并行诊断（精选7篇）
并行诊断 篇1
在故障诊断领域,信息融合( Information Fu- sion) 技术是一种多元关联的信息处理方法,能准确、全面地描述对象,为动态系统提供正确的判断与决策［1］。其中,D-S理论可以融合多个信息源的不确定信息,是人工智能领域中表示并处理基于概率不确定性的有效方法,可以减小不确定性因素的影响,已被广泛应用于故障诊断领域［2 ～4］。
凝汽器系统的某一种故障往往对应多种故障征兆,而某一种故障征兆又可能对应多种故障,使得对故障所在位置的准确判断变得异常复杂。此处,引入粗糙集属性约简方法［5，6］对故障征兆向量进行降维处理,消除冗余信息的影响。具体地, 将征兆参数空间划分为多个子征兆空间,每个子空间的征兆参数作为并行神经网络的输入,通过并行神经网络对多个子征兆空间进行初步诊断。 针对凝汽器故障诊断中存在着大量不确定信息的问题,借用信息融合方法对各神经网络的输出进行融合,利用组合规则实现故障的最终诊断。
1 D-S理论*
D-S理论是一种不确定推理方法,是概率理论的扩展,即通过许多对某个问题不精确的描述与判断,利用一定的规则进行判断和整定,得到具有一定程度不确定、不精确,但却合理或近乎合理的结论的方法。以下不加证明地给出关于D-S理论的4组定义,构成对D-S理论知识的基本描述。
定义1证据理论是建立在一个识别框架 Θ 上的理论,Θ 是一个互斥的、非空的、有限的且包含所有事件的集合。设有函数m: 2Θ→[0,1],其满足:
其中,φ为空集,则称m( A) 为A的基本概率赋值函数,表示在某条件下对结论A的直接支持。 若m( A) > 0,则称A为证据的焦元,所有焦元的并称为核。
定义2在同一识别框架 Θ 上,信度函数分别为Bel1、Bel2、…、Beln,基本可信度分配为m1, m2,…,mn,若存在且基本可信度分配为m,则Dempster合成规则为:
其中,。1/(1-k)为归一化系数,避免证据组合时,将非零的信任赋给空集φ,k反映了融合过程中证据冲突的程度。
定义3设Θ为识别框架,如果函数Bel:2Θ→[0,1]满足,则称Bel为置信函数,也称为下限函数,表示对A的全部信任。
定义4设Θ为识别框架,如果函数Pls:2Θ→[0,1]满足,则称Pls为似然函数,也称为上限函数;A的不确定性由Pls(A)-Bel(A)表示;[Bel(A),Pls(A)]称为置信区间,表示对A不确定性的度量。
2融合并行Elman网络和D-S理论的诊断模型描述
笔者采用一种基于并行Elman网络和D-S理论,实现决策级信息融合的故障诊断系统模型［7］, 如图1所示。该模型主要由4部分构成: 粗糙集属性约简模块,将征兆空间划分为多个子征兆空间; 局部故障诊断模块,Elman网络输出作为基本概率赋值; 特征级局部融合模块,D-S理论融合各证据体信息; 决策层融合模块,利用Elman网络和D-S理论进行局部融合后进行决策层融合,从而输出诊断结果。
2. 1粗糙集属性约简模块
在粗糙集理论中,可以用S = ( U,R,V,f) 表示一个知识表达系统,其中论域U是对象的集合; R = C∪D,且C∩D≠Φ,C称为条件属性集,D称为决策属性集; V = U( Vr) 为属性值组成的集合,Vr是属性r∈R的属性值范围; f: U × R→V是一个信息函数,它包含全部的信息值,为每个对象的每个属性指定一个信息值。
凝汽器之所以发生故障,除了自身结构问题外,还可能是其相关的各种征兆参数发生异常引起的,即凝汽器的故障通常是由运行中的各种征兆参数所反映的。文献[8]分析了凝汽器的故障和相关征兆,构成相对完整的凝汽器典型故障知识库。
