动态负载平衡

动态负载平衡（通用7篇）

动态负载平衡 篇1

1 前言

随着湿法冶金工业的发展, 生产过程趋于大型化、集中化和连续化。为达到提高产品质量、降低成本、降低能耗、减轻污染的目的, 除不断改进现行工艺、引进新设备、优化生产过程外, 自动控制技术在湿法冶金生产中起到的作用愈加显著。自动控制技术根据有色金属湿法冶金工艺过程测量和控制的需求, 将智能仪表、计算机、自动控制等高新技术用于生产过程, 辅助工艺生产达到较高水平, 有利于企业节能降耗、提升生产效率、提高产品质量、改善工作环境和降低工作强度[1,2,3]。

本文的研究对象是黄金精炼厂氰化生产工艺流程中的洗涤-锌粉置换过程, 针对该工艺生产的特点和需求, 设计并应用了基于负载动态平衡过程控制, 在稳定生产、提高效率、保护设备、降低劳动强度等方面取得了良好的效果。

2 工艺简介

2.1 工艺流程

传统的氰化法提金工艺主要包括浸出、洗涤、置换三个工序。矿石经氰化浸出后, 产出由含金溶液和尾矿组成的矿浆, 通过浓密使含金溶液与固体尾矿分离。浓密洗涤采用浓密机对浸出矿浆进行洗涤, 在浸出矿浆或待洗矿浆进入浓密机的同时, 用脱金贫液作为洗水进行冲稀洗涤, 经过浓缩后的矿浆随浓密机底流排走 (或排到下一级浓密机再次洗涤) , 上部清液中的已溶金随溢流进入下一工序而被回收 (或作为上一级的洗涤水) , 本文流程是以三台浓密机组成的三级逆流洗涤流程。

锌粉置换是一种从含金贵液中置换金的方法, 由贵液净化、脱氧和置换过滤三个作业组成。经过洗涤流程的含金贵液中含有一定数量的悬浮物, 为避免影响置换效果和金泥质量, 锌粉置换前经过两次净化过程将其除去, 净化后的贵液通过射流真空系统进行脱氧, 脱氧后的贵液进入锌粉置换压滤机完成最终置换和金泥过滤, 脱金贫液返回浓密洗涤流程后再次作为洗涤水进行使用。贵液的净化、脱氧和置换三部分在生产过程中需要连续进行, 避免中间间断[4,5]。

2.2 生产问题

在该洗涤-锌粉置换生产过程中, 洗涤水使用过程是一个贫液和贵液转换的负载循环过程, 如图1所示。

影响洗涤-锌粉置换生产过程中水量负载循环的主要因素有:

(1) 氰化浸出流程进入洗涤浓密机的矿浆量。

(2) 硫精矿压滤滤液进入洗涤浓密机的水量。

(3) 进入硫精矿压滤流程的三洗浓密机底流排矿量。

(4) 流入该生产过程的雨水量。

由于以上因素的影响, 生产过程的循环水量是动态变化的, 造成生产上的主要问题有:

(1) 各个泵池的水量调配不均匀平衡, 容易造成在循环过程中的个别泵池水量过多或过少, 导致冒槽或打空, 甚至影响整个循环的正常生产。

(2) 洗涤和置换的生产工位于不同岗位, 在操作过程中只根据本工序情况进行调节。

(3) 人工调节不及时, 容易发生跑冒问题, 甚至损坏设备。

(4) 生产工操作频繁, 工作量大。

3 控制方案

针对以上的生产问题, 使用单回路控制已无法实现较好的解决。根据该生产过程的特点和情况, 提出了基于负载动态平衡的过程控制策略, 即根据当前整个生产过程的循环负载率, 动态优化调整各个泵池液位设定值, 使泵池水量负载保持在合理范围内, 如图2所示控制框图。具体的控制策略如下。

3.1 泵池控制优先级

在整个循环生产过程中, 首先根据各个泵池情况制定控制优先级顺序, 如表1所示。

3.2 负载率计算

通过计算生产过程的负载率判断当前循环水量的多少程度。

以上公式中, PV为各个泵池当前液位值;H为各个泵池液位工艺上限;L为各个泵池液位工艺下限, S为各个泵池横截面积。

3.3 设定值优化

(1) 计算液位设定值。各个泵池当前设定值:

(2) 修正洗涤贵液池、置换一次净化池、置换二次净化池液位设定值。洗涤贵液池、置换一次净化池、置换二次净化池分别与置换贵液池有相关性 (化工泵的进口与出口关系) , 考虑在特殊情况下置换贵液池较高时, 将流程水量均衡到这三个泵池, 增加液位系数, 对这三个泵池的液位设定值进行修正:

以上公式中, PV2为置换贵液池当前液位值;SP2为优化计算的置换贵液池设定值;a为液位系数。

(3) 计算置换贫液池液位联锁上下限。置换贫液池的化工泵为工频控制, 根据设置泵池液位上下限进行联锁控制。该泵池的工艺上限为H5, 工艺下限为L5, 在工艺上下限范围内, 联锁上下限根据整个流程循环负载情况自动进行调整。在流程负载较少时不积压在该池, 避免洗涤贫液池水量少影响洗涤效果;在流程负载较多时该池能缓存水量, 避免洗涤贫液池冒槽。根据计算优化的液位设定值在工艺上下限范围内划分为四个区间, 每个区间的液位联锁上下限如表2所示:

表2联锁上下限表

(4) 修正洗涤贫液池液位设定值。洗涤贫液池液位受到置换贫液池的影响, 在置换贫液池化工泵运行和停止时, 液位存在周期性变化, 同时需要综合考虑洗涤贵液池的液位变化情况。

上式中, SP6为计算优化的洗涤贫液池液位设定值;a1、a2为对应泵池的液位系数;PV1为洗涤贵液池液位检测值;SP1为洗涤贵液池液位设定值;Hset为置换贫液池液位联锁上限;PV5为置换贫液池液位检测值。

3.4 联锁控制保护

根据泵池液位控制优先级顺序, 设置对应泵池液位联锁上下限, 保证优先级别较高泵池处于正常状态。以洗涤贵液池液位控制为例, 该池化工泵 (图1中泵 (1) ) 优先保证置换贵液池不冒槽, 设置置换贵液池液位联锁上限和联锁下限, 在超过上限时停泵, 在低于下限时开泵, 在液位上下限范围内, 根据模型优化计算的该池液位最优设定值, 调节化工泵转速控制液位达到最优设定值。

3.5 控制效果

以置换一次净化池液位控制为例, 如图3所示。上图所示为人工调整化工泵转速的情况, 在一个班内 (8小时) 操作频繁, 工作量大, 并且液位波动大, 不稳定, 甚至存在液位较低影响生产的情况。下图所示为实施自动控制后的情况, 在一个班内化工泵转速自动调节较为平稳, 液位控制稳定。

4 结束语

在湿法冶金氰化生产工艺流程中的洗涤-锌粉置换过程, 投入使用了基于负载动态平衡过程控制, 解决了该生产过程中存在的问题, 在保证工艺生产稳定性和连续性、提高生产效率、保护设备、降低劳动强度等方面取得了良好效果。

参考文献

[1]付子忠.从矿石和废料中回收有色金属的常用湿法冶金工艺和设备[J].湿法冶金, 2011 (03) :175-183.

