基于群智能的集中供暖系统水力管网控制策略优化

针对集中供暖系统管网水力失衡、流量供需失衡问题提出一种基于群智能的新型分布式优化算法.首先以系统输配送能耗最小为优化目标,将其分解为管网调节阀开度优化和换热站并联水泵运行优化两个子问题求解;其次建立调节阀模型和管网水力模型,在此基础上进行调节阀开度的优化,从而计算出系统最小供回水压差;然后基于改进的交替方向乘子法完成并联水泵的优化运行;最后以集中供暖系统实例验证算法性能.实验结果表明:相比传统集中式求解算法,该算法不受水利管网规模限制,利于实现工程中即插即用;相比其他分布式算法,该算法不仅求解速度快,而且可以得到较优的管网运行策略,节能效果较为显著.     

中间件技术研究

介绍了中间件技术,讨论了中间件的分类,比较了不同中间件技术之间的特色和不足。重点介绍了基于PRC和面向对象技术的中间件机制的工作原理。     

基于网格技术的资源发现机制的研究与优化

在对OGSA，P2P等相关技术和模式分析研究的基础上，提出了一个在资源组织、负载均衡等多方面性能进行优化的网格资源发现模型，并对其体系结构、资源组织方式、资源发现机制作了详细的描述。该机制主要采用集中式与分布式相结合，以对资源服务进行分类为基本思想，结合P2P相关技术，具有合理和较高效的资源定位能力及良好的强壮性。     

基于网格技术的资源发现机制的研究与优化

在对OGSA,P2P等相关技术和模式分析研究的基础上,提出了一个在资源组织、负载均衡等多方面性能进行优化的网格资源发现模型,并对其体系结构、资源组织方式、资源发现机制作了详细的描述。该机制主要采用集中式与分布式相结合,以对资源服务进行分类为基本思想,结合P2P相关技术,具有合理和较高效的资源定位能力及良好的强壮性。     

西部煤炭绿色开发地质保障技术研究现状与发展趋势

西部地区是我国绿色煤炭资源的主要分布区域和国家大型煤炭生产基地聚集区,也是我国生态环境脆弱区。在煤炭作为我国主体能源短期内难以改变的情况下,安全绿色开采、清洁高效利用西部煤炭资源已成为保障国家能源安全的重大需求。从煤系矿产资源协同勘查、生态脆弱区采煤保水及生态环境保护、矿井地质灾害精细预测预报、"互联网+煤炭地质"和煤炭清洁利用5方面分析了西部煤炭绿色开发地质保障技术的研究现状,展望了未来西部煤炭绿色开发地质保障技术发展的3大方向:提高绿色煤炭资源的勘查精度,创建采煤保水技术体系,提升煤炭清洁利用地质保障程度。     

基于SysML的航电系统架构安全性评估方法

针对现有系统安全性分析方法中安全性分析与航电系统架构设计过程无法融合的问题,提出基于SysML的航电系统架构安全性评估方法。首先在EA中基于SysML建模语言建立系统架构模型;然后利用XML解析技术从中提取系统关键信息,并建立故障树模型对其失效概率与区域安全性等进行分析,得到安全性评估结果;最后基于SysML语言对IMA架构下的显示系统进行架构设计和安全性评估,评估结果验证了所提出安全性评估方法的有效性。      

基于SysML & AADL的IMA刹车控制系统实时性需求验证

针对设计阶段难以对刹车控制系统进行实时性分析验证的问题,提出基于SysML & AADL的实时性需求验证方法。首先论述综合模块化航电系统中刹车控制系统的组成和实时性定义,基于SysML建模语言建立系统模型,并添加MARTE描述的组件时间延迟;然后建立SysML/MARTE与AADL的模型元素映射关系,根据该关系,将SysML模型转化为符合AADL语义的模型。最后利用AADL分析工具得到实时性验证结果,验证了所提出实时性验证方法的有效性。     

一种基于特定领域的可信构件度量模型

基于构件的软件复用是提高软件生产率和软件质量的有效途径,并在计算机系统中得到了广泛的应用。随着软件质量需求的提高,可信构件的研究也越来越受重视。构件的可信度决定了软件质量的高低,只有高可信度的构件才能够满足高质量软件的需求。因此,本文基于ISO/IEC25010软件质量模型,并结合构件本身的质量特性及其所应用的领域特性,建立一种基于某个特定领域的可信构件度量模型。在此基础上深入探究其度量指标的分析及选择过程,并用形式化的方法描述该模型的可信性。      

基于西门子840D sl的凸轮轴磨削工艺数据库开发

基于西门子840D sl数控系统平台,采用Visual Studio 2008编程软件设计人机界面,microsoft sql server搭建存储底层数据,创建一个适用于数控凸轮轴磨床的磨削工艺数据库。该软件已在海捷实验室机床上试验运行,界面友好,方便操作人员加工调试,对现场凸轮轴磨削起到了一定的指导作用。     

基于CUDA的并行K-近邻连接算法实现

针对大规模空间数据的K-近邻连接查询问题,设计了一种CUDA编程模型下K-近邻连接算法的并行优化方法。将K-近邻连接算法的并行过程分两个阶段:1)对参与查询的数据集P和Q分别建立R-Tree索引;2)基于R-Tree索引进行KNNJ查询。首先根据结点所在位置划分最小外包框,在CUDA下基于递归网格排序算法创建R-Tree索引。然后在CUDA下基于R-Tree索引进行KNNJ查询,其中涉及并行求距离和并行距离排序两个阶段:求距离阶段利用每一个线程计算任意两点之间的距离,点与点之间距离的求取无依赖并行;排序阶段将快速排序基于CUDA以实现并行化。实验结果表明,随着样本量的不断增大,基于R-Tree索引的并行K-近邻连接算法的优势更加明显,具有高效性和可扩展性。