由故障知识库得到凝汽器故障诊断决策见表1,表中共有13个对象、16个条件属性和一个决策属性,其中论域U = { ui| i = 1,2,…,13} ,决策属性D = { D1} ,条件属性C = { C1真空度下降,C2循环水泵电机电流将至零,C3循环水泵出口压力将至零,C4凝汽器冷却水进口压力变化,C5凝汽器冷却水出口压力变化,C6凝汽器水阻变化,C7转子出现负胀差,C8凝结水泵出口压力变化,C9凝结水泵电机电流变化,C10凝结水泵导电度增加,C11低压加热器水位升高,C12凝汽器冷却水温变化,C13凝汽器端差增加,C14凝汽器过冷度增加, C15凝汽器抽气口至抽气器进口之间压差减小,C16抽气器出口的空气与冷却水入口温差增加} ; 条件属性值域VC= { 0. 00很低,0. 25较低,0. 50正常,0. 75较大,1. 00很大} ; 决策属性D的值域VD= { 1循环水泵严重故障,2凝汽器冷却管板脏污,3冷却水出口管道堵塞,4后轴封供汽中断,5凝汽器满水,6真空系统管破空气严重渗漏,7真空系统不严密,8凝结水泵工作不正常,9凝汽器铜管破裂,10低压加热器铜管破裂,11凝汽器管道脏污结垢,12凝汽器工作不正常,13抽气器工作不正常} 。
为确保对决策属性分类能力始终不变,利用极小析取范式来获得属性的约简,即通过决策表写出区分矩阵,然后写出区分函数,进而整理成所需的极小析取范式［9］。由上述获取的相对约简, 可以构造一个分类能力与原有决策表相同的神经网络,即在诊断对象的同一状态下,诊断功能等价的神经网络输出结果是一致的［10，11］。
选取所有的约简是不合适且没必要的,在n个约简中选取具有代表性的k个约简是比较切实可行的选择,在此选取以下3个约简:
由于{ C12} 和{ C15} 为条件属性的核,故每个约简中必然包含C12和C15这两个属性。3个约简中包含所有的故障征兆参数,且两两约简中元素交集的个数不超过2,符合约简的选取规则。约简Q1、Q2和Q3,将整个故障征兆参数空间划分为3个子征兆参数空间,构造3个并行的Elman诊断网络。
2. 2 Elman网络实现初步诊断
Elman网络是一种动态的反馈网络,含有一个隐含层节点到输入层节点的反馈连接通道,使得网络本身具有监测和产生时变模式的能力［12］。 同时,Elman网络具有强分类能力,可以用BP算法进行训练。由于Elman泛化能力优于常规BP网络,故选用Elman来实现凝汽器的初步诊断。 且由选取的3个约简构造3个并行神经网络,然后用训练好的网络对凝汽器进行故障诊断。
为了确定每个焦元的基本概率赋值,需将并行Elman网络的输出进行归一化处理,再直接作为各个证据体焦元的基本概率赋值［13］。
首先,Elman网络实际输出与期望输出之间的误差,其中tnj是第j个节点的期望输出值;ynj是第j个节点的实际输出值;En是第n个特征向量的误差。
将求得的误差En作为D-S识别框架中的不确定性的元素,将Elman网络的输出结果进行归一化处理,计算式为:
其中m(En)的值作为构成D-S理论中证据的不确定度m(θ),m(Ai)为样本的第i个故障模式的基本概率值,这样就构成了各个证据的基本概率分配。Ai(i=1,2,…,n)为故障模式;y(Ai)为Elman神经网络的诊断输出;,En为网络样本误差。
2. 3 D-S理论的组合规则
由并行Elman网络的诊断输出,求出每个焦元的基本概率赋值,由经典D-S理论方法,求出3个证据体融合的基本概率赋值,进一步求得融合的置信区间,然后使用决策层的诊断规则对故障进行判断。
2. 4决策层诊断结果
3数字仿真
3. 1故障现象与参数选择
此处采取文献[8]中的实例进行分析,在对某电厂300MW汽轮发电机组凝汽系统进行状态监测时,所测运行参数为: 凝汽器冷却水进/出口压力和水阻均正常,真空度大幅下降,循环泵电机电流40. 0A、循环泵出口压力700kPa、转子差胀13mm、循环水温升11℃ 、凝汽设备端差7℃ 、凝结水过冷度1℃、抽出空气与冷水进口温差5℃、凝汽设备抽气口至抽气器的压差30kPa、凝结水导电度0. 2、凝结水泵电机电流26. 6A、凝结水泵出口压力160kPa和低加水位30mm,这是某故障发生时的现象。
当发生上述故障时,将测得的数据经模糊化处理后得到[0. 010. 810. 720. 440. 51 0 . 53 0. 20 0. 52 0. 47 0. 23 0. 30 0. 47 0. 80 0. 74 0. 77 0. 22],作为网络的输入,进而对凝汽器进行故障诊断。然后由D-S理论融合各证据的信息,通过决策规则判断出凝汽器的故障类型。
3. 2结果与分析
