关键词： 地铁   转向架构架   数据处理   工况识别   BP神经网络   疲劳损伤预测  

摘要： 近年来,我国经济水平迅速攀升,城市化进程不断加快,各大城市均铺设了大量地铁线路以缓解地面的交通压力。随着地铁列车运用里程的不断增加,国内外开展了大量线路跟踪试验,构架关键部位损伤演变规律已初步探明,但是不同线路工况与列车运行状态对构架关键部位损伤的影响仍需要深入研究。本文以某B型地铁转向架构架为研究对象,在北京地铁开展了构架动应力跟踪测试工作,依托大量的实测数据,搭建了集数据管理与数据处理于一体的软件分析平台。在此基础上,研究了地铁列车工况识别方法,并依据识别方法计算了组合工况参数与构架关键部位损伤之间的传递关系,最终建立了构架损伤预测方法。主要工作内容包括:（1）研究了动应力测试过程中产生的数据种类,结合各类型数据特点,按照试验和测试两级别管理测试数据,针对不同类型数据提出了相应的存储模板。与此同时,分析了实测数据处理流程,对数据预处理与后处理中主要环节的算法进行了深入分析,针对传统算法中存在的弊端提出了新的改进算法。（2）在对数据管理方法和处理优化算法研究的基础上,利用C#.NET开发了动应力试验数据分析平台,经过运行和测试,实现了从海量实测数据中快速提取、高效处理的目标,完成了数据管理与数据处理的有效衔接。（3）对地铁列车工况进行了划分,利用实测速度信号,基于LU分解的最小二乘线性拟合算法滑动提取列车运行加速度,以此作为运行工况特征识别参数,研究了牵引、制动、惰行工况的识别区间。采用数据驱动和程序判别两类模型识别了地铁正线线路中直线、曲线工况,采用投票方式将识别结果进行集成,最后结合实测数据对运行工况与线路工况识别效果进行了评估。（4）研究了同工况参数下构架测点的等效应力分布,确定了损伤分析时等效应力最小样本量,据此建立了组合工况-损伤样本集。基于BP神经网络训练了组合工况参数与构架损伤之间的传递模型,并利用遗传算法对模型训练过程进行了优化。最后对指定线路区段进行识别和划分,将多组识别参数输入模型中得到损伤预测值,并与该区段的实测损伤值进行了比对,预测效果较为理想。本文研究内容为分工况建立高精度载荷谱奠定了基础,同时为同一平台的转向构架在全新线路的损伤预测研究提供了新思路。图80幅,表26个,参考文献83篇。

关键词： 镱原子光钟   可搬运   控制系统   python编程   数据处理  

摘要： 近年来,基于中性原子和单离子体系的光频标得到了迅猛的发展,其稳定度和不确定度都远远超过了当前作为秒定义基准的铯原子微波钟,基于光钟重新进行秒定义即将提上议事日程。而利用光钟进行新的秒定义需要建立在光钟之间以及光钟与铯原子喷泉钟之间的频率比对基础上,所以受限于商用可用光纤链路在全球范围内的覆盖程度,可搬运光钟设计是实现频率比对的一个重要手段。同时,可搬运光钟乃至星载光钟在高精度导航定位、大地水准面变化的高精度测量以及相对论效应的实验验证等方面也逐步展示出其重要的应用需求和精密科学研究手段。另一方面,镱原子光钟作为当前稳定度最高的光钟也引起了广泛的关注。基于以上研究背景,本论文围绕可搬运光钟的控制系统展开,着重研究了基于FPGA硬件设计的实现方案,功能参数以及相应的快速数据分析和处理能力,对于可搬运镱原子光钟系统的稳定性、工程化、小型化具有很重要的价值。我在硕士期间主要完成的工作包括以下几个方面:1.基于FPGA硬件实现了由AOM执行的光钟时序控制的光开关功能。测量结果显示所执行的光开关上升沿在10 ns左右,下降沿在5ns左右,产生了频率在0-400MHz,最大输出功率在达到0dBm的稳定射频信号,可以满足实验所要求的时序控制要求;2.基于FPGA硬件实现了模拟信号与数字信号的采集和处理。将采集到的信号进行数模（DAC）和模数（ADC）信号转换。其中DAC的分辨率为16位,运行速率是1 MSPS。ADC的分辨率也是16位,采样速率能达到1.5 MHz。3.基于FPGA硬件实现了对实验数据的快速处理。本系统执行一次钟跃迁谱线数据处理的时间约为11.98 s,执行一次冷原子图像数据处理的时间约为14.47s。数据处理可以完全匹配传统Matlab和origin软件处理方法;另外,对复杂钟跃迁谱线实现了高斯基函数的多峰拟合,可以用来作为光钟运行的过程分析和故障诊断。

