基于组件服务副本增删的云服务资源动态配置系统及方法

    公开(公告)号:CN104301403B

    公开(公告)日:2017-09-26

    申请号:CN201410512536.1

    申请日:2014-09-26

    Abstract: 一种基于组件服务副本增删的云服务资源动态配置系统及方法,该系统包括注册模块、质量参数生成模块、监测模块、评价模块和控制模块。方法包括对SLA进行注册;提取SLA中的信息,生成约定质量参数;周期性采集云服务环境中的虚拟机资源状态、云服务性能状态数据并保存;得出各虚拟机资源信息、组件服务质量、组件服务重要性、组件服务资源需求量;确定适合删除最优组件服务副本的虚拟机和适合部署瓶颈组件服务副本的虚拟机,得出组件服务副本增删决策;进行组件服务增删。本发明通过对历史数据的学习,预测用户的并发请求量,通过判断瓶颈组件服务和最优组件服务得出组件服务副本增删策略,达到实现云服务的性能保证的效果。

    一种加工中心的刀具刀尖点位移导纳的软测量方法及系统

    公开(公告)号:CN103217212A

    公开(公告)日:2013-07-24

    申请号:CN201310129494.9

    申请日:2013-04-15

    Applicant: 东北大学

    Abstract: 本发明提供一种加工中心的刀具刀尖点位移导纳的软测量方法及系统,属于振动测试技术领域,采用试验测试与有限元分析相结合,对加工中心所安装的不同几何特征的刀具进行刀尖点位移导纳的软测量。本发明避免直接测试p2b2b和n2b2b,而是通过容易测试的量H11和H12求解p2b2b和n2b2b,减少了实验测试的次数,通过几次测试即可理论预测加工中心刀库中所有刀具安装后刀尖点位移导纳,极大地降低了测试成本和费用,不需要对主轴-刀柄进行精确建模,避免在建模过程中的误差和参数辨识过程中的误差导致的预测结果不可信,在工程应用时可操作性强。本发明能够在一次测试之后进行多次理论预测,所获得的刀尖点位移导纳是预测颤振的依据,可以进行铣削加工颤振预测。

    灵活控制环境参数的镀层或钝化层制备装置及使用方法

    公开(公告)号:CN108385156B

    公开(公告)日:2023-12-15

    申请号:CN201810553821.6

    申请日:2018-05-31

    Applicant: 东北大学

    Abstract: 本发明属于材料实验研究领域,更确切的说,涉及到电镀及钝化领域,特别是一种灵活控制环境参数的镀层或钝化层制备装置及使用方法。该装置包括电镀或钝化处理系统、导线、电源提供器,电镀或钝化处理系统包含阳极、阴极、加热磁力搅拌器以及电镀或钝化处理池,阳极、阴极通过阴极及阳极导线外接电源供应器,施予固定电流密度或者电位。利用电镀或改性技术,灵活控制精确电镀或者钝化环境温度、均匀性、气氛、成分、电流密度等实验条件,在金属导体表面沉积出单金属膜层或者合金膜。本发明操作简单,维护方便,镀层均匀性好附着力强,可应用于

    一种岩石二次破碎作业中岩石作业面与作业点的确定方法

    公开(公告)号:CN114202631A

    公开(公告)日:2022-03-18

    申请号:CN202111280387.7

    申请日:2021-11-01

    Applicant: 东北大学

    Abstract: 本发明涉及智慧矿山领域,尤其涉及一种岩石二次破碎作业中岩石作业面与作业点的确定方法,旨在解决在岩石二次破碎作业中,作业面与作业点智能化选取问题。本发明包括以下步骤:将彩色相机和三维点云获取设备进行多传感器融合;获取目标区域图像信息;将所述目标区域图像信息输入到岩石检测网络检测目标岩石;对所述目标岩石进行点云提取获得目标岩石点云;将所述目标岩石点云进行平面分割得到拟合平面;对所述拟合平面进行离群点剔除得到候选作业面;对所述候选作业面进行表面积估算;判断所述候选作业面是否满足作业条件并确定作业面;根据所述作业面确定作业点。本发明提供的方法实现了岩石二次破碎作业面与作业点的高精度、智能化确定。

    一种钢带剪断夹取装置
    39.
    发明公开

    公开(公告)号:CN110270710A

    公开(公告)日:2019-09-24

    申请号:CN201910529337.4

    申请日:2019-06-19

    Applicant: 东北大学

    Inventor: 刘宇 胡国权

    Abstract: 本发明涉及钢带剪断与夹取技术领域,提供一种钢带剪断夹取装置。本发明的装置包括机械手连接法兰、安装基座、剪断夹取模块、压紧模块、线性位移传感器模块、激光位移传感器模块;机械手连接法兰与工业机器人的机械手末端连接;剪断夹取模块包括第一侧板、第二侧板、第一侧板固定块、第二侧板固定块、夹紧模块、上剪刃、铲起刀刃、铲起刀刃连接滑块、滑轨、液压缸、液压缸安装底座;夹紧模块包括夹紧块、第二压缩弹簧、夹紧块底座、夹紧块导向板;液压缸的换向控制阀线圈、线性位移传感器、激光位移传感器均与单片机电连接,单片机与工业机器人的控制器电连接。本发明能够实现钢带剪断夹取的自动化操作,提高作业效率、作业安全性及作业质量。

    一种基于深度学习的云服务性能自适应动作类型选择方法

    公开(公告)号:CN104951425B

    公开(公告)日:2018-03-13

    申请号:CN201510426784.9

    申请日:2015-07-20

    Applicant: 东北大学

    Abstract: 本发明提供一种基于深度学习的云服务性能自适应动作类型选择方法,包括监测物理机群数据、虚拟机数据、服务组件数据;结合SLA中约定的约束事件和实时监测的数据,判定当前服务性能是否需要优化:若当前数据触发约束事件,则根据自适应方法库决策自适应动作类型,否则继续监测;根据决策的自适应动作类型进行云服务性能自优化;反馈学习,更新自适应方法库,返回继续监测。云环境自身具有高可伸缩、动态重构的特性,致使云服务的服务性能在实际运行环境中受到多因素的制约,本发明方法在服务组件进行服务性能自优化时,根据不同场景的实际情况从自适应动作集中选择出最佳的自适应动作。

Patent Agency Ranking