基于模拟退火的分层软件定义网络控制器高效故障转移机制

多控制器体系结构是提高软件定义网络(Software Defined Networks,SDN)可扩展性和可靠性的必须条件。分层多控制器结构允许全局控制器处理罕见事件,例如本地控制器的路由事件。在控制器出现故障的情况下,多控制器结构需要故障转移机制,包括故障检测和恢复。而现有的控制器故障检测和恢复机制在本地控制器中执行,可能会降低本地控制器的性能。加之在控制器故障恢复中,现有机制没有考虑可用于减少流量建立时间的时变负载标准偏差度量。

基于REST-API的SDN控制器故障恢复机制

软件定义网络(SDN)通过可编程的数据平面和逻辑集中的网络控制器实现网络的灵活可控,然而现有的网络控制器不具备故障快速切换功能,难以实现SDN网络故障恢复。为此,基于表述性状态转移-应用程序编程接口(REST-API),提出一种控制器快速恢复机制,通过REST-API将多个控制器同时与控制器代理相连接,使得控制器代理可快速检测出控制器故障并进行切换。实验结果表明,与OpenFlow机制相比,该机制减少了500倍以上的切换时间,且切换时间不受网络规模的影响。

整车控制器故障诊断机制测试系统的实现

故障诊断机制测试的优势有可在项目开发初期阶段充分验证故障诊断机制合理性、正确性及完整性,减少实车开发测试费用及周期,测试覆盖度及可靠性高等。故障诊断机制测试系统是通过使用CAPL编程模拟节点发送报文及读取故障码及状态,CANOE导入对应的CAPL测试用例后与被测的整车控制器连接,对被测整车控制器诊断机制进行全方面的、系统的测试。通过验证测试,故障诊断机制测试系统能在项目开发阶段发现诊断机制是否满足设计要求、诊断机制是否存在缺陷。作为纯电动汽车最核心的电控单元,整车控制器监控故障多、故障处理策略复杂,故障诊断机制测试对整车控制器开发十分关键。

基于分布式SDN控制器的光网络生存性研究

特种光通信网络向软件定义网络(SDN)演进是必然的趋势,安全性、可靠性要求高,中心节点(控制器)是薄弱环节,网络生存性是核心指标。逻辑集中、物理分布的多控制器体系架构符合这种要求。本文描述了分布式SDN控制平面的架构,它使用多个物理分布、逻辑集中的控制器共同管理整个网络,并重点讨论了涉及控制器生存性的重要问题之一:控制器故障的转移机制。

采用潮流转移分布因子的UPFC控制值整定

目前,在含统一潮流控制器(unified power flow controller,UPFC)的电网静态安全分析中,UPFC的控制目标有功功率、无功功率通常采用典型运行数据进行离线分析,控制目标值由试探法确定,计算效率低且和实际运行工况存在一定的差异。为弥补现有控制策略整定方法的不足,文中提出了采用潮流转移分布因子的UPFC控制值整定方法,当电网发生N-1故障时,基于直流潮流法定量计算控制目标值,通过UPFC的潮流控制功能消除线路N-1过载,控制策略可根据能量管理系统(energy management system,EMS)数据在线刷新,可为电网调度提供辅助决策。算例仿真验证了文中算法的有效性和实用性。

基于MTF-DFT的小型残差网络轴承故障诊断

针对传统的一维振动信号在噪声环境下故障特征信息表现不够明显以及特征辨识性差、抗噪能力不强等问题,提出一种融合马尔可夫转移场的傅里叶变换特征提取方法和加入注意力机制的小型残差网络滚动轴承故障诊断模型。利用MTF保留信号之间的时间特性和DFT变换对于图像良好的抗噪性能,将一维轴承振动信号转换为二维灰度特征图,之后输入加入注意力机制的小型残差网络ResNet网络中进行故障特征提取,并引入通道注意力模块和空间注意力模块实现特征的自适应加权,经过softmax分类实现故障分类。采用凯斯西储大学轴承数据对模型进行验证,并对模型的抗噪性能进行分析。结果表明,该模型准确率达到99.66%。并且在信噪比为-3 dB的情况下,模型的准确率仍能达到60.29%。

