基于Mallat算法的在推理机集群负载均衡中应用研究

发布时间：2021-10-14 20:36

　　针对航天器的健康管理问题,采用预测技术可提前预知航天器故障,为航天器的故障排除赢得了宝贵时间,从而提高了航天器运行安全性和可靠性。针对遥测数据的非平稳性和周期性特点,引入Mallat算法的时间序列短期预测模型。通过推理机进程负载均衡软件的实际运行结果分析,预测结果边界和实际数据突变的趋势基本一致,预测数据与实际数据相似度在95%以上。 

【文章来源】：电子设计工程. 2020,28(12)

【文章页数】：5 页

【部分图文】：

dbN小波基N=1,2,3,4时的比较结果

鉴于遥测数据复杂性，其变化周期通常是缓变和快变结合在一起。为了反映这一特点，本文把不同的频率分量分开，每个频率分量变化规律相对直观，同时改善了遥测数据的非平稳性[4]。图2是在不同尺度下小波分解a1、a2、a3、a4与原序列a0的比较结果。可以看出当分解尺度为2时，曲线a2已经足够光滑了，同原曲线比较接近，但a3、a4则由于分解次数的增加，遥测数据采样点减少，导致曲线过分平滑，数据的变化趋势已经失真，所以本文采用分解尺度为2。

经过分析真实遥测数据变化趋势和预测值的比对结果，显然，预测结果边界和突变的趋势不太理想。本文采用周期延拓[10-12]对序列的边界进行延拓，其延拓过程[13-16]如下：其中，M为序列的长度。剔除边界误差后的预测曲线与实际曲线对比结果如图4所示。

【参考文献】：
期刊论文
[1]小卫星电源系统遥测数据的区间预测技术[J]. 唐建,栾家辉,吕琛.  华中科技大学学报(自然科学版). 2009(S1)
[2]自适应指数平滑法预测遥测数据实时趋势研究[J]. 余国浩,蔡远文.  装备指挥技术学院学报. 2007(02)
[3]航天器数据预测中的因果关系调整技术应用研究[J]. 孙振明,安伟光,张辉.  宇航学报. 2006(06)



本文编号：3436792