[2]张春生, 刘刚.谈谈湿法冶金新技术在矿产资源开发中的应用[J].有色金属设计, 2006 (04) :6-9.

[3]周俊武, 徐宁.我国选冶自动化的现状和未来[J].有色冶金设计与研究, 2011 (04) :6-10.

[4]陈淑萍.从氰化贵液 (矿浆) 中回收金技术进展[J].黄金, 2012 (02) :43-48.

[5]全忠.黄金生产工艺学[M].沈阳:东北大学出版社, 1994.

动态负载平衡 篇2

随着互联网技术及应用的飞速发展,计算机网络已经成为大多数高校开设的计算机专业的核心基础课程之一。然而鉴于路由器、交换机、防火墙等网络设备价格偏高[1,2],很多高校都无力构建真实的网络环境,由此导致计算机网络课程的实训教学环节也受到了一定的限制影响。即便某些高校已然构建有完善的网络实验室,但设备数目与学生现实需求却仍然难以匹配,每位学生平均可占用的实验时间都有严格标配,束缚了学生的才能施展空间。针对这一重点教学现状,国家适时推出了《关于开展国家级虚拟仿真实验教学中心建设工作的通知》(教高司函[2013]94号),重点抓好虚拟仿真实验教学中心信息管理平台建设、视频材料制作设计等工作。积极利用企业的开发实力和支持服务能力,充分整合学校信息化实验教学资源,以培养学生综合设计和高新能力为出发点,创造性地建设与应用高水平软件共享虚拟实验、仪器共享虚拟实验和远程控制虚拟实验等教学资源,提高教学能力,拓展实践领域,丰富教学内容,降低成本和风险,开展绿色实验教学[3,4]。

另据研究可知,负载平衡是指路由器在其前往目标地址的度量值相同的所有的网络端口之间分配数据流的能力。负载均衡可提高网段的利用率,从而增加有效的网络带宽。

为了弥补实体实验室的应用不足,本文引入了GN3网络模拟器[5]。GNS3是一种可以仿真复杂网络的图形化网络模拟器。实际上,GNS3可解析为Dynagen的图形化前端环境工具软件,而Dynamips则是仿真IOS的核心程序。Dynagen运行在Dynamips之上,目的是提供更为友好的、基于文本的用户界面。综上分析可知,GNS3允许在Windows、Linux系统上仿真IOSs,由其支持的路由器平台、防火墙平台(PIX)的类型已堪称全面丰富。通过在路由器插槽中配置上Ether Switch卡,也可以仿真该卡所支持的交换机平台。在GNS3中,真正运行的是实际的IOS,能够使用IOS设计支持的所有命令和参数。另外,GNS3还是一种开源软件,无需付费就可使用。但是,若使用Cisco的IOS,却需要符合Cisco的版权规定。

1 实验拓扑结构

本次实验平台是GN3,路由器型号是7200,IOS是C7200-JK.BIN,面板是vxr,NPE为npe-400,适配卡slot 0是C7200-IO-FE,slot 1则是PA-4T+,实验拓扑图如图1所示。

2 实验步骤

1)配置各端口的IP地址,命令如下:

2)配置R1路由协议,启用eigrp路由协议,进程号为1,关闭自动汇总功能,默认是开启的,对外宣告192.168.12.0和192.168.41.0网段,配置命令如下:

3)比照R1的配置过程,同样配置R2、R3、R4路由器,使用show running-config命令可以查到运行结果,具体如图2所示。

3 实验调试

3.1 实验1

综上设计可知,在R4上输入show ip route命令就可查看到结果确认信息。信息效果显示如图3所示。

本次实验只关注路由器R2的Loopback 1,虽然路由器R4到达路由器R2的Loopback 1有2条路径,但是路由器会将FD最小的那条路径放入路由表,所以就重点选用了fastethernet 0/0接口。

在路由器R4上输入show ip eigrp topology命令可查看到如图4所示的拓扑表。

由图4中的输出可知,第二条路径(经由s1/0接口)的AD为2 297 856,而最优路由(经由F0/0接口)的FD为2 300 416,AD<FD,满足可行性条件,所以第二条路径(经由s1/0接口)是最优路由(经由f0/0接口)的可行后继。

3.2 实验2

通过适当的配置,使得在路由器R4上浏览查看R2的Loopback 1的路由条目为等价路由,由此即可实现等价负载均衡。根据EIGRP度量值的计算公式,这2条路径的最小带宽是相同的,只要两者的延迟之和相同,就是等价路由,为此,可在路由器R4上设定如下的配置:

至此,可在R4上查看如图5所示的路由表。

以上输出表明路由条目“2.2.2.0”确实有2条等价路径,由此可清晰推得EIGRP是支持等价负载均衡的。

3.3 实验3

将R4的以太口f0/0的delay恢复到原来的值:

通过“variance”命令来研究EIGRP的非等价负载均衡。在3.1节的实验结果中发现,对于“2.2.2.0”路由条目,在路由器R4的拓扑结构数据库中存在如下的记录:

现在只需要在R4的路由器上调整variance的值,使得这2条路径在路由表中均呈现为可见与可用,在此给出R4上的配置如下:

在R4上使用show ip route eigrp命令可查看EIGRP路由表信息,完整内容如图6所示。

以上输出表明路由条目“2.2.2.0”有2条路径可达,但是两者的度量值不同,这就是所说的非等价路由,从而证明EIGRP是支持非等价负载均衡的。

4 结束语

在计算机虚拟化网络平台下,研究选用了GN3仿真软件,究其根源在于该实验过程与真实环境的事件结果始终一致。同时,研究中设计展开一系列实验,有助于学生直观掌握:EIGRP等价负载均衡的实现方法、EIGRP非等价负载均衡的实现方法、修改EIGRP度量值的方法和可行距离(FD)、通告距离(RD)以及可行性条件(FC)的深层含义。为今后学生从事网络管理的相关探讨研发奠定了良好的应用技术实践基础。

摘要：为解决计算机网络实验室投资成本高与真实环境少的问题,本文拟将GN3网络模拟器引入计算机网络课程的实训教学中,可以生成与真实设备一样的运行环境。以思科路由器的EIGRP配置为例,设计了一个动态路由配置方案拓扑图,并给出详细的配置命令,对实验效果进行了仿真验证与分析。

关键词：计算机网络,GN3,仿真实验教学,路由选择

参考文献

[1]樊昌信,曹丽娜.通信原理[M].6版.北京:国防工业出版社,2006.

[2]田安红,付承彪.虚拟化网络平台下静态路由选择研究[J].实验技术与管理,2014,31(3):102-104.

[3]阮灿华.批处理脚本在高校计算机机房管理中的应用[J].鄂州大学学报,2013,20(4):67-68,72.

[4]阮灿华.基于云计算的Saa S模式的课程教学资源库建设研究[J].智能计算机与应用,2013,3(1):57-59.