关键词： MEMS微镜   切趾   数字方法重采样   小波去噪   傅里叶变换频谱分析仪  

摘要： 传统的傅里叶变换红外频谱分析仪器体积较大,不便携带,而且制造成本高,实时采集性差,不能满足现场实时检测以及数据处理的要求。为了在采集到干涉图后能够及时的对干涉图进行数据处理以及光谱复原,本文将重点研究把干涉数据变换成光谱数据过程中的数据处理方法。在本文中,首先分析傅里叶变换光谱仪的原理,然后分析常见的干涉信号采集方法,例如数字方法重采样,等时间间隔采样和等光程差采样。针对传统数字方法重采样的缺点,对其进行了改进。实验表明,改进的数字方法重采样比传统的数字方法重采样获得的频谱具有更高的精度。根据干涉信号的特性,研究了干涉信号中的噪声降低,切趾和相位校正相关的技术,比较和分析了几种常见的相位校正方法,最后使用Mertz相位校正方法校正采集过程中产生的相位误差。采用数字方法重采样干涉信号时需对样本光和参考光进行插值计算,对常见的插值方法进行研究和实验对比分析,最后选用三次样条插值对干涉信号进行插值处理。同时,本文采用改进型小波阈值函数对光谱进行降噪处理。最后,基于MEMS微镜以及ZYNQ的硬件环境下搭建了傅里叶变换微型光谱仪实时数据处理实验平台,在该平台上对采集到的1310nm干涉信号进行去趾、插值、相位校正和滤波等实验验证。实验结果表明,对数据的预处理在该系统上可行。

关键词： 建材检测   误差分析   数据处理  

摘要： 随着技术的发展,社会对建筑行业的要求越来越高.相关工作人员需要能够结合实际情况、采取合理的措施来提升建筑工程的质量.建筑材料是每一个建筑工程质量水平的基础,所以相关工作人员需要尽可能提升建筑材料的质量,做好检测分析和数据处理,保证投入应用的建材都符合需求.为做好建材检测,从业者需要做好误差分析和数据处理,保证建材检测可以真正发挥作用.相关工作人员要发挥数据处理的优势,明确常见误差的类型,并有针对性地进行优化.另外工作人员要注意数据处理的方法,不断做好修正工作,使数据处理程序达到要求,按照预期稳定运转.

关键词： 数据恢复   大数据存储   分布式计算   非易失性存储   性能优化  

摘要： 大数据处理模式下,数据密集型系统强调为用户提供可靠和高效的存储和计算服务。随着数据量的增长,数据处理框架完成了由计算为中心到以数据为中心的转变。为了提高数据中心的性能,当前大数据处理系统Hadoop使用非易失性存储器NVM(Non Volatile Memory)作为数据的存储载体。由于NVM存在耐写性差的特点,在进行大数据处理时NVM极易损坏,进一步导致系统中的存储数据丢失。本文从最小化数据丢失后的恢复时间出发,对当前的数据恢复机制进行优化,有效提高数据恢复的性能。同时考虑到数据恢复对于计算作业的影响,本文提出了一种副本感知的分阶段数据恢复策略,通过优化分布式文件系统的数据恢复机制以及感知系统的计算负载协调进行数据恢复的时机,以均衡数据恢复和计算作业的性能。本文主要包括如下两部分工作:(1)针对数据丢失后数据恢复较慢的问题,本文提出了基于复制因子调优的数据恢复优化策略。本文中通过对HDFS(Hadoop Distributed File System)的数据恢复机制进行研究,并进行了广泛的分析和实验,发现数据恢复过程中集群中的网络带宽状况会显著影响数据恢复性能。通过优化复制因子以最大化数据恢复的带宽申请,从而获得最佳的数据恢复性能。与原生HDFS的数据恢复机制相比,使用本文提出的复制因子的优化策略,可以提升71%的数据恢复性能。(2)针对计算作业因为数据丢失而导致执行效率降低的问题,本文提出了副本感知的分阶段数据恢复策略。本文将数据副本的丢失程度和数据恢复任务的请求等待时间作为数据恢复任务的依据,每个心跳周期内优先进行最紧迫的数据恢复任务,同时也防止数据恢复任务长时间等待而造成的饥饿现象。此外,本文将计算的负载作为进行恢复的依据之一,以解决计算服务与数据恢复任务并行存在的资源竞争现象。结果显示,与原生HDFS相比,本文提出的副本感知的分阶段数据恢复策略在存在数据丢失时,可以提高32.5%的计算作业的执行效率。

