摘要：高液位控制系统是轻油装车鹤管的配套设施,作为防溢流设备的高液位报警器在成品油装车安全生产中发挥着重大作用。受工作环境的影响,现用高液位报警器在使用过程中故障率高、使用寿命短,给轻质油槽车装车安全带来很大危害,增加了运行成本。分析了高液位报警器产生故障的原因,提出了改进措施,对高液位报警器探头在使用过程中稳定性差、光纤易损坏、不耐腐蚀以及抗挤压性能差等问题,有针对性地提出了相关设计改进建议。

摘要：为了解决智能变电站内电力设施被盗问题,通过对不同时期安全防范措施的分析,提出了利用物联网技术搭建智能安防监控平台。在完善智能辅助控制系统框架组成和系统功能的基础上,对智能变电站新型安全防范措施设计方案进行了研究。文中给出了以电子围栏、视频监控、智能门禁、物联网、计算机网络等多种技术高度集成和联动的智能安防系统设计方案,研究了新型安防措施的系统组成、功能描述和实现方法,为完善智能变电站安全防范措施提供了新思路。

摘要：随着我国电力工业的发展,特高压直流输电凭借其在远距离输电上的优势而成为我国特高压发展的重要方向。局部地区电力走廊紧缺,使交直流同塔架设输电线路成为必然。当交直流导线同塔架设时,将在导线间产生很强的电磁耦合。主要研究特高压直流线路故障对同塔架设交流线路过电压的影响。根据规划中的锡盟—上海交直流同塔多回输电线路相关数据,采用电磁暂态程序建立了详细的直流换流站模型以及交直流同塔架设输电线路模型,研究了特高压直流输电线路故障对同塔架设的超高压交流线路的影响,并分析了不同故障类型、运行工况、耦合段线路长度、耦合段位置等因素对交流感应过电压的影响。结果表明,交流线路上的感应过电压幅值在交流线路绝缘水平允许范围内;直流发生接地故障时,交流线路通过耦合作用在直流故障弧道产生潜供电流。分析了交流线路不同换位方式对直流线路潜供电流的影响,并对限制措施提出了建议。

摘要：当前人工智能在音乐方面的研究和应用主要集中在西方古典音乐和流行音乐等领域。以世界各地的传统音乐为对象的相关研究仍然处于初级阶段,其中一个主要原因是缺乏高质量的数据集和标注规范。文章从数据的内容、标注和应用等方面,探讨了传统音乐标注数据集的发展现状。基于对当前研究的深入分析,文章提出了面向人工智能的音乐标注数据集的构建原则,并针对传统音乐的特点加以阐述。在此基础上,以第一个中国胡琴音乐标注数据集(CCOM-HuQin)为例介绍了数据集在人工智能领域的研究成果和应用前景。文章强调了人工智能应用于传统音乐的意义不仅在于辅助创作和表演,更是为了促进传统音乐的保护、传承和发展。

摘要：随着航空航天技术的不断发展,航天器对于霍尔电推进功率处理单元(PPU)的需求不断提高,高增益、大功率以及高效的PPU成为研究的主流方向。LLC拓扑能够在全负载范围内实现软开关,因此在PPU阳极电源中具有广阔的应用前景。原边LLC因其原副边增益特性,给阳极电源高增益变换器的谐振电感设计带来极大的挑战。针对上述问题,提出了一种改进的副边LLC谐振拓扑,在保留原边LLC谐振电路软开关特性的同时,有效解决了谐振电感设计问题,使得PPU阳极电源具备高增益的性能。首先利用时域分析法建立了副边LLC拓扑数学模型,其次在模型的基础上给出其峰值增益的计算方法,最后通过一台样机验证了所建模型的正确性并验证了副边LLC电路的有效性。

摘要：针对交通灯故障无法及时处理影响交通效率与安全的问题,设计了基于ZigBee技术的监测终端,根据监测系统中部件发生故障的时序关系建立动态故障树模型,分别采用二元决策图法BDD(binary decision diagrams)和马尔科夫模型对静态子树和动态子树进行定量分析,确定监测系统底事件对系统整体的概率重要度,计算得到导致交通灯故障的主要原因为光纤传感器位置移动和灯珠寿命到期。使用动态故障树法设计交通灯监测系统为工作人员快速分析故障原因提供了理论依据。

摘要：在多核处理器、大内存、非易失内存等新硬件技术的支持下,异构存储与计算平台成为主流的高性能计算平台.传统的数据库引擎采用一体化设计,新兴数据库则采用存算分离和算子下推技术以更好适应新型分布式存储架构.提出了一种新颖的基于管算存分离方法的内存数据库实现技术,在存算分离技术的基础上进一步根据数据库模式、数据分布与负载计算特征将数据集划分为元数据集和数值集,将统一的查询引擎分解为元数据管理引擎、计算引擎和存储引擎,将包含语义信息的元数据管理抽象为独立的管理层,将无语义的数值存储和计算抽象为计算存储层,其中计算密集型负载定义为计算层,数据密集型负载设计为存储层,并根据硬件平台的不同分离或合并计算与存储层.内存数据库的实现技术分为几个层次:1)模式优化,实现数据库存储中“数(数值)”与“据(元数据)”的分离,根据数据的内在特性选择不同的存储与计算策略;2)模型优化,采用Fusion OLAP模型,实现在关系存储模型上的高性能多维计算;3)算法优化,通过代理键索引、向量索引支持优化的向量连接、向量聚集算法,提高OLAP性能;4)系统设计优化,通过数据库引擎分层技术实现管理与计算分离、存储与计算分离以及多维计算算子下推到存储层.实验结果表明,管算存分离计算模型可以灵活地支持CPU-GPU异构计算平台、DRAM-PM(Persistent Memory,持久内存)异构存储平台和外部存储平台,采用开源的Arrow内存列存储引擎作为数据库“数”的存储引擎,以及应用多维计算算子下推到Arrow存储引擎技术的OLAP实现技术在SSB基准测试中与存算结合的内存OLAP实现技术性能相当,查询性能优于主流内存数据库Hyper和OmniSciDB,以及基于Arrow存储的GPU数据库PG-Strom.