DO双载负载平衡优化分析 篇3

关键词：负载均衡,功率,换频切换,EVDO

1 引言

在业务繁忙的区域负载均衡是衡量和保证网络正常运行、用户QOS得以满足以及网络拥塞的重要指标之一, 也是网络优化人员优化的重点;EVDO双载网络负载均衡主要是无线侧决定的, 它的好坏最直接的反映用户对网络的评价, 是无线网优人员必须时刻关注并优化的指标!本文结合梅州无线中心人员对EVDO双载网络负载的优化调整, 阐述了如何使DO双载负载均衡的一些经验和方法, 共大家参考。

2 EVDO双载负载均衡释义

随着中国电信CDMA网络用户的逐渐增多尤其是EVDO用户的不断增长, 单载频的CDMA EVDO网络已不能满足用户对业务量及业务类型增加的需求。我国许多大中城市的CDMA EVDO网络逐步扩容至双载频, 甚至更多载频。对CDMA EVDO网络而言, 在多载频配置时需要考虑以何种方式组网来保证网络的运行质量, 以达到运营商预期的效果。

2.1 扩容预警门限建议

(1) 根据中国电信集团对EVDO扇区规划吞吐量的取值, 结合网络测试结果, 每EVDO小区的网络规划容量分别为:室外小区1.2Mbit/s、室内小区1.8Mbit/s。

(2) 根据当前的EVDO用户话务模型分析, EVDO小区扩容门限建议如下:

EVDO扇区在一周内至少有两个统计周期 (1小时) 满足以下指标要求时, 即认为达到扩容预警门限, 建议连续观察至少两周。

2.2 扩容方式建议

当EVDO扇区达到预警门限时, 应结合具体的话统数据、路测数据等网络运行数据分析, 应兼顾投资效益和用户感知, 确定是否扩容。

另外, 扩容时应综合考虑用户的体验、设备的能力等, 可以采用3G扩容载波或者WLAN分流DO数据流量等手段, 以最优、最省的方式快速扩容, 满足业务发展需求。

2.3 扩容后负载均衡建议

在进行双载扩容后, 双载之间的负载均衡将是优化的重点。中兴厂家在82002后, 引入了crkeepthreshold和loadbalancethresh两个小区级参数 (和1x类似的呼叫保持, 跨频指配平衡门限的作用类似) 进行负荷均衡, 基于用户数。这两个参数的默认值为10和5。

3 EVDO双载负载均衡调整

3.1 EVDO双载负载不均衡表现

梅州CDMA网络中由于只是部分热点业务区域会出现DO扩容要求, 故梅州EVDO双载组网是采用新增载频插花式的组网方式如图2所示:

⑴插花小区的周围都有换频切换边界, 多个插花小区的换频切换总边界长度, 远远大于相同规模、成片连续覆盖多载频区的换频边界长度。

⑵插花的换频切换边界较长, 将导致网络换频切换概率大幅增加, 降低全网切换成功率, 也影响用户业务应用体验。

⑶与第一载频之间的网络拓扑关系复杂, 异频邻区配置困难, 很可能出现瓶颈。

在梅州现网中出现如表3所示情况:

以上4个扇区新增双载后第三载频在忙时已经再次达到扩容要求, 但查看这四个扇区DO基本载频却很空闲, 出现双载负载不平衡的情况。

3.2 梅州区域实施DO负载均衡调整实例

3.2.1 DO双载负载均衡参数调整

针对梅州现网出现的DO双载扇区负载不均衡的现象, 通过分析认为, 是否是DO双载的跨频支配门限设置不合理导致用户在占用78号频点后不再支配到37号频点, 引起78号频点负载过重。故针对这种现象对crkeepthreshold和loadbalancethresh两个小区级参数进行修改由10、5修改为6、3。

3.2.2 DO双载换频切换参数及邻区修改

DO双载换频切换主要由分为终端辅助换频切换和盲切 (数据库辅助) 两种模式。对于大多数EVDO终端都具有搜索异频邻区的能力, AN直接根据AT上报的异频邻区的强度决定何时进行换频切换;部分较老的终端不支持异频搜索功能, 则系统保持了盲切模式, 盲切是指紧邻单载小区的双载频小区称为“临界小区”, 当AT在载频f2上, 处于临界小区覆盖范围, 向单载小区覆盖区域移动时, 触发换频切换。通过以上分析, 检查现网换频切换参数发现DO双载小区没有设置为“临界小区”, 于是将DO双载小区均设置为“临界小区”以满足不支持异频搜索的终端进行换频切换。同时还对DO双载的邻区进行了优化, 将双载扇区周边小区的邻区不配78号频点小区为自己的邻区, 双载扇区的78号频点小区则要配置周边单载小区为邻区。大家在配置DO邻区时要注意同频加异频邻区不能超过31个。

3.2.3 DO双载扇区功率的调整

梅州DO双载是采用插花方式组网, 这样组网就会导致新增载频在与基本载频设置相同功率情况下, 新增载频覆盖的范围将基本载频覆盖范围的2~3倍。在新增载频的覆盖区域内, 由于无线环境比基本载频纯净导致Ec Io很好, 使终端在接入时会优先选择新增载频接入。因此优化人员通过多次反复地调整新增载频的功率使其覆盖范围接近基本载频。梅州DO双载一般是按照基本载频10W新增载频6W这样的比例进行配置, 当然根据地理环境不同可以灵活调整。

3.2.4 优化前后性能指标分析对比

通过以上的优化调整, 使梅州DO双载负载不均衡现象得以改善, 如表4所示:

由表4可以看出以上4个双载扇区的小区话务量和前向物理层业务信道占空比两个指标已经达到了均衡。

4 优化小结

动态负载平衡 篇4

随着无线 接入技术 的飞速发 展 , 各种各样 的通信技 术已随处 可见 , 例如WLAN、IEEE802.16、Wi MAX、 蓝牙等 。 网络也由2G发展到3G、B3G、4G, 正在向5G发展 。 因此异构 必然成为 未来无线 网络发展 的趋势 , 同时 , 随着芯片 集成技术 等相关技 术的发展 , 也使得终 端用户具 备接入多 个网络的 能力 。

在异构环 境下 , 当终端用 户发起接 入时 , 很明显与 单一网络 覆盖的接 入情况有 显著区别 , 这是因为 终端用户 首先将面 临接入选 择问题 , 而单一网 络覆盖的 情况下是 不需要考 虑的 。 同时 , 网络侧也 将面临接 入控制问 题 , 同样是因 为在异构 无线环境 下 , 终端用户 能够选择 不同的无 线网络接 入 , 而选择接 入不同的 无线网络 , 终端用户 所获得的 体验完全 不同 。 如果网络 选择不合 理 , 不仅影响 终端的用 户体验 , 还会影响 到整个异 构无线网 络的资源 利用率 。 针对在这 种多终端 、多网络共 存的背景 下 , 每个终端 用户如何 选择最合 适的网络 接入这一 问题 , 已展开了 相关研究 。