基于MTF-CBAM-IResNet的滚动轴承故障诊断方法

针对工况复杂、特征提取不充分、数据集较小时故障诊断精度不高的问题,提出了一种基于马尔科夫转移场(Markov transfer field,MTF)、卷积注意力(convolutional block attention module,CBAM)和改进残差神经网络(improved residual neural network,IResNet)的滚动轴承故障诊断模型。首先,MTF算法保留一维振动信号中的时间相关特性,生成二维图像;其次,采用CBAM捕捉图像的关键特征,动态学习不同尺度特征之间的关系;再次,IResNet增强网络非线性表达能力;最后,构建MTF-CBAM-IResNet模型进行故障诊断。实验结果表明,在变工况情况下,模型的平均准确率达到99.29%,在不同规模小样本的情况下,模型的平均准确率分别达到99.05%和97.67%,验证了模型的泛化性能和诊断效果。

双处理器间容错控制技术

针对双处理器的协同处理问题,文中提出一种基于FPGA的容错控制技术,并将其应用于双处理器系统共管模式。将处理器及其相关资源的故障分为4种情况进行讨论,综合运用故障模式响应、状态监控和控制、动态故障判断、仲裁控制和资源重配置等方法实现故障的检测、屏蔽和切换。该方案具有体积小、功耗低、可靠性高的特点。最后,以人为干预的形式采取相应的物理手段,分别向模块注入外部故障,通过计算系统切换时间来验证容错控制器的切换成功率和切换效率,并分析其对系统的影响。

SS_3B型电力机车总体线路(二)——控制电路

SS3B电力机车的电子控制系统与SS3型机车相比作了较大的技术改进。电子控制系统改用新型电子控制柜,加设有粘着限制、轴重转移电气补偿、特性控制、防空转等多项功能。相应地SS3B机车控制电路的改动主要包括机车调速控制和电子控制柜接口两部分。控制电路中有关辅助电机、受电弓、主断路器、故障保护、故障显示、灯回路等均与原SS3型机车基本相同。下面仅对调速控制和电子柜接口部分加以介绍。（参见图1） 一。

数据中心网络架构设计与高可用性保障探索

确保数据中心网络架构的高稳定性是信息技术领域中的一个关键议题,涉及布局与设计规划。该文首先深入探讨了传统数据中心网络架构、软件定义网络(SDN)和超融合基础设施(HCI)在数据中心的应用,并审视了它们各自的优势。其次,为增强系统的稳定性,研究了包括网络冗余、容错能力、故障转移、均衡负载、防护框架及应急备份在内的多种方法。最后,对数据中心网络的未来发展趋势进行了预测,深入分析了新兴技术的影响,讨论了未来网络的设计理念,并探讨了在追求可持续发展过程中所面临的挑战和可能的机会。

基于MTF和AM-MSCNN的滚动轴承故障诊断方法

针对传动系统中多振源耦合导致滚动轴承故障特征被噪声和其他故障特征掩盖的问题,提出基于马尔可夫转移场(MTF)和含有注意力机制的多尺度卷积神经网络(AM-MSCNN)的滚动轴承故障诊断方法。首先,利用MTF将原始一维振动信号转换为具有时间相关性的二维特征图像,保留完整的时间信息,更好地反映轴承故障特征;然后,搭建AM-MSCNN模型,有效提取全局特征并自适应调整权重;最后,将MTF提取的二维特征图输入AM-MSCNN进行特征提取和故障诊断。搭建滚动轴承故障模拟试验台对模型的有效性进行验证,结果表明所提模型的故障识别率达到95%以上,高于MSCNN和CNN的故障识别率。

数据库集群中内存使用率研究

数据库集群中各节点均配有内存,然而在运行过程中,有的节点存在大量的内存资源闲置,不仅造成内存资源的极大浪费,而且严重降低了系统运行效率。为此,研究分别基于虚拟机、共享存储和无共享结构,提出优化内存使用率的方法,并着重研究了"内存转移"机制,即如何将节点上的空闲内存转移到需要内存的其他节点上。最后使用vb编写的"档案管理系统"远程连接平台进行测试,通过对比实验数据验证"内存转移"在提高内存使用率方面的优越性,同时对系统的高可用性给予实践证明。