E 级超级计算机故障预测的数据采集方法

随着超级计算机规模向E级迅速发展,其可靠性面临巨大挑战,基于故障预测的主动容错技术成为提高系统容错能力的有效方法之一。数据采集是故障预测的基础,现有用于超级计算机故障预测的数据采集方法采集数据属性少、开销大,影响了故障预测的准确性和效率。本文面向未来E级超级计算机,提出数据采集框架（Failure Prediction Data Collection Framework, FPDC）,能够全面采集与计算结点故障相关的状态数据,采用自适应多层分组数据汇集方法,有效解决了随着系统规模增长数据汇集过程开销过大的问题。在TH-1A超级计算机上的实现和测试表明,该数据采集框架具有开销小,扩展性好的优点,能够适应未来大规模系统故障预测数据采集的需求。     

复杂网络波动扩展衍射欠定采样预测模型

复杂网络环境中对网络波动的准确预测可以有效监测网络环境,防范网络入侵和拥堵。由于在复杂网络受到干扰的可能性更大,其网络波动具有扩展衍射特征,不可预测性强。传统方法中采用自回归移动平均模型进行复杂网络波形预测算法设计,在波动信号的时频重叠调制过程中未能纳入杂波先验信息,波动序列的扩展衍射特征形成欠定采样,预测效果不好。提出基于空间扩展自回归移动平均模型的复杂网络波动欠定预测算法,采用LTE线性均衡滤波,进行降噪去除杂波干扰,提取波动序列的扩展衍射特征形成欠定采样样本序列,设计网络波动时空序列扩展衍射点阵,准确预测网络波动的参数信息。以病毒入侵,网络监听和拥塞堵塞等波动产生模型为实例,进行仿真实验,结果表明该算法具有较高预测精度,监测点波动误差较小,实现复杂网络波动状态的动态跟踪和评估。     

导弹遥测故障的GM-Verhulst-SCGM预测算法

遥测故障预测是保障导弹遥测系统可靠性的基础。根据导弹遥测故障的历史数据,结合GM(1,1)模型、Verhucst模型和SCGM(1,1)c模型构建了导弹遥测故障的GM-Verhulst-SCGM组合灰色预测模型,按照预测有效度算法取得组合预测模型的权重系数。选用导弹遥测故障的训练组实际值作为原始数据,分别利用各预测模型估算对比组导弹遥测故障数据。预测结果表明,相比单一预测模型,组合灰色预测模型具备更高的故障预测精度。在验证组合灰色预测模型可行性的基础上,进一步估算了同一型号导弹未来时序的遥测故障数据,为相关部门及时改善导弹遥测技术及避免导弹故障提供理论及方法借鉴。     

一座小型建筑空调动态负荷的ANN预测研究

人工神经网络(Artificial Neural Network,简称ANN)是一种崭新非线性建模和预测方法,具有良好的非线性品质和极高的拟合精度。在前人研究的基础上,针对一座小型建筑物建立了其空调动态负荷预测的BP模型。为克服常规BP训练算法的缺陷,提出了一种改进的遗传搜索算法,结果证明是一种高效实用的算法。     

一种基于“GM(1,1)”模型的火炮初速灰预测方法

火炮初速量测是火炮进行弹道准备中的一项重要内容,运用灰色理论探讨火炮初速预测问题,既有利于提高火炮射击精度的修正,又有利于进一步完善火炮初速测量雷达的使用操作和改进设计。针对火炮初速随机变化的特点,基于灰色理论中的GM(1,1)模型,构建火炮初速灰预测模型,确定预测结果精度检验方法。最后通过一应用实例验证了该方法具有一定的合理性与实用性。     

虚拟环境下某型迫击炮自动机故障预测仿真分析研究

在对某迫击炮自动机的结构组成和机构动作分析的基础上,应用ADAMS软件建立了该武器自动机的虚拟样机模型,并结合实验数据和理论数据对自动机连发射击仿真结果的对比,验证了虚拟样机的正确性。以虚拟样机为工具,对自动机常见故障的影响因素进行了仿真分析和计算,为该武器的故障预测提供了理论依据和数据支持。     

装甲装备自主式保障关键要素分析

针对装甲装备现有保障模式存在的"过剩维修"和"维修不足"的问题,分析了研究装甲装备自主式保障的重要意义;借鉴美军联合攻击战斗机自主式保障的思想,提出了装甲装备自主式保障的工作原理,重点讨论了装甲装备自主式保障的关键要素,包括故障模式、影响及危害性分析、先进传感器技术、故障预测、信息系统等。提出了继承发展、不断创新、全寿命周期和系统工程几个关键要素应该重点研究的方向。     

基于压力测量的发动机汽缸磨损寿命预测方法

对不同摩托小时的某型坦克发动机进行了实车检测试验,采用压力传感器测量了发动机汽缸压缩压力,分析了汽缸压缩压力随发动机使用时间的变化趋势。分析了汽缸套磨损的特点及对发动机使用寿命的影响。针对发动机汽缸磨损的非线性特点,建立了人工神经网络预测模型,实现了对坦克发动机汽缸使用寿命的预测。     

无人机卫星导航系统的电磁干扰态势评估方法

在战场复杂电磁环境下,卫星导航接收机很容易受到电磁干扰而出现不定位的现象,针对这一现象,提出了一种基于环境感知无人机卫星导航接收机的电磁干扰态势评估方法。以干扰信号的特征参数、导航接收机未受干扰时的接收状态作为预测的输入,以接收机跟踪环路失锁时的效应阈值作为观测目标值,建立了极端梯度提升(extreme gradient boosting, XGBoost)的预测模型。在此基础上,给出了导航接收机电磁干扰态势的等级,提出了导航接收机在单源和双源电磁干扰下的态势评估方法。通过与高斯过程回归和支持向量机回归的预测方法进行比较,结果表明XGBoost方法具有更好的预测精度。依据该预测方法,综合利用技战术方案,有利于提高无人机在复杂电磁环境中的适应能力。     

残差域加权ACF基音周期检测算法

针对传统自相关(ACF)基音周期检测算法存在较多的倍频和半频错误,文章提出一种基于线性预测残差域加权ACF基音周期检测方法。首先对语音信号中心削波,减小共振峰的影响;而后进行线性预测分析获得残差信号,对其求自相关值和循环幅度差(CAMDF)值,以CAMDF的倒数值为权重加权ACF进行基音周期检测;最后通过基音平滑算法对提取的基音轨迹进行后处理。仿真实验表明,该算法可降低基音提取的倍频和半频错误,提高估计精度。