多任务电镀线预测调度模型及应用

计算机控制的行车调度系统广泛地应用于先进制造系统中的材料搬运,电镀行车的调度方式,已经成为提高生产率的瓶颈问题。行车调度问题不同于古典的排序问题,已被证明为NP难题,迄今尚无法用数学模型直接求解。为了解决实际应用问题,本文提出了基于预测模型,采用在线滚动优化的调度方法。该方法提前计算出行车到达各个工位的具体时刻,并和行车实际到达各工位的时刻相比较,通过预测值和实际值的偏差,在允许范围内动态调整各工位的加工时间,以期兼顾产品质量和企业生产效率。通过生产线运用证明,在多批次小批量的生产过程中,采用该调度方法能提高生产效率近20%。实例表明,该调度方法是有效的。     

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。     

异构集群系统中安全关键实时应用调度研究

在集群系统中,为有安全需求的实时应用提供安全保障得到了广泛关注,但将实时应用的安全需求与调度算法相结合的研究并不多.文中提出了一种异构集群系统中安全关键实时应用的2阶段调度策略--TPSS.该策略综合考虑了任务的安全需求与时间限制.在TPSS的第1阶段,提出了一种自适应调度算法DSRF,当系统负载较重时,DSRF算法能在保证任务安全需求的基础上,通过降低新到任务和等待队列中任务的安全级别来提高任务的调度成功率.相反,当系统负载较轻时,DSRF算法能在保证系统具有较高调度成功率的基础上充分利用任务在截止期前的空闲时间提高新任务的安全级别.在TPSS的第2阶段,提出了一种新的算法FMSL,用来为所接收任务提供较为公平的安全服务,同时进一步提高了任务的整体安全级别.文中通过大量的模拟实验对TPSS策略与DSRF算法、SAEDF算法和RF算法进行了比较.实验结果表明,TPSS策略优于其它方法,使系统具有较强的安全性与灵活性.     

网格计算中费用约束的最优时间调度算法

在网格资源处理速度和资源价格异构的网格环境下,讨论基于用户费用约束的最优时间调度问题,提出一种相应的调度算法,将该任务调度问题转化为线性规划问题,采用单纯形算法获得近似最优解,从而获得费用约束下资源的最优执行时间以及该任务的最小完成时间。仿真结果表明,该算法的性能优于其他同类算法。     

基于无线网络的混合业务资源调度算法

WCDMA系统混合业务下的资源调度算法要区分业务以保证用户的服务质量(QoS)。基于此,在研究最大加权延时优先算法(M-LWDF)的基础上通过引入QoS监测机制提出一种保证混合业务服务质量的资源调度算法,在业务调度中同时考虑时延优先级和吞吐量优先级,并采用传输时延保证的资源分配准则。仿真结果表明,该算法在时延和吞吐量水平上要优于已有的调度算法。     

一种改进的无线分组快速调度算法

讨论了高速下行链路分组接入(HSDPA)系统中采用的几种经典分组调度方法。依据HSDPA系统的特点,引入快速调度因子对M-LWDF算法做了改进,在保证一定吞吐量的情况下,提高了系统的公平性。     

基于遗传算法的航空零件加工柔性车间调度研究

车间调度问题计算复杂,约束条件度,一般算法难以实现全局搜索,算法比较容易陷入局部最优。通过对柔性车间调度问题的深入研究,采用遗传算法进行柔性车间调度,使一个个体可以表达全部零件加工顺序,并用适应度函数平价个体好坏。种群通过选择算子、交叉算子和变异算子不断进化,最终得到最优的柔性车间调度方法。通过仿真试验表明,该算法能够有效地进行车间调度。     

关联规则Apriori算法在煤矿生产调度子系统中的应用研究

提出了采用关联规则Apriori算法对煤矿生产调度子系统进行频繁模式数据挖掘的方案,详细描述了对煤矿生产数据进行预处理以及运用Apriori算法对预处理后的数据挖掘频繁项集的过程,分析了频繁项集中关联规则的含义,并提出了进一步提高数据挖掘功能的方案。     

PMSM的哈密顿反馈耗散增益调度控制

针对永磁同步电机(PMSM)伺服系统的速度控制要求,基于哈密顿反馈耗散(Hamilton feedback dissipation)控制策略提出了增益调度永磁同步电机的速度控制方法,该方法从能量平衡的观点,利用能量整形方法,给出了PMSM的速度控制器,并针对固定增益参数对于电机暂态性能控制的不足,基于系统实际值与期望稳定值之间的偏差提出了混合增益控制方法来提高控制系统的速度跟踪性能。提出的控制方法简化了系统设计过程,减少了系统控制中参数数量,在保证系统具有渐近稳定性能的同时,提高了系统的暂态响应性能。仿真和实验结果表明,应用该方法控制永磁同步电机较传统增益控制参数恒定的方法可以使系统具有更好的控制性能。     

Energy-efficient adaptive sensor scheduling for target tracking in wireless sensor networks

Sensor scheduling is essential to collaborative target tracking in wireless sensor networks (WSNs). In the existing works for target tracking in WSNs, such as the information-driven sensor query (IDSQ), the tasking sensors are scheduled to maximize the information gain while minimizing the resource cost based on the uniform sampling intervals, ignoring the changing of the target dynamics and the specific desirable tracking goals. This paper proposes a novel energyefficient adaptive sensor scheduling approach that jointly selects tasking sensors and determines their associated sampling intervals according to the predicted tracking accuracy and tracking energy cost. At each time step, the sensors are scheduled in alternative tracking mode, namely, the fast tracking mode with smallest sampling interval or the tracking maintenance mode with larger sampling interval, according to a specified tracking error threshold. The approach employs an extended Kalman filter (EKF)-based estimation technique to predict the tracking accuracy and adopts an energy consumption model to predict the energy cost. Simulation results demonstrate that, compared to a non-adaptive sensor scheduling approach, the proposed approach can save energy cost significantly without degrading the tracking accuracy.