法相比既具继承性又具发展性,在算法精度上ω1-QDPSO的结果比较优,而在计算速度上ω3-QDPSO和ω4-QDPSO的结果更优。选择其中算法性能相对较好的ω1-QDPSO算法应用于0-1背包问题,可以看出改进算法性能的改善在应用中得到更好的体现。
参考文献
［1］Kennedy J,Eberhart R C.Particle Swarm Optimization［C］.Proc.IEEE International Conference on Neural Networks USA,IEEE Press.,1995(4):1 942-1 948.
［2］Shi Y,Eberhart R C.A Modified Particle Swarm Optimizer ［C］.IEEE International Conference of Evolutionary Computation,Anchorage,Alaska,1998.
［3］Shi Y,Elberhart R C.Fuzzy Adaptive Particle Swarm Optimization ［A］.Proceeding of Congress on Evolutionary Computation［C］.Seoul,Korea,2001.
［4］Sun Jun,Feng Bin,Xu Wenbo.Particle Swarm Optimization with Particles Having Quantum Behavior ［A］.Proc.2004 Congress on Evolutionary Computation［C］.2004:325-331.
［5］马金玲,唐普英.一种基于量子行为的改进粒子群算法\.计算机应用研究,2007,43(36):89-90,180.
［6］Shi Y,Elberhart R C.Empirical Study of Partical Swarm Optimization\.Proceeding of 1999 Congress on Evolutionary Computation.Piscataway,NJ,IEEE Service Centerm,1999:1 945-1 950.
［7］曾建潮,介婧,崔志华.微粒群算法\.北京:科学出版社,2004.
［8］陈贵敏,贾建援,韩琪.粒子群优化算法的惯性权值递减策略研究\.西安交通大学学报,2006,40(1):53-56,61.
一、控制系统的硬件配置
系统由工程师站HIS0164、操作站HIS0163、HIS0162及现场控制站FCS0101、FCS0102组成。HIS0164用于系统组态和工艺操作监视，HIS0163、HIS0162用于工艺操作和监视。现场控制站由具有双冗余控制结构的控制单元AFG40D和本地节点组成。工程师站通过E-net向各操作站下装组态数据，网内各站共享外设资源；工程师站、操作站和控制站的通信，控制站和控制站的通信及控制站与各节点的通信，使用双重化实时控制网络V-net。
二、应用软件组态
工程师站安装有WindowsXP操作系统，利用CENTUM-CS3000系统软件组态。组态菜单采用树型分支机构，一个项目由若干个文件夹或文件组成，在对应的文件里或以根据系统配置组态控制站、流程图、操作组及报表等。在Control Drawing图上选取所需的控制功能块并输入相应的组态数据，再把它们连接到相应的输入输出通道上，即生成控制方案或直接生成顺控表，对各个功能块、模拟量、输入输出数字量、内部开关及报警器等进行直接控制。
三、流量计自动计量组态说明
本公司在用的流量计主要是椭圆齿轮脉冲流量计（简称为流量计），生产过程如何使计量自动、无误地进行是保证生产质量、减少操作人员工作量的重要部分。在节点NODE1的第1插槽插上AAP135-S脉冲输入卡件，组态时把第一通道的Label组态为%%FQC502Y2，以便于识别。现场流量计信号（脉冲式）线接到该卡件的第一通道上，流量计后的气动阀及各罐的计量气动阀、底阀的数字输出信号，接到卡件ADV559上（在NODE1的第2插槽），在Label分别组态为NDO001Y2、NDO029等。在功能块的组态中，用批量信号设定器BSETU-2作为脉冲输入信号输入处理、并进行流量给定，控制阀门启闭。流量给定值FQC502.BSET=NCT159.PV×XNS221.DT03×FQCY11.DT07，由计算块NCL033计算得出，再把数据传给批量数据块UN209.DT03。NCT159.PV为配方基数值，各个罐不同，YT-32为2000；XNS221.DT03为系数，在Graphic图上输入，FQCY11.DT07为固定小数0.1，如YT-32需计量150L，则系数调出窗口输入0.75，即FQC502.BSET=150L。现场的管道及阀门的分布情况如图1所示。这是在工程师站组态的Graphic图（操作监视画面），用于操作、监视整个计量过程情况。图中采用CS3000中的变色功能，在阀门打开时，相应的位置阀门由原来的绿色变为红色，表示该阀门状态是开。功能按键及选择哪个罐，则相应的按键的背景色变为绿色。其它的状态、功能变化由顺控表ST01FQC、ST07及ST08控制。计量过程如下：
1、计量判断。输入系数“0.75”，按“制造”、“开始”、“YT-32”，计量由ST07表进行判断，如表中第1列的所有条件成立，则执行表ST08的第3步，计量开始。如流量计正在使用中，则第2列的条件成立，操作站报警提示“FQC502正在使用中”，不能计量，必须等到别的罐计量完了，才能进行。
2、计量执行。执行ST08的第3步，进行配方数据设定，流量计给定值设定、流量累积值收集器清零，启动1秒计时器，之后执行第4步，计时时间到，置初期化标志NSW101.PV为0（N），计量中标志NSW102.PV为1（Y），提出计量要求，执行表ST01FQC的第2步，进行计量。
在ST01FQC的第2步，先对流量计计量完标志NSW362.PV置为0，流量计累积值SUM清零，之后执行第5步；判断FQC502.BSET有给定值，不为0，则置流量计计量中标志NSW361.PV为1，打开YT-32计量阀门，执行第8步，FQC502状态变为AUT（自动），NDO001Y2（流量计后的气动阀）打开，启动10秒计时器、脉冲计数器，计量开始，此时监视图上的两个阀门变为红色。直至FQC502报警BEND（批量计量结束），流量计状态恢复为手动状态，NDO001Y2关闭，再启动10秒计时器，执行第12步，延时关闭YT-32计量阀门，计时时间完了，关闭YT-32计量阀门，同时置流量计计量完标志为1。执行第10步，等待表ST08执行完第6步，使其条件成立，在打印机打印输出YT-32本次计量的设定值和实际计量值，并在操作监视画面上显示。
当流量计计量完标志NSW362.PV为1，则表ST08执行第5步，进行数据收集，收集到UN209.DT01。执行第6步，把FQC502计量中标志NSW361.PV置为0。之后执行第7步，置YT-32计量中标志NSW102.PV为0，计量完标志NSW103.PV为1；操作监视画面中的阀门状态及按键状态恢复到原来的状态，完成整个计量过程。FQC502计量实行表是YT-32、YT-33和YT-34共用，YT-33和YT-34的计量判断表和计量执行表则跟ST07及ST08类同。
四、结论
该流量自动计量过程自从使用以来，操作简单可靠，同一系统中各个罐的计量按控制过程有序地进行，保证了计量的准确无误，实用性强。
参考文献：
1、CENTUM CS综合生产控制系统概说.横河西仪有限公司（XYC），1994(7).
