基于改进的自适应回归时序模型故障诊断

汽车变速箱的故障诊断工作比较复杂,由于传统的诊断方法已不能满足复杂的故障现象, 文中提出了一种基于改进的自适应回归时序模型故障诊断方法;方法采用了基于时间序列故障诊断技术,首先测取工作环境下的振动信号,然后建立被诊断对象的时间序列数学模型,最后用信息距离判别法诊断出故障类型,提高了诊断效率;最后在变速箱进行了实验研究;选用型号为621B40型ICP加速度传感器测取变速箱的振动信号,通过设置模型参数(n,m)来模拟故障检测,实验分析表明,提出的算法可以有效地识别变速箱系统中不同严重程度的故障,且与传统的故障诊断算法相比,提出的算法对提高识别率和降低计算复杂度都有着明显的优势。     

内存计算环境下基于索引结构的内存优化策略

由于内存计算能够较好的满足在线数据密集型应用的需求,近年来受到了研究者的广泛关注.内存云存储数据时使用哈希结构来提高写入和恢复效率,然而该结构会降低系统读性能,同时增加系统清理回收内存的开销.为了解决这个问题,提出一种基于索引压缩存储的内存优化策略.在存储时,将内存划分为两部分,哈希存储和排序存储.在系统繁忙时,对于实时写入和更新的数据存储时采用占用空间较多、插入效率较高的哈希存储;在系统空闲时段时,利用基于索引压缩的排序存储算法,将哈希存储转换为占用内存空间较少、查找效率较高的排序存储.实验结果表明,同未进行优化的Tachyon单一哈希结构存储策略相比,该策略能够很好地均衡系统的写入和读取访问的效率.