HART协议与HART仪表的应用

HART协议发展迅速,通过对HART仪表的应用,可以为现代化的工厂带来各种实际的效益。     

基于裂痕故障块的自适应容错路由表算法

基于裂痕故障块的二维网格自适应容错路由算法是一种有效的容错算法,不仅能够解决活锁问题,而且克服了传统故障块模型中状态良好的节点不能参与路由的缺陷,但同时具有明显的缺点：每次路由到以故障块边界节点为根节点的内部树时,都需要遍历此内部树,因此算法的路由长度并不是最短的。针对上述问题,提出基于裂痕故障块的自适应容错路由表算法,其中路由表由裂痕故障块内部树上的节点创建,通过路由表上保留的有用消息决定是否遍历内部树。实验结果证明,随着网格规模的扩大,该算法最大可减少70％的平均路由长度,并且其实现简单,可以有效地延长网络寿命。     

微量水分在线检测系统数学模型的建立

针对火药生产过程中要实时检测其含水量,设计了电容式水分检测传感器,并设计了自平衡电桥及其水分检测电路。由于要求检测的火药含水量低,约为0.5%~3%,且检测精度为0.1%,因此对影响含水量的温度、湿度、重量容积比和电压幅值等因素分别进行了研究,并根据多个参数建立了多元线性回归模型。经过大量物料实验,推导出本系统下仅与物料密度和物料重量容积比相关的通用公式,经过多次不同物料实验验证,该系统性能稳定可靠、测量准确,适合于多种物料的低含水量,高精度的快速测量。     

一种基于流作业的网格作业调度研究

在基于网格环境的一些网格应用中,用户需要提交一种作业类型,该作业可以被分解为逻辑上独立的元作业,这些元作业不存在依赖和通讯关系,并且它们的执行需要大量的数据移动。针对这种作业类型,本文提出了一种基于流作业的网格调度模型。在该模型中,这些独立的元作业像"流"一样自主地流向各个计算节点去执行,各计算节点接收的流量取决于其计算能力,并避免"断流"问题。同时,该模型还分离了作业流和数据流,实现了作业逻辑控制和数据控制的分离,提高了调度的灵活性。本文将该调度模型应用于药物虚拟筛选应用中,该模型能够充分利用计算节点的计算能力。     

高计数率α、β粒子辐射检测方法研究与实现

提出一种用单探测器实现α、β粒子辐射同时检测的方法和系统。设计出纹波小于20 mV的±12 V、±5 V直流电源,保证了耦合输出信号的灵敏度;改用检波电路将信噪比提高了12.1 dB,同时将反冲信号由-700 mV抑制到+200 mV以内,还彻底抑制了比较器产生的反串信号,省去"极零相消"电路。采用双路单稳态触发器实现α道对β道的有效屏蔽。经实测,本检测系统对302cps源的β粒子辐射计数率可达79%,提高了22%;β道对α道的串道比为1%,降低了1%;对6190cps源的α粒子辐射计数率可达54%,提高了9%;α道对β道的串道比为12%,降低了17%。     

基于密度和相关分量分析的局部线性嵌入算法

为解决局部线性嵌入算法(LLE)性能受初始邻域值大小和相似性度量选取的制约,提出一种基于密度和相关分量分析(relevant component analysis,RCA)的局部线性嵌入算法(DRLLE).对每一个样本点计算一个密度缩放因子,根据密度缩放因子对样本点的初始邻域值进行自适应调整,计算RCA距离作为LLE算法的相似性度量,得到样本点的近邻集,进行降维处理.将DRLLE和其它LLE改进算法在Swiss roll、Swiss roll hole和ORL数据库上进行对比实验,其结果表明,DRLLE算法具有良好的降维效果和识别性能.     

面向服务的数学编程标记语言(MPML)

网格计算作为一种新的计算模式,是目前计算机领域的研究热点,如何在网格计算模式下进行程序设计是网格计算技术的一个重要研究方向。数学编程标记语言(MPML)是在兰州大学计算机数学实验室的数学网络计算环境项目中设计和实现的一种编程语言。MPML是基于XML和MathML的可编程标记语言,旨在降低网格计算的难度,提高网络中数学资源的利用率。论文探讨了网格计算环境下的程序设计,详细讨论了MPML的设计以及遇到的问题,并首次提出了编程语言的可扩展性问题。     

基于蚂蚁算法的网格作业调度研究

网格环境下的作业调度是一个NP难问题,蚂蚁算法内在的并行性和可扩充性使其非常适合网格作业调度。将蚂蚁算法应用于网格环境作业调度,提出一种通过作业代理的移动进行网格作业调度的方案,该蚂蚁算法不仅在分配网格计算资源时进行信息素的局部更新,还在网格计算资源完成作业后进行信息素的整体更新。通过模拟实验测试和选取蚂蚁算法的各种影响参数,取得了比较理想的实验结果。实验证明该算法能够有效地实现作业的合理调度和网格系统的负载平衡。     

基于分层遗传算法的网格任务调度策略

针对传统的网格任务调度算法存在的缺陷,提出了用分层遗传算法来实现对网格任务调度策略的优化.在构造分层遗传算法时引入了SGA,AGA和CHC算法. SGA采用基本的遗传操作,保证了种群的多样性;AGA对交叉概率和变异概率的动态调整,保证了遗传算法的收敛性;CHC算法强调优良个体的保留,加快了遗传算法的收敛速度;分层遗传算法在吸收了这3种算法优点的基础上进行优化.实验结果表明,分层遗传算法在结果精度和收敛速度上都较其他算法有较大程度的提高.