一、pC++:一个分布式的对象并行语言（论文文献综述）
罗德宁[1]（2021）在《大规模数据实时绘制关键技术研究》文中研究说明三维图形绘制在游戏娱乐、虚拟现实、科学计算可视化等众多领域有着广泛应用,而且在实时和真实方面的绘制要求越来越高。近年来,软硬件的计算性能得到了很大提升,但是面对数据规模的日益增长,大规模数据的实时绘制面临巨大挑战。本文主要针对体数据和地理地形数据的真实和实时绘制技术展开研究。对于精度高、体量大的体数据,三维可视化计算量大,同时增加光照计算更加重了计算负担。大规模地理地形数据一直存在如何高效处理和绘制的问题。同时,反走样技术在数据绘制中能够显着增强视觉效果,减少图像走样、闪烁,但会带来额外的绘制开销。数据规模的增长无疑加重了各种绘制技术的计算开销,即便是提高绘制性能的并行绘制技术在面绘制和体绘制上还存在诸多挑战。针对上述技术问题,本文的主要工作和创新点包括以下方面:（1）数据并行化体绘制及光照计算在基于切片和光线投射两种主流体绘制方法基础上,针对光照计算量大的问题展开性能可扩展研究。针对基于切片体绘制在多绘制遍全局光照计算效率低的问题,提出单绘制遍多切片（Multi-Slice Per Pass,MSPP）算法,从数据与算法并行层面提升绘制能力。在相同切片数量下,MSPP算法可以提高半角切片（Half-Angle Slicing）算法大约两倍的性能。针对光线投射体绘制采样复杂导致光照计算量大的问题,提出基于切片的光线投射（Slice-based Ray Casting,SBRC）方法提升绘制效率和效果。首先,以光源为视点逐切片绘制体数据的整个几何体切片的光照信息到光照衰减缓存。其次,在光线投射过程中,利用光照衰减缓存计算采样点的光照影响,包括体积阴影、软阴影及散射等效果计算。SBRC算法只需要一个绘制遍的时间开销,并且通过变化切片数量和每个切片的分辨率实现可扩展的绘制性能。实验表明,以上方法能够大幅提升体数据的绘制效率和效果,满足性能可扩展的体数据绘制要求。（2）大规模地形数据高效组织与绘制三维地理地形绘制主要包括地理数据组织和三维地形构建两个主要过程。为了使地形绘制发挥最佳性能,并且支持层次细节（Level of Detail,LOD）及Mipmap技术提升绘制性能,提出一种灵活的数字高程模型及数字正射影像经纬度范围一致的无缝划分策略,并对每一块地形瓦片采用分组、分段、四边形网格的组织方式,快速生成具有LOD高效调度的真实三维地形。实验表明,该方法能够快速构建性能可扩展的三维地形,减少绘制调用。（3）数据绘制中的反走样技术针对延迟着色阶段开启硬件反走样方法无法直接兼容的问题,提出子像素连续边界反走样（Sub-Pixel Reconstruction Continuous Edges,SRCE）方法。首先,开启多重采样反走样绘制场景到几何体缓存（Geometry Buffer,G-Buffer）。其次,在子像素上利用切比雪夫不等式通过概率统计检测边界像素,以及标识边界像素和普通像素减少着色线程一致性开销。再次,以#过滤方法从子像素上重构连续边界。最后,自适应着色边界像素进行反走样处理。SRCE方法使三维物体边缘的“阶梯”效应最小化,同时还可以结合后处理或时间反走样技术增强图形绘制效果。针对延迟着色技术与覆盖采样反走样（Coverage Sample Anti-Aliasing,CSAA）不兼容的问题,提出基于延迟着色技术的大场景反走样绘制架构。该架构能够针对不同绘制对象使用不同的反走样级别,减少延迟与卡顿,从而平衡效果与效率。实验表明,以上方法能够有效提高数据的绘制质量,同时平衡绘制性能。（4）大规模数据并行绘制虚拟化框架在主流并行绘制框架研究基础上,结合虚拟化技术设计了一种三维图形并行绘制虚拟化框架（Parallel Rendering Virtualized Framework,PRVF）,提高体绘制、面绘制及反走样技术在大规模数据上的算力结构并行绘制能力。以Equalizer作为并行绘制中间件,灵活组织并行绘制各功能模块,虚拟化各类绘制资源作为绘制单元,按需调度及管理。综上所述,本文研究体数据及地理地形数据在实时绘制方面的一系列关键技术问题,充分提高真实与实时绘制能力,通过从数据、算法和算力结构等并行层面有效提升大规模数据绘制的实用性。
郁龚健[2]（2021）在《基于SNN的类脑计算工作负载映射方法研究与实现》文中认为目前,在日益提升的计算力与海量的标注数据的推动下,以深度学习为代表的人工智能实现快速的发展,但在其高准确率的背后也存在着通用智能水平弱,计算力依赖度高等局限性。以第三代人工神经网络-脉冲神经网络（Spike neuron network,SNN）为代表的类脑计算借鉴了大脑的高效率和低能耗的计算特点,被认为是有望解决人工智能问题的重要途径。由于SNN的快速乃至实时的仿真需求以及明显的分布式计算特征,大规模分布式集群被作为主要的类脑平台构成方式。针对分布式类脑平台,SNN工作负载与计算平台的不匹配问题会导致专用类脑系统的计算能效甚至还不如通用计算机系统。因此,如何快速完成对基于类脑平台的SNN案例负载特性分析,实现案例与平台之间的完美匹配与合理映射,成为当前研究与优化类脑体系结构所需面临的棘手问题之一。为此,本文搭建了100块PYNQ-Z2开发板构成分布式集群作为实验硬件平台,选取SNN仿真软件NEST作为负载研究对象,开展了SNN负载特性分析、SNN工作负载自动映射以及针对高能效PYNQ集群平台的负载评估与分析三个部分研究工作。（1）分析了SNN工作负载特性并为其建立负载模型,针对NEST仿真器进一步实例化了SNN的内存、计算和通信负载模型,凭借具体的负载数据来说明承载SNN案例的计算平台所面临的负载情况。（2）基于负载实例化模型,设计并实现了一种SNN工作负载的自动映射器（Workload Automatic Mapper for SNN,SWAM）。SWAM整体包含三个部分设计:量化设计、映射专用脚本设计和自动化设计。量化设计通过MPI量化程序和基准量化程序以较低的代价实现内存和时间参数的一次性量化;在保留原NEST网络构造习惯的基础上,开发了映射专用脚本格式,通过简洁的函数控制接口设计以帮助自动化设计的实现;自动化设计包含网络参数采集、负载预测和映射三个自动化部分,自动化整体设计为一体化实现,大大缩短负载预测和映射的整体流程。（3）针对基于ARM+FPGA的高能效的PYNQ类脑集群平台,使用SWAM为其提供三种负载服务:负载评估、加速判断与调用以及负载预测和节点映射。通过三种负载服务,以帮助该平台承载SNN案例时始终保持高能效、高稳定以及高性能地运行。通过在PC、纯ARM和ARM+FPGA三种不同的集群计算平台上运行SNN典型案例,并比较SWAM、LM（Levenberg-Marquardt）算法拟合和实测的映射结果。实验结果表明:SWAM的平均映射准确率达到98.833%;与LM方法与实测映射相比,SWAM具有绝对的时间代价优势。通过实验分析,证明了SWAM具有良好的兼容性,能够涵盖与预测不同的SNN案例在不同的计算平台上的负载情况,并且快速有效地推导出整个工作负载在计算平台上的合理映射结果,以保证计算平台稳定与高性能地运行,避免了极其耗时的完整工作负载的运行与试探,对研究与优化类脑体系结构具有现实意义。
