课程文献中心 更多>>

摘要： 设备是企业生产的硬件基础,是企业可持续发展的基本条件。如何管好、用好这些设备,使这些设备资源得到合理配置,充分发挥其效能,实现设备的保值增值,为企业创造更多的经济效益,是企业管理中的重要内容之一。企业需要在设备管理方面下功夫,以最低费用优化设备的可用度,提高设备的耐久性,对设备进行综合管理,以确保生产任务的顺利完成,充分发挥设备投入的经济效益。对于企业来说,做好下面几件事,你也可以向设备管理要效益!

关键词： 机械剥离法   气固两相流   套筒混合   微信小程序   物联网  

摘要： 由于物理法具有操作简便、价格低廉、易于实现等优点,所以在片层材料剥离研磨领域受到业内人士的广泛关注。其中,机械剥离法为最常用的方法。通过查阅大量的相关文献,发现出现有的机械剥离设备存在剥离效率低(磨盘式研磨)、物料受力无规律造成晶格破坏(球磨式研磨)等问题。为改善现有设备存在的问题,本文提出了一款套筒式混合器。其核心设计思想在于能够提供足够的片层研磨剪切的同时,还得确保物料能够充分经过该研磨区域。该混合器中,研磨能力是通过套筒实现的。将磨盘的端面研磨修改为套筒的侧壁研磨,从而提高了研磨效率;套筒间为纯剪切式研磨,从而壁面了球磨中钢球冲击造成的片层破碎。值得注意的是,剪切能力的发挥最终还是依赖于釜内循环系统是否能将研磨对象反复输送到高效研磨区。为此,本课题重点研究釜内流场及研磨物循环问题。课题执行过程中,在初步设计的基础上,对釜内循环风扇构型、釜底构型、釜底挡板以及釜壁结构进行了全方面的计算机仿真,从而确定了局部的优化结构方案。与此同时,还利用流固耦合的方法分析了混合器运行工艺对其循环效果的影响。最后利用本文开发的套筒式研磨装置,完了蒙脱土研磨使用,验证了套筒混合器的工作性能。除此之外,本课题还为开发的实验装置配置了基于物联网技术的用户数据监控和远程操控的微信小程序控制系统。

关键词： 物联网   区块链   分布式系统   数据管理技术  

摘要： 近年来,随着物联网技术的快速发展,越来越多的物联网终端设备参与完成数据收集、传输、计算。区块链技术成为解决物联网应用中数据集中化管理、数据隐私、数据安全等问题热门方案。但是现有的区块链方案主要针对传统的互联网应用场景,而物联网和区块链融合方案存在计算和存储资源有限、存储扩展难和事务处理效率低等问题,需要提出一种针对物联网场景下高效、轻量可扩展的区块链模型。因此,本文针对物联网场景下的区块链数据管理技术的展开研究,通过区块链数据扩展存储、解耦共识与存储过程、事务优化技术,实现区块链节点的灵活扩展、数据轻量存储、事务的高效处理。论文的主要研究内容如下:1)提出了面向物联网的高效可扩展区块链数据管理模型。针对现有区块链技术中历史账本数据不可删除和数据不断累积之间的矛盾,设计了高效可扩展的区块链数据管理模型。该模型中通过解耦区块链中事务共识、数据存储与事务验证过程,在保持区块链基本特性的前提下,通过滑动窗口控制状态数据量,实现物联网节点轻量存储。降低区块链扩展新节点时需要同步的账本数据量,加快新节点初始化速度,提升区块链整体的扩展性。最后,对本文设计的区块链扩展模型与传统的区块链模型在存储大小、事务处理时延、存储扩展性等指标方面进行对比分析,本文提出的扩展模型具有良好的性能表现。2)提出了基于乐观锁的事务提交优化算法。针对区块提交过程中因为事务冲突而导致提交失败的问题,设计实现了软件事务内存机制,基于布隆过滤器实现事务冲突检测,对未出现冲突的事务并发执行,通过队列串行化执行冲突事务,缩小读写锁的临界区粒度。通过实验证明该策略能够有效提升存储引擎事务提交效率和事务处理的吞吐量。3)提出了基于向量承诺的区块链数据验证算法。存储扩展模型中交易共识和数据存储解耦存在数据完整性安全问题。传统的区块链主要依赖于默克尔树完成数据完整性验证,而遍历默克尔树过程中存在I/O放大问题和一次验证过程需要大量的验证信息等问题。本文通过引入向量承诺压缩验证信息大小,剪枝和存储结构优化向量承诺树,降低轻量节点验证信息存储空间复杂度。最后对算法进行仿真,实验结果表明该方案能够保证区块链数据完整性,降低验证信息存储负载,提升验证效率。4)基于上述提出的区块链扩展模型实现了基于区块链的物联网数据管理系统。系统由前端可视化层、后端应用逻辑层、通信层、区块链基础服务层构成了多层次架构。本文详细描述了系统需求分析、架构设计、各个功能模块实现过程,实现了区块链展板、用户身份管理、物联网数据背书和数据管理等功能,完成了系统的功能和性能测试。

