Freelance2000系统在循环流化床锅炉上的应用

为了满足日趋严格的环保法规和能源利用率的要求,对循环流化床锅炉的要求越来越高,因而对其控制也提出了更高的要求,本文概括介绍了用Freelance2000控制系统对循环流化床锅炉进行控制的一些优势。     

具有实时压缩功能的文件系统

提出了一种具有实时压缩功能文件系统的设计思想，并给出了在嵌入式操作系统中实现的具体方案。同时给出了具有实时压缩功能的C函数库的实现方法，并对整个构想进行了初步的验证。     

云计算环境任务调度方法研究综述

随着应用程序计算需求的快速增长,异构计算资源不断地增多,任务调度成为云计算领域中重要的研究问题。任务调度负责将用户任务匹配给合适的虚拟计算资源,算法的优劣将直接影响响应时间、最大完工时间、能耗、成本、资源利用率等一系列与用户和云服务供应商经济利益密切相关的性能指标大小。针对独立任务和科学工作流这两类云环境主流任务,结合不同云环境特征对任务调度算法研究进展进行综述和讨论。回顾梳理已有的任务调度类型、调度机制及其优缺点;归纳单云环境和混合云、多云及联盟云等跨云环境下任务调度特征,并对部分相关典型文献的使用方法、优化目标、优缺点等方面进行阐述,在此基础上讨论各个环境下任务调度研究现状;进一步对各类环境下文献使用的调度优化方法进行梳理,明确其使用范围;总结并指出需要对计算数据密集型应用在跨云环境下的任务调度研究进行重点关注。     

UD分解与偏差补偿结合用于变量带误差模型辨识

本文提出一种基于UD(upper-diagonal)分解与偏差补偿结合的辨识方法,用于变量带误差(errors-in-variables,EIV)模型辨识.考虑单输入单输出(single input and single output,SISO)线性动态系统,当输入和输出含有零均值、方差未知的高斯测量白噪声时,该类系统的模型参数估计是一种典型的EIV模型辨识问题.为了获得这种EIV模型参数的无偏估计,本文先推导出最小二乘模型参数估计偏差量与输入输出噪声方差以及最小二乘损失函数与输入输出噪声方差的关系,然后采用UD分解方法递推获得模型参数估计值,再利用输入输出噪声方差估计值补偿模型参数估计偏差,以此获得模型参数的无偏估计.本文还讨论了算法实现过程中遇到的一些问题及修补方法,并通过仿真例验证了所提辨识方法的有效性.     

基于数据的流程工业关联报警的识别

报警在保证流程工业安全运行方面起到了重要的提示作用,但大量的报警信号也给操作员带来了困扰,使其无法抓住核心信息并作出判断,以便采取适当的行动。多个报警信号之间并非独立,而是存在有关联关系,提出了一种从历史报警数据中识别这些关系的方法。根据两个报警变量的报警发生时间,确定报警变量之间是否存在关联关系,并确定时间上的顺序和因果强度。基于每对报警变量之间的关联关系,构建多个报警之间的关联拓扑图。该方法可用于智能报警管理,为提高报警信息的指导价值提供技术支持。     

基于残差时空图卷积网络的3D人体行为识别

人体行为识别是智能监控、人机交互等诸多应用领域的一项基本技术。人体骨骼的动态变化为人体行为识别提供了重要的信息。传统方法通常只是采取人工信息标注或遍历规则,从而导致模型的表征能力有限、泛化性能差。采用一种引入了残差项的动态骨架模型——基于残差连接的时空图卷积网络,不仅克服了以往方法的限制,而且能够学习骨骼数据中的时空模型。在大型骨骼NTU-RGB+D数据集上,该网络模型不仅提高了人体行为特征的表征能力,而且增强了泛化能力,取得了比现有的模型更好的识别效果。     

CFB锅炉汽包水位自校正PID模糊控制研究

通过对CFB锅炉汽包水位动态特性的分析，讨论了一种自校正PID模糊控制对汽包水位进行控制的策略。仿真研究表明，这种方案使汽包水位控制系统具有较强的鲁棒性及良好的控制品质，提高了系统的动静态性能指标。     

基于逐分量软干扰删除的迭代线性检测算法

提出了一种新型基于调制符号的分量进行干扰删除和线性最小均方误差滤波的软输入软输出检测算法,并采用软输入软输出的多入多出MIMO检测器和信道编码串行级联的迭代检测译码IDD结构。该算法充分利用正交调制符号同相分量和正交分量的独立衰落特性,达到检测中更加准确的软干扰删除。外信息转移EXIT图表明该算法比传统的逐符号软删除算法具有更低的临界信噪比。数值仿真也验证了提出的基于调制符号的分量删除的线性检测算法比采用调制符号级的删除具有更优的误码性能,并且仍然具有低复杂度的特性。     

基于MapReduce的并行PLS过程监控算法实现

偏最小二乘算法（PLS）是现代工业过程常用的多变量统计过程监控方法之一,然而在现代工业背景下,采用单台PC对大规模工业过程数据进行PLS回归分析的时间复杂度较高。针对此问题,在Hadoop云平台上提出了一种基于MapReduce框架的并行PLS算法。从时间复杂度考虑,将其交叉有效性检验部分并行处理。在三台PC上搭建三个节点的Hadoop全分布集群平台上,以田纳西-伊斯曼过程仿真平台数据回归分析为例,验证所提出的算法。实验结果表明,在使用PLS做现代大规模工业过程数据分析时,所提出的算法在保证精度的前提下,能有效改善数据处理的时效性并且随着PC数量的增加时效性具有近似线性的提高。