李佩琦[3]（2021）在《基于FPGA的脉冲神经网络加速器研究与实现》文中提出人类大脑智能水平高、功耗低,其计算模式非常值得借鉴。类脑计算通过模仿生物大脑的运行机制来实现信息处理,它主要以脉冲神经网络（SNN,Spiking Neural Networks）为基础,实现方式主要分为硬件实现和软件实现两种。硬件实现方法普遍采用专用类脑计算芯片与系统来实现脉冲神经网络。该种方法可以提供更佳的能效指标,但代价高、适应性差,当其与应用负载不匹配时,计算能效表现往往会大打折扣。软件实现方式是通过设计类脑仿真器进行功能仿真,目前比较成熟的仿真器功能完善,且拥有完整的应用生态,具有计算灵活性强,精度高等优点,但是由于计算复杂度高,存在仿真速度慢、运行功耗高等问题。如果将两种实现方式相结合,通过软硬件协同设计,对仿真器性能瓶颈或计算密集点进行硬件电路设计,则可以在保证良好应用生态的同时获得更高的计算能效。本文提出了一种基于FPGA异构平台PYNQ集群的NEST类脑仿真器的高能效实现,主要研究内容如下:第一,选择适合的类脑仿真器并对其进行性能分析。首先对几款成熟的类脑仿真器进行性能对比,通过仿真范围,计算时间等性能评价指标选出NEST仿真器作为类脑体系结构研究的研究对象。后面对NEST仿真器进行代码分析,梳理其工作流程,并通过内存消耗,计算时间,通信时间等性能指标对NEST仿真器进行负载特性建模,推测该仿真器的性能瓶颈和计算密集点,为后续针对NEST仿真器设计FPGA硬件电路加速器提供理论依据。第二,实现基于FPGA异构计算平台的NEST仿真器。通过FPGA并行与流水化设计方法实现IAF神经元“更新”硬件电路。设计软硬件数据交互接口,优化内存分配,减少数据传输总量等方法实现并优化ARM与FPGA之间的数据传输,通过数据定点量化方法增加计算并行度。通过实际测试,FPGA异构计算平台实现的NEST仿真器相比不进行加速的ARM Cortex-A9计算平台计算速度至少提升6.3倍,能效比至少提升7倍。第三,实现规模可伸缩,计算力可调整的大规模NEST类脑计算集群。通过以太网和MPI通信机制搭建NEST计算集群。通过网络文件系统优化集群文件管理,设计自动负载映射机制,实现对计算模型的初步分析,获得集群最佳性能节点数和最低运行节点数等初始数据,提升集群使用效率。实验结果表明:针对不同的计算模型,当集群以最佳节点数运行时,集群在神经元更新部分的计算性能相比AMD 3600X提升超过4.6倍,相比Intel Xeon E5-2620v2至少提升7.5倍;集群在更新能效比方面相比AMD 3600X提升超过5.3倍,相比Intel Xeon E5-2620v2超过7.9倍。
郭宇哲[4]（2021）在《基于分布式图数据库的分布式事务的设计与实现》文中研究表明随着知识图谱越来越受到大众的欢迎,各大公司都在争先恐后地把自己的数据存储到图数据库引擎上,与此同时,数据的分析与挖掘也慢慢变得重要了起来。然而对数据的挖掘需要使用大量不同类别的数据进行交叉分析,而不同类别的数据就涉及到了由不同团队负责维护的数据,通常情况下这些数据并不在同一台服务器上,甚至使用了不同的数据库来存储这些异构数据。如果对这些数据进行挖掘则要将这些数据整合起来进行分析。然而,很少有完善的事务框架可以支持这种跨数据库的事务。在传统分布式事务的框架当中,两阶段提交（2PC）协议是经典的实现方案。然而这种方案需要对使用的资源进行锁定,甚至对服务的横向扩展产生了影响。那么如何基于多个异构数据源实现分布式事务系统是本文研究的目标,本文的方案主要依据e Bay的GRIT协议。完成了以下工作:1.设计并实现了分布式事务模块,基于GRIT协议,针对图数据库做了相应优化,降低了锁的粒度。结合了乐观并发控制和确定性事务的思想,将事务的提交过程从事务的决策过程中移出,同时减少了各个模块之间的数据传输量,减少了事务的等待时间。2.根据图数据库的特点,设计了事务的并发方案,将属性和关系区分进行冲突判断,提高了事务之间的并行程度。详细设计了系统的容错恢复策略,保证在宕机时数据不会丢失,并且在一定程度上保证事务不会被因服务器宕机导致终端执行。实现了在大规模并发情况下模块的负载均衡策略,保证单模块不会成为瓶颈。3.通过对事务日志的分析,设计并实现了一个高性能的分布式流式数据存储系统,该系统使用了内存并行缓存策略,对LSM-Tree算法进行改进,解决了读写放大的问题;并且基于主从复制的策略进行数据的冗余备份;根据应用场景,实现了高效的数据缓存策略,达到了多路事务日志的高效存取的设计要求。4.在测试章节中,对上面所述两个模块和整体事务系统进行了功能和性能上的测试,功能测试结果说明事务系统和各个模块均达到了设计的要求,能够在事务执行发生异常的状况下正确的提供服务。性能测试结果说明日志的性能和事务的性能都达到了预定的目标。并且在测试的结尾结合应用场景对测试结果进行了详细分析。
孙晓康[5]（2020）在《实时以太网POWERLINK在加速器控制系统中的应用研究》文中研究说明加速器控制系统一般是基于网络的分布式控制系统,遵循所谓的“标准模型”（Standard Models）,由三部分组成:the Operator Interface、Data Communication、the Front-end Computers。数据通信在加速器控制系统中起着纽带的作用。随着加速器规模的增大和复杂度的提高,对数据通信性能的要求越来越高,而实时性是影响控制系统的关键因素,开展这方面的应用研究具有非常重要的工程应用价值。Ethernet POWERLINK（简称POWERLINK）作为一种开源实时以太网技术已广泛应用于工业控制领域,特别是有高实时性需求的场合,例如高性能的同步运动控制应用,但是在加速器控制领域,与POWERLINK相关的研究和应用还很少。EPICS作为加速器控制领域中应用最广泛的开发平台,目前还未见与POWERLINK相关的应用与研究。本论文将POWERLINK实时以太网技术和EPICS结合起来,开展了一系列的应用研究工作。首先对POWERLINK通信协议进行了分析和性能测试。基于POWERLINK协议栈的开源实现版本openPOWERLINK,我们分别搭建了基于RT-Linux PC和FPGA软核的两套测试系统。采用网络分析仪netANALYZER和Wireshark软件抓取并分析了 POWERLINK数据帧,掌握了 POWERLINK协议的数据帧结构和通信机制,并测试了两套系统的通信周期。我们还根据测试系统的实测通信参数,发展了理论计算和仿真建模两种方法来估算POWERLINK系统的通信周期。其次设计了 EPICS环境下基于千兆POWERLINK的分布式IO系统。系统从站采用基于Zynq的控制器,主站是一台RT-Linux PC,PC上运行了 IOC应用程序和内核空间下的openPOWERLINK主站程序,基于进程间Socket通信开发了相应的EPICS设备驱动程序。我们搭建了 1个主站和10个从站组成的测试系统,测试系统的通信周期最快可到275μs,控制器本地响应时间约为400μs,系统全局响应时间为870μs。通过对系统测试结果的分析,发现从站的光耦延时和主站响应延时是影响系统性能的主要因素。针对这两点,我们设计了相应的改进方案,改进方案的主从站均采用Zynq控制器来实现,从站控制器的输入/输出接口电路采用ADuM1400高速数字隔离器。基于改进方案我们搭建了由1个主站和5个从站组成的测试系统,系统的通信周期最快可到50μs,从站的本地响应时间为5μs,系统全局响应时间为160μs,测试结果表明改进方案的实时性能明显得到了提升。根据改进方案的实测结果,我们进一步完善了理论计算和仿真建模方法,从而为POWERLINK的应用设计提供了依据。最后基于千兆POWERLINK设计了合肥先进光源设备保护系统（Hefei Ad-vanced Light Facility Equipment Protection System,HALF EPS）。HALF 是由国家同步辐射实验室提出的第四代基于衍射极限储存环的同步辐射光源,目前正在开展HALF预研工程建设。HALF EPS由注入器分总体EPS和储存环分总体EPS组成,各分总体EPS基于独立的千兆POWERLINK设计,联锁控制器采用Zynq控制器。我们对HALF EPS的联锁保护逻辑进行了描述,统计了联锁信号的数量。通过理论计算和仿真建模两种方法估算了注入器EPS的响应时间分别为802.100μs和798.184μs,储存环EPS的响应时间分别为1.643ms和1.634ms,均满足10ms响应时间的设计指标。最后基于Archive Appliance设计了 HALF EPS的历史数据存档与查询系统,基于Phoebus/Alarms设计了 HALF EPS报警系统。