文献[1]提出了一 种异构环 境下动态 网络负载 架构 , 重点分析 了此架构 下终端用 户接入网 络的流程 , 并进行了 详细说明 , 但在接入 中进行分 配用户时 , 只考虑用 户的带宽 请求和信 号强度两 个参量 , 对于其他 一些影响 因素 , 如Qo E等参量并 没有过多 考虑 。 文献[2]提出了一 种基于希 尔伯特空 间向量范 数的网络 选择算法 , 该策略通 过利用向 量间的几 何关系来 选择与用 户需求最 优的网络 , 并通过构 建一个 “容忍空间 ”来控制用 户是否接 入新网络 。 该算法在 控制垂直 切换频率 方面具有 很好的有 效性 , 但该算法 很有可能 造成多个 终端用户 选择到同 一个条件很好的网络, 造成该网络负载过重的问题。 文献[3]则是结合 基于模糊 综合评价 法和层次 分析方法 所提出的 一种网络 选择算法 , 主要通过 隶属度来 选择最优 网络 , 使得异构 环境下各 个网络达 到负载均 衡 。 除了网络 选择算法以外, 也有通过其他方法达到负载均衡的, 文献[4-5] 就分别通 过能量控 制和编码 控制来满 足各个网 络间的负 载均衡 。

同时 , 对终端侧 用户来说 , 在接入选 择过程中 , 也存在各 种判决指 标 , 它们对最 终选择结 果也存在 不同程度 的影响 。 例如信号 强度 , 候选网络 的信号强 度越好 , 则越有可 能被用户 选为接入 网络 , 而另一方 面针对成 本这样的 判决指标 , 如果候选 网络的服 务费用越 高 , 则终端用 户越有可 能拒绝接 入 。 事实上 , 在异构无 线环境下 , 接入选择 的决策过 程可以根 据具体情 况采用不 同的决策 方法[6], 例如模糊 函数法[7]、层次分析 法 (AHP) [8,9]。 目前在很 多文献中 通过AHP方法来为 多个不同 的判决指 标确定权 重因子 , 然后利用 权重以及 相关的算 法得到最 终接入的 网络 , 但是由AHP方法给出 的权重因 子 , 其本身也 存在着一 定的主观 性 。

为了使得 决策结果 更加客观 准确 , 本文通过 采用修正 的AHP方法得到 权重因子 , 结合终端 用户自身 需求 , 巧妙地利 用向量间 的距离关 系得到一 个终端用 户可接受 的备选网 络集 , 网络侧在 终端用户 的备选网 络集中 , 按其业务 的优先级 顺序并同 时考虑各 个网络的 负载情况 为终端用 户选择合 适的网络 , 将终端用 户分配到 合适的网 络 。

1模型描述

图1描述了异 构无线场 景 , 在此场景 下 , 终端用户 已具备可 以连接入 多个无线 网络的能 力 。 同时在异 构网络中 采用集中 式管理策 略 , 增加了联 合无线资 源管理 ( Common Radio Resource Management , CRRM ) 模块[10], 其主要功 能是用来 协调各个 网络的相 关资源 , 同时对所 有申请接 入的终端 用户进行 联合接入 控制 。

针对图1, 每个网络 的无线资 源管理 (Radio Resource Management , RRM ) 实体不仅 要执行原 有网络中 的任务 , 而且还需 要把本网 络的资源 负载情况 以及相关 信息上报CRRM, 由CRRM实体结合 终端用户 和各个网 络的相关 信息来进 行决策判 断 , 判断是否 允许终端 用户的接 入请求以 及接入到 哪个网络 , 最终决策 结果将返 回给相关 的RRM实体 , 由该RRM实体执行 决策内容 。

2方法描述

当多个终 端用户同 时发起接 入请求时 , 第一步首 先解决终 端用户接 入的问题 , 即接入选 择问题 。 每个终端 用户根据 自己的体 验 、需求及各 个网络的 情况选择 出可接入 的网络集 合 。 第二步解 决终端用 户最终接 入的问题 , 即接纳控 制问题 。 由网络侧 根据各个 网络的情 况以及终 端用户的 备选网络 集将其分 配到合适 的网络中 。

因为异构 场景中存 在多个终 端用户和 多个网络 , 假设网络 的个数为t, 发起接入 请求的终 端用户个 数为u。 方法具体 过程如下 :

( 1 ) 终端用户 根据自身 需求和网 络情况得 出备选网 络 。 例如 :误码率 、信号强度 、网络计费 、网络时延 等 , 这些参量 可根据实 际情况选 择作为用 户的需求 和网络情 况 。

首先假设 向量其中 , 中的元素可表示误 码率 、 网络时延 等 , 向量中每个元 素的权重 通过AHP方法获得 , W= (w1, w2, …wm) 。 本文采用 向量范数 来表示用 户的目标 函数L[2]:

对式 (1) 求对数 , 得 :

为了得到 向量中的 元素对目 标函数的 影响 , 假设式 ( 3 ) 中的yn为连续变 量 , 求偏导 , 从而得到 :

整理得 :

对式 (4) , 根据微分 概念用 △ 表示变化 量后得 :

从式 (5) 可以得出 , 的变化对 △L的影响的 定量描述 。

事实上 , 每个网络 所能提供 的服务与 终端用户 的目标存 在一定差 距 , 当然这种 差距很明 显不能超 过终端用户的最大 容忍度 。 令为终端用 户的目标向量 , Y = (y1, y2, … , ym) 为网络的 实际向量 , 向量中的 元素代表 误码率 、 网络计费 、 时延等 。 △D ={△d1, △d1, … , △dm} 为终端用 户的最大 容忍度 , 其中 , △dn表示向量 元素 △D中第n个元素的 最大容忍 度 。 结合以上 分析 , 则当时 , 表示用户 拒绝接入 该网络 , 分别为网络的实际向量Y和终端用户目标向量中第n个元素。

同时对于 式 (5) , 令因此 , 在由AHP方法给出的权 重因子向 量W后 , 为了排除 主观因素 , 增加所得结果的 客观性 , 需要对向 量W进行修正 , 得到修正 后的权重因 子如下 :

对第i (1<i≤u) 个终端用 户来说 , 在实际情 况中 , 其目标向 量Yi和最大容 忍度Di是确定的 。

则第i个终端对 第j (1<j≤t) 个网络的 不满意度 为 :

因为P为终端用 户对该网 络的不满 意度 , 所以P越大则表 示该用户 对该网络 的不满意 度越大 , 反之P越小则对 该网络的 不满意度 越小 。 因此对第i个终端用 户 , 当Pij≤Di, 表示第j个网络可 作为终端 用户接入 的网络 , 加入备选 接入网络 集合 。 当Pij> Di, 则表示第i个终端用 户拒绝接 入第j个网络 。

