|
搜索
搜 索
高等教育领域数字化综合服务平台
一种基于云计算的数控系统数据采集及处理方法
本发明公开了一种基于云计算的数控系统数据采集及处理系统， 包括由远程服务器集群搭建而成的云平台，该云平台包括计算服务器 集群和存储服务器集群，计算服务器集群中集成有虚拟机集群，且分 别与数控系统和存储服务器集群连接通信，虚拟机集群具有多个分布式并行计算单元，用于执行数据采集与并行计算，存储服务器集群中 用于对采集或分析处理后的车间数据进行分布式存储。本发明还公开 了相应的方法。本发明以虚拟机代替实体机实现并行计算，并通过虚 拟化管理平台对虚拟机集群进行管理，使车间服务器资源不再受单点 配置的限制，并
华中科技大学
2021-01-12
一种云环境下的分布式系统多级故障容错方法
本发明公开了一种云环境下的分布式系统多级故障容错方法， 包括：基于虚拟机磁盘快照的分布式应用协同备份算法，能够对 I/O 状态以及所依赖的操作系统环境进行备份；分层故障检测和恢复机制， 能够实时地检测物理层、虚拟化层、云平台层、虚拟机 OS 层和应用 层故障，针对不同的故障采用相匹配的故障恢复方法。使得故障检测 和恢复细化到模块，采用自顶向下逐级恢复的策略，做到恢复开销最 小化；基于模板的虚拟容错集群服务部署策略，用
华中科技大学
2021-04-14
一种云环境下基于信任模型的跨租户访问控制方法
本发明公开了一种云环境下基于信任模型的跨租户访问控制方 法，针对云计算多租户架构特点，实现一个租户的用户经过相应授权 可以访问其他租户的资源，解决租户之间协作带来的资源安全性和隐 私性问题。通过定义两种类型的租户信任关系，将租户信任关系概念 引入访问控制模型中，反映在两个租户之间的访问控制需求。通过模 型元素的定义和模型函数的形式化描述，构造了租户信任模型，以适 应云计算多租户的特点，实现跨租户访问控制。
华中科技大学
2021-04-14
一种云存储下基于纠错码的数据恢复方法
本发明公开了一种云存储下基于纠错码的数据恢复方法，属于 云存储技术领域。本发明首先将数据对象按块进行处理，在分布式云 存储系统中的各远程存储节点中存储数据块、复制块以及校验块。当 远程存储节点出现故障时，通过相关数据块所在存储节点的计算，将 数据传输到替换节点中重组数据以实现数据恢复。本发明通过使用 RS 校验码及利用存储节点自身的计算性能，减少了网络通讯的数据量， 能够在极低带宽的情况下进行数据恢复，同时仅使用一个
华中科技大学
2021-04-14
一种云存储系统数据可用性维护方法及其装置
一种云存储系统数据可用性维护方法及其装置，属于云存储技 术领域，解决现有数据可用性维护方法存在的元数据服务器或超级节 点的单点故障导致数据可用性维护中断的问题。本发明的方法，用于 具有中心存储服务器、元数据服务器和 P2P 网络的系统中，包括编码 步骤、订立租约步骤、执行租约步骤和租约维护步骤。本发明的装置， 包括编码模块、订立租约模块、执行租约模块和租约维护模块。本发 明充分利用 P2P 对等节点的计算、存储、网络
华中科技大学
2021-04-14
基于云计算的畜牧溯源综合信息化技术解决方案
项目背景：为深入贯彻中央农村工作会议和中央 1 号文 件精神，全面落实全国农业工作会议和农业部 1 号文件部署。 我公司根据农业部办公厅关于印发《2018 年畜牧业工作要 点》的通知，积极推动新区内畜牧溯源综合信息化，围绕“一 个平台、一次填报、一套数据”目标，加快畜牧兽医监管监 测信息横向互通、省部互联共享步伐。加强畜牧兽医生产、 监管全程联网追溯管理。推广应用畜牧业生产经营单位代 码，实现畜牧兽医监管监测对象“一场（厂、企）一码”， 为数据互联互通奠定基础。加快推进畜牧业政务信息系统实 质性整合，建设畜牧业中心数据库。规范统计监测类报表制 度，实行统一备案管理，建立统一指标体系。推动监管监测 制度融合，为监管监测一体化提供保障。
所需技术需求简要描述：（本品主要应用于大型有攻击 性的动物并且需要值入动物体内）1.工作时间不少于 3.5 年。 2.无线发射功率 4.5dBm，发射距离不小于 50 米。3.无线频 段采用 2.4GHz 全球开发微波频段，无需申请和付费。4.本 品要求无需电源支持。5.工作温度-20℃ ～60℃