王卓然[6]（2020）在《雾计算环境下分布式深度学习系统的设计与实现》文中进行了进一步梳理深度学习作为支撑现代智能应用的核心技术,由于其高准确率和高可靠性,已在计算机视觉、语音识别和自然语言处理等领域得到了广泛的使用。但由于其庞大的计算开销,传统的深度学习应用往往是部署到云计算中心上执行推理,在这种计算模式下大量数据通过高延时的广域网传输至云中心往往会造成较大的通信延时。而雾计算作为云计算的衍生技术,通过将计算从中心下沉至边缘设备可以有效的解决深度学习应用响应时间过长、网络传输带宽压力过大等问题。本文结合雾计算环境的特点,为深度学习模型在边缘设备上的部署实现设计了解决方案,并在此基础上完成了雾计算环境下分布式深度学习系统的设计与实现。为了将深度学习模型部署到资源有限的边缘设备上,本文提出了一种基于Genetic-CNN算法的分布式卷积网络搜索算法,通过该算法搜索包含分支结构的卷积网络模型以便将模型部署到多个边缘设备上协同执行推理,来降低深度学习模型对边缘设备的计算需求,并尽可能的保证模型的准确率。同时在此基础上通过对进化过程中的适应度函数添加计算复杂度与结构约束来降低模型的计算开销,并提高模型的表征能力。进一步的本文还设计了基于遗传算法的分布式深度学习模型的部署算法,以便将上述模型部署到合适的计算设备上以降低计算的响应时间。具体的,本文首先介绍了雾计算环境下深度学习应用的一些研究进展,然后解决了雾计算环境下分布式卷积网络的设计、部署等关键问题;然后在此基础上对本文所述分布式深度学习系统的功能需求设计了整体的实现方案,包括总体架构、功能模块、模块间交互等,并对核心模块的设计与实现进行了详细的说明;最后搭建测试环境完成了系统的功能测试,并给出了不足之处和改进方向。
徐鹏程[7]（2020）在《工业机器人控制器实时多任务软件与感知组件研究》文中认为机器人智能作业需要融合力觉、视觉等多种传感器的数据信息,同时多核处理器和实时操作系统（RTOS）的发展,使任务组件一体化的机器人控制器系统软件成为一种面向未来的先进解决方案。本文围绕工业机器人控制器关键技术国产化及控制器系统软件自主可控的需求,系统地研究了基于开源RTOS的通用工业机器人控制器实时多任务系统软件的逻辑架构和智能接口技术的设计与实现。本文首先在综述了国内外工业机器人控制器运行平台及控制器的研究现状和需求的基础上,讨论了现代工业机器人控制器系统具备的技术特点与国产发展趋势。再从控制器系统的需求角度分析,选用了“工控机（IPC）+RTOS+工业实时以太网”的软硬件平台,分析了所选处理器与Linux+Xenomai平台的程序运行特性。随后针对控制器的软件架构,研究并引入了分布式结构与组件技术,以软PLC模块、机器人控制（RC）模块和感知接口模块为功能核心,从运行管理、核心控制和设备接口三个子系统对原先的控制器结构进行了重新设计,并给出了详细的任务间通信方案。针对多核处理器下多任务的协作要求,分析并设计了共享资源约束下“任务分组+绑核”的策略,保证了多任务同步与通信的高效性。接着就控制器对多传感器的管理问题,研究了传感器的集成模型和机器人的控制结构,详细设计了基于组件的感知接口的运行模型和工作方式。然后针对上位机监控管理软件的需求,设计并优化了运行管理子系统中实时多任务的监控管理机制与核心控制子系统中RC模块。最后,以孔轴装配应用为实例,开发了力觉和视觉传感器典型的组件任务,并对系统中所有任务进行了任务分组与绑核的策略实现,以优先级控制同一个处理器核心上不同任务的运行顺序。以埃斯顿ER4型六自由度机器人为控制对象,给出了系统集成功能测试的方案,通过实验验证了本文所设计的工业机器人实时多任务系统软件各模块功能和模块之间协作的正确性和有效性。
闫祥海[8]（2020）在《拖拉机动力换挡传动系虚拟试验关键技术研究》文中研究说明拖拉机是量大面广的重要农业动力装备,“中国制造2025”及“农机装备发展行动方案（2016-2025）”对拖拉机产品创新发展提出了以智慧农业、精准农业为目标,以网络化、数字化、智能化技术为核心,拖拉机新产品向大功率、高速、低耗、智能方向和高效复式的现代作业方式发展的新要求。动力换挡传动系（PST）是拖拉机的关键动力传动部件,可实现作业过程中动力不中断自动换挡,被广泛应用于大功率拖拉机,使拖拉机的动力性、经济性、舒适性、安全性及作业效率得到了显着提高。试验验证作为先进产品开发研制的重要技术之一,贯穿于产品需求分析、设计、研制、使用等全生命周期。虚拟试验将计算机仿真技术、测控技术、通信技术相结合,为产品的性能试验、指标考核、品质评价提供了试验新技术,将试验环境、试验系统和试验产品转换为数字化模型,测试参数的修改、控制策略的优化、试验过程的控制等在计算机上运行,消耗少、周期短、零排放,可为产品创新设计提供有效的先验指导。本研究为提高PST虚拟试验的系统可扩展性、模型重用性、模型互操作性及实时性,设计了基于体系架构的PST虚拟试验系统。通过研究PST虚拟试验关键技术,研发了涵盖模型构建、试验设计、试验运行、试验管理及试验结果评价功能的虚拟试验支撑平台,对开展拖拉机PST性能试验验证奠定了基础。研究了PST虚拟试验体系构建关键技术。根据PST试验特征,分析了PST虚拟试验功能和性能需求,研究了PST虚拟试验系统构建及运行原理。在对比分析高层体系结构（HLA）与数据分发服务（DDS）的基础上,构建了基于HLADDS复合体系的PST虚拟试验系统框架,开发了基于以太网的分布式虚拟试验系统支撑平台,为提高系统可扩展性、模型重用性、模型互操作性和实时性提供了框架支撑。研究了PST虚拟试验体系互连关键技术。在分析HLA、DDS数据交互机理及数据映射关系的基础上,对比了3种HLA与DDS互连方案,制定了基于桥接组件的PST虚拟试验系统数据交互方案。基于元模型理论和Rational Rose平台建立了桥接组件元模型和组件UML模型,制定了模型映射规则。利用Rational Rose双向工程功能,对桥接组件UML模型进行了代码转换,生成了插件框架代码。提出了基于桥接组件的虚拟试验时间推进方式和基于最小时间戳下限（LBTS）的虚拟试验时间推进算法,完善了PST虚拟试验系统数据交互机制。研究了PST虚拟试验体系建模关键技术。分析了模型改造的体系建模方法,在PST多领域仿真模型的基础上,建立了PST机械组件、PST液压组件、PST控制组件和基于Access数据库的载荷组件。分析了组件间消息对应关系,对仿真组件和载荷组件进行了HLA封装。建立了PST试验台架组件和PST控制器组件,对其进行了DDS数据类型和主题封装。实现了PST仿真组件、载荷组件和物理组件与PST虚拟试验系统的融合。研究了PST虚拟试验管理与人机交互关键技术。分析了试验管理组件运行原理,对虚拟试验基本指令格式进行了定义,开发了试验流程基本指令集库,利用XML Schema语言定义了标准的虚拟试验流程文件格式。分析了PST虚拟试验结果数据特征及数据管理原理,利用实体-联系图（E-R图）描述了数据管理数据库的逻辑结构,开发了基于数据库与版本控制系统（VCS）的试验管理组件数据管理功能。利用UML统一建模语言,建立了试验管理组件静态类图和动态活动图,开发了界面友好的试验管理组件。对试验监控组件运行原理进行了分析,基于Lab VIEW软件开发了试验监控组件。研究了PST虚拟试验验证关键技术。测取了拖拉机机组犁耕、旋耕和驱动耙3种作业田间实验的PST输出轴转矩载荷,采用经验模态分解软阈值降噪方法对载荷进行了预处理,采用边界局部特征尺度延拓算法抑制了载荷分解过程中出现的端点效应。通过对载荷频次外推与合成,建立了典型单工况、综合多工况下PST虚拟试验验证载荷环境。对试验数据中隐含的PST挡位、作业工况和换挡信息等关键参数进行了提取。研究了基于灰度关联法和经验模态分解法的虚拟试验与台架试验结果一致性检验方法。对桥接组件数据传输时延和传输吞吐量性能进行了测试,测试结果表明,桥接组件满足系统设计需求。对PST电控单元性能、换挡离合器接合规律、起步品质和换挡品质进行了虚拟试验,虚拟试验与台架试验结果具有高度一致性,证明了PST虚拟试验系统的有效性。研发的虚拟试验系统具有可扩展、模型重用、模型互操作及实时的优势,为拖拉机新产品的开发验证提供了新方法与技术。
