固体推进剂中AP颗粒的级配不同会导致力学性能相差巨大,为了探究AP颗粒的粒度值和质量分数对端羟基聚丁二烯(HTPB)推进剂力学性能的影响规律,采用机器学习的方法对推进剂的力学性能进行仿真预测,降低了实验成本并提高了预测效率。首先,...固体推进剂中AP颗粒的级配不同会导致力学性能相差巨大,为了探究AP颗粒的粒度值和质量分数对端羟基聚丁二烯(HTPB)推进剂力学性能的影响规律,采用机器学习的方法对推进剂的力学性能进行仿真预测,降低了实验成本并提高了预测效率。首先,对不同级配的HTPB推进剂进行拉伸试验,得到不同温度下抗拉强度和伸长率;其次,以拉伸试验结果为样本进行机器学习,分别构建了反向传播(Back Propagation,BP)神经网络、粒子群算法优化的反向传播(Particle Swarm Optimization Back Propagation,PSOBP)神经网络和遗传算法优化的反向传播(Genetic Algorithms Back Propagation,GABP)神经网络对推进剂的力学性能进行预测。结果表明,力学性能与颗粒级配的内在关系较为复杂,并非简单的线性关系。PSOBP和GABP可以用于预测不同级配下HTPB推进剂力学性能,并且GABP神经网络可以更好地预测推进剂的力学性能变化。展开更多
在分布式存储系统中,Raft(replicated and fault tolerant)算法的强领导特性在节点数量增多时会带来巨大的日志分发开销,限制了系统性能和水平扩展能力。针对系统性能和扩展性瓶颈,提出了两种新的日志机制来优化一致性哈希集群分布式存...在分布式存储系统中,Raft(replicated and fault tolerant)算法的强领导特性在节点数量增多时会带来巨大的日志分发开销,限制了系统性能和水平扩展能力。针对系统性能和扩展性瓶颈,提出了两种新的日志机制来优化一致性哈希集群分布式存储方案。第一种是基于动态优先级的日志分发机制,日志分发顺序由领导者与跟随者节点日志的同步程度决定,加快了日志项的提交速度;第二种是基于窗口流水线的日志分发机制,领导者节点指派日志同步程度较高的跟随者节点对同步程度较低的跟随者节点进行日志分发,缩短了系统中节点日志趋向一致的时间。相比于未优化方法,吞吐量和日志同步时间在多节点集群上有显著提升,证明了两种日志机制在改进系统性能上的有效性。展开更多
文摘固体推进剂中AP颗粒的级配不同会导致力学性能相差巨大,为了探究AP颗粒的粒度值和质量分数对端羟基聚丁二烯(HTPB)推进剂力学性能的影响规律,采用机器学习的方法对推进剂的力学性能进行仿真预测,降低了实验成本并提高了预测效率。首先,对不同级配的HTPB推进剂进行拉伸试验,得到不同温度下抗拉强度和伸长率;其次,以拉伸试验结果为样本进行机器学习,分别构建了反向传播(Back Propagation,BP)神经网络、粒子群算法优化的反向传播(Particle Swarm Optimization Back Propagation,PSOBP)神经网络和遗传算法优化的反向传播(Genetic Algorithms Back Propagation,GABP)神经网络对推进剂的力学性能进行预测。结果表明,力学性能与颗粒级配的内在关系较为复杂,并非简单的线性关系。PSOBP和GABP可以用于预测不同级配下HTPB推进剂力学性能,并且GABP神经网络可以更好地预测推进剂的力学性能变化。
文摘在分布式存储系统中,Raft(replicated and fault tolerant)算法的强领导特性在节点数量增多时会带来巨大的日志分发开销,限制了系统性能和水平扩展能力。针对系统性能和扩展性瓶颈,提出了两种新的日志机制来优化一致性哈希集群分布式存储方案。第一种是基于动态优先级的日志分发机制,日志分发顺序由领导者与跟随者节点日志的同步程度决定,加快了日志项的提交速度;第二种是基于窗口流水线的日志分发机制,领导者节点指派日志同步程度较高的跟随者节点对同步程度较低的跟随者节点进行日志分发,缩短了系统中节点日志趋向一致的时间。相比于未优化方法,吞吐量和日志同步时间在多节点集群上有显著提升,证明了两种日志机制在改进系统性能上的有效性。
