T-Kernel任务调度的实时性分析

T-Kernel由于其实时性及开源性,在全球微处理器操作系统市场中已占据了一半以上的份额。该文分析了T-Kernel的任务状态及任务调度机制,给出了其调度时机及调度算法,并从嵌入式实时操作系统的实时性出发,分析了该调度机制的主要优点。

基于T-Kernel的POSIX线程库的研究

在分析了T-Kernel对POSIX标准接口支持的基础上,结合MiniGUI在嵌入式操作系统T-Kernel上的移植,引入了任务与线程一一映射模式,实现了满足实时应用的基于T-Kernel的POSIX线程库。通过运行MiniGUI的应用程序,验证了其可以满足程序并发执行的要求。

基于T-Kernel的CF卡驱动程序设计

介绍了T-Kernel的两种设备驱动程序接口及相关函数,解析和设计T-Kernel的CF卡驱动开发流程。

T-Kernel在Blackfin处理器上的移植分析

T-Kernel是日本T-Engine组织推出的开源免费的嵌入式实时操作系统(RTOS),以其强实时小体积内核著称。本文针对T-Kernel在Blackfin处理器(BF533)上的移植过程进行了分析,给出了中断管理,任务切换和系统调用入口的实现方法,并进行了稳定性和实时性测试,保证了移植系统的性能。

基于μC/OS-Ⅱ与T-Kernel的RTOS比较分析

实时操作系统在嵌入式系统中占有重要地位,它是嵌入式应用程序开发的基础平台。目前市场上的RTOS种类繁多,选择使用时存在一定难度,因此,将介绍两款应用前景广阔的嵌入式实时内核μC/OS-Ⅱ与T-Kernel,根据二者主要性能指标做出详细的比较分析,并给出各自的适用领域,为嵌入式系统设计者提供参考。

ARM和T-Kernel系统的DMA驱动程序设计

T-Kernel是以T-Engine系统为核心的一款开源的实时操作系统,把作为操作对象的资源称为核心对象。任务是T-Kernel上的程序执行单位,应用程序通常由一个或多个任务组成。笔者基于ARM PrimeCell处理器,依照嵌入式标准开放平台T-Engine的设计思想,结合抢占式实时嵌入式操作系统T-Kernel,设计并实现了一款DMA驱动程序。该驱动程序的设计方法简单,使用流程简易,实用性较强,可移植性也很强,适合于同类型的其他抢占式开源操作系统内核。

基于实时操作系统T-Kernel的多任务软件设计

研究基于实时操作系统T-Kernel的多任务软件设计。首先介绍了实时操作系统T-Kernel的基础知识,包括任务管理、同步与通信管理和中断管理等。以一种基于T-Kernel的播放器软件设计为例,描述了进行多任务设计,主要是软件的多任务划分和设计编程,最后介绍开发播放器软件的经验并进行了总结。

基于改进自适应粒子群算法的T-S模型辨识

提出基于改进自适应粒子群算法(Improved Self-adaptation Particle Swarm Optimiza-tion,PSO)的T-S模糊模型辨识方法。首先,利用核函数的模糊聚类算法划分数据空间,尽可能少地提取模糊规则,并消除孤立点、噪声点数据等的不利影响;其次,基于ISPSO算法进行参数辨识,将待辨识的参数划分为若干粒子,自适应更新飞行速度,动态修改惯性权因子,惯性权因子呈非线性动态变化,不仅可以克服PSO算法陷入局部最优的早熟,失去多样性,而且可以提高粒子在全局最优位置绕行时的稳定性。提出的方法使得T-S模型辨识达到较高的辨识精度。仿真实例和比较分析证明了该算法的有效性。

基于Bootstrap方法的VaR区间估计

本文介绍了非参数方法中基于自助法的三种区间的估计方法,并将它们应用到金融资产的VaR计算上.自助法很好地克服了历史模拟法的一些局限性.本文对上证综合指数(IA0001)进行了VaR计算的实证分析,计算了VaR点估计和区间估计,并比较了几种计算方法各自的特点,得出了一些有意义的结果.

条件t-分位数核估计的逼近速度

该文研究了条件Ｔ－分位数核估计的逼近速度问题．在适当的条件下．给出了核估计的强收敛速度、正态追近速度和Ｂｏｏｔｓｔｒａｐ逼近速度．

基于t-SNE和核马氏距离的滚动轴承健康状态评估

针对滚动轴承在健康状态评估过程中,退化状态特征筛选和健康指数难以构建等问题,提出了一种基于t-SNE(t-distribution Stochastic Neighbor Embedding)和核马氏距离的滚动轴承健康状态评估方法。首先,利用随机森林算法筛选出重要性较高的退化状态特征,并构建高维相对退化状态特征;其次,为防止退化状态特征冗余对评估结果产生影响,利用t-SNE对高维相对退化状态特征集进行降维,将退化状态特征进行融合;最后,将其与等距映射(Isometric mapping,Isomap)、KPCA方法对比,以验证t-SNE流形学习算法进行退化状态特征降维的有效性与优越性,结果表明t-SNE算法具有一定优势。最终结果验证了所提方法的有效性。

T-SPLINE开源内核的三层数据结构及算法原理

针对T-SPLINE开源内核,论述了T样条三层数据结构及相关算法原理,以帮助使用者更快更好地掌握和应用T-SPLINE开源内核的使用方法.首先介绍T-SPLINE开源内核及三层数据结构,论述该数据结构对T样条计算与存储的高效性;然后根据三层数据结构的特点设计了一系列高效的算法,主要包括面内节点初始化算法、关键参数抽取算法、高效基函数计算算法、重节点管理算法等,并详细说明了上述算法的原理;最后对T-SPLINE开源内核的时间复杂度和空间复杂度进行了分析与验证.实验证明,T-SPLINE开源内核在时间空间复杂度上具有一定的优势.