肖韬睿[9]（2020）在《分布式综合业务开发平台的设计与实现》文中研究说明为满足当前业务开发,部门搭建了自主研发的综合业务信息系统开发平台（下文简称开发平台）以支持团队协同开发。由于业务量的提升以及开发人员协同工作量的增加,部门需要将原本单服务器的开发平台向多服务器的分布式模式转变。在实际的开发过程中,分布式环境将面临巨大的挑战,例如服务器宕机问题,因此,保证开发平台的高可用性和程序员编写代码的一致性是基本要求。本文主要研究程序员在分布式开发平台进行协同开发时,满足在不同应用场景下维持代码版本一致性,以及在分布式系统中衍生出来的服务器负载均衡问题。论文主要研究工作包括:1)引入分布式开发平台的技术多智能体系统（Multi-Agent System,MAS）完成了分布式开发平台设计,其中包括技术架构和功能组成。2)基于JADE并利用多台服务器搭建集群环境,论述了实现方法。3)利用搭建的分布式环境,通过理论的分析与建模,设计了系统中的Agent模块并详细分析了各个模块的功能,同时分析了各种一致性算法的利弊。通过实验仿真,模拟服务器宕机场景,验证了这种基于MAS的一致性算法决策的可行性。其次,利用其基于环境管理的优势,解决在不同应用场景下系统能进行一致性算法的决策（选择）问题,实现在分布式服务器上代码的同步。4)在概率gossip算法的基础上,设计了一种寄存器gossip算法,在对称假设下建立期望收敛模型,加快gossip算法的收敛速度,提高了服务器的负载均衡效率。
于斌[10]（2019）在《MSVL程序的高效运行时验证方法研究》文中提出建模仿真验证语言（Modeling,Simulation and Verification Language,简称MSVL）是一种时序逻辑程序设计语言,是投影时序逻辑（Projection Temporal Logic,简称PTL）的可执行子集,其包含丰富的数据结构、函数调用以及同步和异步通信机制,已成功应用于并发系统、反应式系统和嵌入式实时系统的模型描述、路径仿真和形式化验证。作为PTL的命题形式,命题投影时序逻辑（Propositional PTL,简称PPTL）具有完全正则表达能力,能够方便地对顺序、并行、区间相关和周期重复的性质进行描述。基于统一的PTL逻辑框架,现有的方法已经实现了对MSVL程序的运行时验证,用于检测程序的动态执行轨迹是否满足期望的PPTL性质。然而,目前的验证方法存在一些不足:首先,针对单条执行路径的时序逻辑性质验证,没有充分利用当前已经广泛普及的多核设备和分布式网络,导致验证效率不高;其次,针对程序执行中分配的内存区域,没有进行动态追踪,使得程序中存在的内存泄漏问题无法被及时发现;最后,针对含有分支路径的时序逻辑性质验证,不能保证发现的反例是所有路径中最短的,导致验证过程需要探索更多的状态空间。为了解决以上问题,本文围绕MSVL程序的高效运行时验证展开,主要工作概括如下:首先,提出了基于单机多核系统的MSVL程序并行运行时验证方法。该方法将程序执行生成的状态序列分为若干个被同时验证的片段,每个片段由一个线程池负责,线程池中的多个线程同时对一个片段进行验证,当一定数目的片段被验证后,这些片段的验证结果会被及时汇总以检测能否得到最终的验证结果。基于LLVM平台,开发了验证器PPTLCheck,实验结果表明相较于目前的验证工具,PPTLCheck的验证效率更高,并适用于大规模程序的完全正则性质的验证。作为验证实例,研究了多线程程序中多个子线程是否正确交替执行的验证问题,在对问题进行建模和性质描述后,使用PPTLCheck工具对多线程程序的动态执行进行验证。然后,提出了基于分布式网络的MSVL程序并行运行时验证方法。该方法利用分布式网络中性能各异的多核机器对程序执行产生的状态序列片段同时进行验证,在每台机器中,一个片段进而又被分为若干个能够被并行验证的子片段。为了多台机器高效合作,建立了用于消息传递的通信机制和任务分配的调度机制,并给出了一种自适应算法以自动调节不同机器中验证线程的数量。开发了基于局域网的PPTLCheck+工具,实验结果表明,PPTLCheck+比PPTLCheck具有更高的验证效率。作为验证实例,研究了SQLite3数据库提供的API在调用过程中是否符合规范的验证问题,为此,开发了SQLite3Check工具,其通过分析网页上描述的API调用规范,得到相应的PPTL公式描述后,使用PPTLCheck+对调用SQLite3数据库API的程序进行检测。进而,提出了针对MSVL程序内存泄漏的运行时检测方法。该方法采用动态符号执行技术尽可能多地运行程序的不同路径,在每条路径的执行过程中,后端检测器跟踪每个被访问的动态分配的内存块,计算指向每个内存块的指针数量,判断其是否发生泄露,并记录内存泄露位置和指向每个泄露内存块的变量变化情况,在程序执行后,将相应的内存释放语句添加到代码合适位置。基于KLEE工具和MSVL编译器,开发了DEF LEAK工具,实验结果表明,DEF LEAK能够发现更多的内存泄露,并更有效地帮助开发人员理解泄露发生的原因以安全修复内存泄露。最后,提出了含有非确定选择语句的MSVL程序的统一限界运行时验证方法。该方法基于MSVL的统一运行时验证方法和PPTL限界语义,构造深度递增的有界带标记的范式图（Bounded Labeled Normal Form Graph,简称BLNFG）,以发现所有分支上违反性质的最短前缀,在资源有限或者不要求整个路径满足性质的情况下,该方法可用于说明在一定的搜索深度内,程序中不存在反例路径。以经典的互斥问题、哲学家就餐问题和银行家算法为案例,说明了所提验证方法对实际问题的有效性。
二、pC++:一个分布式的对象并行语言（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、pC++:一个分布式的对象并行语言（论文提纲范文）
（1）大规模数据实时绘制关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 背景与意义 |
| 1.2 研究现状 |
| 1.2.1 体数据绘制 |
| 1.2.2 大规模地理地形绘制 |
| 1.2.3 反走样技术 |
| 1.2.4 GPU绘制 |
| 1.2.5 并行绘制 |
| 1.3 本文工作 |
| 1.4章节安排 |
| 第2章 性能挑战与评价方法 |
| 2.1 引言 |
| 2.2 性能瓶颈分析 |
| 2.2.1 多线程绘制 |
| 2.2.2 绘制瓶颈 |
| 2.2.3 数据规模 |
| 2.3 并行绘制性能 |
| 2.3.1 负载平衡 |
| 2.3.2 图像合成 |
| 2.3.3 图像解压缩 |
| 2.4 评价方法 |
| 2.4.1 时间复杂度 |
| 2.4.2 并行粒度 |
| 2.4.3 空间复杂度 |
| 2.4.4 绘制质量 |
| 2.5 本章小结 |
| 第3章 数据并行化体绘制及光照计算 |
| 3.1 引言 |
| 3.2 体绘制 |
| 3.2.1 体数据 |
| 3.2.2 体绘制方程 |
| 3.2.3 体绘制方法 |
| 3.3 体数据光照计算 |
| 3.3.1 体绘制全局光照 |
| 3.3.2 单绘制遍多切片MSPP算法 |
| 3.3.3 基于切片的光线投射SBRC算法 |
| 3.4 体绘制并行化 |
| 3.5 本章小结 |
| 第4章 大规模地形数据高效组织与绘制 |
| 4.1 引言 |
| 4.2 大规模地理地形数据 |
| 4.2.1 数字高程模型 |
| 4.2.2 数字正射影像 |
| 4.3 可伸缩三维地理地形绘制 |
| 4.3.1 算法概述 |
| 4.3.2 关键步骤及实现 |
| 4.3.3 实验结果与分析 |
| 4.4 本章小结 |
| 第5章 数据绘制中的反走样技术 |
| 5.1 引言 |
| 5.2 反走样方法 |
| 5.2.1 走样原因 |
| 5.2.2 反走样基本思路 |
| 5.2.3 主流反走样方法 |
| 5.3 子像素连续边界反走样SRCE算法 |
| 5.3.1 算法概述 |
| 5.3.2 关键步骤及实现 |
| 5.3.3 实验结果与分析 |
| 5.4 一种大场景反走样绘制架构 |
| 5.4.1 算法概述 |
| 5.4.2 关键步骤及实现 |
| 5.4.3 实验结果与分析 |
| 5.5 本章小结 |
