提升配电自动化课程内涵的实验平台建设

配电自动化作为新工科智能电网的主要内容,在实验教学上还不满足新工科内涵要求。为加强学生在配电网方面的实践能力,提出配电自动化实验教学体系及课程教学的改革方案,基于贵州大学自主研发的实时仿真器UREP、嵌入式开发系统及PC端搭建配电网模块化半实物通用实时仿真实验平台。以馈线自动化为例,阐述平台的使用方法及步骤。提升学生理论与实践相结合的能力,达到新工科人才培养目的。     

我国平台经济领域“二选一”现象的成因、影响及对策

“二选一”是我国平台经济领域较为常见的一种竞争策略,其实质是通过排他性交易限制第三方商家的多栖行为。我国平台经济中“二选一”现象的普及程度远超欧美发达国家,其原因包括立法与执法存在不足、线上线下深度融合、特殊的商业模式和市场环境等。从平台间竞争和平台内经营者间竞争两个维度分析了“二选一”行为对竞争的影响机理,提出跨边网络效应、用户转移成本、中小商家数量、平台双重角色等是影响竞争绩效的关键因素,并基于此,进一步提出了治理“二选一”行为的对策建议。     

基于5G-R系统的高铁站台场景信道特性

为推进智能铁路总体建设,实现高速铁路智能化,高铁信息基础设施将应用第五代移动通信技术(5G)建设铁路5G专用移动通信系统,2.1 GHz有望成为铁路5G专用移动通信系统的承载频段。高铁站台作为客货乘降与调度中转的功能核心,其在2.1 GHz下的电波传播特性亟待研究。本文以厦门北站高铁站台为研究场景,利用射线跟踪(RT)技术仿真2.1 GHz频段下的电波传播,基于仿真结果分析此场景无线信道特性,包括均方根时延扩展(RMS DS)、到达/离开方位角扩展、到达/离开俯仰角扩展(ASA/ASD, ESA/ESD)、交叉极化比(XPR)和以上参数的互相关。根据以上结果,对高铁站台场景中铁路5G专用移动通信系统的设计和评估提出相关建议。     

基于调水工程的智慧水利应用架构管控体系方法论研究

随着智慧城市的发展,智慧水利作为智慧社会的重要组成部分,推动水利信息化发展进入新阶段,调水工程的应用架构管控体系对智慧水利调水工程发展起到决定性作用。通过对调水工程的应用架构管控体系的梳理,进一步形成智慧水利应用架构管控体系方法论。     

基于OpenStack的高资源利用率Docker调度模型

在现有OpenStack云平台与Docker容器技术的集成方案中,基于容器初始资源请求的调度模型由于未充分考虑容器运行时的实际资源使用情况,导致资源利用率较低。为满足云计算领域的高资源利用率和低成本需求,构建基于OpenStack云平台的Docker调度模型（DSM）,将其与OpenStack的Keystone、Glance以及Neutron组件的API进行交互,获取创建容器所需的镜像、网络等资源,同时调用Docker Engine提供的API部署容器,对容器生命周期进行高效灵活管控。通过融合初始化模块、资源实时感知模块、容器调度模块、资源实时监测模块和容器迁移模块,并在容器调度模块中利用资源可用度评估与优先级决策调度机制为容器选择最优的计算节点,实现OpenStack云平台中资源的高效利用。实验结果表明,与经典Nova-Docker和Yun集成方案采用的调度模型相比,DSM调度模型在CPU和内存利用率上至少提升38.54、30.17个百分点和38.40、28.69个百分点。     