关键词： 自动机器学习   协同过滤   分布式系统   自动编码器   集成学习  

摘要： 过去十年见证了机器学习研究和应用的爆炸式增长，尤其是深度学习方法在许多应用领域取得了重大进展，例如计算机视觉、语音处理和游戏。然而，许多机器学习方法的性能对过多的设计决策非常敏感，这对新用户构成了相当大的障碍。即使对于一个数据科学家，寻找一个好的机器学习模型仍然需要很长时间，因为需要考虑许多因素，包括数据预处理、算法选择和超参数调优方法，繁琐的搜索将面临组合爆炸问题。　　自动机器学习(AutoML)的目标是以一种数据驱动的、客观的、自动化的方式做出这些决策，方便各个领域人士使用机器学习解决问题。尽管已经提出了许多AutoML框架，但仍有一些问题有待解决。一般来说，现有的AutoML系统可以大致分为两类:基于参数优化的AutoML和基于协同过滤的AutoML。本文首先对AutoML研究现状进行了整理，总结了当前研究存在的问题和不足，针对监督学习中的分类任务，并结合相关领域理论，提出了几种新的AutoML系统，主要内容和创新点如下:　　(1)针对基于超参数优化的AutoML算法耗时长，收敛慢以及并行化差等问题以及基于内存的协同过滤与AutoML之间的联系，提出了一种基于内存协同过滤的分布式AutoML框架，命名为CF-DAML。本项工作首次将AutoML问题定义为基于内存的协同过滤与选择性集成学习之间的耦合问题，摆脱了以往大量工作需要耗时的超参数优化模块，在保证分类准确率提升的基础上大大降低了时间复杂度。在CF-DAML的模型推荐模块，本文所提出的加权L1范数(W1-norm)考虑到了不同的元特征对推荐结果的重要性程度不同，改进了以往被广泛采用的普通L1范数相似度计算方法。在CF-DAML的集成学习模块，本文提出了原创的分布式模型集成系统(MSSE)，其基模型的选择基于三个条件:可用性、准确性和多样性;与以往集成所有候选模型的工作相比，MSSE可以保证集成学习的高效性。在20个UCI公开数据集上对比实验表明CF-DAML优于当前研究现状，消融实验证明了W1-norm和MSSE的有效性和高效性。　　(2)针对基于协同过滤的AutoML框架无法学习到数据集和模型管道的非线性潜在特征的弊端，本文首次提出了一个包含非线性的模型推荐系统模块(MLPRS)和并行集成学习模块(PSES)的AutoML框架Dsa-PAML。首先在离线阶段，通过同时训练数据集和机器学习管道自动编码器获得模型管道推荐系统。在线上阶段，新数据集和机器学习管道自动编码器的最内层（瓶颈层）的激活执行点积运算，作为机器学习管道在该数据集上的预测分类精度，从中选择预测性能最好的N个模型管道推荐给该数据集;集成学习模块则依次执行并行训练候选管道、选择高性能和多样化的机器学习管道、堆叠式集成基学习器并训练元学习器。在30个UCI公开数据集上对比实验表明Dsa-PAML在分类准确率指标上显著优于基于矩阵分解的AutoML框架。　　(3)本文还介绍了软件包CF-DAML和Dsa-PAML的安装说明及使用方法，这两款软件是基于开源机器学习库scikit-learn开发的，可以在Linux和Windows系统中运行。它们可以Python函数包的形式使用，但需要配置相应的Python环境。为了使软件脱离于特定的Python环境并方便用户的使用，本文基于Pyinstaller融合了CF-DAML和Dsa-PAML这两个函数包，开发了对用户友好的前端可视化界面。通过点击exe可执行文件并设置相关参数即可快捷方便地使用它们做监督学习中的分类任务。