关键词：发电机定子 安装 扁担梁 应用
中图分类号：TK-9 文献标识码：A 文章编号：1674-098X（2013）01（a）-00-02
发电机定子是火力发电厂汽机房内单体起重量最大的设备之一。由于各个火电厂厂房、行车的结构和额定起重量的不同，以及布置方式的不同，定子的吊装方法也很多，具体用什么方法，是在保证吊装装置必须满足安全强度要求的前提下，从经济分析的角度认真分析确定。
1 情况简介
在火电厂中，发电机定子的重量一般都超过汽机房行车的额定起重量，因而发电机定子的安装从设计、安装等，都是需要特别重视的问题，定子的吊装同样涉及汽机房平台、梁的强度要求，定子的吊装通常在机房安装完成之后，因此用专用的吊装梁是一种经济可行的方法。下面用武乡电厂定子的吊装为例，来说明定子的扁担梁吊装方案。
武乡电厂发电机为哈尔滨电机厂制造的QFSN-600-2YHG型汽轮发电机。发电机静子重量310T，外形尺寸φ4000×10350 mm，布置在汽机房13.65 m平台，距其中心线2530 mm处，设计有可拆卸吊攀。根据现有机械，拟采用CKE4000C履带吊卸车，将静子从运输铁路吊运至主厂房扩建端。用7250履带吊和CKE4000C履带吊双车抬吊，将静子起升至扩建端外的临时支撑平台上，再用液压推力千斤顶将定子平移至基座位置。最后，用行车和230T门型吊车双车抬吊，将临时装置拆除，使定子就位。
2 梁负荷分配计算
吊装梁采用制作的箱型梁，外形尺寸见图，长7500 mm，定子前吊点距梁前端500 mm，两吊点间距5060 mm，400T履带吊（230T门型吊车）吊点距定子前吊点1008 mm，7250履带吊（汽机房行车）吊点距定子后吊点1440 mm。以G1为支点，可得：
F2×6500+F1×1008=G3×3250+G2×5060 G梁=10T G1=155T G2=155T
可知F1=230T F2=90T
3 梁强度计算
3.1 计算说明
计算中涉及到的尺寸数据和位置如图2；h：表示梁整体高度1000 mm；h0：表示腹板高度940 mm；b：表示两腹板间净距离450 mm；b1：表示翼缘宽度550 mm；b2：表示翼缘外边伸出腹板长度30 mm；δ：表示腹板厚度20 mm；t1：表示上翼缘厚度30 mm；t2：表示下翼缘厚度30 mm；l：表示梁计算长度7500 mm；a表示梁内部横向加劲板间距500 mm；
3.2 梁强度校核
强度计算包括：抗弯强度、抗剪强度、刚度、梁折算应力、腹板局部挤压强度、腹板折算应力和翼缘板折算应力。
3.2.1 抗弯强度校核
最大弯矩计算：
对梁上各受力点进行弯矩合成得出各受力点弯矩如下。
MG1=0，MF1=155×104×1008=156240×104N・mm
MG3=230×1042242-155×104×3250=11910×1044N・mm
MG2=90×104×1440=129600×104N・mm
MF2=0，Mmax= MF1=156240×104N・mm
Mmax为最大弯矩；W为净面积抵抗矩；
梁惯性矩Ix=2×20×9403/12+550×30×4852×2=10.531×109 mm4
则W= 2Ix/ h =2.1×107 mm3
σ=Mmax/W=156240×104/2.1×107=74.4 MPa ≤140 MPa，满足要求。
3.2.2 抗剪强度校核
τ=Qmax .S/I.δ≤[τ]
Qmax：最大剪力；S：验算处半面积矩（即中和轴以上毛截面对中和轴的面积矩）；I：验算处的截面惯性矩（因本梁仅承受垂直剪力，I=Ix）；
S=w30×550×485+2×20×470×235=12.42×106
τ=Qmax.S/I.δ=155×104×12.42×（10.531×109×40）=45.7 mpa
满足要求
3.2.3 梁折算应力校核
σzs=（σ2+3τ2）1/2≤1.1f=（74.42+3×45.72）1/2=108.63 mPa≤1.1f=258 mPa
σzs为折算应力；σ为截面弯曲应力；τ为截面剪切应力；
3.3 梁整体稳定性验算
计算长度L=5500；翼缘宽度b1=550 mm则L/ b1=5500/550=10
整体稳定性满足要求。
3.4 梁局部稳定性验算
b/t=275/30=9.2
3.5 梁吊耳计算
3.5.1 90 t吊耳计算
90吨吊耳采用30 mm钢板制作，具体尺寸见上图，2只吊耳各承受45 t剪力。
[关键词]固态电子盘 抗恶劣环境计算机 指标
中图分类号：P256 文献标识码：A 文章编号：1009-914X（2015）40-0007-02
1、概述
近年来随着计算机技术的飞速发展，对抗恶劣环境计算机的各项性能指标提出更高要求，应用领域不断扩大。在研制、开发抗恶劣环境计算机的过程中发现，制约其可靠性的关键部件之一就是外部存储器。