通过各个Elman网络的输出,可以获得彼此独立的证据,然后计算各个证据体的基本概率赋值,结果见表2。注意,每个证据体所有的概率赋值之和为1。
由表2的基本概率赋值可求出信任函数和似然函数,即可得到各个证据体的置信区间m( Θ) 和初步诊断结果( 表3) 。通过D-S理论融合算法,求出3个并行网络各种网络组合的融合结果, 得到各个证据体融合的置信区间和诊断结果,见表4。
利用决策规则进行判断,对比表3、4的数据可知,用单一的Elman网络进行诊断,诊断结果不确定; 而采用3个并行的Elman网络单独进行诊断,有不确定的结果,但总体判断为第四种故障A4,即后轴封供汽中断。
并行网络进行融合之后准确地判断出故障种类型为A4,即后轴封供汽中断,与实际相符。从具体数据上看,网络1和网络2融合结果的置信区间为[0. 885 50. 894 5],不确定性为0. 009 0,与单个网络1和网络2相比,可信度明显提高, 不确定性减小。从网络1、2和3的融合结果可以看出,置信区间为[0. 967 8 0. 968 6],不确定性为0. 000 8,相比于任意两个网络融合的结果,置信区间均不同程度增大,不确定度均不同程度减小,证实并行网络的信息融合方法提高了凝汽器故障诊断的准确性。
4结束语
笔者提出了一种新的融合并行Elman网络不愉快D-S理论的故障诊断方法,解决了凝汽器复杂故障与征兆间非一一对应且交叉影响的情形。 利用Elman网络实现D-S理论基本概率赋值的客观计算,取代完全依靠不同领域专家主观赋值的方式,从而获得了更加准确、客观的故障诊断结果。仿真结果表明: 并行网络与D-S理论的融合方法比单一神经网络的故障诊断更加准确,置信区间大幅提高,不确定性大幅减小,与实际情况相符的程度更高。
组合CC++并行编程并行块研究 篇2
一、举例说明
1. 并行块结构说明。关键代码如下所示:
Par{statement_1;statement_2;…statement_N;}
除了某些特殊情况外, 并行块里面的声明都应是CC++的合法声明。par不同于普通C++语言的模块, 在par里各种声明的执行顺序都是不固定的, 块里的各个声明语句都是以交错的方式或者并行的方式执行的。
2. 并行块控制语句。下文是1个并行块的控制程序代码:
{int a, b, d;int c=1;par{a=2;b=c+3;}d=b+1;}
可以看到, par之中有2个独立的控制线程:第1个语句为“a=2;”, 第2个语句为“b=c+3;”, 而“d=b+1;”这个语句必须在“a=2;”和“b=c+3;”语句运行完毕之后方可运行。
二、结构
并行块的重要特征是自身结构提供了并行代码, 一个被定义的并行块只有在并行体里面的所有语句运行结束之后才能终止。因此, 终止1个并行块, 意味着块内所有线程都已运行完毕。关键代码如下:
{Par{a=f (2) ;b=f (31) ;c=g (2, 6.5) ;}Sum=a+b+c;}
赋值于a, b, c的各个线程在不同的时刻将以不同的顺序来完成其赋值工作, 即在时刻T1可能是a先完成, 接着到b, 最后到c;在时刻T2有可能是b先完成, 然后到a, 最后到c。但是, 不管以怎样的顺序来完成, 整个并行块只有在这3个线程完成之后方能结束, 即只有当3个并行块完成之后, 才能执行“sum=a+b+c”这个语句。
三、数据共享
CC++语言允许出现数据共享情况, 只要通过以下一条规则编写程序便可, 规则为:如果一个变量被并行块内一个线程修改了, 其后线程应不再使用这个变量。本文, 笔者通过下面的例子来解释其规则。
{int x;par{x=1;x=2;}}
此并行块已经违反了变量的共享规则。变量x在并行块内被修改了2次, 虽然这些代码在编译时可能未出现错误, 甚至可以正确的运行, 但是这种情况是极度不安全的, 因为到最后, 并行块的数值是不固定的, 它可能是1也可能是2, 或者两者都不是。如果变量以这种方式被共享的话, 编写出来的程序将是错误的。在这里, 既不允许其他线程再修改已被修改过的变量, 也不允许其他线程再引用已被修改过的变量, 如下例所示程序:
{int n, s;par{s=3;n=2*s;}}