| 第6章 大规模数据并行绘制虚拟化框架 |
| 6.1 引言 |
| 6.2 并行绘制 |
| 6.2.1 体系结构 |
| 6.2.2 数据与绘制资源 |
| 6.2.3 并行绘制框架 |
| 6.3 PRVF框架结构 |
| 6.3.1 绘制资源层 |
| 6.3.2 并行绘制虚拟化层 |
| 6.3.3 应用层 |
| 6.3.4 实验结果与分析 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 工作总结 |
| 7.2 未来展望 |
| 参考文献 |
| 在读期间科研成果 |
| 致谢 |
（2）基于SNN的类脑计算工作负载映射方法研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 SNN与类脑计算研究现状分析 |
| 1.2.2 SNN负载特性研究现状分析 |
| 1.3 本文主要工作 |
| 1.4 论文结构 |
| 第二章 类脑计算相关基础介绍 |
| 2.1 脉冲神经网络 |
| 2.1.1 神经元模型 |
| 2.1.2 突触模型 |
| 2.1.3 网络拓扑 |
| 2.1.4 学习算法 |
| 2.2 SNN工作负载 |
| 2.2.1 SNN工作负载影响因素 |
| 2.2.2 典型SNN工作负载公式 |
| 2.2.3 SNN工作负载的映射问题 |
| 2.3 SNN仿真工具的对比分析 |
| 2.4 负载获取工具的对比分析 |
| 2.5 PYNQ集群类脑计算平台设计 |
| 2.5.1 PYNQ-Z2 计算节点 |
| 2.5.2 PYNQ框架 |
| 2.5.3 软件仿真器的选择 |
| 2.5.4 单节点实现 |
| 2.5.5 集群架构 |
| 2.5.6 PYNQ集群文件系统优化 |
| 2.6 本章小结 |
| 第三章 基于NEST的工作负载模型实例化研究 |
| 3.1 NEST仿真器 |
| 3.1.1 NEST总体架构 |
| 3.1.2 NEST并行机制 |
| 3.1.3 NEST建立机制 |
| 3.1.4 NEST仿真机制 |
| 3.1.5 NEST通信机制 |
| 3.2 工作负载建模实例化 |
| 3.2.1 内存负载模型 |
| 3.2.2 计算时间负载模型 |
| 3.2.3 通信时间负载模型 |
| 3.3 本章小结 |
| 第四章 SNN工作负载自动映射器SWAM的研究与实现 |
| 4.1 SWAM整体介绍 |
| 4.1.1 参数分类 |
| 4.1.2 SWAM流程介绍 |
| 4.2 内存参数的量化设计 |
| 4.3 时间参数的量化设计 |
| 4.3.1 通信时间量化 |
| 4.3.2 设备、神经元、突触模型的时间量化 |
| 4.4 自动化设计 |
| 4.4.1 映射专用脚本设计 |
| 4.4.2 Auto_Collect设计 |
| 4.4.3 Auto_Forecast设计 |
| 4.4.4 Auto_Map设计 |
| 4.4.5 负载可视化 |
| 4.5 实验与总结 |
| 4.5.1 实验环境介绍 |
| 4.5.2 测试用例 |
| 4.5.3 获取建模参数 |
| 4.5.4 负载预测与计算密集点分析 |
| 4.5.5 节点映射 |
| 4.5.6 实验对比 |
| 4.5.7 资源消耗评估 |
| 4.6 本章小结 |
| 第五章 基于高能效PYNQ类脑平台的SWAM负载评估与分析 |
| 5.1 PYNQ集群软硬件协同设计 |
| 5.1.1 内存分配 |
| 5.1.2 通用数据传输接口设计 |
| 5.1.3 IAF神经元的硬件设计 |
| 5.1.4 IAF神经元数据传输优化 |
| 5.1.5 IAF神经元计算定点化 |
| 5.2 SWAM负载评估与分析 |
| 5.2.1 平台负载评估 |
| 5.2.2 加速判断与调用 |
| 5.2.3 负载预测与节点映射 |
| 5.3 本章小结 |
| 第六章 主要结论与展望 |
| 6.1 课题研究总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士期间发表的论文、成果和科研项目 |
（3）基于FPGA的脉冲神经网络加速器研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要工作 |
| 1.4 论文结构 |
| 第二章 脉冲神经网络及仿真器介绍 |
| 2.1 脉冲神经网络 |
| 2.1.1 神经元模型 |
| 2.1.2 突触模型 |
| 2.1.3 脉冲神经网络网络拓扑 |
| 2.2 脉冲神经网络仿真器 |
| 2.3 脉冲神经网络仿真器性能对比 |
| 2.4 本章小结 |
| 第三章 NEST仿真器及其负载特性分析 |
| 3.1 NEST运行机制 |
| 3.2 NEST仿真器负载特性分析 |
| 3.2.1 NEST内存负载模型 |
| 3.2.2 NEST计算时间负载特性 |
| 3.2.3 NEST通信负载分析模型 |
| 3.3 实际计算模型分析 |
| 3.3.1 皮质层视觉模型 |
| 3.3.2 皮层微电路模型 |
| 3.4 本章小结 |
| 第四章 基于FPGA的 NEST软硬件协同设计 |
| 4.1 PYNQ平台介绍 |
| 4.1.1 PYNQ-Z2 介绍 |
| 4.1.2 PYNQ框架介绍 |
| 4.2 硬件设计 |
| 4.3 软硬架构设计及优化 |
| 4.3.1 PYNQ-Z2 内存分配 |
| 4.3.2 通用数据传输接口设计 |
| 4.3.3 数据传输优化 |
| 4.3.4 计算数据定点化 |
| 4.4 整体设计 |
| 4.5 测试与分析 |
| 4.5.1 准确率测试 |
| 4.5.2 计算性能对比 |
| 4.6 本章小结 |
| 第五章 基于PYNQ集群的高能效NEST仿真器 |
| 5.1 PYNQ计算集群的实现 |
| 5.2 基于PYNQ集群的NEST仿真器实现 |
| 5.2.1 运行机制 |
| 5.2.2 PYNQ集群文件系统优化 |
| 5.3 集群自动负载映射器设计 |
| 5.3.1 自动负载映射器工作流程 |
| 5.3.2 参数量化 |
| 5.3.3 映射专用脚本设计 |
| 5.3.4 自动网络采集模块 |
| 5.3.5 自动预测与自动映射模块 |
| 5.4 PYNQ集群最佳节点数评估 |
| 5.5 PYNQ集群性能与能效评估 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间取得的成果 |
（4）基于分布式图数据库的分布式事务的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 引言 |
| 1.1 研究工作背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要研究工作 |
| 1.4 本文的组织结构 |
| 第二章 相关理论和技术综述 |
| 2.1 LSM-Tree |
| 2.2 一致性hash |
| 2.3 分布式理论相关介绍 |
| 2.3.1 CAP原则 |
| 2.3.2 BASE理论 |
| 2.3.3 事务的隔离级别 |
| 2.3.4 柔性事物 |
| 2.3.5 一致性模型 |
| 2.4 事务相关理论介绍 |
| 2.4.1 二阶段提交(2PC) |
| 2.4.2 三阶段提交(3PC) |
| 2.4.3 TCC补偿型事务 |
| 2.4.4 基于消息的分布式事务 |
| 2.5 分布式数据库事务的关键技术 |
| 2.5.1 Percolator事务模型 |
| 2.5.2 Calvin事务模型 |
| 2.5.3 Spanner事务模型 |
| 2.5.4 GRIT事务协议 |
| 2.6 本章小结 |
| 第三章 系统整体设计 |
| 3.1 应用场景及需求分析 |
| 3.2 系统整体设计 |
| 3.3 系统模块设计 |
| 3.4 关键技术 |
| 3.4.1 分布式事务的设计 |
| 3.4.2 事务负载均衡策略 |