以往抗恶劣环境计算机外部存储器采用的机械式硬盘。由于机械式硬盘是机电一体化产品，其工作温度、机械震动等环境适应性远不能满足抗恶劣环境计算机的要求。随着半导体存储技术日渐成熟、完善，固态电子盘逐步取代机械式硬盘成为抗恶劣环境计算机的外部存储器。但由于储存容量较小难以满足大数据量存储，为寻求一种大容量高可靠性的外部存储设备，我们着手对大容量固态电子盘的研制开发工作。
2、构成
固态电子盘由存储载体、控制器、接口以及电源管理等部分构成。
2.1 存储载体
固态电子盘利用超大规模集成电路flash存储芯片阵列作为储存载体，取代硬盘高速旋转磁盘载体。其特点是减少寻道延迟时间，由于没有精密机械设备提高了使用寿命，降低了功耗。为提高存储容量存储载体选用k9k4g080um存储芯片。
2.2 控制器
控制器是固态电子盘的关键元器件之一，完成存储数据在flash存储芯片阵列读写管理。
2.3 接口
固态电子盘接口设计与标准硬盘接口一致，接口采用2.0mm标准IDE接口。
3、设计方案
3.1 Flash盘控制器
经过查阅大量的资料及分析，Flash盘控制器采用了SST公司生产具有的IDE接口控制器SST55ld019。该控制器具有电路简单、速度快、可靠性高等特点。其中最大特点是控制容量大（最高可达24G），为今后固态电子盘持续升级带来很大方便。其功能框图如图1：
SST55ld019控制器内部包含了一个微控制器和嵌入式Flash文件管理系统。控制器和主机的接口允许数据写入Flash介质以及从Flash介质读出。MCU负责把IDE命令转换成Flash介质操作所需的数据和控制信号。SRAM缓冲极大地优化了主机和Flash介质之间的数据传输。内部DMA直接把缓冲数据传输到Flash介质，越过MCU，提高数据吞吐率。嵌入式Flash文件系统为基于文件的操作系统提供了方便。多任务接口可以对多个Flash介质器件进行读/写、编程和擦除操作。SCI接口用于重新进行芯片初始化过程和配置ID号，为硬件调试提供方便。
NAND Flash存储器
NAND Flash存储器是固态电子盘的关键元器件之一，其性能直接影响到设备性能优劣。
该存储器为采用页面管理方式，基本存储容量为128MΧ8，页容量为512字节。其原理框图见图2所示：
NAND型闪存的基本存储单元是页（Page）（可以看到，NAND型闪存的页就类似硬盘的扇区，硬盘的一个扇区也为512字节）。每一页的有效容量是512字节的倍数。所谓的有效容量是指用于数据存储的部分，实际上还要加上16字节的校验信息，因此我们可以在闪存厂商的技术资料当中看到“（512+16）Byte”的表示方式。目前2Gb以下容量的NAND型闪存绝大多数是（512+16）字节的页面容量，2Gb以上容量的NAND型闪存则将页容量扩大到（2048+64）字节。
NAND型闪存以块为单位进行擦除操作。闪存的写入操作必须在空白区域进行，如果目标区域已经有数据，必须先擦除后写入，因此擦除操作是闪存的基本操作。一般每个块包含32个512字节的页，容量16KB；而大容量闪存采用2KB页时，则每个块包含64个页，容量128KB。
寻址时，NAND型闪存通过8条I/O接口数据线传输地址信息包，每包传送8位地址信息。由于闪存芯片容量比较大，一组8位地址只够寻址256个页，显然是不够的，因此通常一次地址传送需要分若干组，占用若干个时钟周期。NAND的地址信息包括列地址（页面中的起始操作地址）、块地址和相应的页面地址，传送时分别分组，至少需要三次，占用三个周期。随着容量的增大，地址信息会更多，需要占用更多的时钟周期传输，因此，NAND型闪存的一个重要特点就是容量越大，寻址时间越长。而且，由于传送地址周期比其他存储介质长，因此NAND型闪存与其他存储介质相比不太适合大量的小容量数据的读写请求。
决定NAND型Flash存储介质的主要因素有：页数量、页容量、块容量、I/O位宽、频率等等。
目前我们所选用的K9K4G080u Flash存储介质为页数量为512MΧ8，页容量为2KB，则它的寻址时间（即传送地址时间）为4个周期。
NAND型闪存的读取步骤分为：发送命令和寻址信息将数据传向页面寄存器（随机读稳定时间）数据传出（每周期8bit，需要传送512+16或2K+64次）。NAND型闪存的写步骤分为：发送寻址信息将数据传向页面寄存器发送命令信息数据从寄存器写入页面。K9K4G080 Flash存储介质读一个页需要：6个命令、寻址周期×50ns+12μs+（2K+64）×50ns=131.1μs；K9K4G08U0M实际读传输率：2KB字节÷131.1μs=15.6MB/s；写一个页需要：6个命令、寻址周期×50ns+（2K+64）×50ns+300μs=405.9μs。K9K1G080实际写传输率：2112字节÷405.9μs=5MB/s。
