大规模无线传感器网络中面向ANY型查询的能量高效数据分发算法

在事件数据的push和pull之间实现更好的平衡是无线传感器网络数据分发算法节能的关键.分析了两种典型的有结构和无结构的数据分发算法,结合这两种算法使用的push pull策略,针对无线传感器网络的ANY型查询的特定需求,提出了两种基于有结构和无结构存储模式相结合的混合型数据分发算法SDC1&2.分析表明,这两种算法在保证push pull之间平衡的前提下解决了已有算法存在的热点问题、存储拷贝数多和查询性能低问题,能更好地适应ANY型查询的特点,是两种能量高效的数据分发算法.     

基于协作负载的指挥关系描述与设计

在分布的网络环境下,战场的快速反应需要在分布作战单元间建立一种指挥关系自同步的机制,以实现对战场作战力量的快速构建与重组.在这一指导思想下,基于文献中关于协作与负载的定义,给出了基于协作与负载的指挥关系描述,提出了基于协作与负载的指挥关系设计内容与目标.     

加肋轴对称薄壳强度分析的有限元方法

加肋轴对称薄壳的强度问题,需要考虑肋骨的作用。针对该问题,采用轴对称曲边壳单元建立了肋骨单元的刚度矩阵,将该矩阵叠加到轴对称曲边壳单元的刚度矩阵中,对加肋轴对称薄壳的强度进行有限元分析。应用Fortran语言编写了有限元计算程序,对一个精车模型进行了强度计算,计算结果同模型试验结果吻合良好,表明该方法可以应用于加肋轴对称薄壳的强度分析。     

美国公布台湾空中力量报告

美国国防情报局(DIA)发布了一份报告,里面指出了台湾地区空中力量和防空能力的不足,整份报告看起来只为了支持台湾地区新的F-16采购案。这份编号为DIA-02-1001-028的报告于2010年2月16日上交给美国国会,里面写道:台湾地区现在正在服役的     

ATIE:一种自适应的可调域间出口选择算法

TIE算法能对域间出口的选择进行调节,但是该算法的参数计算过于复杂,并且出口选择的调节并不能随负载的变化而变化,因此提出了一种自适应的可调域间出口选择算法ATIE,该算法能够满足流量工程和网络健壮性要求,并通过参数T的改变随当前负载的变化而变化.实验表明,ATIE算法能够在控制剖面敏感性和随负载变化的流量工程自适应性上达到合理的折衷.     

基于加速性能退化的雷达电源板可靠性评估

评估雷达系统可靠性时,失效寿命难以获得,性能退化数据成为评估可靠性的重要信息。对其中器件级信息充足,板级、分系统级、系统级现场试验信息缺乏,而收集这些部分的退化数据仍需较长时间,以雷达某一部分的整体为研究对象进行加速退化试验,验证是否存在累积效应及有规律的退化过程。以某雷达电源整板为例,在温度应力下进行恒加加速退化试验,观测到特征退化量电源板输出电压随温度变化的退化规律,进行统计推断。结果表明基于加速退化数据进行该部分可靠性分析方法可行、结果可信,且更具优势,为雷达系统可靠性评估及增强可信度奠定基础。     

突加负载对同步发电机整流系统直流侧电压的影响

为了研究发电机整流系统输出直流母线电压随突加负载的变化机理,基于交流发电机突加静态平衡负载的分析方法,给出了发电机整流系统直流侧突加负载时的瞬时电压表达式。首先,给出了发电机整流系统等效电路模型;然后,将直流侧负载等效到整流桥的交流侧,并利用整流桥本身的特性,推导了突加负载时直流侧瞬时电压表达式;最后,通过交流发电机突加静态平衡负载的理论计算结果检验了相应PSCAD仿真模型的可行性,并在此基础上,建立了发电机整流系统直流侧突加负载的PSCAD仿真模型,仿真结果验证了所提计算方法的正确性。     

基于IFTS的网络动态负载均衡方法

针对网络负载均衡过程中节点负载变化趋势难以预测的问题,在分析网络负载模糊时序变化特性的基础上,设计了可变阶自循环误差校正机制,构建了网络负载直觉模糊时间序列(IFTS)预测模型,并将基于IFTS的负载预测与网络动态负载均衡相融合,提出了基于IFTS的网络动态负载均衡方法,有效地提升了网络负载预测精度,增强了动态负载均衡系统运行效率,改善了网络整体服务质量。并通过典型实例验证了该方法的有效性和优越性。     

适应低时延业务需求的分布式可穿戴单兵作战信息系统

针对云计算应用在单兵作战系统场景下业务处理时延高、服务质量无法保障的问题,提出一种基于可穿戴计算的分布式单兵作战信息系统。利用士兵身上的可穿戴智能设备构建本地计算层,在作战地点就近处理计算数据,提供给士兵本地的信息处理与融合能力,并采用广义扩散负载均衡算法平衡各设备负载,降低业务处理时延;同时利用分布式计算的容错能力增强系统的可靠性。仿真结果表明,基于可穿戴设备的分布式本地网络架构能有效地降低作战任务的处理时延,同时增强系统的可靠性。     

CPU-GPU协同加速Kriging插值的负载均衡方法

Kriging插值算法被广泛应用于地学各领域,有着极其重要的现实意义,但在面对大规模输出网格及大量输入采样点时,不可避免地遇到了性能瓶颈。利用Open CL和Open MP在异构平台上实现了CPU与GPU协同加速普通Kriging插值。针对Kriging插值中采样点的不规则分布及CPU和GPU由于体系结构差异对其的不同适应性,提出一种基于不同设备间计算性能的差异和数据分布特点的负载均衡方法。试验结果表明,该方法能有效提高普通Kriging插值速度,同时还能节约存储空间和提高访存效率。