| 3.4.3 事务并发方案 |
| 3.4.4 高性能流式数据存储技术 |
| 3.4.5 定时器技术 |
| 3.4.6 事务容错方案 |
| 3.4.7 可能存在的瓶颈 |
| 3.5 本章小结 |
| 第四章 系统模块的实现 |
| 4.1 网络基础模块的实现 |
| 4.1.1 网络库的设计 |
| 4.1.2 网络库的设计实现 |
| 4.1.3 通信协议的设计与实现 |
| 4.2 高性能流式数据存储模块的实现 |
| 4.2.1 工作节点的实现 |
| 4.2.2 管理节点的实现 |
| 4.3 分布式事务模块的实现 |
| 4.3.1 GTM |
| 4.3.2 DBTM |
| 4.3.3 DBTL |
| 4.3.4 Log Player |
| 4.4 本章小结 |
| 第五章 系统测试及分析 |
| 5.1 测试环境 |
| 5.2 功能测试 |
| 5.2.1 网络模块功能测试 |
| 5.2.2 日志模块功能测试 |
| 5.2.3 事务模块功能测试 |
| 5.3 性能测试 |
| 5.3.1 网络模块性能测试 |
| 5.3.2 日志模块性能测试 |
| 5.3.3 事务系统性能测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 致谢 |
| 参考文献 |
（5）实时以太网POWERLINK在加速器控制系统中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 加速器控制系统简介 |
| 1.1.2 实时性分类和实时以太网 |
| 1.1.3 加速器控制系统中的实时性需求 |
| 1.2 国内外研究现状 |
| 1.2.1 基于POWERLINK的ALBA设备保护系统 |
| 1.2.2 CERN在辐射区域关于POWERLINK的应用研究 |
| 1.2.3 上海光源的光束线前端真空泄漏快保护系统 |
| 1.3 论文工作的主要内容及创新点 |
| 第2章 POWERLINK通信协议研究 |
| 2.1 POWERLINK协议介绍 |
| 2.1.1 POWERLINK协议的基本特性 |
| 2.1.2 POWERLINK协议的网络模型 |
| 2.2 POWERLINK协议的实现 |
| 2.2.1 基于Linux系统实现POWERLINK协议 |
| 2.2.2 基于FPGA实现POWERLINK协议 |
| 2.2.3 测试小结 |
| 2.3 POWERLINK通信周期的理论计算 |
| 2.4 POWERLINK通信协议的仿真建模 |
| 2.4.1 OMNeT++仿真器 |
| 2.4.2 POWERLINK通信节点建模 |
| 第3章 EPICS环境下基于POWERLINK的分布式IO系统 |
| 3.1 主站PC方案的系统设计与开发 |
| 3.1.1 系统架构设计 |
| 3.1.2 主站程序的开发 |
| 3.1.3 从站控制器的设计与开发 |
| 3.1.4 测试系统搭建 |
| 3.1.5 系统性能测试与分析 |
| 3.2 全站FPGA方案的系统设计与开发 |
| 3.2.1 系统架构设计 |
| 3.2.2 从站控制器的设计与开发 |
| 3.2.3 EPICS设备驱动程序的开发 |
| 3.2.4 测试系统搭建 |
| 3.2.5 系统性能测试与分析 |
| 3.3 全站FPGA方案通信周期的理论计算 |
| 3.4 全站FPGA方案的仿真建模 |
| 第4章 HALF设备保护系统的设计 |
| 4.1 HALF预研工程 |
| 4.2 加速器中的设备保护系统 |
| 4.2.1 设备保护系统的任务 |
| 4.2.2 国内外加速器的机器保护系统调研 |
| 4.3 HALF设备保护系统设计 |
| 4.3.1 HALF设备保护系统任务 |
| 4.3.2 HALF设备保护系统设计原则 |
| 4.3.3 HALF设备保护系统运行模式 |
| 4.3.4 HALF设备保护系统总体结构 |
| 4.3.5 联锁输入信号的预处理 |
| 4.4 注入器EPS设计 |
| 4.4.1 电子枪联锁系统 |
| 4.4.2 真空联锁系统 |
| 4.4.3 冷却水联锁系统 |
| 4.4.4 注入器分总体EPS联锁信号总结 |
| 4.4.5 注入器设备保护系统实时性能评估 |
| 4.5 储存环分总体EPS设计 |
| 4.5.1 真空联锁系统 |
| 4.5.2 冷却水联锁系统 |
| 4.5.3 真空部件温度联锁系统 |
| 4.5.4 高频联锁系统 |
| 4.5.5 注入联锁系统 |
| 4.5.6 储存环分总体EPS联锁信号总结 |
| 4.5.7 储存环设备保护系统实时性能评估 |
| 4.6 HALF设备保护系统的信息报警 |
| 4.7 HALF设备保护系统的历史数据存档与查询 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（6）雾计算环境下分布式深度学习系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.3.1 分布式深度学习系统设计 |
| 1.3.2 分布式深度学习模型的设计 |
| 1.3.3 分布式深度学习模型的部署 |
| 1.4 论文组织与结构 |
| 第二章 相关技术介绍 |
| 2.1 Docker微服务技术介绍 |
| 2.2 Mina框架介绍 |
| 2.3 遗传算法 |
| 2.4 Genetic-CNN算法 |
| 2.5 本章小结 |
| 第三章 需求分析 |
| 3.1 系统整体需求 |
| 3.2 核心功能需求 |
| 3.2.1 分布式深度学习模型的生成 |
| 3.2.2 分布式深度学习模型的部署 |
| 3.2.3 深度学习任务异常监控 |
| 3.3 非核心功能需求 |
| 3.4 本章小结 |
| 第四章 关键问题研究及解决方案 |
| 4.1 分布式深度学习模型设计 |
| 4.1.1 场景分析 |
| 4.1.2 基于Genetic-CNN的分布式卷积神经网络生成算法 |
| 4.1.3 实验验证 |
| 4.2 基于遗传算法的分布式深度学习模型的部署 |
| 4.2.1 系统模型与问题的构建 |
| 4.2.2 基于遗传算法的分布式卷积网络部署算法的实现 |
| 4.2.3 实验验证与分析 |
| 4.3 本章小结 |
| 第五章 系统总体设计 |
| 5.1 总体架构 |
| 5.2 系统主要功能模块 |
| 5.2.1 分布式深度学习模型生成模块 |
| 5.2.2 分布式深度学习模型部署模块 |
| 5.2.3 异常监控模块 |
| 5.2.4 计算设备模块 |
| 5.2.5 其它模块 |
| 5.3 系统模块交互及核心模块工作流程 |
| 5.3.1 系统模块交互与接口设计 |
| 5.3.2 分布式深度学习模型的生成 |
| 5.3.3 分布式深度学习模型的部署 |
| 5.3.4 深度学习任务的异常监控 |
| 5.3.5 分布式深度学习任务的执行 |
| 5.4 本章小结 |
| 第六章 关键模块设计与实现 |
| 6.1 分布式深度学习模型生成模块 |
| 6.1.1 类图与方法说明 |
| 6.1.2 模块工作流程与接口说明 |
| 6.2 分布式深度学习模型部署模块 |
| 6.2.1 类图与方法说明 |
| 6.2.2 模块工作流程与接口说明 |
| 6.3 异常监控模块 |
| 6.3.1 类图与方法说明 |
| 6.3.2 模块工作流程与接口说明 |
| 6.4 分布式深度学习任务微服务 |
| 6.4.1 类图与方法说明 |
| 6.4.2 模块工作流程与接口说明 |
| 6.5 本章小结 |
| 第七章 系统部署与测试 |
| 7.1 测试环境部署 |
| 7.1.1 部署环境 |
| 7.1.2 部署方案 |
| 7.2 单元测试 |
| 7.3 测试结果 |
| 7.4 本章小结 |
| 第八章 总结与展望 |
| 8.1 论文工作总结 |