关键词： TR069协议   TR181规范   远程管理   终端设备   XMPP协议  

摘要： 随着互联网技术和宽带网络技术的迅速发展以及丰富多彩的互联网应用的出现,网络终端设备也变得越来越复杂,且发挥着重要的作用,因此一个有效的管理方式就成为了首要解决的问题,因为可以真正实现业务的零配置安装和管理。TR069（CPE广域网管理协议,CPE Wan Management Protocol）协议自出现以来就解决了很多的问题,极大的解决了运营商在终端设备的管理上的问题和遇到的困难,为运营商降低用户终端设备的安装和维护管理成本,提高设备的管理维护效率,提升业务服务质量提供了强有力的保障。本文的主要工作内容有:（1）研究国内外现状,通过分析对比来找到课题研究的必要性,了解终端管理技术的发展历史和发展趋势,明确课题的研究意义,深入了解TR069协议,并且在一定的技术规范和一些特定需求进行系统总体设计;（2）以基础理论为基石,研究TR069协议的相关知识,分析基本原理和代码框架,以TR069协议栈为基准进行分层次的研究,并且通过分层模式进行系统设计;（3）以TR098和TR181规范为约束,通过研究和实现不断更新完善的节点来增加TR069使用的广泛性;（4）创新性的利用XMPP（可扩展通讯和表示协议,Extensible Messaging and Presence Protocol）技术来协助通信,实现了TR069的私网穿越,证明了与同样可以实现私网穿越的STUN（NAT的UDP简单穿越,Simple Traversal of UDP Through NAT）技术对比,基于XMPP技术的私网穿越传输稳定性更强,主动连接成功率更高,有更高的实用价值;（5）为了满足运营商的“实时监控设备”和“高效管理设备”以及降低维护成本的要求,使用c语言进行开发,用ubus进行通信,依赖openssl支持https,设计TR069适配库层和数据模型转换层来屏蔽设备的差异性,从而提高代码的可移植性,目前已经在国际网关上正常运行。最后,通过不同的测试分析交互报文来验证TR069的预期功能,测试显示设计的TR069模块合理,各项基本功能均可以正常运行,CPE（客户终端设备,Customer Premise Equipment）与ACS（自动配置服务器,Auto Configuration Server）可以正常交互,且基于XMPP技术的ACS可以穿过私网访问CPE,达到预期目标。

关键词： 《设备管理与维修》  

摘要： 《设备管理与维修》杂志系中国科协主管、中国机械工程学会和北京卓众出版有限公司主办的设备与维修工程分会会刊（国内统一连续出版物号CN11-2503/F，国际标准连续出版物号ISSN 1001-0599），创刊于1980年，是跨行业为企业设备管理、维修、改造和节能、环保服务的综合性信息型技术刊物。《设备管理与维修》杂志以为企业设备资产保值、增值，