对技术提供方的要求:拥有一定的研发基础和实验的技 术团队和科研单位，相关研究成果处于国内领先水平。
青岛同和网络科技有限公司
2021-09-09
北京市华云分析仪器研究所有限公司
北京市华云分析仪器研究所有限公司成立于1992年10月，当年取得北京市高新技术产业开发区新技术企业资格认证，并于2003年12月通过ISO9001（2000）国际质量管理体系认证，是具有多项自主知识产权、集技工贸为一体的高新技术企业。
本公司是从事红外线气体分析仪的科研开发、生产制造的专业公司。本公司生产制造的红外线气体分析仪分便携式和在线式，有GXH、9000和HY三个系列几十个产品。广泛应用于疾病预防控制中心、卫生局卫生监督所、海关和出入境检验检疫局；广泛应用于环境保护监测站、安全生产监督局、室内空气质量检测中心；广泛应用于高等院校、科研院所以及石油、化工、煤炭、冶金、电力、环保、农业和军工等各行业，受到广大顾客的一致好评！
本公司顾客中包括中国疾病预防控制中心、江苏省疾病预防控制中心、北京市疾病预防控制中心；中国环境科学研究院、国家环保总局华南环科所、中国安全生产科学研究院、中国辐射防护研究院、北京市理化分析测试中心；清华大学、北京大学、中国科学技术大学；中科院广州能源所、中科院南京土壤所、中国林科院北京林研所、中国农科院杭州茶叶所、浙江医科院卫生所、辽宁省职防院、中国船舶重工集团公司718所等。
本公司根据广大顾客的实际需要，于2007年下半年推出了可自动调零、可显示mg/m3、具有数据存储功能、配有RS232接口和软件的便携式红外线CO分析仪和CO2分析仪；在此基础上，针对环境监测部门的最新需要，本公司于2009年下半年推出了可24小时连续测量、可显示日均值、具有断电自动恢复功能的便携式红外线CO分析仪和CO2分析仪。
北京市华云分析仪器研究所有限公司，具有雄厚的科研和生产能力。我们将始终如一地坚持“以实力证实自己的价值、以质量赢得市场的选择”，给广大顾客提供“优秀的质量、合理的价格、良好的服务”！
北京市华云分析仪器研究所有限公司
2021-12-07
云智数字教育金融科技实验室建设整体解决方案
金融科技实验室的建设，基于金融科技课程开设及实验任务目标，将依托虚拟仿真技术、云计算及大数据等应用场景技术，构建一个统一的数据教学服务中心，集金融教学、实验、评价、学习、资源、科研于一体的综合性金融平台。教学中心以科技金融投资业务为核心研究，聚合区块链金融应用、投资银行、量化投资交易、智能投顾、Python与金融分析等相关实验系统与课程，深度融合相关课程与系统，构建智慧金融实验教育生态。校企合作层面：打包金融企业培训、研讨会议交流、师资培训、行业课题承接、金融资质认证考试等内容，扩大科技金融实验基地的社会效益。
实验室建设深度融合人工智能、大数据、区块链金融等创新技术，教学深度融合信息化，建设各类信息化教学资源，搭建资源共享平台。实验室建设，将引入区块链金融、大数据金融、投资银行等实践教学内容与环境，创新金融专业课程体系，为学生提供前沿金融资讯，提供技术应用实践平台。
深圳市云智数字技术教育有限公司
2022-07-29
选矿厂生产统计计算机管理系统
项目简介：《选矿厂生产统计计算机管理系统研究》通过湖北省科技厅组织的鉴定，其科研成果处于国内领先水平。 技术特点：本课题以大冶铁矿厂为实例，利用当前流行的Microsoft Visual Basic6.0开发选矿厂生产统计计算机管理系统软件，该系统解决了多金属选厂报表金属量不易平衡的问题，具有创新性。用户只需一次性输入原始数据，相互关联的生产日报表、周报表、月报表和年报表将自动生成，生产日报表可当天上报。企业领导、工程技术人员、管理工作者和统计分析人员可根据工作需要任意浏览、调用、打印各种报表，有利于正确指导现场操作、生产调度、组织管理和领导决策。应用领域：该系统既针对性，又有通用性，便于计算机管理网络化。可在全国同类矿山企业中推广使用，具有广阔的应用前景和良好的社会、经济效益。
武汉工程大学
2021-04-11
基于大数据的能源互联网能量管理系统
随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。
清华大学
2021-04-11