织物起毛起球测试方法的研究

本文采用圆轨迹法和改型马丁代尔法两种测试方法对不同织物起毛起球进行测试,研究不同方法、不同磨料对织物起毛起球的影响。     

基于神经网络的大型风机智能故障诊断系统的研究

介绍了BP网络的基本原理,研究了基于神经网络的故障诊断方法,建立了风机常见故障模式样本。由此研制了一套基于BP网络的风机智能故障诊断系统,将其应用于某大型烧结风机的故障诊断中,结果表明:该系统诊断结果准确可靠,且具有较强的鲁棒性。     

Spark任务间消息传递方法研究

当今诸多工程问题及科学研究中,都面临着大数据处理和高性能计算任务的双重挑战。基于内存计算技术提出的分布式处理框架Spark已在学术和工业界得到了广泛的应用,但其MapReduce-like的编程模型在任务间无法进行通信,导致科学计算中的数值算法无法进行高效实现。针对上述问题,研究了一种Spark内存计算与MPI消息传递模型相结合的解决方案,充分利用内存访问存取快速的特点和MPI的多种高性能通信机制,解决了Spark编程模型表达能力不足的缺陷,同时为MPI提供了面向数据的DAG计算方式。通过对Spark内部的运行环境和调度系统进行修改,使得MPI在Spark中得以无缝融合,为高性能计算和大数据任务提供了一个统一的内存计算系统。测试结果表明,在数值计算和迭代算法上相比Spark至少有50%的性能提升。     

对撕破过程中纱线从织物中滑移测试方法的探讨

采用单缝法测试织物的撕破强力时，经常会出现撕破不完全或纱线从织物中滑移的现象，影响了织物力学性能测试的准确性。本文选用5种不同的面料进行测试，通过对单缝法撕破、摆锤法撕破与梯形法撕破3种撕破方法的比较分析得出，当出现撕破不完全或纱线从织物中滑移时，梯形法撕破相比其他两种方法能更好地反映该类织物的撕破强力。     

一种基于单片机的多位LED显示系统的设计

结合HS型滑动轴承实验台测控系统的具体实例,提出了一种基于51系列单片机利用LED进行实时数据显示系统的设计方案及其实现。介绍了基于单片机的LED显示系统的开发与应用,详细介绍了单片机系统及LED显示器的两种显示方式,软件部分介绍了数据显示程序和选择按钮计数程序。     

服装衣领耐磨性能测试方法探究

本文通过现有的几种耐磨方式对衣领耐磨性能进行测试,并结合实际穿着中服装衣领的摩擦情况,对以上测试方式进行某些试验参数模拟改进,从而探究一种适合用于考核衣领耐磨性能的测试方法。     

微服务架构磁带库存储系统设计与实现

建立具有磁带存储层的HDFS分级存储系统是完善高能物理领域Hadoop生态系统的重要部分，但高能物理领域传统的磁带存储管理系统（如Castor、CTA）上层不支持HDFS磁盘存储，并且随着高能物理数据量的急剧增长、互联网技术的不断发展和用户需求的迅猛变化，传统的磁带存储管理系统逐渐呈现出系统扩展、负载均衡、开发和运维成本上升等方面的问题。设计开发了基于微服务架构的磁带存储管理系统。该系统向上支持HDFS磁盘存储，将磁带库资源管理、文件传输、磁带读写等功能以微服务的形式分布到各个服务实例中，达到分散服务压力的目的，并且系统针对传统负载算法效率不佳的问题，实现了基于服务器响应指数的负载均衡算法，通过根据自定义参数计算得到的服务器响应指数对其进行排序，保证将用户请求调度到响应指数最高的服务器进行处理。实验结果表明，磁带库存储系统满足HDFS文件分级存储磁带层管理的需求，提出的基于服务器响应指数的负载均衡算法相较于轮询算法，系统归档性能高出6%以上，提取性能高出64%以上；相较于随机算法，系统归档性能高出9%以上，提取性能高出64%以上，最终实现的磁带库存储系统表明，与传统的系统相比，微服务体...     

基于分布式数据集的并行计算框架内存优化方法

随着科学计算和人工智能技术的快速发展，分布式环境下的并行计算已成为解决大规模理论计算和数据处理问题的重要手段。内存容量的提高以及迭代算法的广泛应用，使得以Spark为代表的内存计算技术愈发成熟。但是，当前主流的分布式内存模型和计算框架难以兼顾易用性和计算性能，并且在数据格式定义、内存分配、内存使用效率等方面存在不足。提出一种基于分布式数据集的并行计算方法，分别从模型理论和系统开销两个角度对内存计算进行优化。在理论上，通过对计算过程进行建模分析，以解决Spark在科学计算环境下表达能力不足的问题，同时给出计算框架的开销模型，为后续性能优化提供支持。在系统上，提出一种框架级的内存优化方法，该方法主要包括对跨语言分布式内存数据集的重构、分布式共享内存的管理、消息传递过程的优化等模块。实验结果表明，基于该优化方法实现的并行计算框架可以显著提升数据集的内存分配效率，减少序列化/反序列化开销，缓解内存占用压力，应用测试的执行时间相比Spark减少了69%～92%。