软件定义网络下两阶段大象流识别算法

目的 针对数据中心网络(Data Center Network, DCN)中数据流量多导致大象流与老鼠流识别精确度低的问题,提出一种基于软件定义网络(Software Defined Networking, SDN)下两阶段大象流识别算法。方法 将SDN与DCN结合,第一阶段,采用高斯分布动态阈值优化算法,通过对数据包阈值的设定,计算大象流误检率与漏检率,不断优化得到最优阈值,以此识别出可疑大象流;第二阶段,在依据流传输速率与流持续时间精确得到大象流的基础上,提出阈值约束、流量检测机制、Count计数器等三方面改进对大象流识别阈值下限的约束,将网络中大象流的数据量与流持续时间进行周期内阈值计算,提高大象流的识别精确度。结果 实验结果表明：算法与已有相关算法相比,第一阶段可疑大象流平均字节数比网络流平均字节数多11.3%;不同阈值下的算法准确度提高1.7%,不同网络流量下的大象流平均检测时间降低至6 ms以内。结论 软件定义网络下两阶段大象流识别算法在第一阶段具有较强的大象流识别能力,同时算法的精确度有所提高,大象流的平均检测时间降低,提高了网络质量,能为进行网络流量调度策略的进一步研究...     

五相永磁同步电机开路故障诊断

针对五相永磁电机的单相(双相)开路故障,提出一种新的故障诊断策略。首先,分析了开路故障发生前、后逆变器端电压的输出特性,得到15种故障状态和正常状态下基波电流在α-β子空间的表达式。正常状态下基波电流在α-β子空间中的轨迹为圆形,而在故障状态为椭圆型,因此可以根据转子转过5个扇区时间内电流轨迹到α-β子空间原点距离的变化率来判定是否发生开路故障。其次,根据不同故障状态下逆变器端电压的输出特性,得到15种开路故障状态下三次谐波电流在基波旋转坐标系的轨迹分布特点。通过对比可知,在不同开路故障下,三次谐波电流轨迹分布的差异性很大,因此可以将轨迹分布特点作为故障定位的依据。在此基础上,分析了电机转速、负载转矩对三次谐波电流轨迹的影响。最后,采用以数字信号处理器为核心搭建的实验平台对所提出的故障诊断策略进行了验证。实验结果表明本文所述故障诊断策略在稳态和动态情况下均可以快速实现故障的判定与定位。