一种基于异步I/O的磁盘向量检索算法

在机器学习与深度学习等领域中,近似最近邻搜索(ANNS)扮演着至关重要的角色,在近十多年来受到越来越多研究者的关注。传统的ANNS算法需要将向量原始数据和索引数据全部存储在内存中,这限制了其处理大数据的能力。本文提出了一种创新的基于异步I/O的磁盘向量近似最近邻搜索算法(AIO-ANN),该算法通过生成非阻塞I/O请求并即刻处理完成的请求,有效提升了搜索效率并降低了高延迟I/O请求的负面影响。在搜索过程中,AIO-ANN生成一批非阻塞I/O请求,并立即处理每个完成的I/O请求,而不是等待整批请求完成。同时为了最大化I/O等待时间的利用,算法将大部分计算任务转移到了I/O等待期间。此外,算法还整合了其他优化措施,如数据缓存与结果初始化。在大规模数据集上的实验,证明了AIO-ANN在搜索速度上超越了主流的ANNS算法DiskANN。

LINUX2.5下的异步I/O在FTP服务器上的应用

分析了异步I/O技术与同步I/O技术在FTP服务器上应用后的性能差异;给出了在 LINUX2.5 下使用异步I/O编程接口完成异步I/O操作的步骤;实现了用异步I/O取代同步I/O存储文件;对比实验验证了异步I/O性能的优势.

GLIBC中Linux异步I/O函数的实现

文中主要介绍异步I/O模式的基本思想和GLIBC中Linux异步I/O函数的实现方法 ,给出其主要的数据结构和主要算法 。

基于异步I/O与多线程技术的数据采集卡软件设计

为提高传统的数据采集卡数据传输及处理的速度与效率,结合高速数据采集卡的设计,提出并实现了一种基于异步I/O调用和多线程技术的软件设计方案。应用程序采取异步I/O调用方式,使程序与采集卡之间完成无阻塞数据传输;采取多线程技术,使程序的效率在抢先式多任务操作系统中得到高度发挥。

使用异步I/O构建高性能Web服务器

介绍了目前互联网服务器面临的C10K以及C500K问题,通过与传统的I/O模式进行比较,重点围绕Unix操作系统下新的异步I/O内核epoll和kqueue及其在Web服务开发和部署中的应用,研究了目前异步I/O实现高性能服务器的解决方案,为Web服务器应对大规模并发连接提出一个完整的方案。

基于异步IMM融合滤波的网络化系统故障诊断

针对一类带随机丢包的异步多传感器网络化系统,提出了基于网络化异步交互式多模型(Interacting multiple model,IMM)融合滤波的故障诊断方法.考虑不同传感器通道具有不同丢包概率的情况,将未知的故障幅值看作扩维的系统状态,利用提出的网络化异步IMM融合滤波算法对由系统正常模型和各种可能的故障模型构成的模型集进行滤波,根据模型概率进行故障检测和定位,同时得到故障幅值和系统状态的联合估计.提出的方法避免了传统IMM故障诊断方法模型集设计中故障大小难以确定的问题,适用于具有任意采样速率和任意初始采样时刻的异步多传感器网络化系统,并且通过融合多个传感器的信息提高了故障诊断的准确性.仿真实例验证了所提出方法的可行性和有效性.

高性能异步I/O适配层的设计与实现

适应高并发负载的Internet服务程序需要处理大量的服务请求并同时保持高性能。提出了一个基于异步I/O方式和事件驱动模型的中间适配层 ,它向上屏蔽了异步I/O操作和事件驱动的细节 ,并提供简便的编程接口 ,使得在其上构造Internet服务程序简便易行 ,同时可保证Internet服务程序在高并发的负载下仍然保持良好性能。

基于异步I/O模型的双机TCP代理的研究与实现

一些特殊领域的应用对于性能要求很高,而通用单机TCP代理不能满足需求。文章分析了TCP代理的实现机制,借鉴TCP连接管理有限状态机、以异步I/O模型研究和实现了双机TCP代理,并将其应用于一个安全网关项目,取得良好效果。