块是擦除操作的基本单位，由于每个块的擦除时间几乎相同（擦除操作一般需要2ms，而之前若干周期的命令和地址信息占用的时间可以忽略不计），块的容量将直接决定擦除性能。大容量NAND型闪存的页容量提高，而每个块的页数量也有所提高，一般4Gb芯片的为2KB字节×64个页=128KB。
接口设计
为提高固态电子盘的通用性，接口设计为目前硬盘广泛使用的标准IDE接口。该接口在物理上实现了IDE-40芯插座和IDE-44芯插座兼容的方式，可直接连接到PC机硬盘连线，也可直接用于连接移动式（笔记本连接方式）接口，电信号与通用标准IDE接口完全兼容。其排列如图3所示。
电路设计
由于NAND Flash存储器的工作电压是+3.3V，Flash盘控制器同时使用+5V和3.3V。因此在固态电子盘上单独设计了一个电源转换和稳压电路，通过这部分电路为固态电子盘提供所需要的5V和3.3V工作电压和断电保护。
固态电子盘外部时钟设计为可调节模式，通过RC振荡来激发外部时钟，通过选择不同的电阻和电容来调节到我们需要的外部时钟，这里，我们的外部时钟在10～100MHz可选，不同的外部时钟可影响到固态电子盘的读写性能。外部时钟越高，读写速度越快。
3.5 固态电子盘设计
通过上述分析固态电子盘用SST55ld019控制器来驱动24片K9K4G080 Flash存储芯片。并将全部元器件放置在一块PCB板上。高速PCB设计为多层印制版，大小为 99×65mm？。外部时钟频率设计为23MHz，总容量为12G，最大读速度：15.6MB/S；最大写速度：5MB/S。接口设计为笔记本式标准的2.0mm间距IDE接口，支持主/副盘选择。其原理框图如下图所示：
由固态电子盘的原理框图可以得到，电子盘的设计逻辑实现了IDE接口，并将有关信号嵌入系统总线中，又在物理上实现了IDE-40芯插座和IDE-44芯插座兼容的方式，可直接连接到PC机硬盘连线，也可直接用于连接移动式（笔记本连接方式）接口。
电子盘的设计是通过将IDE信号逻辑嵌入到Flash盘控制器中，通过驱动器和总线驱动器的转换，将命令和数据地址总线转换成多个并行的数据地址总线和命令，操作时通由FALE和FCLE来锁存信号区分，并用译码器来将片选信号转换成多个片选信号，以此实现一个控制器与多个NAND Flash存储介质的连接，从而实现增大电子盘容量。
同时，我们用全固件和工业级的芯片和器件设计整个固态电子盘，满足了高低温和震动冲击的要求，适应了恶劣环境下对硬盘要求的需要。
4、固态电子盘的提升
通过设计12G固态电子盘，我们掌握了一些设计固态电子盘的关键技术和资料。目前，我们所设计成型的固态电子盘容量还不是很大，不能满足大容量的数据存储和交换。但是，通过改进性设计和选用高性能的Flash盘控制器以及大容量的Flash存储芯片，我们可以提高固态电子盘的存储容量和读写速度以及性能。
高性能的Flash盘控制器可以控制更多的Flash存储芯片，并提高时钟频率，同时也增加对Flash存储介质的读频率。选用大容量的Flash存储介质，不仅增大了Flash存储介质本身的页容量、页数量和块容量，同时也增加了I/O位宽，将数据线增大到16条，带宽增加一倍，再通过时钟频率的增大，则其读写性能将大大增加，以一个K9K4G160u为列，每页为2KB，但结构为（1K+32）×16bit。K9K4G16U0u读一个页需要：6个命令、寻址周期×50ns+25μs+（1K+32）×50ns=78.1μs。K9K4G160u实际读传输率：2KB字节÷78.1μs=26.2MB/s。K9K4G16写一个页需要：6个命令、寻址周期×50ns+（1K+32）×50ns+300μs=353.1μs。K9K4G160u实际写传输率：2KB字节÷353.1μs=5.8MB/s。从以上可以看出，它的读写性能比起K9K4G080u大大增加。
通过改进使固态电子盘总容量可增大到24G以上，更加适用于大容量的数据存储和交换，更能满足恶劣环境下对数据存储和交换的需要。并能根据实际需要，通过原理设计和重新选用芯片，设计出512M～24G或更大容量的电子盘，满足用户需求。
5、结束语
目前，已设计的12G容量固态电子盘已投入使用，并能在全加固和恶劣环境下运行正常，各项技术指标均达到了设计要求。
参考文献
[1]李文博，Flash阵列存储技术研究[D].哈尔滨工业大学，2010年
[2] SST：SST55LD019 Data Sheet.
[3] ATA Flash Disk Controller External Clock Option Application Note.
[4] ds_k9xxg08uxm_rev09 Data Sheet.
[5]鲁昌龙，固态硬盘存储系统模型及存储管理层算法的研究[D].景德镇陶瓷学院，2011年.