关键词： 持久化内存   远程直接内存访问   内存文件系统   数据一致性   操作日志  

摘要： 互联网中的数据规模越来越大,人们对数据中心的存储系统的性能也提出了更多的要求,尤其在数据存储和网络传输方面。NVM和RDMA为数据中心存储系统的设计带来新的机遇。由于现代处理器内部缓存的设计和RDMA没有对持久化写入NVM的保证,在使用持久化内存时,仍然存在数据一致性的问题。这为基于RDMA和NVM的一致性机制的设计带来了挑战。本文在调研测试了RDMA持久化写入NVM的方式后,总结出在不同场景下使用的持久化写入方式。并结合发现的这些特点,设计出一种高效且能保证文件系统一致性的数据一致性更新机制。本文的主要工作如下:（1）调研了RDMA持久化写入NVM的方式,分别为RPC和RDMA写后读。实验分析后发现,在小粒度写的情况下,RDMA单边原语的优势不再明显,RPC的延迟相比RDMA写后读的延迟更低。在大粒度的情况下,RDMA单边原语的优势依然存在。所以在小粒度写,追求低延迟的场景下,应选择RPC的方式。（2）对RDMA写入的顺序性进行分析,发现使用send/recv后,再发送write操作,RDMA本身可以保证两个操作间的顺序性。RPC就是以send/recv实现的,所以RPC与RDMA写后读之间可以保证操作的顺序性。在原子性操作方面,RPC相比于RDMA的原子性写操作有更好的性能。所以在一致性机制的设计中,应使用RPC或RDMA写后读的方式进行写入以保证操作顺序性,应使用RPC作为原子性修改操作的方式。（3）设计出一种数据一致性更新机制,在原型文件系统中添加一个日志管理模块负责处理日志的持久化提交,在存储结构中添加一个日志缓冲区中以记录日志,一个备份缓冲区用以存放写入的数据。将数据与日志记录分开,可以轻量化日志,从而可以使用RPC的方式记录日志,使用RPC和RDMA写后读的方式写入数据。（4）设计了日志的两阶段更新策略和环形计数器。日志的两阶段更新策略分为数据更新和元数据更新。在数据更新方面,根据写入大小选择RPC或RDMA写后读的写入方式,根据写入大小选择重做日志和写时拷贝的一致性机制;在元数据方面选择重做日志,并采取元数据的异步持久化以提高性能。在日志缓冲区中,根据NVM的特性,设计了高效的环形日志缓冲区和环形计数器。在修改计数器时,使用RPC的方式,利用服务器端对计数器进行原子更新。经过测试,本文设计的一致性更新机制可以在保证元数据与数据一致性的同时,实现高效的数据更新性能。

关键词： 协同操作   多机器人协作   分布式系统   自适应学习方法   力/位混合控制  

摘要： 多机器人系统凭借其自组织、可重构、工作空间大、任务适应性强等优势,受到越来越多研究者的关注。然而,机器人个体的简单组合不仅无法有效应对协作任务,反而可能因为目标冲突、操作力紊乱或感知与计算能力不足等问题导致机器人群体合作破裂。因此,研究多机器人协同操作控制算法,对于多机器人系统的安全、可靠、高效运行具有重要意义。本文关注多机器人抓取、搬运和装配等协同操作环节中普遍存在的轨迹跟踪任务和操作力维持任务的控制问题,基于分布式控制这一具有稳定性和敏捷性的范式进行控制器设计。首先总结了分布式多机器人协作中机器人建模、物体建模和交互过程建模方法,揭示了基本建模过程中对于物体几何参数和惯性参数的依赖性,结合物理模拟软件,阐明了参数不确定性对协作系统的影响。其次针对传统建模方式中过于要求物体参数精确的问题,提出了几何参数与惯性参数未知情形下的协同操作建模和分布式控制方法;利用前馈神经网络和自适应控制方法,构建了物体动力学未知和抓取矩阵未知状态下的在线自适应学习方法,同时基于操作力分解准则设计了轨迹跟踪任务的分布式鲁棒控制率。相较于最新的研究结果L2-adaptive方法,在相同的基准任务上缩短了收敛时间约66%,并降低了约63%的复合跟踪误差和82%的旋转误差,大幅提升了协作精度。最后针对已部署的机器人系统不具备力矩控制器的难点,设计了物体刚度和尺寸未知情形下的多机器人分布式柔顺控制框架,采用期望轨迹自校正的方法保证力跟踪无偏,并基于领导者—跟随者架构为不具备物体感知能力的机器人个体建立了期望轨迹估计率;与最新的研究结果DCC方法相比,在轨迹跟踪子任务无明显差异的情况下降低力跟踪误差约7%。仿真及实验结果表明,本文所设计的方法能够快速有效地解决物体未知时分布式多机器人协同操作问题,为实现多机器人协作系统在计算机服务器板件装配、自动搬运与建造、生活服务等领域的应用提供了新的途径。