多线程异步I/O模型

提出了一种基于WIN32的多线程异步I/O模型,用于解决复杂的多路并发I/O问题,并说明了该模型的运行机制及优越性。

边缘计算网络中区块链赋能的异步联邦学习算法

由于数据量激增而引起的信息爆炸使得传统集中式云计算不堪重负,边缘计算网络(ECN)被提出以减轻云服务器的负担。此外,在ECN中启用联邦学习(FL),可以实现数据本地化处理,从而有效解决协同学习中边缘节点(ENs)的数据安全问题。然而在传统FL架构中,中央服务器容易受到单点攻击,导致系统性能下降,甚至任务失败。本文在ECN场景下,提出基于区块链技术的异步FL算法(AFLChain),该算法基于ENs算力动态分配训练任务,以提高学习效率。此外,基于ENs算力、模型训练进度以及历史信誉值,引入熵权信誉机制评估ENs积极性并对其分级,淘汰低质EN以进一步提高AFLChain的性能。最后,提出基于次梯度的最优资源分配(SORA)算法,通过联合优化传输功率和计算资源分配以最小化整体网络延迟。仿真结果展示了AFLChain的模型训练效率以及SORA算法的收敛情况,证明了所提算法的有效性。

基于柔直控制的南方电网异步联网频率同步运行控制器设计与应用

电网分区异步运行将成为未来南方电网发展趋势,针对分区异步电网间频率失去了同步性和一致性问题,开展分区异步电网频率同步运行控制策略研究,提出了分区异步电网频率同步运行控制器结构,优化确定运行关键控制参数并通过仿真验证其有效性。鲁西柔直工程作为试点实施分区异步电网频率同步运行,现场实施效果表明该控制能够有效保证分区异步运行电网间实际运行中频率的一致性和同步性,且与电网AGC策略具有良好的适配性,实施中未出现两侧电网功率振荡和频率振荡发散情况,有效改善分区电网频率稳定性和提升分区电网间功率的灵活性支援性能,同时也实现全网调频资源的实时、自动共享,推动构建全网统一的调频辅助服务市场。

基于机器学习的异步电机故障诊断方法

针对以往异步电机故障诊断中特征提取能力不足导致诊断效果较差的问题,提出了一种基于机器学习的异步电机故障诊断方法,该方法使用了注意力机制(AM)的多尺度卷积神经网络(MSCNN)-双向长短时记忆网络(BiLSTM)的异步电机故障诊断模型,通过加入通道注意力机制改进学习机制,使用3种不同尺度提取数据特征,使用BiLSTM对周期故障振动信号进行时序特征的提取,添加自注意力机制关注重点故障特征,引入残差模块减少噪声和冗余数据的影响,最后,通过Softmax分类输出诊断结果。结果表明,该模型能够有效提取数据集中的故障特征,与其他4种常见模型进行对比,体现其稳定性和高诊断性能,针对异步电机故障诊断的准确率达到98.5%。

基于本地差分隐私的异步横向联邦安全梯度聚合方案

联邦学习作为一种新兴的分布式机器学习框架,通过在用户私有数据不出域的情况下进行联合建模训练,有效地解决了传统机器学习中的数据孤岛和隐私泄露问题。然而,联邦学习存在着训练滞后的客户端拖累全局训练速度的问题,异步联邦学习允许用户在本地完成模型更新后立即上传到服务端并参与到聚合任务中,而无需等待其他用户训练完成。然而,异步联邦学习也存在着无法识别恶意用户上传的错误模型,以及泄露用户隐私的问题。针对这些问题,该文设计一种面向隐私保护的异步联邦的安全梯度聚合方案(SAFL)。用户采用本地差分隐私策略,对本地训练的模型添加扰动并上传到服务端,服务端通过投毒检测算法剔除恶意用户,以实现安全聚合(SA)。最后,理论分析和实验表明在异步联邦学习的场景下,提出的方案能够有效识别出恶意用户,保护用户的本地模型隐私,减少隐私泄露风险,并相对于其他方案在模型的准确率上有较大的提升。

基于空间目标异步观测的惯导误差快速确定

针对惯性/天文组合导航系统中大的初始状态误差影响惯导误差收敛速度的问题,在星相机观测具有先验位置信息的有限空间目标的辅助下,提出一种基于目标-恒星角距异步测量的惯导误差在线快速确定方法。首先,在星相机光轴旋转角度和视场角大小受限的情况下,设计了通过异步照相观测方式获取有效空间目标参考信息的方案;其次,在利用惯导误差状态传播模型实现异步测量信息同步处理的基础上,构建基于空间目标与恒星之间角距的非线性最小二乘优化模型,避免了星相机的光轴扰动和安装误差对测量精度的影响;最后,基于高斯牛顿法设计了两轮迭代优化估计惯导位置误差和速度误差的方法。蒙特卡洛仿真结果表明,所提方法利用对空间目标和恒星的有限观测信息,可以有效估计惯导位置误差和速度误差,在初始位置误差约十千米量级的情况下,可以估计补偿约97.73%的位置误差以及66.25%的速度误差,优化求解误差参数的计算耗时为0.0160 s。