关键词： Origin软件   吸收曲线   数据处理  

摘要： 运用Origin软件对氧合血红蛋白及碳氧血红蛋白吸收光谱测定实验进行数据处理分析和制作吸收曲线图,简便快捷,图形精美,有助于培养本科生的科研素养。

关键词： 大数据处理   装备试验   过程建模   性能优化  

摘要： 随着计算机和传感器技术的发展，以卫星、飞机为代表的高端装备在研制试验过程中会产生大量数据，且数据呈现出参数种类多、类型多样化等特点。这些数据规模庞大、结构复杂，数据中蕴含大量高价值信息，可以用于改进装备研制过程、提升装备能力，因此，使用新技术去处理和管理海量装备试验数据具有重要研究价值。“十三五”期间，很多工业部门和科研院所都着手开始研究此问题，试图通过大数据计算和存储技术解决装备工程领域试验数据处理问题。然而，大数据技术在装备领域应用还存在诸多挑战，如装备试验数据处理模型标准不统一、数据处理效率不高、数据应用价值较低等等，这些问题制约着高价值装备数据资产的形成。　　本文针对装备试验大数据处理面临的大数据处理过程建模、大数据处理计算优化、大数据存储优化等问题，研究了解决装备试验大数据处理问题的若干关键技术，包括基于模型映射的装备试验大数据处理过程建模方法、基于并行计算框架的装备试验大数据分布式计算方法、基于数据预分区策略的装备试验大数据存储方法，设计了装备大数据处理系统软件框架，并将其应用在了航空航天装备数据处理活动中。论文的贡献具体如下。　　(1)基于模型映射的装备试验大数据处理过程建模方法。装备在研制试验过程中存在大数据处理需求，但对于处理过程的建模分析缺少一种有效手段，工程师往往凭借经验进行大数据处理过程的二次设计。针对上述问题，本文提出了一种基于模型映射的装备试验大数据处理过程建模方法，该方法分为四个步骤，首先是建立领域模型，通过概念视图、能力视图和系统视图设计，全方位支持装备试验大数据处理的领域建模。其次是装备大数据处理过程逻辑建模，将整个计算过程通过逻辑执行可视化图形表示出来，并建立一种基于XML的模型描述方法。然后是建立物理模型，将逻辑模型的活动、数据集等元素通过大数据处理框架计算算子映射和大数据格式表示出来，转变成计算机可执行的计算过程。最后是建立存储模型，提出了一种热温冷层次化数据存储管理体系，根据数据特点实现数据分级分类存储管理。在实验验证中，通过大飞机试飞数据处理场景对建模方法进行了可行性验证。　　(2)基于SA-PR模式的装备试验大数据分布式计算方法。装备在研制试验过程中可采集的数据量日益增大，传统方式已无法满足大规模数据处理需求，使用大数据技术解决装备数据处理问题也仍然存在诸多挑战，如大数据算子应用、分布式数据处理性能优化等。针对这些问题，本文提出了一种基于Spark分布式并行计算的装备试验大数据处理方法，包括一种基于SA-PR模式的处理过程优化技术，用于对Spark并行计算过程进行监控采样、检测分析、优化和重组处理过程。在此基础上，提出了一种装备连续相似帧组合的计算数据分区策略，解决SparkShuffle阶段数据数据倾斜问题。在实验验证阶段，选择了六组飞行试验数据进行了验证评价，实验表明，该方法在分布式计算上的数据均匀分布有良好表现，在数据处理性能上较传统并行计算方法提升了15％-18％。　　(3)基于预分区策略的装备试验大数据存储方法。传统的装备试验数据大多使用文件存储，或在关系型数据库进行分库分表存储，数据处理和应用并不高效。分布式列存储技术可以解决装备大数据的存储问题，但也存在着数据分布不均衡、资源负载过重、系统阻塞崩溃等现象。针对这些问题，本文提出了一种装备数据快速存储框架和分布式存储模型，通过研究影响装备大数据存储的参数因子，实现了基于HBase列式存储的自动化预分区算法，可以实现装备数据的高效率和均衡存储。在实验验证中，选取了八组装备试验数据集，对数据存储性能、负载均衡性、适用性上进行了评价。在存储性能上，较HBase自动分区机制提升近10倍，在适用性上，对飞机试验数据、发动机数据、卫星在轨运行数据等进行了存储有效性验证。　　本论文的研究成果对装备试验大数据处理研究具有一定的参考价值，可指导解决装备研制过程中数据处理和管理难题。综合上述研究成果，论文设计了一套装备大数据处理框架，并基于此架构开发了装备大数据处理平台，在飞机飞行试验工程、航天器健康管理工程等领域进行了应用，并取得了良好效果，相关工作支撑了多种装备的飞行试验和应用保障。