在该例子中, 第1个语句给s赋值, 第2个语句又引用了s。虽然在运行时, 未必会出现错误的结果, 但这是一个错误的程序, 并行块中的n的值是混乱的 (或者s也可能出现此情况) 。实际编程中要避免使用该类程序。
四、嵌套
像普通串行设计语言一样, 在并行设计语言CC++之中也存在嵌套行为。关键代码如下所示:
par{{result1=trial (params1) ;Stats1=generate_stats (result1) ;}{result2=trial (params2) ;Stats1=generate_stats (result2) ;}}
在上例中, 函数trial () 被执行并将结果赋予result1之后, generate_stats () 才开始执行。
五、局限性
1. 并行块中线程的运行状态是交错的、任意的, 它无法确保特定的线程指令在之后多久被执行。
2. 不允许在并行块的范围之内对变量进行声明, 这是与并行块的共享变量规则相一致的, 然而在嵌套中定义则是允许的。
3. 跳入、跳出 (goto into, out of) 并行块或者在并行块内的各个语句间相互跳转都是不允许的。
但是no break, goto, continue, return并行快是可用的。
六、并行块的编程实例
利用∏/4=1-1/3+1/5-1/7…公式求∏的近似值, 直到最后一项的绝对值小于0.000 01为止。关键代码如下:
Void main () {int s;fl oat n, t, pi;t=1;pi=0;n=1.0;s=1;while ( (fabs (t) ) >0.00001) {par{pi=pi+t;n=n+2;s=–s;}t=s/n;}pi=pi*4;}
并行诊断 篇3
1 并行工程概述
新产品的研发过程是一个高投入、高风险的过程, 如何能够源源不断地将高质量、低成本的新车快速地推向市场是各大汽车厂商所追求的目标。
早期的汽车设计需要较长的周期, 各项工作必须按部就班地依次进行。在设计完成后进行实车设计, 同时尽量避免新工艺与新产品同时进行而导致高风险。
并行工程 (Simultaneous Engineering) 是对整个产品开发过程实施同步、一体化设计, 促使开发者始终考虑从概念形成直到用后处置的整个产品生命周期内的所有因素 (包括质量、成本、进度和用户要求) 的一种系统方法。目标是提高质量、降低成本、缩短产品开发周期。将按阶段进行的跨部门的工作尽可能进行同步作业, 比如产品概念设计与工艺概念设计同步, 产品详细设计与工艺详细设计同步, 产品制造性验证与工艺制造性验证同步等。
2 产品开发与工艺开发的并行工程
通常情况下, 在一个公司当前的制造体系下, 为最大程度地减少对现有制造工艺的冲击, 我们提倡制造驱动产品设计, 即最大程度地减少生产设备改造, 降低实施成本和制造失效风险。但是随着技术的不断进步以及客户对产品期望的不断提高, 新的设计方案还是会不断地进入产品设计中来。这些产品设计驱动的方案对后期的制造工艺和生产会带来很大的冲击, 不仅涉及到车间布局的变化、设备的改造, 还涉及到工艺变化对操作的影响, 更重要的是如何在最短的时间内有效地实施并成功地控制质量风险。
在汽车产品设计运行中, 已经大量地使用并行工程。在车身设计过程中, 针对车身工艺设计应用并行工程, 如汽车白车身的工艺制作流程在产品设计的初期就已经敲定下来, 而在接下来的过程中主要是产品、工艺详细设计的同步。在产品的数模图纸释放后, 产品开始用软模制造工程车, 而工艺设计时则开始使用硬模, 从而并行推进。在产品开始小批量试制时, 硬模已经制作完成, 并开始在线使用。
并行设计是并行工程的主要组成部分, 也是并行工程的核心。并行设计要求产品设计及其相关过程 (如工艺设计等) 并行进行, 是产品设计及相关过程并行、一体化、系统化的工作模式。这种工作模式力图使产品开发设计从一开始就考虑到产品的生命周期, 在设计时将下游环节的可靠性、技术性、生产性等作为设计环节的约束条件, 以避免或减少产品开发进行到晚期时发现错误再返回到设计初期进行修改。