对第i个终端用 户 , 当判断完 异构场景 下所有网 络后 , 便可得到 此用户的 可接入备 选网络集 。

( 2 ) 当网络侧 得到每个 终端用户 备选的接 入网络集 合后 , 并不会立 刻把终端 用户分配 到网络中 去 , 因为在不 考虑网络 侧条件的 情况下 , 有可能某 个网络的 条件特别 好 , 而最后所 有终端用 户都选择 接入这个 网络 , 造成此网 络的拥塞 。 因此对用 户来说最 好的网络 , 从网络侧 角度出发 并不一定 是最适合 的网络 。 本文从负 载均衡的 角度出发 , 结合终端 用户的需 求 , 按照业务 优先级顺 序来分配 接入的终 端用户 。

假设终端 用户集合 为U= (u1, u2, … , ui, … , uu) , 在集合中 每个终端 用户需要 的带宽为BU= (Bu1, Bu2, … , Buu) , 同时定义每个网络剩余的带宽为BN= (BN1, BN2, … , BNt) 。

当CRRM得到用户 的备选接 入网络集 以及各个 网络的不 满意度后 , 考虑到终 端用户的Qo S, 网络侧按 照终端用 户的业务 优先级顺 序进行分 配 。 例如 :终端用户i的业务优 先级最高 , 则网络侧 对此终端 用户首先 分配 。

本文从剩 余资源的 角度出发 进行考虑 , 具体算法 如下 :

首先得到一个所有网络的平均资源剩余率, 记为Q:

对终端用 户i, 假设备选 接入网络 总个数为j个 , 则它对第j个网络的 资源占有 率为且BNj> Bui。 要满足网络间 的负载均 衡 , 即取最小值 。 代入Q , 得式 (10) :

如果式 (10) 在第j个网络得 到最小值 , 则CRRM实体将终 端用户i分配到第j个网络 。 当用户i分配到网 络j后 , 网络侧会 对该网络 的资源进 行更新 , 该网络剩 余的带宽 更新为BNj- Bui, 同时 , 网络的平 均资源剩 余率Q也更新为更新完毕 后 , 再找出业务优先 级次低的 用户 , 按式 (10) 再次进行 分配 , 直到所有 的用户分 配完毕 。 整个算法 流程图如 图2所示 。

从图2中可以看 出 , 异构场景 下 , 当多个终 端用户在 多个网络 覆盖区域 同时发起 接入时 , 首先由终 端用户根 据自身需 求建立一 个备选接 入网络集 , 然后由CRRM根据收集 的网络侧 相关信息 把发起接 入的终端 用户分配到合适 的网络中 。 因此本方 法即考虑 了终端用 户的利益 , 又结合了 网络本身 的情况 。

3仿真结果

为了验证 算法的有 效性 , 采用MATLAB工具进行 了仿真 。 异构环境 下 , 在终端用 户侧 , 终端用户 的到达率 服从均值为 λ 的泊松分布, λ 的取值从1到5, 并且每个终端用户 需求的带 宽服从均 值为2的均匀分 布 。 在网络侧 , 可接入的 网络总数 目为4, 分别设为 网络1、 网络2、 网络3、 网络4, 同时为了 体现网络 时变性 , 对部分参 数增加了 抖动 。 选取的网 络参数如 下 : 用户偏好 (o) 、 时延 ( α ) 、 响应时间 ( β ) 、 价格 ( η ) 、 误码率 ( μ ) 、 安全性 ( σ ) 。 网络参数 数值如表1所示 。

同时 , 将本文所 提算法与 文献 [3]中所提的 网络选择 算法进行 对比 , 分析本算 法的性能 。

图3表示随着 终端用户 到达率的 增加 , 每个网络 的资源剩 余率Q的变化情 况 。 当 λ 值较小时 , 此时一个 网络就可 以承载接 入的终端 用户 。 在仿真中 , 由于网络1最符合用 户的选择 , 所以不管 是对比算 法还是本 文所提算 法 , 网络1的资源剩 余量都比 较低 。 随着 λ 值的进一 步增加 , 到达的终 端用户数 将会越来 越多 , 因此相应 的所需带 宽也就越 来越大 , 所以在图 形中4个网络的 剩余资源 率呈现慢 慢变少趋 势 。 但相对于 对比算法 , 本文所提 算法会从 负载均衡 的角度出 发 , 将终端用 户分配到 其他可以 接受的网 络中 , 而对比算 法的分配 结果导致 了网络1的负载过 重 , 从图3中可以明 显观察出 λ 的值越大 , 网络1的资源剩 余率越低 , 即负载相 对于另外3个网络过 重 。

图4反映的是 随着终端 用户到达 率的增加 , 每个网络 的剩余带 宽 。 相对于图3、图4可以明显 看出 , 在对比算 法中 , 网络1的负载较 大 , 网络2的负载明 显较轻 , 而在本文所 提的算法 中 , 4个网络的 剩余资源 则都很接 近 , 有效的保 证了4个网络间 的负载平 衡 , 说明了本 算法的有 效性 。

图5表示的是 随着 λ 的增加 , 两种算法 中终端用 户总的接 入成功率 的比较 。 随着接入 用户数目 的增加 , 接入成功 率呈现下 降趋势 , 这是因为 网络的负 载能力有 限 , 终端用户 数目的增 加必然导 致成功接 入用户数 目的减少 , 但本文所 提算法的 接入成功 率明显高 于对比算 法的接入 成功率 。

4结论

本文提出 了一种基 于负载平 衡的网络 选择方法 , 首先 , 从终端用 户的角度 出发 , 通过修正 后的AHP得到终端 用户的不 满意度 , 再比较其 不满意度 与最大容 忍度之间 的几何关 系 , 从而获得 终端用户 的备选网 络集 , 然后再从 网络侧的 角度出发 , 按终端业 务申请接 入的业务 优先级顺 序 , 从负载均 衡的角度 出发 , 由网络侧 为终端用 户分配最 终的接入 网络 。 本方法既 考虑了终 端用户的 利益 , 提高了接 入成功率 , 又兼顾了 网络侧的 利益 , 保证了负 载均衡 。 仿真结果 也表明本 文所提方 法不仅能 够让终端 用户有效 地进行选 择 , 同时也尽 量保证了 各个网络 间的负载 均衡 。

摘要：针对异构无线环境, 提出了一种基于负载平衡的网络选择算法。采用“终端辅助, 网络决策”的策略, 首先利用修正权重后的层次分析法得到网络参考向量, 然后终端用户根据向量间的几何关系挑选出可接入网络集合, 最后网络侧基于负载平衡的前提下为终端用户选择最终接入网络。通过仿真对比, 验证了该算法的有效性。

关键词：接入,负载均衡,异构网络

参考文献

[1]Ha Jeounglak, Kim Ji Yeon, Kim Jin-up, et al.Dynamic load balancing architecture in heterogeneous wireless network environment[C].In Proc.of Comm.and Inform.Tech., 9th Internet Symposium, 2009:248-253.

[2]孙雷, 田辉, 沈东明, 等.一种基于Hilbert空间向量范数的网络选择算法[J].北京邮电大学学报, 2009, 32 (4) :54-58.

[3]梁立涛, 纪阳, 张平.基于模糊层次分析法的异构系统网络选择算法[J].北京邮电大学学报, 2007, 30 (2) :1-5.

