一种网格环境下的动态故障检测算法

针对现有网格系统出错几率较大、已有故障检测算法不能有效满足网格系统需求问题,提出了一种网格环境下的动态故障检测算法．根据网格系统的特点,基于不可靠故障检测思想,建立了网格系统模型和故障检测模型;结合心跳（heartbeat）策略和灰色预测方法,设计了一种动态心跳机制,并给出了预测模型和实时预测策略;提出了基于该动态心跳机制的网格故障检测算法,分析了算法的可靠性．仿真实验结果表明,该算法是正确、有效的,可用于网格环境下的故障检测．     

基于灰色预测的分布式系统动态故障检测服务

针对已有故障检测服务不能有效满足分布式系统需求问题,设计了一种适用于分布式系统的动态故障检测服务.根据分布式系统的特点,在定义分布式系统模型的基础上,提出了动态故障检测服务架构.结合心跳策略和灰色预测方法,设计了一种动态心跳机制,并给出了预测模型和动态预测策略,提出了基于该动态心跳机制的分布式系统的故障检测算法.最后,仿真实验验证了该算法的正确性和有效性.     

大数据环境下的网格动态故障检测研究

研究大数据环境下网格动态故障检测的方法。大数据来源范围广博,数据类型极复杂;数据的广泛性,资源的高度异构和不同地理上的分布,使网格故障发生成为影响系统应用的主要问题。目前网格故障检测方式,不能满足网格动态故障检测需要。利用"灰色预测理论"的算法,依据动态心跳的原理,设计动态故障检测架构,给出了预测模型;提出了网格动态故障检测方法。实验结果证实是有效的和准确的,提出的动态故障检测算法优于静态故障检测算法,解决了大数据环境下网格动态故障检测问题。     

一种适用于P2P存储系统的自反馈故障检测算法

在构建高可用性P2P存储系统的过程中,针对系统中节点的高度动态特征,设计了一种自反馈的心跳故障检测算法。它结合心跳策略和无偏灰色预测模型,根据应用需求和网络环境的变化动态地改变检测的质量,在保持一定检测时间的前提下,提高了故障检测的精度。实验表明,根据该算法实现的故障检测器具有较好的性能,提高了P2P存储系统的可用性。     

一种基于通知机制的计算型网格系统解决方案

本文提出了一套面向高性能计算的网格系统构架解决方案。在上层调度设计方面,利用Globus所提供的通知机制,同步网格系统层调度队列与集群调度队列信息。设计了一种基于蚁群算法的调度策略,实现最优化服务选择。提出了一种“心跳检测”策略,保证了网格系统的可靠性。通过运行15皇后求解问题,分析了“心跳检测”策略对性能的影响,通过网格与集群的测试数据对比与分析,论述其各自的优势和劣势。     

一种网格环境下的动态负载均衡机制

负载均衡机制有利于提高广域分布式环境中资源共享和协同工作的效率。根据网格系统的特点,采用灰色预测方法,设计了一种动态资源负载均衡机制,给出了预测模型和实时预测策略以及基于该机制的负载均衡算法。该资源负载均衡机制具有以下特点：可在较小的开销下取得满意的负载均衡性能,具有网格环境下的可扩展性,能够适应网格资源动态变化的特性,解决资源发现过程中的负载均衡 问题。     

一种无线自组网故障检测算法

针对无线自组网的拓扑结构,设计一种基于分簇的无线自组网节点故障检测架构和对应的故障检测算法。分簇时分别确定主用簇和备用簇管理节点,冗余簇管理节点负责对内部成员实施异常检测,给出故障检测模块的心跳发送、心跳监控、心跳预判与实时调整机制,通过增加心跳预判实时调整机制,确保算法能够动态适应自组网易变的拓扑结构,并通过备用簇管理节点和簇间共享异常信息机制,提高系统故障检测的可靠性。利用仿真实验对故障检测机制的性能进行评估,结果表明,提出的故障检测算法具备较好的检测准确率,能够有效满足上层应用在系统可靠性设计方面的需求。     

AFSA优化灰色神经网络的某电源组合故障预测

针对电源组合故障预测的需求,提出了一种基于人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)优化灰色神经网络的故障预测方法;文中首先对AFSA算法和灰色神经网络进行了介绍;然后在此基础上提出了基于AFSA优化灰色神经网络的故障预测模型,并给出了AFSA优化灰色神经网络参数的算法步骤;最后对制导雷达波束控制系统中的某电源组合进行了故障预测,预测结果表明该预测方法误差较小,达到了预期效果。     

基于间隔型双边拍卖的网格资源预留算法

针对已有基于竞价拍卖的网格资源预留方法存在的问题，提出了一种基于间隔型双边拍卖的网格资源预留算法。根据网格资源预留的需求和拍卖机制的特点，给出了网格系统模型；基于间隔型双边拍卖的思想，设计了适合网格系统的资源拍卖机制，给出了详细的网格资源预留算法；算法的最优性分析表明：在资源拍卖过程，提供真实信息对用户方和资源方均是唯一占优策略，且算法能够保证中标资源供需平衡。 最后，模拟实验结果证明了算法的有效性和正确性。     