基于T-S模糊KPCA模型的分布式控制系统传感器故障诊断

为减小航空发动机多工况的工作特性和分布式控制系统非线性网络环境对故障诊断系统的影响,针对航空发动机分布式控制系统,提出一种基于T-S模糊KPCA模型的传感器故障诊断方法。首先采用C均值模糊聚类法,以油门杆角度为样本标签,对样本空间进行模糊分类,再通过模糊相似矩阵剔除各样本子空间的野值点;其次建立标称工况的KPCA模型,并利用训练样本对非标称工况的隶属度函数进行辨识,得到全工况T-S模糊KPCA模型;最后利用统计量T 2和SPE对传感器故障进行检测,并采用数据重构方法对故障传感器进行隔离定位。仿真结果表明该方法对发动机的任意稳定工况具有自适应能力,能够在非线性网络环境下对正常样本和故障样本保持较低的虚警率和漏报率。当多个传感器同时发生故障时,能够准确找到故障源,实现对故障传感器的隔离。

基于FKCM的球磨机系统T-S模糊建模方法

针对传统的描述热工过程动态数学模型的方法难以建立非线性模型的缺点,提出了一种基于模糊核聚类的球磨机系统T-S模糊建模算法。该算法首先通过灰色关系法确定模型输入变量,利用FKCM聚类算法对输入空间进行模糊划分,确定T-S模型的前件结构和前件参数;进而利用最小二乘算法确定模糊规则的后件参数。最后,利用数字仿真数据对球磨机系统进行模糊建模,建模结果表明该算法简单﹑实用,模型能够精确地描述过程的非线性。

相依样本条件t-分位数核估计的强收敛速度

在一定条件下,得到了φ混合样本条件t分位数的核估计强收敛速度,即定理 对同分布的φ混合样本(X1,Y1),…,(Xn,Yn)∈Rd×R1,若 X1具有边际密度函数f; 条件分布函数F(y｜x)在(x,θx(t))的邻域内具有连续的密度函数f(y｜x); ∑nφ(n)<∞; h=(n-12logn)1d+1,0<Mn→∞.则θx(t)(0<t<1)的核估计θx,n(t)的强相合速度可以达到on-12logn1d+1Mn.

改进的加权t-SNE算法及在故障诊断中的应用

对随机邻域嵌入算法(SNE)中的距离进行改进,提出一种基于Manhattan距离的加权t-SNE(Mwt-SNE)算法。使用受空间维数影响较小的Manhattan距离作为度量方式,使用K-均值聚类算法将高维空间数据样本点距离分为三类,基于表格法进行权重参数寻优与加权,以加权相对Manhattan距离代替欧氏绝对距离计算相似度条件概率,从而增大数据对象之间的区分度,提升降维效果,增强分类显著性。提出基于Mwt-SNE算法的在线故障诊断模型,使用核密度估计(KDE)确定控制限并进行在线监控。TE化工过程实验表明,Mwt-SNE算法能有效降低误报率和漏报率,从而提高故障诊断稳定性和准确性。

t分布下基于核函数的最大后验概率分类方法

针对多元正态分布不能适应样本数据严重拖尾现象的问题,提出t分布下的多分类识别方法。利用核技术将样本数据扩展到高维特征空间中,采用贝叶斯分类器得到最大后验概率,进而得到分类结果。由于可以调整t分布中的自由度参数v,因此更容易满足数据样本的不同拖尾情况,具有较好的稳健性。在5个国际标准UCI数据集和3个人脸数据集上进行了大量实验,实验结果表明,该方法有较好的分类效果,具有可行性。

加权相关系数核函数及其在T细胞表位预测中的应用

T细胞表位的识别和理论预测是计算机辅助疫苗和药物设计中的重要研究内容,在药物设计、疫苗设计、以及帮助人们了解机体免疫功能方面具有重要的指导意义。本文源于多肽的"锚点特征",设计一种加权相关系数,并作为支持向量机的相似函数核,结合演化算法,以支持向量机为基础对T细胞表位进行了理论预测。在同样编码方式下,实验表明采用本文设计的加权互相关系数核函数,其支持向量机模型的预测性能显著提高。

基于多分类支持向量机的相控阵雷达T/R组件寿命分布仿真识别

为了能够对T/R组件的寿命分布类型进行快速准确地识别,在充分分析T/R组件寿命分布数据特点的基础上,建立了核主元降维-多分类支持向量机识别模型。首先对T/R组件的数据特征以及可能的分布模式进行选取,其次利用Matlab仿真软件产生100组不同分布的随机数,构建了模型的初始训练样本,最后利用核主元降维分析法的非线性主元特征提取能力以及多分类支持向量机模型的高精度识别能力,对T/R组件的寿命分布类型进行识别。实例计算表明,该识别模型具有较高的识别精度,与传统极大似然估计和k-s检验法的T/R组件寿命分布结果一致,从而证实了模型的正确性,为后续T/R组件的维修提供理论依据。

相依样本条件t-分位数核估计的强相合性

对φ-混合样本下条件t-分位数θx(t)的核估计θx,n(t),取消核函数的支撑为紧集的限制,同时放宽对混合系数的要求,研究了其强收敛性,该结果拓宽了核估计θx,n(t)的适用范围.