基于异步整形机制的智能变电站通信队列调度策略

时间敏感网络(TSN)因能为智能变电站关键通信业务提供确定性低延时传输服务而得到广泛关注。针对现有变电站工业以太网交换机通信队列调度策略难以从理论上保证关键通信业务的实时性和可靠性的问题,该文提出了基于TSN异步整形机制(ATS)的智能变电站通信队列调度策略。首先,基于智能变电站业务流服务质量需求及传输特点,提出了智能变电站业务流的优先级划分及整形队列分配方案;其次,建立了以业务流端到端时延最小化为目标的整形器参数最优化模型,并通过内点优化算法求解;最后,整形器采用基于令牌桶的流量整形方法对划分后的业务流进行整形,整形后的流量基于严格优先级算法调度传输。基于OMNet++进行了仿真实验,实验结果表明,该文所提方法能够保障关键通信业务的确定性低时延传输。

低阶谐波相位对异步牵引电机振动的影响

随着高铁的高速发展,异步牵引电机的振动噪声问题近年来已得到了广泛的关注和研究。本文重点探究了低阶谐波相位对异步电机电磁力波的影响。利用等效电路定性分析了考虑谐波后定转子侧电流相位的关系。对一台异步牵引电机进行电磁力分析,通过二维傅里叶分析提取电磁力波主要阶次和频率,分析了三阶主要电磁力波随谐波相位的变化。最后通过有限元仿真得到不同谐波相位下的电机振动情况,表明在空间阶次较低的情况下,电机振动和电磁力波与谐波相位的关系具有一致性。

双因子更新的车联网双层异步联邦学习研究

针对车联网(IoV)中节点资源异构、拓扑结构动态变化等特点,该文建立了一个双因子更新的双层异步联邦学习(TTAFL)框架。考虑到模型版本差和车辆参与联邦学习(FL)次数对局部模型更新的影响,提出基于陈旧因子和贡献因子的模型更新方案。同时,为了避免训练过程中,车辆移动带来路侧单元切换的问题,给出考虑驻留时间的节点选择方案。最后,为了减少精度损失与系统能耗,利用强化学习方法优化联邦学习的本地迭代次数与路侧单元局部模型更新次数。仿真结果表明,所提算法有效提高了联邦学习的训练效率和训练精度,降低了系统能耗。

非晶合金-硅钢混合铁心三相鼠笼式异步电机的能效分析

首先测试了非晶合金与硅钢铁心的磁化和损耗性能,将测取参数应用于YKK3552-4型笼型200 kW三相异步电动机的二维电磁有限元仿真,分析了电机在两种不同铁心材料组合下的能效特性:一是定子采用非晶合金铁心,转子采用硅钢铁心;二是定子和转子均采用硅钢铁心。结果表明异步电动机满载时组合铁心电机铁耗最小,但磁饱和问题突出,额定电压下组合铁心电机的空载电流可达额定电流的1.1倍,绕组铜耗最大。随后对运行电压降低时的混合铁心电机损耗情况进行仿真,当降压4%时电机能效特性达到最优。最后在3 kW样机上进行了能效测试,验证了降压运行的效果。为易饱和非晶材料在交流电机中应用奠定了理论基础,通过降低运行电压实现非晶定子铁心电机低耗、高效是一条可行技术路径。

时间不等人:产业发展的政府-市场异步困境——以山县农村电商发展为关键个案

不少研究从政府、市场,或二者交互的角度解释了产业升级遇阻的主要原因,却几乎无人讨论政府与市场的相对时间关系的重要影响。通过考察山县农村电商产业发展的典型案例,本文试图回答,为什么作为山县特色产业的A果在山县政府大力扶持和数字经济大潮的双重红利下却没有高质量地实现农产品交易电商化?本研究提出“政府-市场异步困境”的概念,用以概括基层政府的慢决策与市场的快发展之间的不同步对地方产业发展所形成的结构制约。在项目制的背景下,政府与市场、政府部门间、市场主体间的多重脱节与失调是县域农产品电商化失败的重要原因。这一发现有助于我们进一步认识政府与市场间关系的复杂性,为如何更好地推动县域传统产业转型、发展新质生产力提供新的视角。

供电电压闪变对异步电动机转子故障在线检测的影响及应对

供电电压闪变可能对异步电动机转子故障在线检测产生不利影响,导致基于定子电流信号分析(motor current signature analysis,MCSA)的转子故障在线检测方法失效。通过理论分析,揭示供电电压闪变恶化转子故障在线检测性能的机制。提出免于供电电压闪变影响的异步电动机转子故障在线检测方法,首先,根据转子故障主特征频率分量预判转子健康或故障;继而,根据转子故障独有的辅助特征频率分量进一步确认转子健康或故障。仿真与实验结果证明了该方法的有效性。