可靠的网格作业调度机制

针对网格环境的动态性特征,提出了一种可靠的网格作业调度机制(DGJS)。按照作业完成时间期限,DGJS将作业分为：高QoS级、低QoS级和无QoS级,不同QoS级作业有不同的调度优先权;基于资源可用性预测,DGJS采用基于可靠性代价的作业调度策略,将作业尽可能调度到可靠性高的资源节点;另外,DGJS对不同QoS级作业采用不同的容错策略,在保证故障容错的同时,节省网格资源。实验表明：在动态的网格环境下,较之传统的网格作业调度算法,DGJS提高了作业成功率,减少了作业完成时间。     

基于网格的自适应错误检测算法

针对网格环境下应用的特殊性,设计了网格系统的错误检测模型,并主要对错误检测的核心——错误检测机制进行深入分析,提出一种自适应错误检测算法,该算法可以根据用户的需求为应用提供不同程度的错误检测服务,较好地满足了网格环境下应用的多样性和动态性。     

基于混合动态主元分析的故障检测方法

针对基于动态主元分析的故障检测方法存在的主元个数较多以及计算效率低等问题,本文提出基于混合动态主元分析(Hybrid Dynamic Principal Component Analysis,HDP-CA)的复杂过程故障检测方法。该方法采用分步策略消除数据之间的自相关和互相关性,提高了故障检测的精度和效率。对TE过程典型故障和热连轧过程中断带故障检测结果表明:HDPCA方法提取的主元个数少于DPCA方法提取的主元个数。并且,基于HDPCA的T2和SPE统计量的检测性能和检测精度都由于基于DPCA的统计量。因此,本文提出的方法可以准确有效地检测出故障。     

多因素自适应心跳检测算法研究

分布式系统中心跳检测是节点故障检测机制的关键技术之一,心跳频率设定的合理性将影响到故障检测的准确性和完整性。针对大数据环境下,分布式系统产生故障受到网络、节点、作业多方面影响,为了提高心跳频率在多方面因素影响下的合理性设定,提出一种多因素心跳检测综合指标评价模型。在该模型下同时考虑网络负载情况和节点CPU工作状态及节点作业的大小对心跳检测过程的影响。在此基础上,提出了基于多因素评价模型的自适应心跳检测算法。该算法可以随网络环境、节点CPU占用率、作业任务大小自适应地改变心跳频率,综合各因素给出心跳频率设定的最优方案。最后通过实验验证了多因素对心跳频率自适应调整的影响。     

机器学习下随机森林算法在电网故障分析指挥系统中的应用

针对电网系统的故障问题,在Weka语言软件上对随机森林算法为核心的电网故障分析系统模型进行实例分析。同时将随机森林算法与决策树(decision tree)算法、神经网络算法(Neural Network Algorithm, NNA)以及支持向量机(Support Vector Machines, SVM)的预测准确率进行对比,验证随机森林算法的优越性。结果表明,随机森林算法非常适合应用在电网故障分析系统中,在预测准确率方面,故障等级越高预测难度越大,准确率较低,而故障等级越低其故障预测的准确率越高。     

移动网格环境下可靠任务调度研究

移动网格的资源环境具有很高的动态性,在任意时刻可能发生资源加入、退出、故障、移动等。采用任务复制策略实现对资源不可靠性的容错。用weibull分布刻画资源的可靠性,建立任务复制模型;形式化描述了基于复制策略的独立任务调度问题,给出调度目标和约束条件;通过遗传算法解决调度问题。仿真结果表明,调度算法具有良好的可扩展性,调度性能与资源可靠性呈线性关系。     

基于多步神经网络观测器的扑翼飞行器缓变故障检测

针对缓变故障初始变化幅值较小导致的基于传统神经网络观测器的故障检测算法检测效率较低的问题,提出一种基于多步神经网络观测器与自适应阈值的扑翼飞行器（FWMAV）缓变故障检测算法。首先,构建一个多步预测的观测器模型,利用多步观测器的延时性能避免观测器被故障数据污染;然后,依据FWMAV的实际飞行实验数据,对多步观测器窗口宽度进行实验和分析;其次,提出一种自适应阈值策略,通过残差卡方检测算法辅助进行观测器残差值的故障检测;最后,采用FWMAV的实际飞行实验数据进行算法的验证和分析。结果表明,与基于传统神经网络观测器的故障检测算法相比,所提算法在缓变故障检测速度方面提升了737.5%,在缓变故障检测准确率方面提升了96.1%。由此可见,所提算法能够有效提高FWMAV缓变故障的检测速度和检测准确率。