基于云计算的煤矿监管服务平台研究

为了解决现有多级垂直监管模式中存在的平台重复建设、水平参差不齐、数据多级反复上传、层层过滤作假等问题,设计了一种基于云计算的煤矿监管服务平台。该平台以云计算相关技术为依托,采用统一的数据存储策略与处理机制,利用多网络传输与基本监控终端相结合,通过严格的权限管理与良好的扩展性,向各实体单位提供个性化服务,实现各级监管机构和地方监管部门与煤矿生产企业之间平行直接的监管模式。     

基于分布式计算的电网运行可靠性评估算法研究

针对电网运行可靠性评估计算量大,但又要求计算时间短的问题,提出了一种基于分布式计算的电网运行可靠性评估算法。该算法采用改进的状态选择和分析方案,解决了计算终端间随机数序列的关联性问题,有效地降低了通信量,提高了计算速度。基于该算法编制的评估软件已通过RTS-24系统和某省级电网的实际运行测试,测试结果表明,该算法不仅能够有效评估电网运行可靠性,而且计算速度随计算终端数增加呈一定倍数提高。     

GPU近实时线性双目立体代价聚合

目的 近年来双目视觉领域的研究重点逐步转而关注其“实时化”策略的研究,而立体代价聚合是双目视觉中最为复杂且最为耗时的步骤,为此,提出一种基于GPU通用计算(GPGPU)技术的近实时双目立体代价聚合算法。方法 选用一种匹配精度接近于全局匹配算法的局部算法——线性立体匹配算法(linear stereo matching)作为代价聚合策略;结合线性代价聚合的原理,对其主要步骤(代价计算、均值滤波及系数求解等)的计算流程进行有针对性地并行优化。结果 对于相同的实验样本,用本文方法在NVIDA GTX780 实验平台上能在更短的时间计算出代价矩阵,与原有的CPU实现方法相比,代价聚合的效率平均有了数十倍的提升。结论 实时双目立体代价聚合方法,为在个人通用PC平台上实时获取高质量双目视觉深度信息提供了一个高效可靠的途径。     

Map Reduce inspired loop mapping for coarse-grained reconfigurable architecture

Our work investigates how to map loops efficiently onto Coarse-Grained Reconfigurable Architecture （CGRA）. This paper examines the properties of CGRA and builds MapReduce inspired models for the loop parallelization problem. The proposed model has a more detailed performance metric and a more flexible unrolling scheme that can unroll different loop levels with different factors. A Geometric Programming based approach is proposed to resolve the optimization problem of loop parallelization problem. The proposed approach can find the optimal unrolling factor for each level loop, resulting in better parallelization of loops. Experimental results show that the proposed approach achieved up to 44% performance gain compared to the state-of-the-art loop mapping scheme.     

SAR成像应用特征分析及硬件设计空间讨论

合成孔径雷达SAR是一种主动式的对地观测系统.近年来SAR逐渐朝着多平台化发展,陆续出现了在无人机、探测车等小型移动平台上.SAR成像是运行在SAR上的成像程序,由于新的特殊运行环境的出现、其对低能耗和高算力有了更严格的要求.如何针对特定的平台,提供高性能、低功耗的应用支持,便成为其核心要点.对SAR成像计算和访存等特征进行了分析,针对性地进行了程序优化并测试了该程序在x86平台上的性能,以获得可靠的性能参考.在此基础上,面向DSP+FFT加速器的硬件结构,构建了一个算力配比数学模型,为硬件设计提供解决方案.     

基于高精度流线生成的交互流场可视化

高效准确的流线绘制一直是流场可视化的重要研究内容,流线可以对流场的重要特征进行有效的稀疏表示,但流线需要长期的粒子追踪过程及大量的积分计算,在面向大规模流场可视化时时间效率较低,需要高性能计算设备进行辅助计算.本文通过设计一种基于深度学习的高精度流线生成算法,将初始的低精度流线快速映射为稠密的高精度流线,可以在较短的时间内快速生成可靠的流线可视化结果,并在此基础上设计了交互式实时流场可视化系统,涵盖了流场的特征检测,属性关联分析,信息论分析等,帮助用户快速了解流场数据,找到自己感兴趣的区域进行后续进一步深度分析,避免了获取过多冗余数据,同时优化了分析工作的效率,满足用户对于流场结构,特征属性等多维度进行关联分析的需求.     

快速卷积算法的综述研究

卷积神经网络是深度学习算法应用最广泛的方向之一,目前卷积神经网络的应用不仅仅是停留在科技领域,已经扩展到医学、军事等领域,并且已在相关领域发挥着巨大的作用。卷积是卷积神经网络中最为核心的一部分,卷积运算占整个网络70%以上的时间,所以针对卷积运算的加速研究就显得十分重要。首先介绍近年来的卷积算法,并对其复杂度进行分析,总结了这些算法各自的优点和不足,最后对其理论研究和应用领域可能存在的突破进行了探讨和展望。     

面向边缘端的施工人员实时检测方法

施工人员检测在施工管理工作中有重要的应用价值。施工现场图像背景复杂且视角多样,给施工人员检测任务带来难度,同时施工现场大多基础配套设施不完善,并且网络条件较差,不适合在大型GPU工作站上进行模型部署。针对以上问题,以YOLOv3检测网络为基础,加入特征金字塔池化模块,增加多尺度特征融合并改进候选框,提升检测精度,同时采用通道剪枝算法对检测网络进行轻量化处理以适应边缘端设备算力,提出一种面向边缘端的施工人员实时检测方法。该方法在自制的施工人员数据集上平均准确率可达到88.23%,较YOLOv3检测方法提升4.89个百分点,且将模型大小压缩至原来的1/13,检测速度提升一倍,在嵌入式设备Jetson Xavier NX上检测速度可达到69.08帧/s,满足在施工现场进行实时边缘端检测的要求。     

智能电能表质量数据采集与质量监控技术研究

针对智能电能表非常容易发生开关跳闸、断电无法工作等故障问题,研究出了一种完善的解决方法;通过调研智能电能表生产企业的信息化系统和生产过程数据,发现生产企业的信息化系统在不同企业间都存在各个信息系统之间分割严重的问题,导致企业内部的数据分布在各个数据仓库内,数据分散,需要对每个生产企业采集装置的采集功能进行定制化对接,基于边缘计算技术的业务系统能够更加切合采集终端,并进行数据处理;本研究将SVG技术和Ajax技术结合使用,构成智能电能表质量监控系统方案框架;经过实验结果表明,通过SVG技术和Ajax技术对智能电力表各项数据信息处理,得到了很好的效果.