检索结果-南通市图书馆

岩土力学 2010年第6期31卷 1877-1883,1890页

作者：董辉杨珺博傅鹤林聂春龙湘潭大学土木工程与力学学院湖南湘潭411105 中南大学土木建筑学院长沙410075 南华大学城市建设学院湖南衡阳421001

针对岩土体变形行为预测中观测数据的有限性以及信息的不完备性,提出以分段插值或Boostrap重采样对有限观测数据再生以增强数据细节信息,以坐标变换或状态空间重构改变时序数据的表示形式,并重写原有不显著的规律的研究方法。在深入分... 详细信息

针对岩土体变形行为预测中观测数据的有限性以及信息的不完备性,提出以分段插值或Boostrap重采样对有限观测数据再生以增强数据细节信息,以坐标变换或状态空间重构改变时序数据的表示形式,并重写原有不显著的规律的研究方法。在深入分析方法中重采样、混沌辨识、相空间重构的嵌入维数和延迟时间等关键技术的基础上,分别采用支持向量机、径向基函数前向型神经网络(RBF)以及反馈型神经网络(Elman),对3组不同特征工程算例的岩土体变形时序在数据再生和空间重构前后进行预测对比研究。结果表明,变形时序的数据再生与重构能够极大地扩充数据细部特征信息和凸显岩土体变形演化的本质规律,以此数据建立的SVM预测模型,其可靠性和准确性优于以原始数据SVM、RBF和Elman建模预测效果。

关键词：数据再生空间重构变形行为预测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

分布式存储系统中数据再生策略研究

分布式存储系统中数据再生策略研究

引用

作者：李钧复旦大学

学位级别：硕士

分布式存储系统通过利用大量存储节点提供海量数据存储服务。分布式存储系统需保存冗余数据,从而在有存储节点失效的情况下维持数据的完整性。为补偿存储节点失效造成的数据损失,当有存储节点失效时,应在系统中另一节点中再生其保存的... 详细信息

分布式存储系统通过利用大量存储节点提供海量数据存储服务。分布式存储系统需保存冗余数据,从而在有存储节点失效的情况下维持数据的完整性。为补偿存储节点失效造成的数据损失,当有存储节点失效时,应在系统中另一节点中再生其保存的数据。与保存副本数据相比,由MDS编码生成的冗余数据能够提供更高的对节点失效的抵抗能力,但典型的MDS编码在再生过程中的传输开销远高于副本数据。在MDS编码中,再生码能够达到存储开销和再生时网络带宽开销间的最优折衷曲线。目前对于存储编码及相应再生开销的研究集中于最小化再生时的网络带宽开销,但未考虑到实际再生中的时间及参与节点等开销。本文在不牺牲数据完整性的前提下,通过理论分析和基于真实数据的仿真,研究了提高再生过程性能的优化设计方案。我们首先回顾了冗余数据及其维持方面的工作进展。接下来,我们通过利用网络中不同链路上的带宽异质性,提出一种树形拓扑再生过程,显著降低了再生时间。进一步的,在对可用带宽非对称链路进行建模的基础上,本文提出了基于多棵树并行传输的再生过程。另一方面,基于再生过程中参与节点数量对再生效率的影响,我们通过将多个节点的再生过程进行流水线化处理,从而降低每轮再生过程中的参与节点数量。通过分析可知,流水线再生过程能够降低再生过程中所需时间及网络带宽开销,同时不牺牲数据完整性,且其要求的额外存储开销是低且实际的。我们的工作表明,流水线再生过程能够支持随机线性编码以及再生码,并支持立即修复和惰性修复。

关键词：分布式存储系统数据再生带宽异质性流水线随机线性编码再生码

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

云环境中面向多请求的科学工作流数据管理方法研究

云环境中面向多请求的科学工作流数据管理方法研究

引用

作者：王思尧西安电子科技大学

学位级别：硕士

随着信息化技术的发展,科研人员在研究过程中需要对海量的原始数据进行处理分析,这是一个非常复杂的过程,需要进行大量运算。因此科研人员通常将整个处理分析过程分解成多个步骤,按照数据以及数据处理程序之间的依赖关系组织起来,形成... 详细信息

