大规模科学数据体绘制技术综述

体绘制是刻画大规模科学数据中复杂物理特征的有效途径,然而,数据量极大、特征难以捕捉等问题依然是目前体绘制研究的主要挑战。为此,研究者们从三个方面对体绘制算法进行了深入研究,以提高大规模数据体绘制的效率和效果。一方面,依托硬件通过多处理器核来分担计算,降低单处理器核所要完成的计算量,是提高体绘制效率的一个有效途径。另一方面,充分发掘数据场内在特性对三维数据场进行约简,大幅减少绘制处理数据量从而降低算法开销,也是提高体绘制效率的一个有效途径。同时,在体绘制算法中融入特征分析和特征增强方法,让复杂物理特征从数据场中突显出来,以实现对科学数据的高质量绘制。本文对国内外体绘制技术相关研究进展进行了调研、综述,并分析了不同的研究方法,最后展望了未来体绘制技术研究的可能发展方向,包括应用驱动的特征体绘制、基于特征的约简体绘制、适应硬件的体绘制多级加速以及原位智能化体绘制等。     

数据基故障诊断算法更新问题研究

机内测试被广泛应用于故障诊断、装备健康管理与预测等领域。针对机内测试设备在设计和升级时遇到的分类器更新、样本数量不平衡、硬件条件限制问题,提出初步解决方案。利用基于密度的聚类和人工免疫方法处理原始数据;提出基于代表样本点的混合学习方法;利用支持向量机和仿真案例验证所提方法。结果表明所提方法能够解决上述问题,有助于基于数据的机内测试设备设计与升级。     

A guarantee rate optimization model for wastewater treatment system design under uncertainty

We consider a design problem for wastewater treatment systems that considers uncertainty in pollutant concentration levels at water sources. The goal is to optimize the selection of treatment technologies and pipeline connections, so that treated wastewater can achieve specified effluents discharge limits as well as possible. We propose a new two-stage model to optimize a set of guarantee levels, that is, the maximum concentration level of source pollutants for which treated wastewater can be compliant with discharge limits. In the first stage, treatment technologies and pipeline connections are selected. In the second stage, when pollutant concentration levels are revealed, wastewater distribution and mixing are determined. A key attractiveness of the proposed guarantee rate optimization model is that it can be simplified into a single-stage mixed-integer linear program. In our numerical experiments based on real-world pollutants data, the guarantee rate model demonstrates its advantages in terms of computational efficiency, scalability and solution quality, compared with the standard probability maximization model. Finally, the methodology proposed in this paper can also be applied to other two-stage problems under uncertainty with similar uncertainty characteristics.     

GSVM:一种支持Gather/Scatter的向量存储器

宽单指令多数据流(Single Instruction Multiple Data, SIMD)架构数字信号处理器一般都能高效支持地址连续或等距跨步等规则应用的向量访存,但对于科学与工程计算中广泛存在的不规则应用的数据访存则带宽利用率往往较低,从而大幅降低了其整体运算能效。为了提高不规则应用的向量访存性能,基于某SIMD数字信号处理器的体系结构,设计了一种支持Gather/Scatter访存的向量存储器GSVM。通过设计与SIMD宽度相匹配的向量地址计算单元和合适深度的冲突缓冲器阵列,实现了Gather/Scatter指令向量地址计算、仲裁与缓存的全流水访存操作。实验结果表明,相比以前不支持Gather/Scatter访存的存储器,GSVM在增加22%的硬件代价基础上,基于稀疏矩阵向量乘的测试程序集获得了2～8的性能加速比。     

基于灰色模型的电磁轨道发射装置温度研究

在电磁发射过程中导轨温度受众多因素影响,而其中部分因素很难进行精确分析,为此运用灰色系统的分析方法对电磁轨道发射装置温度进行研究。为获取模型所需实验数据,搭建电磁轨道发射装置测试系统,并借此测量发射过程中的电流、导轨温度、出口速度等数据。由于测量仪器限制,借助ANSYS有限元仿真对测得的导轨温度数据进行修正,以获得导轨内表面温度。基于经典GM(1,N)模型与Simpson公式,提出一种改进型灰色模型,并以此方法对导轨温度展开研究,进一步选取同能级试验,对不同位置处各因素温升贡献度进行讨论。结论为进一步深入研究导轨温度提供参考和依据。     

采用S-Tag的M-DSP片上存储DMA访问优化

针对自主设计的M-DSP,提出并设计实现了一种基于Tag副本(S-Tag)的片上SRAM DMA访问数据相关性维护机制,该机制以流水化方式实现,在基本对CPU无打扰的前提下,有效支撑了DMA数据的无阻塞传递。仿真和芯片实测结果表明,该机制硬件开销较小,并在有效带宽和带宽利用率上均优于已有典型同类芯片。     

稳定特征选择的多目标蚁群优化

为了提高进化算法特征选择稳定性,提出一种面向稳定特征选择的多目标蚁群优化方法。通过抽样策略集成三种特征排序法的输出作为多目标蚁群优化的稳定性指导信息,聚合特征的费舍尔分值和最大信息系数值作为多目标蚁群优化的启发式信息,以分类正确率和扩展昆彻瓦指标值作为两个优化目标,兼顾算法的分类性能与特征选择稳定性。在四个标准数据集上进行对比实验,结果表明,所提方法能够在分类性能与稳定性方面达到较好的平衡。     

西南边疆地区陆军航空兵作战运用

近年来,西南方向局势相对紧张。在当前我国面临全方位安全压力的情况下,如何正确认识西南方向军事斗争现状,如何充分做好该方向军事斗争准备,显得尤为重要。文章主要分析了西南方向上的作战环境,总结了该方向作战环境对陆军航空兵作战行动的影响,研究了陆军航空兵在该方向上的作战运用问题。     

基于USB总线的坦克射击模拟器实时数据采集卡设计

为实现坦克射击模拟器信号的实时采集,设计了基于USB总线的数据采集卡,并详细阐述了数据采集卡的硬件结构、程序流程和Windows环境下应用程序的开发。     

火灾风险评估法在性能化设计中的应用

火灾风险评估法对于采取经济有效的消防措施,防止火灾的发生、发展,降低火灾造成的人员伤亡和财产损失有着重要的意义。介绍了火灾风险评估方法的有关概念和分析流程,并举例说明了火灾风险评估方法在性能化设计中的应用。