路面层间粘结抗剪强度测试方法

    公开(公告)号:CN101275903A

    公开(公告)日:2008-10-01

    申请号:CN200810025565.X

    申请日:2008-04-29

    Applicant: 东南大学

    Abstract: 路面层间粘结抗剪强度测试方法是一种用于有效评价路面层间粘结材料抗剪强度的方法,尤其是一种较易解决目前路面层间粘结材料抗剪强度由于加载方式不合理而导致测试不准确的方法,且试验方法更简单。该方法为:1.室内试验:第一步:制备试件,并固定试件;第二步:启动电机,进行扭转剪切试验;第三步:采集数据,并分析。2.现场试验:第一步:路面层钻芯,不取出,热风吹干上表面;第二步:把剪切试验夹具头和芯样粘结在一起,第三步:30分钟后进行扭转剪切试验;第四步:并采集数据并分析。

    一种缓解无服务器计算冷启动问题的任务调度系统及方法

    公开(公告)号:CN117331648A

    公开(公告)日:2024-01-02

    申请号:CN202311308570.2

    申请日:2023-10-11

    Applicant: 东南大学

    Abstract: 本发明公开了一种缓解无服务器计算冷启动问题的任务调度系统及方法,至少包括容器状态追踪模块、请求到达预测模块和请求调度模块;容器状态追踪模块中,通过在集群的主节点中部署容器状态追踪器实现,根据工作节点上的容器状态信息和调度决策,追踪容器状态;请求到达预测模块中,基于系统中的历史请求数据,通过时间序列预测模型得到未来一段时间内任务到达情况,控制容器预先创建或删除;请求调度模块中,根据容器状态信息和请求到达信息,对新到来的请求进行合理的调度并控制容器的创建和删除;本方法综合考虑容器的生命周期状体、任务请求未来到达情况预测,为任务分配一个最佳工作节点进行处理,最小化任务整体平均响应时间,在无服务器计算领域有广泛的应用价值和使用前景。

    一种最大化资源利用率的在离线任务调度方法

    公开(公告)号:CN116560849A

    公开(公告)日:2023-08-08

    申请号:CN202310586320.9

    申请日:2023-05-23

    Applicant: 东南大学

    Abstract: 本发明公开了一种最大化资源利用率的在离线任务调度方法,属于云计算应用、计算机技术、绿色计算领域。本发明针对目前资源利用率低,以及在调度流程中仅考虑当下资源使用量,而未加入未来资源使用量等不足,提出了一种最大化资源利用率的在离线任务调度方法。采用资源预测方法,在当下调度时间点同时考虑未来资源浪费量,并通过可性度指标适量扩大资源需求预测值,提高调度任务未来运行成功率。采用启发式与搜索剪枝的方法,在针对大量服务器状态的搜索中减少搜索次数,更快的到达搜索目标。本方法通过设定结束条件,可以更快的输出调度结果,并保证结果的优异性。本方法尤其适用于将离线任务调度到已有在线任务的集群中。

    一种基于多因素融合修正的结构件剩余强度评估方法

    公开(公告)号:CN106844901A

    公开(公告)日:2017-06-13

    申请号:CN201710001052.4

    申请日:2017-01-03

    Abstract: 本发明提供了一种基于多因素融合修正的结构件剩余强度评估方法,包括:使用有限元软件对待测结构件进行有限元分析,获得待测结构件的最易断裂位置、最大应力值和最大应力位置附近的应力状态分布;对待测结构件进行疲劳试验,获得在最大应力值下的疲劳寿命;测量待测结构件的最易断裂位置在实际工况下的实时应力值;获得应力集中修正系数;计算待测结构件的尺寸修正参数;获得待测结构件的表面质量修正参数;最后计算待测结构件的剩余强度。本发明将结构件的疲劳寿命、应力集中、应力分布情况、制造工艺、表面强度等能够对结构件损伤状态造成影响的因素全部考虑在内,有效地解决现有技术存在的考虑因素单一的问题,评估结果精度得到大幅度提高。

    一种基于位置学习效应的最短路径问题的启发式搜索方法

    公开(公告)号:CN106779251A

    公开(公告)日:2017-05-31

    申请号:CN201710049917.4

    申请日:2017-01-23

    Applicant: 东南大学

    CPC classification number: G06Q10/047 G06N99/005

    Abstract: 本发明涉及一种带基于位置学习效应的最短路径问题的精确求解的启发式搜索方法,特别涉及一种机器人路径规划方法。机器人在寻找最短路径的过程中,通过强化学习与环境进行交互,获取经验,意味着机器人可以以更小的代价通过同一条路径,因此该情况下的最短路径与无学习效应时的最短路径很可能是不同的。为了解决此问题,在机器人获取外部环境信息,根据先验知识确定学习效应函数之后,通过启发信息,设计出符合该问题需要的剪枝操作和过滤操作来提前排除确定不会出现在最短路径上的部分路径,从而加速搜索过程,使得机器人在合理有效的时间内寻找到一个精确的全局最短路径,进而用于指导机器人行驶。

Patent Agency Ranking