移动智能终端下3G网络低功耗延迟唤醒策略

突发性数据传输易导致3G网络工作模式从低功耗状态向高功耗状态迁移,状态切换加剧能耗开销.本文对移动终端网络通信行为进行分析,提出移动终端下3G网络低功耗延迟唤醒策略.该策略对网络数据进行延时敏感性划分,并据此进行不同时间的延时传输,延迟3G网络唤醒时间达到降耗目的.仿真实验表明,策略有效降低系统功耗,具有较强的可行性.

场效应管和IGBT管逆变焊机新型短路保护电路的研究

结合场效应管(MOSFET)和IGBT管在逆变运行中的不同特性,介绍了这两种逆变器的独特的短路保护电路.

一个平衡功耗、性能和公平性的组管理方法

提出一个平衡功耗、性能和公平性的组管理方法.基于线程行为特征的刻画将系统内所有的线程划分成不同的线程组,结合体系结构提供的功耗管理手段和操作系统的调度策略,实现基于线程组的管理方法,称为TGM(threadgroup-based management).TGM可以达到系统功耗的优化,同时兼顾系统性能和线程间的公平性.真机实验测试数据表明,TGM在保证系统性能和线程间公平性的前提下,系统的功耗平均降低了16.7%.

铝合金柴油机水箱五轴示教TIG焊接系统的研制

介绍了一种具有示教功能的焊枪可作多轴姿态调整的交流TIG焊接系统,适用于复杂外形结构的铝合金箱体的焊接生产。其机械系统不仅能使焊枪沿二个直角坐标方向做复合调整,而且还能使焊枪做姿态调整,便于实现空间曲线焊缝的焊接。控制系统由主机系统和示教系统组成,由各自的单片机控制,焊枪的运动轨迹由示教编程器示教完成。采取了多项防干扰措施,保证了整个系统在引弧、稳弧高频和电网网压波动干扰下的正常工作。该焊接系统经生产运行证明整体性能稳定,产品合格率达98％以上,实现了低成本自动化。

柜式空调压缩机环缝全自动焊机

介绍了焊机的基本组成、特点和应用情况.该机设有二维接触式机电跟踪系统,由PLC控制全部29个动作程序采用平移提升式装卸机械手上下工件,具有封闭除尘、防弧光防飞溅功能,为全自动焊机.

一种运用块级局部性的闪存缓存管理策略

闪存被广泛应用在电子产品的存储设备中,针对闪存的研究也日益得到重视.基于访问的局部性原理,并结合闪存读写代价的差异性,提出了一种针对闪存特点运用块级局部性原理的cache缓存管理算法LRU-BLL.实验表明,这种方法有效地提高了缓存的命中率,并且减少了缓存的脏页回写次数和提高了缓冲区的平均换出长度.

基于I/O空闲率的硬盘功耗建模与评估方法研究

存储设备的功耗在整个计算机系统尤其是数据中心所占的比例已经越来越大。要进行硬盘功耗优化,在缺少硬件直接测量硬盘功耗的情况下就需要对硬盘功耗进行建模。现代操作系统通过文件系统层进行硬盘I/O操作管理,并提供实时监控数据。通过对EXT2、EXT4和NILFS2等常用文件系统的硬盘I/O过程进行实验分析,发现不同的文件系统对硬盘功耗具有不同的影响,为了刻画这种差异性,提出基于I/O空闲率的硬盘功耗建模与评估方法。同时使用I/O空闲率来指导硬盘进行功耗优化,将视频播放器的I/O空闲率由4.79%提高到96.55%,硬盘的功耗降低45.28%。

交互式系统下基于任务重要性的DVFS技术

动态电压频率调节技术(DVFS)是从软件层面进行系统功耗管理的重要技术.本论文针对交互式系统的特点,首先分析了当前使用的DVFS策略的不足之处,然后提出并实现了一种适用于交互式系统的DVFS策略.该策略在保障用户体验的前提下对移动设备进行功耗优化.实验结果证明,对于大多数应用能达到10%以上的功耗优化效果,部分应用最高有超过30%的功耗降低.

NS-3仿真环境中IEEE802.11服务区分机制的研究

无线局域网采用IEEE 802.11协议无法向不同类型的数据流提供有区分的服务质量,而IEEE 802.11e服务区分机制EDCA存在数据流传输不公平性的问题。为此,运用NS-3网络仿真器实现一种改进的服务区分机制F-DCF。针对每个单独的节点给出排队规则,以保证节点内的公平传输机会,并通过使用基于竞争的接入方法设计实现多个节点之间的公平信道接入机制。仿真结果表明,与传统EDCA机制相比,F-DCF机制可对网络中不同优先级的数据流提供比例公平性的服务质量区分,并能够提高网络的总吞吐量。

面向任务调度优化的分布式系统信息管理框架

近年来深度学习作为学术界与工业界共同关注的热点,取得了飞跃式的发展,在计算机视觉、语音识别等领域取得了令人瞩目的成果.深度学习分训练与推理两个阶段,在实际应用中主要关注的是推理阶段.深度学习推理过程中伴随着巨大的计算量,通过分布式系统提高其计算速度也得到了越来越多的关注.然而,构建分布式深度学习推理系统面临着深度学习加速设备更新迭代快速、上层应用及计算任务复杂多样等挑战.本文设计并实现的系统信息管理框架,用于收集并处理系统中的各类信息,收集及处理的规则具有高度的可扩展性和灵活性,并提供通用的RESTful API数据访问接口,以支持分布式深度学习推理系统对各类硬件加速器的灵活兼容性以及对任务调度策略的动态调整能力.最后,本文通过一个应用实例对该框架的功能进行验证并对实验结果进行分析.

面向大规模中文文本分类的朴素贝叶斯并行Spark算法（英文）

针对互联网中中文文本数据量激增使得对其作分类运算的处理时间显著延长的问题,提出并实现了一种基于内存计算模型Spark的并行朴素贝叶斯中文文本分类算法,主要利用弹性分布数据集编程模型,实现了朴素贝叶斯分类器训练过程和预测过程的全程并行化算法。为便于比较,同时实现了基于Hadoop-MapReduce的并行朴素贝叶斯版本。实验结果表明,在相同计算环境下,对同一数据量的中文文本集,基于Spark的朴素贝叶斯中文文本分类并行化算法在加速比、扩展性等主要指标上明显优于基于Hadoop的实现,因此能更好地满足大规模中文文本数据挖掘的要求。