为了设计出便于加工、装配、使用、维修、回收的新产品, 并行工程要求在产品设计阶段将涉及到产品整个生命周期各个过程的专家, 甚至包括潜在的用户集中起来, 形成专门的设计工作小组协同工作, 对设计出的产品和零件从各个方面进行审查, 并随时做出修改, 从而得到最佳设计。在设计过程中, 设计、制造和管理等不再是被看成彼此相互独立的过程, 而被视为一个整体的系统来考虑。很多工作是并行的, 如一方面在设计过程中通过工作组和专家把关, 可以同时考虑产品生命周期的各个方面的因素;另一方面在设计阶段就可同时进行工艺 (加工工艺、装配工艺、检验工艺等) 过程设计, 并对工艺设计的结果进行计算机仿真, 用快速成型等方法制出样车。在传统的串行设计模式下, 产品设计变更都是在产品整个生命周期的后半部分出现问题时才进行的, 这时变更设计造成开发周期长, 开发成本费用高, 流程与设计都难以改变。而并行工程强调在设计开始阶段就对设计结果随时进行审查, 并及时反馈给设计人员。这样可以大大缩短设计时间, 降低产品开发成本, 减少甚至消除后期的设计更改。
一般来讲, 汽车产品开发期共有4个阶段, 即策划阶段、设计阶段、样品试制阶段、小批试制阶段。汽车产品开发并行工程, 就是在这4个阶段充分运用的。
(1) 产品策划阶段。确定产品的外形和内饰, 初始化产品项目内容。在这个阶段将会提出产品造型设计、特征设计、概念方案, 由各相关功能块进行论证。产品设计的概念方案提出后, 为验证制造性, 工艺部门需同步开发满足此产品概念方案的工艺概念方案, 在经过各种方案的设想和对比后, 提出工艺概念方案。包括车间布局可行性、工艺可靠性、材料开发时间表等。
(2) 产品设计阶段。其主要工作是细化设计, 将造型设计的方案进行详细设计, 以便完成数模和图纸, 再进入下一阶段的工程释放和工程车制造。工艺开发方面, 要充分利用这段时间准备标书、确定技术方案、采购设备、离线安装, 以便为工程车的制造做准备。
(3) 样品试制 (产品设计工程车制造) 阶段。在进行实车制造时, 将利用一些软模进行零部件的制造, 进行实车装配。实车制造完成后将进行各个方面的功能验证、耐久性试验和国家强制认可试验。对制造而言, 这个阶段非常重要, 因为它是一个进行工艺验证的最佳阶段, 可以利用已采购的设备、材料离线对工程车辆进行工艺施工, 以验证工艺设计的效果。
(4) 小批量试制 (产品设计工艺验证) 阶段, 是产品开发验证的最后一个阶段。此阶段工装设备已经全部在生产线安装到位, 所有零部件都是用最终模具加工的, 产品制造将在生产主线上进行。在这个阶段, 设备将在线运行, 充分验证生产节拍和产品质量, 确保进行正常的大批量生产。
3 并行工程在工艺开发上的应用
在新产品上实施新工艺, 对项目进度和质量有着严格的节点要求, 为使得工艺开发能够与产品成功地同步启动, 在这里将并行工程在产品开发上的实施延伸至工艺开发, 使工艺开发与产品开发同步。
在产品设计的驱动下, 一个新的工艺将随着这个新产品同步在制造部门实施。项目周期、材料开发周期是否满足, 工艺开发与产品开发、工艺验证与产品验证是否同步, 在每个阶段产品设计、工艺设计达到什么程度都必须认真考虑, 因此需要一个完善的实施计划。
首先, 根据整个新产品的启动时间表和车型设计实施计划, 运用并行工程原理, 合理安排工艺方案的实施计划。在这个项目中, 面对第一次工艺设计和产品设计的同步实施, 如何合理安排确定实施计划是项目成功的关键之一。确定在产品设计过程中的每个重要节点, 其工艺设计要达到什么程度, 完成哪些方面的工艺设计, 设备准备状态如何, 怎样使工艺验证与产品验证同步实施, 都是项目实施的关键内容。
其次, 在方案实施的初期完成新工艺布局要求的规划, 提出在现有布局中加入新工艺的结局方案。由于是将一个全新的产品放入一个现有的成熟的车间进行生产, 而这个全新的产品又带来新的工艺要求。所以, 必须对现有的工艺布置进行重新编排和优化, 将新工艺放入现有的布局中去。现有的车间工艺布局在工厂规划时并未考虑, 空间和工位布置是一个难题, 而且工厂已经处于满负荷运行状态, 稍有不妥, 不仅影响新工艺的实施而且会对现场的生产带来不小的冲击。如何将冲击减到最小而又能保证新工艺的稳定性, 这就需要充分了解现场并与现场工作人员进行技术交流, 不断地调整并确定一个最终的实施方案。