[4]Pathak Parth H, Dutta Rudra.Impact of power control on relay load balancing in wireless sensor networks[C].In WCNC 2010, 2010:1-6.

[5]CHANG B J, WU C H.Adaptive load balancing MDPbased approach of two-dimensional spreading for VSFOFCDM in 4G next-generation cellular communications[J].IEEE Transactions on Vehicular Tech nology, 2009, 58 (3) :1143-1156.

[6]WANG L, BINET D, MADM-based network selection in heterogeneous wireless networks:a simulation study[C].In Proc.of IEEE VITAE’09, 2009:2603-2607.

[7]Xu Yubin, Li Limin, Boon-Hee Soong, et al.Fuzzy Qlearning based vertical handoff control for vehicular heterogeneous wireless network[C].2014 IEEE International Con- ference on Communications (ICC) , 2014:5653-5658.

[8]BERNARDON D P, SPERANDIO M, GARCIA V J, et al.AHP decision-making algorithm to allocate remotely controlled switches in distribution networks[J].IEEE Transactions on Power Delivery, 2011, 26 (3) :1884-1892.

[9]魏淑芝, 朱琦.基于网络选择的视频通信带宽博弈算法[J].通信学报, 2015 (36) :216-224.

动态负载平衡 篇5

2005年上半年, Intel和AMD相继推出了自己的双核处理器, 随后推出了各自的多核发展计划, 宣告了多核时代的来临。然而传统的软件程序设计都是针对于单核处理器的, 在多核处理器计算机系统中运行时, 只能调用其中一个处理器核心, 从而不能充分发挥出多核处理器的优势。

为了充分利用多核处理器的计算能力, 就必须对传统的软件编程模型进行改进, 研究基于多线程的并行编程模型。在目前的多线程并行编程模型中, OpenMP是适合于共享存储体系结构的线程级并行编程规范, 一般是面向循环结构的并行化。Open MP基于Fork-Join模型, 将程序划分为并行区和串行区, 不同处理器间通过共享变量完成数据交换。由于Open MP具有可移植、可扩展、简单易用等特性, 因此在多核处理器体系结构上得到了日益广泛的应用。

在多核平台下的多线程并行编程的一个重要问题是负载平衡问题。所谓负载平衡是指让CPU的每个处理核尽可能处于相同的繁忙程度, 尽量避免出现部分CPU核繁忙, 而部分CPU核长时间空闲的情况。为了充分发挥多核处理器中每个CPU核的潜在处理能力, 必须保证分配到各个CPU核上的任务具有较好的负载平衡性能。否则一些CPU核在运行, 另外一些CPU核处于空闲, 无法充分发挥多核CPU的优势。

本文将介绍Open MP中的线程调度策略, 分析其在负载平衡中的缺陷, 并介绍一种对负载平衡进行优化的方案。

1、Open MP中的线程调度策略分析

Open MP中的一个重要内容就是负载平衡, 尽量让每个线程的工作量相当, 从而保证程序的执行效率。Open MP中主要的调度策略包括static调度策略、dynamic调度策略和guided调度策略。这三种调度策略可以有效地对Open MP的for循环任务分配进行有效的分块与调度, 实现线程的负载平衡。

1.1 static调度策略

static调度策略将所有循环迭代划分成相等大小的块。如果循环迭代次数不能整除线程数时, 将尽可能划分成大小相等的块。如果没有指定块大小, 迭代的划分将尽可能的平均, 使每个线程分到一块。将块大小设置成1时, 就可以将循环迭代交错分配给各个线程。

默认情况下, Open MP的for循环任务分配都会采用静态负载平衡调度策略, 即把循环迭代以近乎平均的方式分配给各个线程。如果有M次迭代, 线程组有N个线程, 那么每个线程就执行M/N次迭代。编译器和运行时库将正确处理M不能整除N的情况。

1.2 dynamic调度策略

dynamic调度策略将循环迭代分为若干个迭代块, 每个块的大小由程序员指定。该调度策略使用一个内部任务队列, 采用先来先服务的方式进行调度。当某个线程可用时, 为其分配一个循环块。当一个线程完成其当前分配的循环块后, 它将请求另一个循环块, 系统将从任务队列头部取出下一个循环块分配给该线程。这个过程不断重复, 直到所有的迭代块都分配执行完成。最后一个迭代块的大小按实际情况分配, 可以小于指定的块大小。

虽然dynamic调度策略可以根据线程的执行情况分配任务, 可以极大地保证线程组的负载平衡, 但是这种调度策略与static调度策略相比需要额外的开销, 不能达到最佳的性能。

1.3 guided调度策略

guided调度策略与dynamic调度策略类似, 但循环块大小刚开始比较大, 后来逐渐减小, 从而减少了线程用于访问任务队列的时间。guided调度策略中一个循环的划分是基于公式∏k=[βk/2N]得出的。其中N是线程个数, ∏k代表第k块的大小, 从第0块开始, 在计算第k块的大小时, 代表剩下的未调度的循环迭代次数。如果∏k的值太小, 那么该值就会被程序员指定的块大小取代。如果程序员没有指定块大小的值, 则默认值为1。

通过使用dynamic和guided调度策略, 程序员可以对应用程序进行调整, 以应对循环的各个迭代工作量不统一或某些处理核比其他处理核运行快的情形。在一般情况下, 由于guided调度策略的开销较少, 所以比dynamic调度策略的性能好。

2、Open MP中负载平衡的优化方案

2.1 Open MP中负载平衡的缺陷

Open MP中实现负载平衡可分为静态和动态两种方法。静态负载平衡方法对应的是Open MP中的static调度策略, 负载在多个线程之间的分配是由人工指定的。然而, 人工的方法很难对系统的负载做出正确的估计。例如, 一个大的循环中, 循环的次数是由外部输入的, 事先并不知道循环的次数, 此时采用静态负载平衡划分策略就很难实现负载平衡。动态负载平衡方法对应的是Open MP中的dynamic和guided调度策略, 该方法中对任务的调度一般是由系统来实现的, 程序员通常只能选择动态平衡的调度策略, 但不能修改调度策略。由于实际任务中存在很多的不确定因素, 调度算法很难做到最佳。Open MP中负载平衡出现以上缺陷的原因在于:首先, 在程序编译时, 无法预知程序真正执行时的整个系统的负载情况以及任务子线程被调度的情况。其次, 很多情况下, 无法假设程序最终执行的硬件平台, 因此程序的编译工作与程序最终执行可能是两个不同的硬件平台。