| 8.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表的论文 |
（7）工业机器人控制器实时多任务软件与感知组件研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 工业机器人控制器关键技术研究现状 |
| 1.2.1 控制器系统运行平台 |
| 1.2.2 国内外机器人控制器研究现状 |
| 1.2.3 控制器感知功能接口技术 |
| 1.2.4 实时操作系统多核处理器编程技术 |
| 1.3 已有工作基础与论文主要研究内容 |
| 1.4 论文组织架构 |
| 第二章 需求分析与系统平台选型 |
| 2.1 机器人控制器系统需求分析 |
| 2.1.1 系统功能需求 |
| 2.1.2 组件技术 |
| 2.1.3 控制器实时性分析 |
| 2.2 控制器运行平台选型 |
| 2.2.1 控制器系统硬件框架 |
| 2.2.2 处理器选型 |
| 2.2.3 操作系统选型 |
| 2.3 实时操作系统平台任务调度模型分析 |
| 2.3.1 Linux+Xenomai任务运行模型 |
| 2.3.2 任务运行模型可能导致的问题 |
| 2.4 本章小结 |
| 第三章 控制器实时系统软件设计与多任务协作研究 |
| 3.1 机器人控制软件架构研究 |
| 3.2 机器人控制器实时多任务系统软件设计 |
| 3.2.1 控制器系统软件架构设计 |
| 3.2.2 运行管理子系统 |
| 3.2.3 核心控制子系统 |
| 3.2.4 设备接口子系统 |
| 3.3 实时多任务通信方案设计 |
| 3.3.1 核心控制子系统内部通信设计 |
| 3.3.2 设备接口与核心控制子系统通信设计 |
| 3.4 实时多任务多核处理器分配方式研究 |
| 3.4.1 任务分组 |
| 3.4.2 共享资源约束下的任务相关度 |
| 3.4.3 处理器核的选择策略 |
| 3.5 本章小结 |
| 第四章 控制器组件式智能感知接口设计与管理 |
| 4.1 智能感知接口模块架构设计 |
| 4.1.1 多传感器集成融合模型研究 |
| 4.1.2 组件式智能感知接口模块架构设计 |
| 4.2 机器人异构多传感器控制结构设计 |
| 4.2.1 机器人控制结构研究 |
| 4.2.2 基于智能感知接口的控制结构设计 |
| 4.3 智能感知接口运行管理机制设计 |
| 4.3.1 感知接口模块运行模型 |
| 4.3.2 感知组件状态转换 |
| 4.3.3 运行管理任务设计 |
| 4.4 本章小结 |
| 第五章 机器人系统智能作业功能开发与完善 |
| 5.1 控制器实时多任务软件改进与完善 |
| 5.1.1 实时多任务监控管理机制设计与实现 |
| 5.1.2 机器人控制模块改进与完善 |
| 5.2 智能感知组件典型任务模块开发 |
| 5.2.1 六维力传感器 |
| 5.2.2 视觉传感器 |
| 5.2.3 面向孔轴装配作业的控制系统设计 |
| 5.3 多任务绑核调度策略实现 |
| 5.3.1 多任务分组绑定 |
| 5.3.2 任务组优先级分配 |
| 5.4 本章小结 |
| 第六章 系统功能验证与集成实验 |
| 6.1 系统测试方案设计 |
| 6.2 控制器模块功能测试 |
| 6.2.1 控制器系统软件静态测试 |
| 6.2.2 实时多任务管理监控功能测试 |
| 6.2.3 感知接口功能测试 |
| 6.3 控制器集成功能测试 |
| 6.3.1 拖拽功能测试 |
| 6.3.2 孔轴装配应用开发与测试 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 作者在攻读硕士学位期间发表的论文和科研成果 |
（8）拖拉机动力换挡传动系虚拟试验关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 PST原理、结构及试验技术 |
| 1.2.1 PST原理与结构 |
| 1.2.2 PST性能与评价方法 |
| 1.2.3 PST试验技术现状与发展趋势 |
| 1.3 PST虚拟试验原理、方法与现状 |
| 1.3.1 虚拟试验概念与原理 |
| 1.3.2 PST虚拟试验现状与发展趋势 |
| 1.3.3 虚拟试验系统构建方法与特点 |
| 1.4 研究的主要内容及技术路线 |
| 1.4.1 研究的主要内容 |
| 1.4.2 研究的技术路线 |
| 第2章 PST虚拟试验系统构建 |
| 2.1 PST虚拟试验系统需求分析 |
| 2.1.1 系统功能需求 |
| 2.1.2 系统性能需求 |
| 2.2 PST虚拟试验系统构建原理 |
| 2.2.1 功能实现模块 |
| 2.2.2 数据传输模块 |
| 2.2.3 运行管理模块 |
| 2.3 PST虚拟试验系统设计 |
| 2.3.1 支撑体系对比分析 |
| 2.3.2 基于HLA的虚拟试验系统 |
| 2.3.3 基于HLA-DDS的虚拟试验系统 |
| 2.3.4 虚拟试验系统硬件支撑平台 |
| 2.4 PST虚拟试验系统技术分析 |
| 2.5 小结 |
| 第3章 PST虚拟试验系统桥接组件开发 |
| 3.1 HLA与 DDS数据交互机理 |
| 3.1.1 HLA体系数据交互机理 |
| 3.1.2 DDS体系数据交互机理 |
| 3.1.3 体系间数据映射关系 |
| 3.2 基于桥接组件的HLA与 DDS互连 |
| 3.2.1 HLA与 DDS互连方案设计 |
| 3.2.2 桥接组件结构原理分析 |
| 3.3 基于元模型的桥接组件开发 |
| 3.3.1 元模型理论 |
| 3.3.2 桥接组件元模型 |
| 3.3.3 基于元模型的桥接组件UML模型 |
| 3.3.4 模型映射及桥接组件插件生成 |
| 3.4 虚拟试验系统时间管理 |
| 3.4.1 时间推进方式 |
| 3.4.2 时间推进算法 |
| 3.5 小结 |
| 第4章 PST虚拟试验系统建模 |
| 4.1 基于体系的多领域建模方法 |
| 4.1.1 HLA多领域建模方法 |
| 4.1.2 DDS多领域建模方法 |
| 4.2 系统仿真组件建立 |
| 4.2.1 PST机械组件 |
| 4.2.2 PST液压组件 |
| 4.2.3 PST控制组件 |
| 4.3 系统载荷组件建立 |
| 4.3.1 载荷数据库 |
| 4.3.2 载荷组件SOM |
| 4.3.3 组件间消息映射关系 |
| 4.4 系统物理组件建立 |
| 4.4.1 PST试验台架组件 |
| 4.4.2 PST控制器组件 |
| 4.5 组件接口封装 |
| 4.5.1 仿真组件HLA封装 |
| 4.5.2 载荷组件HLA封装 |
| 4.6 小结 |
| 第5章 PST虚拟试验系统试验管理与监控 |
| 5.1 试验管理组件运行原理 |
| 5.1.1 试验管理组件架构 |
| 5.1.2 试验管理组件流程基本指令 |
| 5.1.3 试验管理组件流程文件 |
| 5.1.4 试验管理组件数据管理 |
| 5.2 试验管理组件设计 |
| 5.2.1 试验管理组件静态类图 |
| 5.2.2 试验管理组件动态活动图 |
| 5.2.3 试验管理组件界面 |
| 5.3 试验监控组件运行原理及设计 |
| 5.3.1 试验监控组件运行原理 |
| 5.3.2 基于LabVIEW的试验监控组件设计 |
| 5.4 小结 |
| 第6章 PST虚拟试验系统产品试验验证 |
| 6.1 试验验证载荷环境建立 |
| 6.1.1 田间实验载荷获取 |
| 6.1.2 EMD软阈值载荷降噪 |
| 6.1.3 载荷统计特性分析 |
| 6.1.4 载荷频次外推与合成 |
| 6.2 试验数据分析与处理 |
| 6.2.1 试验关键参数提取 |
| 6.2.2 基于一致性检验的试验数据有效性评估 |
| 6.3 系统桥接组件性能测试与分析 |
| 6.3.1 数据传输时延性能测试与分析 |
| 6.3.2 数据传输吞吐量性能测试与分析 |
| 6.4 虚拟试验系统试验验证分析 |