关键词： 设备管理   磨煤机   多元状态估计   故障预警   状态检修  

摘要： 磨煤机系统是火力发电厂的重要辅助系统,是火电厂稳定燃料供给的保障,它的安全运行对机组长期可靠发电具有重要意义。随着“碳达峰”与“碳中和”的理念提出,煤电企业更需要转型升级,如何降低运行成本,提高运行稳定性成为新时期煤电企业发展的重点和难点。火力发电厂的煤种混合燃烧,对磨煤机系统要求也越来越高,在变负荷和变煤种的工作环境下,磨煤机发生故障的概率越来越大,同时也给磨煤机的安全性带来了隐患。本文分析磨煤机系统的运行和管理现状,归纳总结常见磨煤机的故障,探讨故障预警方法,并对多工况状态预测方法进行了研究,建立模型,用该模型进行运行状态预测,用相似度函数进行残差计算,用滑动窗口法处理残差,排除随机干扰,如果残差小于预警阈值则系统状态正常,如果残差大于预警阈值则故障预警。本文以公司一台磨煤机为例,提取了其建模参数,并对其进行参数预处理,并在此基础上对其历史数据进行分析,构建系统的健康矩阵。选择正常情况下的历史数据进行模型检验,以保证模型精确度,确定预警阈值,当相似度大于预警阈值时系统故障报警。选取磨煤机系统中的出口温度这个参数,进行试验,验证磨煤机出口温度异常预警的准确性和有效性,说明该模型能实现磨煤机系统故障预警的功能。对磨煤机系统故障预警进行结果分析,开展风险分析,根据不同的预警结果提出相对应的处理措施,结合设备状态检修管理理论,及时掌握设备状态,提高设备管理水平,减少设备故障率。故障管理包括备品备件管理与人员管理。对备品备件实现现代化管理模式,提高检修时效性和经济性。在人员管理中,落实各级干部职工的岗位职责,健全岗位责任制,强化层级管理制度,提升管理水平。

关键词： 分布式存储系统   移位加   锯齿解码   编码分布式计算   神经网络  

摘要： 在大数据时代,数据量以翻倍的速度增长。集中式处理数据的方式早已过时,数据的存储,计算离不开分布式的应用。但在分布式应用中,会存在一些不可靠的设备,这些设备的计算速度比平均计算速度慢,其被称为掉队节点。掉队节点的出现会给整体的运算带来延迟。为克服这一问题,编码技术一直备受青睐,具有组合性质(Combination Property,CP)的编码被提出:假设k个数据包被编码成n个编码包,其中n≥k,那么可以在n个编码包中任意选择k个编码包,以此来恢复原始数据。 在分布式存储系统中,大部分的编码技术都采用线性编码,在编解码阶段存在着计算复杂度高、资源消耗大的弊端。因此,如何解决线性编码技术给分布式存储系统中带来的难题,降低复杂度,减少存储开销需要进一步的研究。 为了解决高计算复杂度的问题,结合移位加(Shift-and-Add,SA)和锯齿解码(Zigzag Decoding,ZD)的编解码方式且具有组合性质的CP-ZD码被提出。然而,现有的元素单次参与编码的CP-ZD码共同存在的缺点就是在m(27)k的应用场景下,开销过大,其中m(31)n-k。所以,聚焦于m(27)k的场景,本文提出了一种具有更低开销的倒序移位码(Rev-Shift码),不仅证明了此码满足CP-ZD性质,而且实验结果显示,在m(27)k的场景下,开销比现有的CP-ZD码都要小。其次,当前元素单次参与编码的CP-ZD码的开销下界还未找到,现有的CP-ZD码没有衡量的标准。所以,在CP-ZD码的必要条件的基础上,本文推断并证明其可能存在的一个开销下界,并且未来的工作可以以此为标准,开展进一步的研究探讨。 然而,在元素单次参与编码的情况下,由于开销大的问题,锯齿码还是有其使用局限性。随着n,k等参数的不断增大,开销是以参数的平方增加的。所以,本文创新性地提出了元素多次参与编码的思路,利用柯西矩阵在有限域的良好性质,以此来设计一种基于柯西矩阵的元素多次参与编码的框架。这种编码方案的开销与参数n呈对数关系,与现有平方级别的开销对比,开销大大减少。 在编码分布式计算系统(Coded Distributed Computing,CDC)中,线性编码引入的冗余计算可以弥补掉队节点的延迟。然而,由于线性编码不能直接应用于深度神经网络(Deep Neural Network,DNN)训练中的非线性激活函数,需要逐层应用编解码,从而拖慢训练。 为了避免逐层编解码,本文提出了一种基于构造编码数据的新型DNN训练方案。该方案在训练之前加入构造新的编码数据操作(该操作可以在训练之前完成,不会给训练效率带来任何的影响)。基于这些额外构造的数据及原有数据,训练阶段可利用(n,k)性质而只需等待前k个返回的数据进行训练,且该训练过程无需编解码操作,从而显著提升训练速率。实验结果表明,基于构造编码数据的训练方案能够实现与集中式近似的预测准确率,并相对逐层线性编解码方案显著降低延迟。