基于“嵩山”超级计算机系统的大规模管网仿真

供水管网仿真广泛应用于城市供水输配调度,是城市供水管网监测与维护的重要技术手段。由于在面向城市级的大规模管网中产生了海量的计算数据,因此在一般计算平台上无法满足管网仿真计算的算力需求。为提升城市级供水管网仿真的计算效率,提出一种有效的并行化方案。基于“嵩山”超级计算机系统采用中央处理器+数据缓存单元（CPU+DCU）架构,利用其在密集数据计算方面的优势,对“嵩山”超级计算机进行供水管网仿真。参照可移植性异构计算接口（HIP）异构编程模型,在“嵩山”超级计算机上实现供水管网仿真的异构计算,并结合管道数据分割方案,使用消息传递接口开启多进程以实现DCU加速数据通信传递。通过重定义数据类型解决计算过程中结构体传输问题,实现单节点内多DCU的大规模密集计算。在不同计算平台和多种计算策略仿真上的对比结果表明,与传统x86平台相比,该优化方案在小规模数据与大规模数据上的加速比分别达到5.269、10.760,与采用计算统一设备架构异构编程模型的传统GPU异构平台相比,计算性能有明显提高。     

汽车数字供应链SaaS化新管理模式探究与实践

随着现代技术的发展,汽车产业孕育着新一轮升级。目前,汽车企业间的竞争逐步加大,已经逐步转化为供应链的竞争。而传统供应链生产管理仍然面临着市场高质量、高交期的巨大挑战,无法满足汽车企业对其生产效率的需求。因此,新的汽车供应链管理模式应运而生。研究了汽车数字供应链软件即服务(SaaS)化新管理模式,并基于SaaS平台实现探索供应链数字化管理的新生态模式。以某汽车公司为例,进行供应链SaaS生态平台实践研究,以数字化制造重塑供应链流程,解决供应链企业间数据协同,实现汽车全产业链互联互通、结构性降本增效,打造高效协作、互利共赢的新型行业生态模式。采用SaaS平台实现供应链生产管理后,其供应链管理数字化延伸,生产线开动率提升了1%,协同效率大幅提升。     

Mammogram Learning System for Breast Cancer Diagnosis Using Deep Learning SVM

The most common form of cancer for women is breast cancer. Recent advances in medical imaging technologies increase the use of digital mammograms to diagnose breast cancer. Thus, an automated computerized system with high accuracy is needed. In this study, an efficient Deep Learning Architecture (DLA) with a Support Vector Machine (SVM) is designed for breast cancer diagnosis. It combines the ideas from DLA with SVM. The state-of-the-art Visual Geometric Group (VGG) architecture with 16 layers is employed in this study as it uses the small size of 3 × 3 convolution filters that reduces system complexity. The softmax layer in VGG assumes that the training samples belong to exactly only one class, which is not valid in a real situation, such as in medical image diagnosis. To overcome this situation, SVM is employed instead of the softmax layer in VGG. Data augmentation is also employed as DLA usually requires a large number of samples. VGG model with different SVM kernels is built to classify the mammograms. Results show that the VGG-SVM model has good potential for the classification of Mammographic Image Analysis Society (MIAS) database images with an accuracy of 98.67%, sensitivity of 99.32%, and specificity of 98.34%.     

低功耗异构计算架构的高光谱遥感图像分类研究

高光谱图像分类算法通常需要逐点对图像中的像素点进行迭代处理,计算复杂度及并行程度存在较大差异。随着高光谱遥感图像空间、光谱和辐射分辨率的不断提升,这些算法无法满足实时处理海量遥感图像数据的需求。通过分析NPU存储计算一体化模式与遥感图像分类算法的实现步骤,设计低功耗CPU+NPU异构资源计算架构的低秩稀疏子空间聚类（LRSSC）算法,将数据密集型计算转移至NPU,并利用NPU数据驱动并行计算和内置AI加速,对基于机器学习算法的海量遥感数据进行实时分类。受到big.LITTLE计算范式的启发,CPU+NPU异构资源计算架构由8 bit和低精度位宽NPU共同组成以提高整体吞吐量,同时减少图网络推理过程中的能量损耗。实验结果表明,与CPU计算架构和CPU+GPU异构计算架构的LRSSC算法相比,CPU+NPU异构计算架构的LRSSC算法在Pavia University遥感数据集下的计算速度提升了3~14倍。