随着信息化技术的发展,科研人员在研究过程中需要对海量的原始数据进行处理分析,这是一个非常复杂的过程,需要进行大量运算。因此科研人员通常将整个处理分析过程分解成多个步骤,按照数据以及数据处理程序之间的依赖关系组织起来,形成可以自动化或半自动化运行的科学工作流。科学工作流在执行过程中会产生大量中间数据,这些中间数据通常规模庞大且具有复杂的依赖关系。一些重要数据会被科研工作者重复使用,或者在各个科研机构之间进行合数据共享。因此,科学工作流的执行需要高性能的计算资源以及海量的存储资源。随着分布式技术的发展,继网格、集群等技术之后,云技术的出现为科学工作流提供了新的发展平台。云环境中不仅拥有海量的存储资源以及高性能的计算资源,而且有利于不同地域的科学家开展各种工程合作或科学研究。云科学工作流执行时产生的大量中间数据,可以选择消耗存储资源将其存储,也可以将其删除,重用数据时通过计算资源重新对数据进行再生。因此如何提高云科学工作流的效率以及智能化水平,合理有效地管理这些中间数据,成为了具有挑战性的问题。此外云科学工作流是同时面向多个科研机构或者多个科研人员,存在同时或者短时间内会有多个请求需要计算再生的情况。将这些请求单独处理是不合理的,因此需要一个面向多请求的数据管理方法,来提升云科学工作流运行效率,降低服务成本。本文研究了云科学工作流的数据再生和存储优化问题,主要工作可以总结为如下几点:1.传统的数据管理方法面向的是单独的请求,而在实际中,系统经常需要同时处理多个数据集访问请求。针对科学工作流中间数据存储问题,为了以最小的计算成本再生多个请求数据,提出了多请求数据再生策略。基于所提出的再生策略,构建了科学工作流中间数据存储优化模型。此外,给出了枚举和遗传算法求解优化模型。最后,通过设计实验分析验证了多请求方法的有效性。2.在研究过程中发现多请求数据再生代价计算过程中存在重复计算的问题。针对多请求数据再生计算方法中重复计算的问题,数据再生方法以及数据再生计算过程进行分析。首先证明了数据再生方法的最优性,在此基础上提出了改进的多请求数据再生代价计算方法。最后通过实验验证了改进多请求数据再生计算方法的代价相对于原始的多请求方法更低、更准确。3.通过分析传统的基于数据依赖关系图的科学工作流的缺点,给出更加灵活的基于数据流图的科学工作流中间数据管理模型。经过分析,基于数据流图的科学工作流模型解决了数据依赖关系图存在二义性和难执行的问题。同时,设计实验对新模型进行验证,实验结果证明了基于数据流图的科学工作流数据管理模型计算更准确。

关键词：多请求科学工作流云计算数据再生数据存储

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

数据驱动的滚动轴承退化状态评估和剩余寿命预测

数据驱动的滚动轴承退化状态评估和剩余寿命预测

引用

作者：杨泞宁中北大学

学位级别：硕士

作为旋转机械的核心组件,滚动轴承被广泛应用于航天、航空、国防、基建、交通等重要领域。在这些领域中,滚动轴承能否正常运行直接关系着复杂装备能否正常工作。一旦轴承出现故障,将可能引起严重的经济损失和人员伤亡,因此开展滚动轴承... 详细信息

作为旋转机械的核心组件,滚动轴承被广泛应用于航天、航空、国防、基建、交通等重要领域。在这些领域中,滚动轴承能否正常运行直接关系着复杂装备能否正常工作。一旦轴承出现故障,将可能引起严重的经济损失和人员伤亡,因此开展滚动轴承的健康管理研究十分重要。作为健康管理中重要一环,剩余寿命预测(Remaining useful life,RUL)能提供距离轴承完全失效的剩余使用时间,为工厂任务决策和设备维护提供了重要参考标准。近些年随着传感器技术和工业互联网的快速发展,滚动轴承的监测数据源源不断,这其中人工智能技术因其优秀的非线性映射能力、自主的数据特征挖掘能力和简洁的建模流程,得到了学者们的广泛关注,因此本论文主要开展基于人工智能的RUL方法研究。然而,目前基于人工智能的RUL方法缺乏良好的早期故障起始点判别手段、尚未形成统一的网络建模理论、缺少全寿命样本数据,导致其预测效果不佳,无法在工程中进行推广和应用。因此,本论文深入开展了滚动轴承早期故障特征提取方法研究、深度神经网络建模研究和全寿命数据再生研究,完善基于人工智能的RUL研究体系,推动轴承RUL预测方法在工程中的应用。在不同研究中,本文的工作主要如下:(1)针对滚动轴承早期故障特征提取困难的问题,本文提出了自适应谱模态提取方法(Adaptive spectrum mode extraction,ASME),结合散布熵指标和包络谱分析方法,提取滚动轴承振动信号中早期微弱故障特征频率。在ASME方法中,首先将六倍故障特征频率最小带宽限制与尺度空间融合,提出了故障特征尺度空间方法,自适应地确定变分模态分解方法(Variational mode decomposition,VMD)的模态分解层数;然后根据故障特征尺度空间划分的不同频带,提出了谱聚集因子,自适应确定各个本征模态函数(Intrinsic modal function,IMF)的惩罚因子,提高VMD的收敛速度;最后为了确保VMD结果的稳定性,提出了越界准则,修正VMD的分解参数。(2)针对基于人工智能的RUL方法缺乏早期预测起始点判别机制问题,首先结合ASME方法,提出了故障特征增益指标,定量评估轴承的损坏程度。然后,融合拉依达准则,建立了滚动轴承早期故障判别机制,识别滚动轴承早期故障起始点。最后,制定了滚动轴承时域、频域和时频域特征融合的框架,并构建了时间卷积神经网络(Temporal convolutional network,TCN),深入探讨了TCN的建模理论,对比经典的长短时记忆网络、门控循环单元,分析TCN网络在RUL预测方面的优势。(3)针对基于人工智能的RUL方法缺乏全寿命样本的窘境,提出了数据再生框架,自动地生成全寿命轨迹相似、局部波动各异的滚动轴承全寿命样本。在该框架中,首先提出了全局增益指标和局部增益指标,识别滚动轴承的正常运行阶段、缓慢退化阶段、自愈退化阶段和加速退化阶段。然后,定义了全寿命样本再生法则,包括恒等变换方法、退化状态概率分布和全寿命样本再生准则三部分,服务滚动轴承全寿命样本再生过程。最后,建立滚动轴承不同状态样本数据库,针对数据库存在的状态样本不均衡问题,提出了数据库增强框架,丰富和均衡状态样本数据,为滚动轴承全寿命数据再生提供数据来源。

关键词：滚动轴承 ASME 早期故障判别数据再生剩余寿命预测

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：