深海载人潜水器推进器系统故障诊断的新型主元分析算法

针对"蛟龙号"深海载人潜水器多推进器系统的故障检测与快速定位难题,将基于信度分配的模糊小脑神经网络(credit assignment-based fuzzy cerebellar model articulation controller, FCA–CMAC)应用于主元分析模型,提出一种基于主元分析(principal component analysis, PCA)的深海载人潜水器推进器系统故障诊断模型.首先,应用推进器系统正常运行的历史电流样本数据,由主元分析模型得到各推进器的电流预测值.其次,计算出故障检测统计量均方预测误差(squared prediction error, SPE),根据SPE值是否跳变,判断推进器系统有无故障发生.通过分别重构各推进器电流信号的SPE值对故障推进器进行定位和隔离.最后,通过对实际海试数据进行仿真处理说明了该算法的可行性,并通过与多层前馈神经网络(back propagation, BP)和常规小脑神经网络(cerebellar model articulation control-ler, CMAC)神经网络进行比较,说明基于FCA–CMAC神经网络的主元分析模型的优越性.     

基于AHP模型的政府系统职能评价方法的研究

政府人力资源系统与政府职能密切相关,研究政府人力资源必须从政府职能的视角对政府系统的要素与职能的关系进行分析.在政府系统的环境适应性概念模型的基础之上,通过对政府系统的政治职能、经济职能、社会职能、文化职能的分析,研究了政府系统要素与职能、规模关系,明确了政府系统的目标是政府系统内部结构分析的出发点,是政府系统目的的具体化的特征,确定了政府系统的目标集,构建了政府职能评价的递级层次结构模型,并通过AHP方法,构建了政府系统职能评价模型.     

类规模对面向对象度量易变性预测能力的潜在混和效应:一个元分析

最近的研究表明,类的规模对面向对象(OO)度量的易变性预测能力存在很强的混和效应,因此需要将其作为一个混和变量来考虑,否则有可能会得到误导性的结果.然而,先前的研究仅仅分析了一个软件系统,因此不清楚这个结论是否可以推广到其他系统上.为解决此问题,文中在102个Java软件系统的基础上利用元分析技术检查类的规模对55个OO度量和易变性之间关联关系的潜在混和效应.对每一个OO度量,首先在单个系统上分别计算在控制规模和不控制规模的两种情况下它与易变性的关联强度.然后,利用随机效应元分析模型计算在所有系统上且分别在这两种情况下它与易变性的平均关联强度.最后,在此基础上利用统计方法检测类规模的潜在混和效应.实验结果表明类规模的混和效应是广泛存在的,因此在验证OO度量的易变性预测能力时确实需要将其作为一个混和变量来考虑.     

一种实时任务可调度性预测研究

对于嵌入式系统来说,通过预测一个任务能否在绝对时限之前运行完成而决定是否调度执行是很有意义的.在ARMLinux上,为了对新任务的运行结束时间进行预测,对它的内核作了修改,按优先级排序就绪队列,每次时钟中断判断是否有优先级比当前任务更高的任务就绪,以决定是否调度,去掉了SCHED_RR调度策略,这样新任务的运行结束时间可以得到准确的计算,并根据任务的绝对时限来判断对新任务的接受和拒绝,对修改后的内核进行了试验验证.     

FD-LSTM:基于大规模系统日志的故障分析模型

可靠性研究是高性能计算领域的经典问题,随着制程技术与集成工艺的不断发展,当前全系统规模呈指数级快速增长,给可靠性研究尤其是故障分析带来巨大挑战.收集了自主高性能计算系统投产后工作故障日志信息203510247条,时间自2016年1月28日至2016年12月6日.首先使用K-M eans聚类方法对故障进行分类,并分析故障分布特征.接着基于聚类结果设计基于时序的故障分析模型FD-LSTM,使用结构化日志训练后,预测不同故障类型的发生时间和空间,结果表明所提出的FD-LSTM预测模型准确率可达80.56％.本文研究表明,基于日志信息的时序模型FD-LSTM在时间预测和空间预测方面,较之前传统的故障分析模型,在提高故障分析准确度、加强机器运维高效性,乃至增进全系统协同设计合理化等方面都具有现实的指导意义.     

基于数据决策的人力资源服务绩效模型

当前大部分电力企业人力资源服务绩效考核模式较为陈旧,绩效考核的指标较为单一。为了提高电力部门人力资源服务绩效量化管理能力,提出基于数据决策的人力资源服务绩效模型,由此加快电力部门人力资源评价机制的转变,实现电力系统人力资源管理优化配置。通过信息聚类和特征优化采样方法,构建电力系统人力资源服务绩效大数据信息分析模型;采用统计数据分析和信息融合聚类方法,进行电力部门人力资源服务绩效信息调度和优化筛选控制,提取电力系统人力资源服务绩效信息的主题模型特征量;采用深度查询方法,进行电力系统人力资源服务绩效管理的模糊查询和优化控制;结合多维信息融合技术,从人力资源数量、分布及结构等方面进行预测,实现人力资源管理和服务绩效的优化预测。实验结果表明,这种人力资源服务绩效模型的评价准确率较高,用时较短,工作效率较高,具有一定实际意义。     

分布式多媒体服务组合中的异常预测算法

为提高分布式多媒体服务组合系统中路径的健壮性和可靠性,提出一种基于Markov链和加权朴素贝叶斯分类器(WNBC)的异常预测算法。该算法利用Markov模型预测系统节点的资源状态信息,使用WNBC对预测的节点状态进行分类,以判断节点是否可能发生异常。实验结果表明,该算法能根据节点的状态信息预测系统节点的不同异常状态,性能较同类算法有较大的改善。     

基于改进滑动时窗的在线最小二乘支持向量机

针对最小二乘支持向量机的在线建模问题,对目前采取的普通滑动时窗策略进行改进,基于矩阵分块求逆原理提出了改进递归算法,增加了样本优选功能;针对如何判断新样本是否产生新信息的问题,提出了两种典型方法,样本相关度检测法和模型预测误差法.实验证明,该方法简捷有效,提高了模型预测精度.     

系统日志故障预测中的ELK与LSTM应用与实践

随着业务系统规模不断扩大, 系统结构也变得十分复杂, 常规基于规则的方法已经很难判断多个系统相互作用下的复合型故障, 也难以对潜在故障进行预测. 本文在多业务系统的复杂场景下, 使用ELK平台对日志进行集中化管理, 梳理出复杂系统环境下日志与各业务系统、主机、进程之间的关系, 筛选出系统中直接与故障相关的日志文件, 进而在深度学习框架TensorFlow中使用这些海量数据对LSTM算法模型进行训练, 从而实现对系统的实时故障预测.     

基于挣值的Scrum软件过程人力资源调度方法

为了解决传统人力资源调度方法对主观判断和个人经验的过度依赖,提出用挣值来客观地衡量人力资源的收益,并实现了Serum软件过程人力资源调度方法.利用Scrum软件过程产生的真实项目数据,基于挣值对人力资源进行客观稳定的评价和调度,可辅助项目管理的日常决策,促进人力资源调度优化,提高资源的投入回报,使软件开发过程灵活地响应项目变化.根据该方法设计和开发了相应的人力资源调度系统.