关键词：粒子群算法 收缩因子 变风量空调系统 PID控制器
0 引言
变风量(VAV)空调系统因其优良的节能性和舒适性，获得了越来越广泛的应用。VAV空调系统的控制机理并不是很复杂，末端送风装置是实现变风量功能的关键，而选择何种控制系统并与末端送风装置进行有机结合是整个VAV空调系统最重要的环节之一。
目前，由于传统的变风量空调系统中PID控制参数存在整定困难，所以效果往往不是那么理想，自适能力存在着一定的问题，为了解决传统方法对于非线性系统控制效果不佳的问题，很多传统学者将一些智能算法引入到送风量控制当中，比较有代表性的是PID参数自整定控制方法，它是基于遗传算法、神经网络或模糊控制这几项算法基础的。与传统的神经网络和遗传算法等为代表的自整定算法相比，本文所采用的引入收缩因子的粒子群算法来进行PID参数自整定控制更具有优势，首先，它计算效率高，计算方法简单易行，由于计算量小，它又具有易实现的特点。采用引入收缩因子的粒子群算法的PID控制策略可以使系统具有更好的适应性，更适合于VAV 空调系统的控制，也更加适合空调行业未来的发展。
1 基于改进的粒子群算法
1999年Clerc提出带收缩因子的粒子群算法更有效的控制了微粒的飞行速度，他认为带收缩因子的粒子群算法具有良好的收敛性，同时又不用限制最大速度，因此，比惯性权重的粒子群算法更简单，能使算法达到全局探测与局部开采两者之间的有效平衡。
算法如下：
式（1）中λ称为收缩因子，起类似于Vmax的作用，用来控制和约束微粒的飞行速度。同时，Eberhart和Shi在文献中也证明了收缩因子λ比惯性权重ω更能有效的约束微粒飞行的速度，同时增强了算法的搜索能力。而通过有关人员研究发现，采用收缩因子的粒子群算法，其种群规模取20~50，C参数取4.05~4.1时，可以有较好的收敛速度和精度。
2 建模
2.1 空调房间模型的建立
为了方便研究，建模时暂不考虑它的纯滞后。空调房间基本上可以看做是恒温室。根据能量守恒定律，恒温室中能量蓄存量的变化率，等于单位时间内进入恒温室的能量与单位时间内由恒温室流出的能量之差。即：
上述关系的数学表达式是：
式（2）中，C1为恒温室的容量系数(包括室内空气的蓄热和设备与围护结构表层的蓄热)，kJ/℃；tn、ts为室内空气温度（或回风温度）和送风温度；w为送风量，m3/h；ρ为空气密度，kg/m3，可取ρ=1.2；c为空气定压比热，KJ/kg・K，可取c=1.01；qn为室内散热量kJ/h；r为恒温室围护结构的热阻，K/W；t0为室外空气温度，℃。
对于变风量空调系统，由于采用一定的送风温度，因此将（4）式进行如下处理：
（3）
式（3）右边可分别看做房间调节通道和干扰通道两部分，经化简为：
（4）
其中，T为空调房间的时间常数，h；kw为房间调节通道的放大系数，℃/(m3/s)；kq为房间扰动通道的放大系数，℃/(kJ/s)；Δq为室内外干扰量的变化换算成室内热量的变化，kJ/h。式（5）就是空调房间在变风量系统下的数学模型。由式（5）可得到调节通道及扰动通道的传递函数，并考虑到实际传感器往往存在延迟，故在仿真时加入纯滞后环节τ：
（5）
2.2 压力无关型末端装置建模
目前，我们最常采用的是压力无关型变风量末端装置，它是为了克服系统末端较强的二次干扰而设计的，压力无关型是指当送风管道内静压发生变化时，不会干扰到正常的室内温度，由于变风量空调系统流量的二次干扰非常明显，我们可以采用串级调节，智能楼宇环境对温度测控精度较高，因此要格外注意。
系统框图如图1所示
2.3 控制算法
为了得到使系统指标为最优的一组主副控制器PID参数。我们可以利用粒子群根据事先确定的指标J进行自寻优控制，它主要是利用系统的误差e(t)，从而得到主副控制器PID参数。基于引入收缩因子的粒子群PID自整定控制系统框图如图2所示，算法流程图如图3所示。
这里将PID控制器的三个重要参数Kp、Ki、Kd作为粒子群算法的粒子群维数，而粒子群规模及最大迭代次数可根据文献提出的范围内任意设置。通过上述的寻优过程即可获得较好的控制效果。
3 工程仿真
通过以上的模型建立过程，根据空调房间的某一工况可得到如下的传递函数：
(6)
然后利用引入收缩因子的粒子群算法对PID参数进行自整定控制. 根据实际的工程情况，采样时间ts设为20s，粒子群维数取为3，同时为了兼顾算法的有效性和执行效率，粒子群规模取为30，最大迭代次数设为200次.c1和c2分别取为2.8、1.3，则根据式(1)可计算得λ=0.7298。采用常规方法整定的常规PID控制、带收缩因子、加入扰动的常规PID控制、加入扰动的带收缩因子的系统仿真图及适应度函数下降曲线如图4～图8 所示。由图中看出系统初始波动较大，稳定时间也较长控制效果不尽如人意。
通过仿真图对比可以看出，如果利用加入扰动的带收缩因子粒子群算法，可以使种群算法的多样性得到有效的保证，采用加入扰动的带收缩因子粒子群算法进行PID自整定后，原控制系统的调节时间、上升时间、超调量都能得到有效控制，它对改善系统的性能，增加其控制精度和适应性都有良好的效果，同时它还能消除静差，增加系统的鲁棒性。
4 结论
通过仿真研究，我们可以看出，基于引入收缩因子的粒子群PID 参数的控制系统具有很强的自适应能力，它基本不依赖于控制器设计经验，是一种自整定控制系统，它可以取得更优的动态性能.为VAV空调系统PID控制器的设计提供了一种新的思路.同时，它又具有很强的鲁棒性，应用于非线性和不确定性的VAV空调系统时可以取得较为良好的效果，能适应我国目前空调业界的发展。
参考文献：
[1]马富军，张益华.浅谈VAV空调系统控制中的几个问题[J].制冷空调与电力机械，2005，26(6):68-69.
[2]蒋红梅.模糊PID控制在变风量空调系统中的应用研究[D].西安:西安建筑科技大学信息与控制工程学院，2001.
[3]Ho S Y，L in H S，L iauhW H，et a l.OPSO:O rthogo2nal partic les warm optimization and its application totask assignment problem s [ J ].Systems and humans，2008，32(2):288-298.
[4]Clerc M.The swarm and queen：towards a deterministic and adaptive Particle Swarm Optimization.Proc IEEE Congress on Evolutionary Computation，1999:1591-1597.
[5]Eberhart R C，Shi paring inertia weights and construction factors in particle swarm optimization.Preceedings of the IEEE Conference on Evolutionary Computation，ICEC.Vol 1:84-88.