| 6.4.1 电控单元虚拟试验分析 |
| 6.4.2 离合器接合规律虚拟试验分析 |
| 6.4.3 起步品质虚拟试验分析 |
| 6.4.4 换挡品质虚拟试验分析 |
| 6.5 小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 缩略语词汇表 |
| 附录 I 桥接组件代码框架文件 |
| 致谢 |
| 攻读博士学位期间的研究成果 |
（9）分布式综合业务开发平台的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词 |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 课题研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 课题研究内容及主要工作 |
| 1.4 论文结构 |
| 第二章 技术研究与分析 |
| 2.1 分布式一致性理论 |
| 2.1.1 分布式系统 |
| 2.1.2 CAP理论 |
| 2.2 一致性算法 |
| 2.2.1 2PC和3PC |
| 2.2.2 Paxos |
| 2.2.3 Raft |
| 2.2.4 gossip |
| 2.3 多智能体系统(MAS) |
| 2.3.1 背景介绍 |
| 2.3.2 Agent简介 |
| 2.3.3 MAS的特征 |
| 2.4 本章小结 |
| 第三章 分布式开发平台设计 |
| 3.1 技术架构 |
| 3.1.1 平台技术途径 |
| 3.1.2 平台架构设计 |
| 3.2 功能组成 |
| 3.2.1 业务功能 |
| 3.2.2 分布式服务功能 |
| 3.3 本章小结 |
| 第四章 JADE平台服务的实现 |
| 4.1 JADE概述 |
| 4.1.1 MAS总体布局 |
| 4.1.2 JADE功能 |
| 4.1.3 Agent平台模型 |
| 4.2 JADE实现 |
| 4.2.1 JADE中Agent与其他技术结合方法 |
| 4.2.2 JADE服务实现 |
| 4.3 本章小结 |
| 第五章 一致性服务的实现与实验 |
| 5.1 SD-PAXOS模块 |
| 5.1.1 算法特点 |
| 5.1.2 SD-Paxos |
| 5.1.3 SD-Paxos模块设计 |
| 5.2 JRAFT模块 |
| 5.2.1 JRaft的总体功能 |
| 5.2.2 JRaft模块设计 |
| 5.3 常驻算法选择实验 |
| 5.4 AGENT决策模块及实验 |
| 5.4.1 Agent决策模块设计 |
| 5.4.2 实验设计 |
| 5.4.3 实验过程及分析 |
| 5.5 本章小结 |
| 第六章 负载均衡效率优化算法 |
| 6.1 算法设计 |
| 6.1.1 分布式平均 |
| 6.1.2 概率gossip算法 |
| 6.1.3 R-gossip算法 |
| 6.2 负载均衡实验 |
| 6.2.1 实验设计 |
| 6.2.2 实验分析 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 研究总结 |
| 7.2 未来展望 |
| 参考文献 |
| 致谢 |
| 在学期间发表的学术论文及取得的研究成果 |
（10）MSVL程序的高效运行时验证方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 时序逻辑的研究现状 |
| 1.2.2 时序逻辑编程的研究现状 |
| 1.2.3 运行时验证方法的研究现状 |
| 1.2.4 目前方法存在的问题 |
| 1.3 本文研究内容 |
| 1.4 论文组织结构 |
| 第二章 技术背景 |
| 2.1 投影时序逻辑 |
| 2.1.1 语法 |
| 2.1.2 语义 |
| 2.1.3 导出公式与逻辑规则 |
| 2.2 命题投影时序逻辑 |
| 2.3 MSVL及MSVL编译器 |
| 2.4 运行时验证方法 |
| 2.4.1 基本原理 |
| 2.4.2 运行时验证与其他验证方法的对比 |
| 2.4.3 运行时验证的应用范围 |
| 2.5 本章小结 |
| 第三章 基于单机多核系统的并行运行时验证方法 |
| 3.1 MSVL程序的传统运行时验证方法 |
| 3.2 基于单机多核系统的并行运行时验证方法 |
| 3.2.1 基本框架 |
| 3.2.2 插桩 |
| 3.2.3 验证任务分配和结果合并 |
| 3.2.4 验证模块中的相关算法 |
| 3.3 实现和评价 |
| 3.3.1 实现 |
| 3.3.2 验证效率评价 |
| 3.3.3 验证规模评价 |
| 3.3.4 并行机制对性能的提升 |
| 3.4 验证实例 |
| 3.4.1 问题背景 |
| 3.4.2 问题模型 |
| 3.4.3 性质描述 |
| 3.4.4 验证结果 |
| 3.5 本章小结 |
| 第四章 基于分布式网络的并行运行时验证方法 |
| 4.1 基于分布式网络的并行运行时验证方法 |
| 4.1.1 基本框架 |
| 4.1.2 调度算法 |
| 4.1.3 单个机器中序列片段的并行验证 |
| 4.2 实现和评价 |
| 4.2.1 实现 |
| 4.2.2 验证效率评价 |
| 4.3 验证实例 |
| 4.3.1 问题背景 |
| 4.3.2 违反SQLite3数据库API调用规范的实例 |
| 4.3.3 API调用序列规范的描述 |
| 4.3.4 实验结果 |
| 4.3.5 相关工作 |
| 4.4 本章小结 |
| 第五章 MSVL程序内存泄漏的运行时检测方法 |
| 5.1 泄露实例 |
| 5.2 MSVL程序内存泄漏的运行时检测方法 |
| 5.2.1 方法框架 |
| 5.2.2 插桩 |
| 5.2.3 内存泄露检测、消除和修复 |
| 5.2.4 动态符号执行 |
| 5.3 实验结果 |
| 5.3.1 针对单条执行路径DEF LEAK的性能 |
| 5.3.2 采用动态符号执行后DEF LEAK的性能 |
| 5.4 相关工作 |
| 5.4.1 静态内存泄漏检测方法 |
| 5.4.2 动态内存泄漏检测方法 |
| 5.5 本章小结 |
| 第六章 MSVL程序的统一限界运行时验证方法 |
| 6.1 MSVL程序的统一运行时验证方法 |
| 6.2 PPTL限界语义 |
| 6.3 MSVL程序的统一限界运行时验证方法 |
| 6.4 验证实例 |
| 6.4.1 互斥问题 |
| 6.4.2 哲学家就餐问题 |
| 6.4.3 银行家算法 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
四、pC++:一个分布式的对象并行语言（论文参考文献）
- [1]大规模数据实时绘制关键技术研究[D]. 罗德宁. 四川大学, 2021(01)
- [2]基于SNN的类脑计算工作负载映射方法研究与实现[D]. 郁龚健. 江南大学, 2021
- [3]基于FPGA的脉冲神经网络加速器研究与实现[D]. 李佩琦. 江南大学, 2021(01)
- [4]基于分布式图数据库的分布式事务的设计与实现[D]. 郭宇哲. 电子科技大学, 2021(01)
- [5]实时以太网POWERLINK在加速器控制系统中的应用研究[D]. 孙晓康. 中国科学技术大学, 2020(01)
- [6]雾计算环境下分布式深度学习系统的设计与实现[D]. 王卓然. 北京邮电大学, 2020(05)
- [7]工业机器人控制器实时多任务软件与感知组件研究[D]. 徐鹏程. 东南大学, 2020(01)
- [8]拖拉机动力换挡传动系虚拟试验关键技术研究[D]. 闫祥海. 河南科技大学, 2020(06)
- [9]分布式综合业务开发平台的设计与实现[D]. 肖韬睿. 中国电子科技集团公司电子科学研究院, 2020(03)
- [10]MSVL程序的高效运行时验证方法研究[D]. 于斌. 西安电子科技大学, 2019(02)