2.2 Open MP中负载平衡的优化思想

多线程负载平衡的难点在于:通常来说, 编译系统先完成任务的划分并创建相应的多线程, 然后才是操作系统对子任务线程进行执行和调度。因此, 在进行任务负载的划分时, 无法预知操作系统可能的调度行为, 从而难以知道将来系统的负载情况。在实际系统中, 当任务被分解之后, 每个子任务都将以操作系统线程的形式存在并被调度运行。每个支持多核处理器的操作系统都有一套自己的线程调度算法, 该调度算法将直接影响每个子任务线程的执行完成时间。而系统中其它任务的执行情况又将影响调度算法的执行结果。因此, 需要根据整个系统的负载变化情况动态决定Open MP的任务划分与负载平衡。负载平衡的优化涉及到两个关键的技术, 一是如何实现程序运行时的任务划分并创建相应的子线程。目前的编译器一般采用静态划分, 在编译器产生可执行代码的同时, 就已经确定了某个任务所对应的子线程数量和同步结构。本文所研究的负载平衡优化, 编译时并不做任务划分和子线程的创建工作。这些都是在程序动态运行时, 根据当前系统中的各种特性参数和历史记录动态完成的。二是创建一个合理的影响因子模型, 正确评价各种因素对任务划分和子线程创建决策所产生的不同影响。这些因素不但对划分结果有不同的影响, 并且表现的形式也比较多样。为了最终得到动态划分和负载平衡算法, 必须把这些因素统一到一个模型中。

2.3 Open MP中负载平衡的优化方法

负载平衡优化的主要方法是:首先, 在编译目标程序代码时, 设计支持动态创建线程的代码。其次, 提供一种能够收集系统中各种信息的反馈机制, 以作为动态任务划分和负载平衡的依据。这些收集的信息可以包括:处理器的处理核数目, 当前系统所能处理的线程数目和当前系统的空闲线程处理能力的变化历史统计记录等。对负载平衡进行优化时主要采取扩展现有工具, 进行大量实验的手段。选择现有的支持Open MP和多核处理器的软件和硬件平台, 在其基础上对其实现机制进行分析, 并对其扩展, 以实现动态任务划分和负载平衡的目标。然后, 在现有的软硬件平台上完成大量实验, 采集大量数据, 以得到各种对任务划分和负载平衡的影响因素, 根据这些因素影响程度的大小, 设计动态划分和负载平衡算法。

负载平衡优化的方法, 首先对编译器中实现OpenMP多线程的部分进行仔细分析。掌握它们目前静态划分任务并为每个子任务创建相应线程的方法。随后, 研究进行任务划分和实现负载平衡的算法。在这个过程中, 主要是通过理论计算和实验数据分析来寻找和评价影响任务划分结果的重要因素。在现有静态和动态负载平衡算法的基础上, 结合上一步所得到的各种影响因素, 设计新的动态任务划分和负载平衡算法。最后, 实现所提出的算法, 并用它扩展现有支持Open MP编译器。

3、结束语

本文介绍了Open MP的三种不同调度策略, 分析了不同调度策略的调度方法。在分析了Open MP中负载平衡存在缺陷的同时, 提出了对负载平衡优化的思想和方法。下一步将利用支持多核处理器的软硬件环境, 通过大量实验以实现一个较好的负载平衡优化算法。

参考文献

[1]温涛, 腾英岩, 游骅.多核编程.大连:东软电子出版社, 2009.

[2]任小西, 唐玲, 张杰.基于OpenMP多线程动态负载均衡技术研究.世界科技研究与发展, 2008, 30 (3) .

动态负载平衡 篇6

1自适应网格负载平衡算法

大规模路网的交通流预测任务由独立同构的各个路段的预测子任务组成,子任务之间并不互相依赖。大规模路网交通流预测负载平衡问题的实质就是在网格环境下,把m个子任务{r1,r2,…,rm}以合理的方式分配到v台主机{C1,C2,…,Cv}上去,并希望得到尽可能小的总执行时间(makespan)。

为了平衡任务的执行时间,自适应网格负载平衡算法根据系统负载变化来分配任务到各个主机,对低负载的主机分配较多的任务,而高负载主机分配较少或不分配。同时根据各个节点上任务执行时间的差距来调节各个节点的负载,对本次调度中执行时间长于平均任务执行时间的在下次调度中减少任务量,反之则增加任务量。

1.1定义

定义1:假设网格中存在v台主机的集合G={C1,C2,…,Cv},选择其中负载较轻的s台主机用于第i次调度,将这些主机表示为向量H

假设在第i次调度的任务Ri由m个同构独立的子任务组成,有向量Ri=(ri1,ri2,…,rim)。将任务Ri分配到Hi中去执行,每台主机分配到数量不同的子任务,可用作业向量Ji表示,即Ji=(ji1,j,…,jis),作业jik(k∈[1,s])中的子任务数为nik,各个作业中包含的子任务数表示为:

定义2:假设在第i次调度中,用向量Ti=(ti1,ti2,…,tis)表示作业在各个参与第i次调度的主机上的完成时间,其中tik(k∈[1,s])代表作业jik的完成时间,则各个主机上作业的平均完成时间

令时表示该主机的负载偏高,bik<0时表示该主机负载偏低,对于负载适中的主机和未调度到的主机bik=0,可用向量Bi作为负载失衡向量来表示在网格中各主机的失衡程度:

定义3:对于网格中的主机,在运行中可用各种负载指标来刻画它的负载状态,这些负载指标包括CPU利用率,CPU队列长度等。主机hi的负载状况可表示为具有w项负载指标的负载向量Li=(li1,li2,…,liw),其中ln(n∈[1,w])来代表一项负载指标。所有v台主机的负载状态可表示为矩阵:

定义4:根据综合负载指标的定义,可以有系数向量A=(α1,α2,…,αw),使得

其中ui代表主机i(i∈[1,v])的综合负载指标。

1.2算法描述

对不断被调度的任务集合{R1,R2,R3,…,Rn},当任务Ri被调度执行时,在i-1次调度中负载失衡向量Bi-1=(bi-1,1,bi-1,2,…,bi-1,v),选择系统内的轻载节点集合H来完成任务Ri,轻载节点的选择基于双阈值方法的低负载阈值TL,有yk=uk+βbi—1,k。

令若yk

1.3自适应网格负载平衡算法

为了平衡各个节点的负载,提高任务的执行效率,自适应网格负载平衡算法通过当前各节点的负载状况和任务的执行时间反馈调整任务量,下面给出自适应网格负载平衡算法:

2大规模路网交通流预测网格负载平衡

如图1 所示,整个可以实现负载平衡的交通流预测网格系统主要由以下部分组成:

(1)负载信息管理网格服务(Load Information Management Service),

(2)作业描述生成器(Job Scritpt Creator),

(3)作业提交器(Job Submission),

(4)数据准备模块(Data Preparation)。

负载信息管理网格服务负责收集各个节点的负载信息,并结合上一次调度反馈的各子任务的执行时间调整各个节点的任务分配,作业描述生成器根据负载信息管理网格服务给出节点任务量生成作业描述,由作业提交器根据作业描述将作业提交到网格中。而数据准备模块则负责准备用于预测的实时交通数据。

3 性能评估

为了评估本文的负载平衡算法和相应负载平衡结构的有效性,以一个具有30 台主机的

网格环境为实验目标,这30 台主机的配置如表1。

网格环境使用的是Globus Toolkit 4.0[4]。这30 台主机间使用千兆以太网连接,这些主机除了参与网格任务外,还不断被调度运行其他科学计算任务,因此在网格任务中时常出现负载失衡的情况,使用这些节点来进行交通流预测,需要负载平衡来降低任务的执行时间。