关键词：量子算法；Shor算法；Grover算法；量子通信；量子智能计算
【分类号】：TM743
1.概述
量子计算是计算机科学与量子力学相结合的产物，根据Moore定律可知：当计算机的存储单元达到原子层次时，显著地量子效应将会严重影响计算机性能，计算机科学的进一步发展需要借助新的原理和方法【1】，量子计算为这一问题的解决提供了一个可能的途径。
根据量子计算原理设计的量子计算机是实现量子计算的最好体现。量子计算机是利用微观粒子状态来进行存储和处理信息的计算工具【2】。其基本原理是通过物理手段制备可操作的量子态，并利用量子态的叠加性、纠缠性和相干性等量子力学的特性进行信息的运算、保存和处理操作，从本质上改变了传统的计算理念。
量子通信是量子理论与信息理论的交叉学科，是指利用量子的纠缠态实现信息传递的通讯方式。量子的纠缠态是指：相互纠缠的两个粒子无论被分离多远，一个粒子状态的变化都会立即使得另一个粒子状态发生相应变化的现象。量子通信主要包括两类：用于量子密钥的传输，和用于量子隐形传态和量子纠缠的分发。与传统的通信技术相比，量子通信具有容量大，传输距离远和保密性强的特点。
2.量子计算基础
2.1 量子位
计算机要处理数据，必须把数据表示成计算机能够识别的形式。与经典计算机不同，量子计算机用量子位来存储信息，量子位的状态既可以是0态或1态，也可以是0态和1态的任意线性叠加状态。一个n位的量子寄存器可以处于 个基态的相干叠加态 中，即可以同时存储 种状态。因此，对量子寄存器的一次操作就相当于对经典计算机的 次操作，也就是量子的并行性。
2.2.量子逻辑门
对量子位的态进行变换，可以实现某些逻辑功能。变化所起到的作用相当于逻辑门的作用。因此，提出了“量子逻辑门”【3】的概念，为：在一定时间间隔内，实现逻辑变换的量子装置。
量子逻辑门在量子计算中是一系列的酉变换，将酉矩阵作为算符的变换被成为酉变换。量子位的态 是希尔伯特空间（Hilbert空间）的单位向量，实现酉变换后希尔伯特空间，在希尔伯特空间内仍为单位向量。【4】
3.量子算法
量子算法的核心就是利用量子计算机的特性加速求解的速度，可以达到经典计算机不可比拟的运算速度和信息处理功能。目前大致五类优于已知传统算法的量子算法：基于傅里叶变换的量子算法，以Grover为代表的量子搜素算法，模拟量子力学体系性质的量子仿真算法，“相对黑盒”指数加速的量子算法和相位估计量子算法。
3.1基于傅里叶变换的量子算法
Shor于1994年提出大数质因子分解量子算法，而大数质因子分解问题广泛应用在RSA公开密钥加密算法之中，该问题至今仍属于NP难度问题。但是Shor算法可以在量子计算的条件下，在多项式时间内很有效地解决该问题。这对RSA的安全性有着巨大的挑战。
Shor算法的基本思想是：利用数论相关知识，通过量子并行特点，获得所有的函数值；再随机选择比自变量小且互质的自然数，得到相关函数的叠加态；最后进行量子傅里叶变换得最后结果。构造如下函数：
就目前而言，该算法已经相对成熟，对其进行优化的空间不大。目前研究者的改进工作主要是：通过对同余式函数中与N互质的自然数选择的限制，提高算法成功的概率。Shor算法及其实现，对量子密码学和量子通信的发展有着极重要的价值。[7]
3.2以Grover为代表的量子搜素算法
3.2.1 Grover算法
Grover算法属于基于黑箱的搜索算法，其基本思想为：在考虑含有 个数据库的搜索问题，其中搜索的解恰好有 个，将数据库中的每个元素进行量化后，存储在 个量子位中， 与 满足关系式 。【8】将搜索问题表示成从0到 的整数 ，其中函数 定义为：如果 是需要搜索的解， ；若不是需要搜索的解，那么 。【12】
具体算法如下：
（1）初始化。应用Oracle算子 ，检验搜索元素是否是求解的实际问题中需要搜索的解。
（2）进行Grover迭代。将结果进行阿达马门（Hadamard门）变换。
（3）结果进行 运算。
（4）结果进行阿达马门变换。【12】
4. 量子智能计算
自Shor算法和Grover算法提出后，越来越多的研究员投身于量子计算方法的计算处理方面，同时智能计算向来是算法研究的热门领域，研究表明，二者的结合可以取得很大的突破，即利用量子并行计算可以很好的弥补智能算法中的某些不足。
目前已有的量子智能计算研究主要包括：量子人工神经网络，量子进化算法，量子退火算法和量子免疫算法等。其中，量子神经网络算法和量子进化算法已经成为目前学术研究领域的热点，并且取得了相当不错的成绩，下面将以量子进化算法为例。
量子进化算法是进化算法与量子计算的理论结合的产物，该算法利用量子比特的叠加性和相干性，用量子比特标记染色体，使得一个染色体可以携带大数量的信息。同时通过量子门的旋转角度表示染色体的更新操作，提高计算的全局搜索能力。
目前量子进化算法已经应用于许多领域，例如：工程问题、信息系统、神经网络优化等。同时，伴随着量子算法的理论和应用的进一步发展，量子进化算法等量子智能算法有着更大的发展前景和空间。
参考文献
1.王书浩，龙桂鲁.大数据与量子计算
2.张毅，卢凯，高颖慧.量子算法与量子衍生算法
3.Deutsch D，Jozsa R.Rapid solution of problems by quanturm computation[C]//Proc Roy Soc London A，1992，439：553-558
4.吴楠，宋方敏。量子计算与量子计算机
5.苏晓琴，郭光灿。量子通信与量子计算。量子电子学报，2004，21（6）：706-718
6. White T.Hadoop： The Defintive Guide，California：O’Reilly Media，Inc.2009：12-14
7.王蕴，黄德才，俞攸红.量子计算及量子算法研究进展.