摘要：GPU数据库近年来在学术界和工业界吸引了大量的关注.尽管一些原型系统和商业系统(包括开源系统)开发了作为下一代的数据库系统,但基于GPU的OLAP引擎性能是否真的超过CPU系统仍然存有疑问,如果能够超越,那什么样的负载/数据/查询处理模型更加适合,则需要更深入的研究.基于GPU的OLAP引擎有两个主要的技术路线:GPU内存处理模式和GPU加速模式.前者将所有的数据集存储在GPU显存来充分利用GPU的计算性能和高带宽内存性能,不足之处在于GPU容量有限的显存制约了数据集大小以及稀疏访问模式的数据存储降低GPU显存的存储效率.后者只在GPU显存中存储部分数据集并通过GPU加速计算密集型负载来支持大数据集,主要的挑战在于如何为GPU显存选择优化的数据分布和负载分布模型来最小化PCIe传输代价和最大化GPU计算效率.致力于将两种技术路线集成到OLAP加速引擎中,研究一个定制化的混合CPU-GPU平台上的OLAP框架OLAP Accelerator,设计CPU内存计算、GPU内存计算和GPU加速3种OLAP计算模型,实现GPU平台向量化查询处理技术,优化显存利用率和查询性能,探索GPU数据库的不同的技术路线和性能特征.实验结果显示GPU内存向量化查询处理模型在性能和内存利用率两方面获得最佳性能,与OmniSciDB和Hyper数据库相比性能达到3.1和4.2倍加速.基于分区的GPU加速模式仅加速了连接负载来平衡CPU和GPU端的负载,能够比GPU内存模式支持更大的数据集.

摘要：为了满足半导体缺陷检测系统对成像系统高分辨的要求,依据系统的特点和设计指标,设计了一种近紫外-可见光大数值孔径折反式物镜。在近紫外-可见光波段对光学玻璃材料的色散特性进行分析,通过二级光谱理论计算,选择合适的玻璃材料,对光学系统的二级光谱进行了校正。该物镜使用11片球面透镜,结构紧凑。设计出一套光谱范围为360~520 nm、数值孔径为0.9、焦距为5.65 mm、视场大小为0.8 mm、工作距离为0.8 mm的物镜,采用无限远共轭折反式结构。设计结果表明:该物镜的MTF较好,全视场波像差小于0.09λ(λ=632.8 nm),各种几何像差均得到了较好的校正,满足复消色差条件,并且结构简单,具有较长的工作距离,为实际的生产装配和应用提供了便利。

摘要：星型连接是OLAP中重要的操作,事实表与维表基于星型连接执行多维分析处理.星型连接的性能取决于连接性能.当前研究主要集中在如何在不同的处理器平台上优化哈希连接性能,然而如何获得最优的哈希连接参数或实现是一个复杂的问题.哈希连接不依赖于模式的语义信息,然而却可以在事实表与维表之间通过维映射特征进一步优化连接性能.该文提出了一种新颖的面向OLAP负载的向量索引以提高事实表与维表之间的连接性能.从模式的角度来看,维表可以映射为向量索引,每一个事实表记录可以直接映射到向量索引上的相应位置,无须执行基于值匹配的哈希连接操作.从实现技术的角度看,向量索引是一种位图索引、字典表压缩、主外键参照完整性约束和连接索引相结合的技术.系统化的设计使向量索引可以扮演多种角色:(1)向量索引与位图索引类似起到过滤作用;(2)向量索引相对于只存储0或1的位图索引使用更多的位来表示更多的信息;(3)映射或创建自动增长的主键作为向量索引地址并且更新相应的外键,将主外键参照完整性约束转换为向量参照约束;(4)外键连接操作简化为通过外键值引用向量单元.基于向量索引,OLAP中代价大的星形连接可以抽象为向量索引计算,OLAP查询可以简化为基于向量索引的单表扫描处理.向量索引简化的设计不仅可以提升性能,而且降低了在GPU平台实现的复杂度.本文首先讨论了向量索引机制和如何在数据库中应用向量索引;然后设计向量索引更新机制,以保证在更新时向量参照约束;最后提出基于向量索引的OLAP框架来提高内存数据库OLAP性能.基于向量索引的星型连接可以用作GPU上的OLAP加速器,使CPU可以将计算密集型负载转移到高性能GPU平台来加速OLAP处理.实验结果表明向量索引更新代价较低,而向量引用性能收益较大.更重要的是,向量索引支持OLAP中的星形连接操作在内存数据库引擎之外进行加速,降低了内存数据库的CPU负载,或者将星形连接负载通过硬件级加速器,如GPU进行加速.基于向量索引的星型连接可以显著提升CPU和GPU平台上的星型连接性能,相对于内存数据库Vector,在SSB Q4.1查询可以获得最大3倍的性能提升,平均性能提升了1.2倍.