关键词： 软测量   污水处理   数据处理   自适应   可解释性  

摘要： 随着社会的发展,人们对环境和资源可持续发展越来越重视,对污水处理的要求越来越高。污水处理过程是一个多变量耦合、参数时变、强非线性、大不确定性的复杂生化系统,许多重要的过程变量无法使用传统的硬件传感器在线测量。对此,软测量技术通过容易测得的过程变量,构建关于目标变量的实时估计模型,从而实现待测过程变量的测量。然而,直接使用现场采集的原始数据建立软测量模型可能导致预测性能不准,甚至造成污水处理系统整体性能下降。此外,随着时间的推移,模型的性能逐步下降,甚至不再适用于当前的工作点。本文以污水处理过程为背景,对软测量的数据处理、建模、模型维护以及可解释性进行了研究。本论文的主要研究内容如下:1.针对数据的噪声、漂移等问题,将零-均值标准化与时间差分算法两种数据预处理方法加入到建模过程。针对原始样本数据中的多变量耦合、相关性较强、冗余性大等问题,研究了变量投影重要性、遗传算法、移动窗口法以及最小绝对收缩和选择算子四种变量选择方法,并以模型预测污水出水BOD性能为评价指标,对四种变量选择方法进行了校验。结果表明,变量选择能够在降低输入数据维度与模型复杂度的同时显著提高模型的预测精度。2.为了解决污水关键质量指标BOD的在线测量,研究了极限学习机和高斯过程回归模型,探讨了模型的参数选定以及各自的优缺点,并将四种变量选择方法与模型结合,同时与污水处理中常用的偏最小二乘模型进行比较。为了解决模型性能退化问题,提出了TD-JIT自适应框架,将模型以传统的离线训练、在线测量的方式拓展为自适应模型,保证在系统变化的情形下模型的整体性能。3.研究了基于多变量格兰杰因果关系的软测量模型可解释性。面向污水处理的软测量建模中,数据驱动的建模方法简易有效得到了广泛的应用。该方法将污水处理过程看作黑箱模型,使用输入输出变量建模获得对目标变量的预测,模型的可解释性差。将移动窗口法结合多变量格兰杰因果分析可获得模型输入变量与输出变量的动态因果关系序列,从格兰杰因果关系出发研究模型的可解释性。同时利用ARMA模型对变量的格兰杰因果关系进行多步预测,以掌握污水过程变量的发展趋势,及时调整模型。

关键词： GPU数据库   查询引擎   数据处理   代码生成  

摘要： 信息技术和大数据的发展产生了庞大的数据资源，对数据库查询性能带来了新的挑战，因此要求数据库能够支持更加复杂且低延时的查询分析。随着GPU(graphics processing unit)技术的飞速发展，不仅其通用性计算得到普及，而且具有超高速计算能力和超大带宽。业界将GPU计算应用到数据库查询引擎的数据处理中，大幅提升查询引擎的整体性能。　　GPU数据库虽然在数据并行处理上有很大优势，但目前它和传统数据库一样，将每个算子设计为通用的执行模式来处理任何一种查询，引入了很多冗余计算，严重影响了查询性能。而对于特定的查询，需要处理的数据类型和计算逻辑是确定的，不需要将算子设计为通用的执行模式。　　因此本文提出将代码生成技术应用到GPU数据库中，这种技术的核心思想是针对特定的查询动态生成特有的优化代码来执行。本文将代码生成关注在单个算子中进行，利用运行时信息为算子内的部分计算逻辑动态生成精简高效的LLVM IR代码，通过即时编译技术来编译执行，以此减少内存加载等开销，提升查询整体性能。同时在代码生成方案的基础上提出了两点优化:1）分析通用LLVM编译器后端，设计专用的编译流程来优化即时编译时间;2）通过细粒度代码缓存，减少即时编译次数。　　针对代码生成的实现，本文选用了TPC-H提供的查询语句进行测试，在本文的测试环境下，数据集为12G时，查询整体性能最大提升了20％。

关键词： 数据处理   长波辐射通量   地震   异常特征  

摘要： 本文应用计算机数据处理技术,分析NOAA系列卫星产出的“地-气系统”射出长波辐射通量即“OLR”（Outgoing Longwave Radiation）逐日数据资料,在全球数值场中,截取出一定范围区域数值作为分析依据,以华东地区为例,分析中强地震前OLR数值变化场的图象特征。主要应用距平计算法、涡度计算法、小波包分析法等多种方法提取地震前OLR异常,同时对郯庐断裂带中南段部分区域OLR演变与该区域地形变、深井水温以及电磁辐射变化作了对比分析研究,为区域地震活动趋势判定提供依据。研究得出,中强地震前3个月内,震中附近区域可能出现OLR月均距平值、月均涡度值高值变化;震前1年内,应用Matlab小波包分解重构OLR日值序列,能够提取到显著异常信息。研究结果对震情跟踪、判定具有重要意义。