8.孙吉贵，何雨果.量子搜索算法.软件学报，2003，14（3）：334-344
9.龙桂鲁.量子计算算法介绍
10.解光军，范海秋，操礼程.一种量子神经计算网络模型
关键词：量子保密；通信技术；应用；未来发展
引言
随着信息化时代的到来，人们无时无刻都在接发文字信息、视频信息、电子信息等，给人们的生活、工作、学习和社会各个领域带来了新的改变。为了保障信息通信的安全，防止信息传递过程中存在的泄露风险，采取量子保密通信技术，有效避免信息被攻击破译，保障了信息传递的绝对安全[1]。量子保密通信改变了传统加密通信的局限性和不安全性，解决了存在的安全隐患问题，根据量子力学原理与科学信息技术的有效结合，采用高精度量子测量技术和高精准量子计算技术进行计算、编码和信息传输，发挥了高效安全的通信性能。量子计算利用量子力学规律来调控量子信息单元进行计算，能够进行大规模、多线程地数据处理，具有超强的计算能力和精密的逻辑性[2]。在依靠量子比特工作中，由于量子位存在的并行性、纠缠性和叠加性，量子算法在进行问题处理时就能够做出传统计算无法比拟的超强处理能力，实现超高精度、超高速度的工作效率[3]。随着国内外量子信息技术科技的发展，针对现有公钥体系在单向计算时存在的易被攻击威胁，造成信息发生泄漏的严重后果，开展量子密钥分发技术的保密通信的创新研发，满足了当前信息化社会和数字化经济时代的需求。通过量子保密通信技术的研究与应用，推动了量子保密通信标准化工作的进行和未来的无限发展。
1量子保密通信技术应用
1.1量子密钥分发技术应用
量子密钥分发是根据量子测不准原理、量子不可分割和量子态不可复制的特性来实现，量子生成的通信密码校验绝对的安全性，不会被任何方式破解。通信双方建立量子密码分享协议，发送方和接受方以单光子的状态作为信息载体来建立密钥，保证密钥分发的安全性，密钥分发采取一次一密的加密体制建立安全通信密码。密钥分发完成后需要进行信息协同和隐私保密增强，纠正密钥中存在的错误，使密钥保持一致性，进一步增强信息隐私的保密安全。根据协议随机选择调制每一个光子的基矢，随机的基矢可以对接收端进行监测，在偏振编码过程中采用单光子的水平偏振态（0°）、垂直偏振态（90°）、偏振态（+45°）和偏振态（-45°）的4个量子态，来进行不同自由度的编码，可以选择垂直方向，也可以沿水平方向或其它角度作为量子信息的载体。发送方随机使用2组基矢，按照事先约定的单光子水平偏振态通过量子信道发送给协议用户，当用户接收到光子后也随机地使用2组基矢进行偏振态的测量，如果制备基矢和检测基矢兼容，则表示收发随机数完全一致，如果存在不同，发送方和用户在从新进行比对制备基和测量基基矢，直到收发双方拥有完全一致的随机数序列密钥。密钥分发、生成后不会被破译或计算破解，即使在密钥生成过程中被窃听也会被通信方发现，仍然不会泄密，保证了绝对的安全性[4]。
1.2量子保密通信与后量子安全加密应用
近年来，我国在量子信息技术领域发展迅速，在量子保密通信的研发中获得突破性进展，利用量子保密通信技术克服了传统通信技术存在的安全隐患问题，保证了通信的安全性和可靠性[5]。量子保密通信具备巨大的信息存储与携带性能，量子计算机可以面对各种复杂难度的计算，并能进行高时速、高精准的并行计算处理能力。量子保密通信是在原有的公钥体系进行创新改进，采取量子密钥分发和加密的量子保密通信方案，以应对原有量子计算体系内存在的安全威胁，并对现有加密体制进行升级，应用计算破解能力的后量子加密技术提高了被破解能力，避免信息泄露。量子保密通信与后量子加密的应用，为未来量子安全信息加密技术的创新发展具有重要的意义[6]。
1.2.1量子保密通信方案量子保密通信利用量子态的叠加性和量子不可克隆原理，采取密钥分发的密码技术，对传输的信息进行一次一密的加密方法，完善了加密体制，实现了信息传输的安全性。
1.2.2后量子加密后量子加密技术是一种新的加密方法，通过运用许多先进的技术对现有的加密体制算法进行升级改进，例如网格编码算法和椭圆曲线算法等，增加了防御能力，可以完全抵抗黑客的计算破解，后量子新型信息加密技术能够与现有的信息安全系统实现兼容和平滑升级演进。
1.3量子保密通信应用
量子保密通信为未来信息安全提供了保障，是信息领域的重要技术手段，在量子保密通信中量子密钥分发作为关键技术，与典型网络组织和现有通信系统结构相融合，建立了网络管控、安全服务、密钥生成层、密钥分发层、密钥应用层等组织结构，实现了通信网络的可用性和安全可靠性，并应具备灵活高效、可扩展的未来发展的建设需求。系统分为发送装置和接受装置，利用公共信道对密钥分发协议合法的通信双方发送共享的随机密钥。其中，密钥生成层将生成制备的量子密钥提供給上层，在密钥中继、密钥转发、密钥存储、密钥输出过程中，密钥应用层为量子密钥的保密通信服务提供服务，网络管控平台负责网络运营管理，安全服务平台则负责密码服务和安全管理。量子密钥分发是以量子物理与信息学为基础，利用量子态纠缠重叠的力学特性，在通讯双方之间产生并分享一个随机的安全的密钥，运用一次一密的加密方法，通过量子信道完成信息的安全传送。由于传统量子信道在传送数据进行量子密钥服务的加密业务时，量子信道存在传输损耗，量子密钥分发距离会被限制距离，需设置中继节点来完成长距离的接力传送，导致安全防护存在困难，存在安全隐患。因此在现有较大规模的量子保密通信网络中，都采用可信中继技术是异或后的中继技术，量子密钥只会在节点处暂存经过异或后，不会对中继节点造成影响，具有信息传输的安全性和高效率。