首先我们使用100,300,500,1 000 个路段的交通流预测任务进行实验,可在调度中得到图2 的结果。

从图2中可以发现随着任务量的增加自适应算法仍然能够较好的平衡各个节点的负载,使得任务的完成时间较低。在不使用负载平衡时,任务量从100 到1 000 执行时间增加了27.39 s,而使用自适应算法时间仅增加了13.91 s。

然后使用1 000 路段的交通流预测任务进行多次调度实验,分别比较无负载平衡、无反馈调整以及自适应负载平衡在多次调度中的效果。

从图3可见由于利用了任务的执行时间的反馈调整任务量的分配,自适应算法有较好的负载平衡效果,能够在出现负载失衡时快速的调整各主机的任务量使得负载重新趋于平衡,执行时间最短的第14次调度与最长第11次调度的时间仅相差11.09 s,可见各次调度任务执行时间的波动较小;对于没有根据执行时间的反馈调整任务量的方法,各次调度的波动较大,并且达到平衡的速度较慢,可以看到在无反馈调整的方法中,执行时间最短的第4次调度与第11次调度的时间相差27.49 s;另外在没有负载平衡的方法中,执行时间最短和最长的两次调度时间差值达到了68.43 s,而且往往会出现任务完成时间突然上升的情况,这种情况通常是由于参与任务的某台主机的负载很高,导致其他的主机需要花费大量时间等待它的任务结果进行造成的。

4 结 论

动态共享的网格中存在负载失衡的情况,在这样的环境中实现交通流预测,需要平衡各个节点的负载使得任务的执行时间尽可能短。而针对路网的交通流预测由各个同构且相互独立的路段预测任务组成这一情况,使用本文的自适应负载平衡算法实现了任务快速自适应分配,并利用网格基础设施实现了基于该算法的大规模路网的交通流预测,获得了较好的负载平衡效果,提高了任务的执行效率。

参考文献

[1]赵亦林.车辆定位与导航系统.谭国真,译.北京:电子工业出版社,1999

[2]Foster I,Kesselman C.The grid:blueprint for a newcomputing infra-structure.Hardcover:Morgan Kaufmann,1998

[3]Dobber M,Koole G,van der Mei R L.Dynamic load balancing for a grid application.Proceedings of HiPC2004,Springer-Verlag LNCS3296,Berlin:Springer-Verlag,2004:342—352

[4]Foster G I.Toolkit version4:software for service-oriented systems.IF-IP International Conference on Network and Parallel Computing,Springer-Verlag LNCS3779.Beijing:Springer-Verlag,2006:2—13

[5]Ganglia.Ganglia is a scalable distributed monitoring system.http://ganglia.sourceforge.net/

[6]Hawkeye.A Monitoring and Management Tool for Distributed Systems http://www.cs.wisc.edu/condor/hawkeye/

[7]Schopf J M,D′Arcy M,Miller N,et al.Monitoring and discovery in a web services framework:functionality and performance of the globus toolkit′s mds4.Argonne National Laboratory Tech Report ANL/MCS-P1248-0405.Argonne:Argonne National Laboratory,2005

[8]XPath.XPath is a language for addres sing parts of an XML document.http://www.w3.org/TR/xpath

动态负载平衡 篇7

1 系统总体方案设计

按照主从控制和交叉耦合控制的原理[3]:即将一台电机作为主电机,主电机及其控制回路作为主回路,另外一台电机及其回路作为从回路,通过一个耦合器将主电机的某一输出信号变换为从电机的输入,在这里是将主电机的转矩信号输入从电机,达到从电机跟踪主电机转矩的目的,系统框图见图1。

图1中,交叉耦合控制器采用速度调节器,作用为将给定的速度信号ω*与反馈的速度信号ω变换为转矩信号T*;控制器采用转矩调节器,作用为将T*转换为定子电流转矩分量i*T1、i*T2。控制环路包括逆变器、控制单元等部分,作用是将控制信号定子电流转矩分量及定子电流励磁分量i*M1、i*M2转换为控制电机的三相电流iA1、iB1、iC1和iA2、iB2、iC2。

2 系统数学模型建立

在图1的主回路中,速度调节器采取P I调节器,即式(1)。KP为比例系数,TI为积分系数,p为微分算子。

转矩调节器为式(2):

K=ΨrconCIM,其中:Ψrcon为转子磁链定值即Ψrcon=constant(常数);CIM为转矩系数,等于npLmd/Lrd,其中np为电机磁极对数,Lrd为转子一相绕组的等效自感,Lmd为定、转子一相绕组之间的等效互感[4]。

以上各个系数由两方面因素决定:一是控制系统的设计,二是所使用电机的各参数。两个电机的参数不同导致负载不平衡,因此对两个不同的电机采用不同的系数,使得两者实现负载平衡。

控制回路包括Park逆变换(即反旋转变换)和Clark逆变换两部分,作用是将转矩电流分量ir*和励磁电流分量iM*转换为用于控制电机的三相电流。该处可以将控制环路和电机两部分用三相异步电机的等效直流电动机模型来代替。另外,因为两个电机是通过一根刚性主轴连接的,等效直流电动机模型中的运动部分应有相应体现,整个系统如图2所示。图中K1、K2为转矩调节器系数,Tr1、Tr2为电机1和2转子电路的时间常数,CIM1、CIM2分别为电机1和2的转矩系数,TL为外加负载转矩,J为机电系统转动惯量,p为微分算子。

3 Matlab仿真

对系统在Matlab中进行仿真,仿真图如图3所示,参数设定在图上标出。图中Te1、Te2为电机1和2的转矩,ωr为实际转速,s为一个复数变量,称为复频率。

两台电机的转矩输出波形如图4所示,在负载转矩TL为20 N·m时,两台电机功率相同,参数略有差异的电机转矩Te1、Te2都非常接近10 N·m,完全实现了负载平衡,达到了设计目的。如果不使用转矩调节器进行耦合,即两台电机采用相同的转矩电流,电机1转矩在10 N·m以上,电机2转矩在10 N·m以下,两台电机的负载有明显的差异,如图5所示。

4 结语

对于同轴串联的双电机,由于制造上的差异,即使同型号、同批次的电机,其参数也不可能完全相同。本文将矢量控制理论应用于同轴串联的双电机的负载平衡,通过Matlab仿真证明了理论上的可行性。由仿真结果看出,采用矢量控制理论的系统中,两台电机可实现承担相同负载的设计目的;而对于只含单个转矩调节器的系统中,两台电机承担的负载有明显差异。在仿真的过程中发现,要实现双电机的负载平衡,测算出准确的电机参数是必需的,这将是在接下来的研究工作的重点和难点。

参考文献

[1]刘希喆，吴捷，皮佑国，等.硬联接双电机的变频同步驱动方案研究[J].中国农村水利水电,2003(7).

[2]龙成忠.变频控制技术在双电机同步驱动同一负载中的应用[J].Equipment Manufacturing Technology,2008(9).

[3]杨晨娜,张怡.双电机同步控制系统的设计与仿真[J].工业控制计算机,2009,22(1):36-37.