川东高含硫天然气井采气作业安全评价系统研究

四川盆地含硫天然气产量占总产量的80％。而我国已发现的、开发的气藏主要分布在四川盆地,该盆地的2／3气田含硫化氢。针对川东高含硫气井开采作业过程中存在的不可抗拒风险因素及其潜在的事故特征进行系统性研究,运用合理的评价方法,建立一套风险评价系统,进行科学、准确的安全风险评价,有针对性地监控和规避事故发生的可能性,是当前高含硫气井开采过程中的高风险作业环节急需解决的主要难题,也是我国石油企业HSE体系走向信息化、动态化的一种新的探索。为控制高含硫气田开发风险和降低事故成本,开展对高含硫天然气作业安全风险评价体系的研究具有重要的现实意义和应用价值。运用事故树分析法确定高含硫天然气开采作业过程中主要的安全风险因素。运用模糊层次分析法,构建了高含硫气井开采作业风险因素层次结构体系,建立了高含硫气井开采作业安全风险评价系统模型。运用所开发的高含硫气井开采作业安全评价软件对川东某高含硫气井采气作业系统进行了风险评价,验证了风险评价体系的可靠性。该评价系统的建立可以为今后川东高含硫气井开采作业过程的HSE体系提供一种科学、便捷的信息化与动态化的安全评价与管理模式。     

基于GHS的任务调度算法改进

针对非专用网格性能预测调度系统（GHS）中元任务调度算法负载不平衡问题,提出一种启发式动态任务调度策略（H-MM）,结合Min-Min与Max-Min的优点,将H-MM植入GHS,结果表明H-MM在时间跨度与可扩展性方面较以往算法有较大提高。     

基于DDPG的综合化航电系统多分区任务分配优化方法

综合化航电系统(Integrated Modular Avionics,IMA)通过时空分区机制实现共享资源平台下的多航电功能集成,分区间的任务分配方法的优劣决定着航电系统的整体效能.针对航电任务集合在多分区内的分配调度问题,提出了一种基于深度强化学习的优化方法.构建了航电系统模型与任务模型,以系统资源限制与任务实时性需求为约束,以提高系统资源利用率为优化目标,将任务分配过程描述为序贯决策问题.引入马尔科夫决策模型,建立基于深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)法的IMA任务分配模型并提出通用分配架构;引入状态归一化、行为噪声等策略训练技巧,提高DDPG算法的学习性能和训练能力.仿真结果表明,提出的优化算法迭代次数达到500 次时开始收敛,分析800 次之后多分区内驻留任务方案在能满足约束要求的同时,最低处理效率提升20.55%.相较于传统分配方案和AC(Actor-Critic)算法,提出的DDPG算法在收敛能力、优化性能以及稳定性上均有显著优势.     

基于TRBAC 的协同设计动态访问控制

针对协同设计过程中由于任务执行的动态性承担任务的角色与权限之间的动态分配问题,在协同设计访问控制中引入任务关联,提出一种基于任务/角色的动态访问控制模型TRBAC,给出TRBAC的形式化描述。论述基于TRBAC的协同设计动态访问过程,设计其访问授权及控制算法。以凸轮组协同设计为例,通过引入TRBAC模型,实现其动态访问控制。     

基于代价优化的云工作流调度改进PSO算法

云计算可以通过即付即用的方式向用户工作流提供资源。为了解决资源服务代价异构环境下的云工作流任务调度代价问题,提出一种基于改进粒子群算法的云工作流任务调度算法WSA-IPSO。通过综合考虑任务的执行代价和依赖任务间发生数据传输时的通信代价,算法将总代价优化问题形式化为有向无环图DAG中的任务调度模型,并提出基于改进粒子群算法的优化模型对其进行求解。通过改进传统粒子群算法的粒子速度更新策略和惯性权重更新策略,算法可以以更快的收敛速度得到代价最小化的调度方案。通过仿真实验,与MCT算法及标准粒子群算法进行性能比较。实验结果表明,WSA-IPSO算法在降低总代价、任务分布的负载均衡以及算法收敛性方面比较同类算法均表现出更好的性能。     

基于Flex 的WebGIS 框架的研究与应用

针对传统WebGIS存在交互性差、响应速度慢等缺陷,通过对Flex技术的深入研究,提出了一套使用Flex技术开发WebGIS的应用框架,并对该框架实现的各个部分进行了详细的阐述,同时针对该框架存在Flex表示层不能很好的实现任务串行化组合调用的问题做了深入的分析,并且给出了具体的设计和实现方案。通过在辽河流域应急救援指挥系统中的应用表明,该框架不仅增强了WebGIS系统的交互性,而且大大的提高了系统的开发效率,并且对于Flex表示层的任务串行化组合调用模块也能够高效的实现,获得了很好的效果。     

容错多处理机中一种高效的实时调度算法

针对基于主副版本容错的多处理机中独立的、抢占性的硬实时任务,提出了一种高效的调度算法——TPFTRM(task partition based fault tolerant rate-monotonic)算法.该算法将单机实时RM 算法扩展到容错多处理机上,并且调度过程中从不使用主动执行的任务副版本,而仅使用被动执行和主副重叠方式执行的任务副版本,从而最大限度地利用副版本重叠和分离技术提高了算法调度性能.此外,TPFTRM 根据任务负载不同将任务集合划分成两个不相交的子集进行分配;还根据处理机调度的任务版本不同,将处理机集合划分成3 个不相交的子集进行调度,从而使TPFTRM 调度算法便于理解、实现以及减少了调度所需要的运行时间.模拟实验对各种具有不同周期和任务负载的任务集合进行了调度测试.实验结果表明,TPFTRM与目前所知同类算法相比,在调度相同参数的任务集合时不仅明显减少了调度所需要的处理机数目,还减少了调度所需要的运行时间,从而证实了TPFTRM 算法的高效性.     

一种任务优先级的综合设计方法

提出了一种基于优先级表设计的调度算法.将任务的相对截止期和空闲时间这两个特征参数结合起来,综合设计任务的优先级表,使得截止期越早或空闲时间越短,任务的优先级越高,而且任务的优先级由相对截止期和空闲时间惟一确定.对于任意一个任务,可通过对设计的优先级表进行二元多点插值获得相应任务的惟一优先级.与传统的EDF和LSF算法进行仿真比较,仿真结果表明,通过优先级表设计方法来确定任务的优先级,提高了任务调度的成功率,降低了任务截止期的错失率.该方法可应用于实时系统中实时任务的动态调度中.     

基于边缘计算的智能视频分析算法研究

为适应摄像头在智慧城市、智能交通、自动驾驶等新兴领域应用部署愈加广泛的需求,视频分析需更高精度、更低延时地响应分析结果。然而,这种高精度的分析同时也带来了巨大的计算资源需求,计算资源受限的摄像头无法胜任分析任务。边缘计算不仅可以解决本地摄像头计算资源问题,还可以显著降低向云端传输视频流数据的时间。本文探讨了利用深度强化学习方法,在边缘节点辅助摄像头集群视频分析任务场景下,根据当前网络系统条件动态决策,卸载部分指定摄像头上的分析任务,以在满足任务响应延时的约束前提下,最大化一段时间内任务分析的精度。仿真结果表明,本文提出的方法在任务的响应延时和准确度方面获得了良好效果。