2量子保密通信目前发展状况
随着量子保密通信的发展，世界各国试用点呈现逐步成熟趋势，但在应用推广方面暴露出一些问题。主要包括三个方面：（1）应用场景受到限制当前，量子保密通信主要面向金融、政府等长期安全性较高的特定场景之中，市场规模较为分散，传统通信业界对于量子保密通信应用目前仍然处于热情度较低的状态。此外，由于量子态信号与传统信号混合传输时，将引入劣化性能，导致量子保密通信组网需要借助额外独立光纤链路才能获取所需资源。（2）技术瓶颈待解决在百公里长距离传输情况下，量子保密通信可用安全码率大约为15kbit/s量级，相比于当前光传达网技术实现的量级信息传输差距较大，无法实现对信号的一一加密。此外，在量子保密通信组网方面，由于量子态存储技术尚不成熟，因此，有关量子存储方面难以实现，其中涉及的关键技术仍需进一步验证分析。（3）安全性存在一定风险在实际通信过程中，信道节点不理想特性使其难以满足安全性标准，成为不法分子利用的安全漏洞，所以针对通信安全性升级将是运营维护所面临的一个难题，现阶段，由于通信密钥生成码率也相对较低，很难满足一次一密要求。现阶段，我国量子保密通信技术在业务、市场、商用的应用都处于推广初期阶段，在量子密钥分发技术组网理念和技术研究中，仍然面临一些问题有待研究和探讨。
3量子保密通信标准化工作策略与未来发展
3.1量子保密通信标准化工作策略
在未来量子保密通信技术研发中，应保证量子保密通信设备系统的功能与性能的一致性和可靠性，增加设备系统和网络层面的兼容性、灵活性和安全性，在设备和系统技术、安全性能、组网以及加密等各个方面，逐步完善应用体制，在未来发展中形成完整的标准规范体系。首先，在国家政策支持的基础上，应加强量子密钥分发技术前沿技术领域的研究工作，创新开发新型协议技术、系统器件和架构方案，加快提升量子密钥分发技术和系统设备成熟度、实用化水平和性价比，不断提高量子密钥分发和后量子加密的技术水平，完善加密体制。然后，应加强量子保密通信的商业化应用和市场开拓规划的工作策略和未来发展方向，积极推进产业合作，开展多样化的商业部署模式，制定标准化工作策略，为应用发展做好引导和培育市场需求。最后，应加快我国量子保密通信网络项目工程的建设，升级设备完善标准，提高量子密钥分发系统的网管和运维能力，使量子保密通信系统和网络在完善的密钥管理设备与加密通信设备进行安全可靠的通信，以商业化应用推广和市场化发展为未来建设目标，增加网络建设的实际可用性和安全性等标准的建设规模。目前，我国量子保密通信技术已经实现了实用化、产业化的发展水平，在国家政策的大力支持下在社会各领域得到了广泛的应用。随着国家实施创新驱动发展战略规划，量子信息技术作为我国科技创新的重要发展技术，应加快发展量子信息产业，推动量子技术与社会经济领域的深度融合，增加产业经济的发展，为国家安全、国防军事提供强大的技术支持，新兴的量子信息产业推动了我国战略性发展方向。
3.2未来发展前景
量子保密通信技术在未来发展进程中，量子保密通信网络建设和产业发展是未来量子技术发展的关键，需要加强技术成熟度、设备可靠性和投入产出性价比等各方面的研究，开展标准化工作策略以促进技术和产业的快速发展。近年来，随着量子保密通信技术的不断创新，世界各国在量子保密通信技术与产业的市场竞争日趋激烈，我国虽然处于世界领先地位，应需加强对量子技术研究机构、系统设备厂商和建设运营单位进行大力扶持，在政策支持优势下强化关键技术创新和可持续发展能力，以增强科技实力，提高市场竞争能力。积极推广大规模产业链发展，标准规范产业发展方向，促进量子保密通信商业化推广、产业链壮大和产业化得到健康发展。
3.2.1分发系统性能指标和实用化水平有提升空间量子密钥分发系统在现有光纤网络之中单跨传输距离在百公里以内，密钥成码率有待进一步提高。同时，量子密钥系统工程化也具有一定提升空间。此外，量子保密通信系统仍需要密钥管理，将其与信息通信行业紧密融合，加密通信设备。
3.2.2抗量子计算破解的安全加密面向未来量子计算对于现有加密体系存在的破解威胁，需设计抗量子计算破解安全加密方案，快速提升量子密钥分发技术和实用化水平，这是赢得加密技术体制的关键。
3.2.3量子保密通信商业化开拓仍需进一步探索量子保密通信是对现有通信技术的一种有效安全性提升技术，能够解决密钥分发安全性问题，提升通信安全性等级，具有长期性和高安全性。尤其在金融专网方面，其产业规模相对有限，因此，在后续研究进程中，逐渐完善量子通信保密技术，将其推广到投入产出性行业之中，从设备升级、标准完善、市场探索等方面进行逐一推广与应用。因此，在今后发展过程中，应凝聚各方形成合力，提升工程化实用水平，引导应用产业健康发展，重视标准化测试，引导产业健康发展。
购物车(0)
