多语言综合信息服务系统研究与设计

基于多语言的综合信息服务正成为信息服务领域的一个重要的发展方向。该文提出面向2010年上海世博会和城市信息服务的多语言综合信息服务应用的总体架构,该系统基于下一代网络技术,在逻辑上分为七层架构。系统通过多种类型的门户,集成和应用包括多语言语音识别、合成、机器翻译等关键技术,整合现有的城市信息服务资源,为用户提供方便、快捷的多语言综合信息服务。     

并行计算模型参数动态分析软件包设计

并行计算模型的发展引入越来越多的模型参数。对并行计算模型参数动态采集分析软件包DEMPAT的整体框架进行研究,实现基于硬件性能计数器的存储层次参数采集模块。实验表明,该模块能够准确快速地获取存储层次参数且具有较好的可移植性。     

电子万能材料试验机测控系统的开发研究

以某试验机厂开发的电子万能材料试验机为研究对象,研究了试验机结构、工作原理及控制特性,将测试技术、材料力学以及计算机技术相结合,运用模块化理念设计测控软件,从而有效地对驱动设备和数据采样设备进行控制,使其能根据需求完成试验过程,实时记录材料在形变过程中的应力、应变,利用Delphi软件进行相关数据的处理和图表分析,绘制相关曲线,打印实验报告.经过应用测试,整个设备操作方便,运行平稳,数据采集和运动控制均符合设计要求.     

支持向量机算法在CO浓度传感器中的应用

针对基于红外光谱的CO气体定量分析模型对机动车尾气排放中有害气体CO的定量分析;选取了浓度范围在0.5%～20%的15组不同浓度的CO气体样本,建立CO浓度的支持向量机（ SVM）回归分析模型,基于改进的网格搜索法对SVM的相关参数进行了优化。实验结果表明：经过SVM的回归分析,与传统的光谱吸收方法相比,处理后浓度值比实验所得浓度值更接近CO标定值;与粒子群优化（ PSO）算法作对比,采用网格搜索法获得的最佳参数糟＝0.707,早＝0.5,PSO获得的糟＝55.911,早＝0.01,所用时间比PSO算法节省约40%。SVM应用于CO的浓度分析,符合实验要求,回归效率提高。     

矿用全断面硬岩快速掘进机位姿纠偏控制系统设计

介绍矿用全断面硬岩快速掘进机及其姿态测量与控制方法.结合盾构机和悬挂掘进机姿态测量方法,提出基于激光指示仪和新型电子激光标靶的测量系统,对掘进机进行实时三维坐标测量.通过采集的俯仰角、滚动角以及水平偏航角,来推导出掘进机切口、尾部中心的坐标以及位置偏差,经过误差仿真实验表明在本测量系统下,测量精度符合施工要求.PLC根据掘进机水平和垂直偏差量对掘进机进行实时纠偏,并给出了纠偏程序实现流程和友好的人机界面设计,实现了对全断面硬岩快速掘进机姿态的准确测量与稳定控制.     

换流站阀水冷系统主泵轴承故障诊断方法研究

对换流站阀水冷系统主泵轴承的故障诊断方法进行了比较研究.采用支持向量机作为分类工具,分别利用时域特征值和小波包分解取样本熵作为样本训练,比较分类准确率,并择优用于换流站阀水冷系统主泵的轴承故障诊断.首先,利用轴承故障试验台的数据,对采用时域特征值和小波包分解取样本熵作为样本训练的分类准确率进行了比较,结果表明小波包分解取样本熵值比时域特征参数更适合用于特征故障分类.然后将小波包分解取样本熵值用于换流站阀水冷系统主泵的轴承故障诊断,结果显示分类准确率达98％,完全满足工程运用需求.     

强干扰环境下高炉雷达信号机器学习算法

高炉料面属矿物-煤气-焦炭多元高温固体/熔体混杂共存的粗糙表面,其电磁反射特征包含非均匀和非平稳的气固混合介质的表层电磁回波信息、布料溜槽引起的周期性遮蔽效应、十字测温等装置引起的固定干扰,以及电磁辐射等环境因素引发的随机噪声.本文研究了复杂环境下调频连续波(FMCW)提取的料面信号,采用瞬时频率分析的希尔伯特-黄变换(HHT)方法代替传统快速傅里叶变换(FFT)方法.结合经验模态分解,将原始非平稳信号分解为若干个平稳的内在模式函数;并按照基于先验知识的决策树算法分类与学习,获得各类分量权值并加权突出真实物料的电磁信号;通过Hilbert变换得到原始信号的时频域特征,可以揭示流态化料面包含的丰富冶炼信息.同时该算法也有助于提高料面成像的帧准确率和稳定性,为钢铁行业节能减排提供可靠的数据支撑.     

光滑分段孪生支持向量机

为了解决Sigmoid的积分函数对正号函数的逼近精度低的问题,引入一种具有更强逼近正号函数能力的光滑函数即分段函数,提出了光滑分段孪生支持向量机,并用快速Newton-Armijo算法对其求解.在NDC和UCI数据集上的实验结果表明:光滑分段孪生支持向量机能够有效地处理大规模和高维度数据,且分类精度和分类速度与光滑孪生支持向量机相比得到了改进.     

基于负载高峰特征的虚拟机放置算法

提出了一种基于虚拟机负载高峰特征的虚拟机放置策略,通过更好地复用物理主机资源来实现资源共享,从而提高资源利用率.在云环境下,当多个虚拟机的负载高峰出现在相同的时间段内时,非高峰时段的资源利用率就会明显偏低;相反,多个虚拟机只要负载高峰能错开在不同的时间,闲置的资源就能更充分地被利用.由于应用的负载通常具有一定的周期性,因此,可以利用虚拟机负载的历史数据作为分析的依据.基于虚拟机的负载高峰特征对虚拟机负载进行建模,建立虚拟机负载之间的相似度矩阵来实现虚拟机联合放置.使用CloudSim模拟实现了所提出的算法,并与基于相关系数的放置算法、随机放置算法进行了比较.实验结果表明:所提算法在平均CPU利用率上有8.9%~12.4%的提高,主机使用量有8.2%~11.0%的节省.     

多虚拟机实时迁移中自适应的迁移算法选择框架

IaaS云计算平台中主要通过实时迁移多台虚拟机来实现资源的动态调度、管理与优化。虽然Pre-copy和Post-copy是单虚拟机实时迁移的两种主流算法,且各有优缺点,但现有的多虚拟机实时迁移系统只是单一地使用其中一种迁移算法,无法根据各虚拟机的不同负载情况灵活选择最有效的迁移算法,降低了整体迁移效率。提出一种自适应的实时迁移算法选择框架,利用模糊聚类方法对待迁移的多虚拟机进行分类,按类别选择最适合的迁移算法。实验结果表明,所提出的迁移算法选择框架能够在多虚拟机实时迁移中发挥两个迁移算法的各自优势,有效提高整体的实时迁移性能。