基于DWT和DFT的动平衡机不平衡量提取原理及实现

在超微型转子(质量小于10g)动平衡机中,主要干扰分为同频干扰、高频干扰和低频干扰。针对测试环境中不平衡量信号的特点,利用离散小波变换对信号进行3层分解,提取有用的低频信号、接着进行频谱分析,在频域提取不平衡量所对应的幅度和相位,有效地滤除了信号中混杂的低频及高频干扰,所测得的误差大大减小,不平衡量幅度测试精度达4μm,相角小于2°,为保证平衡机系统一次去重90％以上提供了前提。所用算法在数字信号处理器上实现。     

不需用氧化数配平反应式的一种简便方法

本文提出一种不引入氧化数概念而能简便配平反应方程式的新方法，并使用了若干实例说明了该方法的具体应用。     

基于反馈的片上多处理器系统层次负载平衡算法

针对现有负载平衡算法未能有效利用片上多处理器系统线程级并行性,没有考虑线程间数据共享与通信以及产生颠簸等问题,提出了一种基于反馈的层次负载平衡算法.采用层次式调度,将属于同一进程的多个线程静态调度到特定规模的内核子集上,并在此基础上根据系统实时负载情况在特定内核子集内动态迁移线程,以降低同一进程的多个线程之间的通信代价.在线程迁移过程中,引入反馈机制,即以系统颠簸情况为反馈信息,实时调整迁移数目,最终使系统较快地达到平衡.实验表明,基于反馈的层次负载平衡算法能使系统的平衡程度达到较高的水平,引入的反馈机制可使系统平衡速度提高 28%,并在系统平衡前使"颠簸"数目减少 54%.     

基于负荷均衡的配电网供电恢复软件设计

建立了负荷均衡数学模型,提出了以配电线路负荷均衡为目标的供电恢复软件的设计方法．该软件从配电自动化、配电网生产管理等自动化系统获取配电网运行数据和参数数据,通过在线计算故障关联区域的负荷均衡,提供供电恢复方案．将该故障恢复软件应用于KH-8000P主站系统,可使计算得到的供电恢复方案在主站系统的人机界面上显示,为调度人员提供技术参考．     

基于遗传珊瑚礁优化算法的负载均衡问题

基于珊瑚礁优化算法, 通过在种群的每次进化过程中引入遗传算法中的交叉和变异算子, 提出一种遗传珊瑚礁优化算法, 并将改进的遗传珊瑚礁优化算法运用到负载均衡中, 有效解决了算法过早收敛的问题, 提升了算法的优化性能. 对比经典遗传算法、 珊瑚礁优化算法等群智能算法, 在CloudSim上仿真实验结果表明, 遗传珊瑚礁优化算法优化负载均衡策略取得了满意的结果, 提升了资源能耗利用率, 均衡了控制策略.     

考虑能效的多机器人协同装配线平衡方法

为解决工位内多机器人的协同装配问题,以装配线的节拍、能源的总消耗以及机器人的总投入成本最小为优化目标,建立了工位内多机器人协同作业的装配线平衡问题的数学模型.在此基础上,提出了一种基于工位码、任务码、机器人码三层编码的多目标混合帝国竞争算法,该算法融合了非支配排序遗传算法的排序规则,并引入了延迟爬山算法,以提高算法的搜索性能.最后,对算法进行仿真实验,结果表明该算法是有效、可行的.      

采用OpenFlow交换机的服务器负载均衡策略

云数据中心对服务器的海量并发访问十分普遍.传统网络架构难以全局控制流量转发,需要配置昂贵的负载均衡器应对这一应用场景.软件定义网络SDN(software defined network)能够通过控制器全局掌控网络状态,并以交换机作为负载均衡器,从而降低部署成本.文中提出一种采用OpenFlow交换机的服务器负载均衡策略,通过多地址定向流表对服务请求进行分区映射,以活动连接数作为负载评估参数,通过蚁群算法求解最佳负载重定向方案.在负载迁移时,采用单地址定向流表来保证不同阶段流量的有序转发.实验结果显示,该策略能有效控制流表规模,并较传统均衡策略具有更优的性能.     

协作通信网络中基于协作概率的负载均衡机制

在协作通信存在的网络中,针对已有的负载均衡技术没有考虑用户切换后协作概率的不足,在已有的负载均衡技术基础上,利用目标小区负载状况得到切换后的协作概率,与小区信号强度和负载状况相结合,设计出应用于协作通信网络中具有负载均衡功能的切换判决函数,提高切换判决的精度。仿真表明该机制在均衡网络负载的同时,提高了系统容量和公平性。     

云计算资源优化问题求解的萤火虫算法

为了提高云计算资源利用率,结合云计算资源优化问题的特点,设计一种云计算资源优化问题求解的萤火虫算法.首先建立云计算资源负载调度问题的约束条件,以用户任务完成时间最少作为云计算资源负载调度优化的目标函数;然后通过萤火虫算法找到目标函数值最优的资源调度策略;最后在CloudSim平台上实现云计算资源负载调度仿真实验.实验结果表明,萤火虫算法减少了云计算任务完成的时间,均衡了云计算资源的负载,使云计算资源得到合理分配,且比其他算法优势明显.     

Novel differential evolution algorithm with spatial evolution rules

In order to reduce the pressure of parameter selection and avoid trapping into the local opti-mum, a novel differential evolution ( DE) algorithm without crossover rate is proposed.Through em-bedding cellular automata into the DE algorithm, those interactions among vectors are restricted within cellular structure of neighbors while the cell own evolution, which may be used to balance the tradeoff between exploration and exploitation and then tune the selection pressure.And further more, the orthogonal crossover without crossover rate is used instead of the binomial crossover, which can maintain the population diversity and accelerate the convergence rate.Experimental stud-ies are carried out on a suite of 7 bound-constrained numerical benchmark functions.The results show that the proposed algorithm has better capability of maintaining the population diversity and fas-ter convergence than the classical differential evolution and several classic differential evolution vari-ants.