再次, 根据工艺和时间进度的要求, 进行新设备规划、设计, 新材料开发及前期试验, 并满足质量要求的时间节点。新方案中使用到的新设备、新材料都是影响项目实施成功与否的关键因素。在设备的规划上, 必须要考虑将来大量生产的要求, 既达到稳定的质量, 又满足产量和质量的要求。在材料的开发上, 必须充分考虑材料的稳定性及与现有材料的匹配性, 减少缺陷和不匹配的问题发生。必须考虑到工艺的失效模式, 生产过程可能出现哪些问题, 发生的频次如何, 是否能够探测到这些失效及预防失效的发生, 这些都必须全盘考虑。
4 失效模式及后果分析 (FMEA) 在工艺开发中的应用
通过工艺开发的并行工程, 大大缩短了工艺启动的周期, 确保了项目节点及新工艺与新产品的同步启动。但是在工艺开发过程中仍然面临着大量的风险, 如材料开发失败、工艺方案不可行等。如何使得这些风险大幅降低以至消除, 运用有效的质量工具, 即基于失效模式及后果分析的工具来进行项目质量控制是确保项目质量的有效手段。
FMEA (Failure Modes and Effects Analysis) 是一种综合分析技术, 主要用来分析和识别工艺生产或产品制造过程可能出现的失效模式, 以及这些失效模式发生后对产品质量的影响, 从而有针对性地制定出控制措施以有效地减少工艺生产和产品制造过程中的风险。
在产品生命周期内的不同阶段, FMEA的应用目的和应用方法略有不同, 在产品生命周期的各个阶段虽然有不同形式的FMEA, 但其根本目的只有一个, 即从产品设计 (功能设计、硬件设计、软件设计) 、生产 (生产可行性分析、工艺设计、生产设备设计与使用) 和产品使用角度发现各种缺陷与薄弱环节, 从而提高产品的可靠性。
在项目的实施策划阶段, 对方案、工艺流程等进行“头脑风暴”, 充分发挥团队的力量进行分析, 大大有助于在系统设计初期预测、解决或监控潜在问题, 包括工艺、设备、人员操作、物料等方面存在的潜在失效模式, 减少后期的产品、工艺和设备设计工程更改, 提高项目的质量。
建立有效的FMEA模型对提高项目的实施质量非常重要。考虑到项目的特殊性, 可分为两条主线:一为项目实施过程主线, 仅针对于项目实施阶段, 在进入正式生产阶段前截止;另一为工艺过程主线, 针对生产制造过程中的工艺问题, 在正式生产前产生初稿并在生产阶段不断地进行动态完善和补充。
(1) 项目实施主线的FMEA
在项目确定之后至在线生产之前的项目实施过程中, 项目实施主线的FMEA应从项目宏观上考虑, 对研究项目的失效模式进行分析。项目存在相当多的阶段, 每个阶段都存在着不同的风险和失效模式, 如项目工艺规划阶段、材料开发阶段等, 如果阶段性的工作质量无法满足项目要求, 就有可能拖累整个项目。同时, 对工艺进行分析, 如技术是否可行, 质量是否满足、密封胶的质量和油漆的配套性等是否能达到工艺目的等诸多方面, 以避免发生失效。工艺设计FMEA中最主要的失效模式包括工艺方案、材料匹配、返修方案的研究等。
(2) 工艺过程主线的FMEA
在正常生产过程中, 各种影响因素不断发生着波动和变化, 最终影响产品的制造质量。而工艺过程的FMEA就是要提前预测潜在的失效问题及发生的频次, 并为之准备解决方案。所以工艺过程主线的FMEA应从工艺流程图开始, 分析过程中的各种参数及其失效。
5 结束语
“督导”并行,“激励”相助 篇4
(一) 制订“督导”条例, 引领活动走向
通过问卷、座谈等途径, 学校初步制订了《大课间体育活动督导试行条例》 (以下简称《督导条例》) , 并在宣传栏里全文展示。同时, 还做出两点说明:一是“督”“导”并行, 重在引导, 督促师生积极参与大课间体育活动, 确保活动的健身性效应;二是《督导条例》及大课间体育活动都需要不断完善, 希望师生及时提出建议, 学校将采纳合理意见并修改《督导条例》, 使这项活动真正成为师生锻炼的有效载体, 确保其效益的长期性。
(二) 成立“护美”小组, 督导具体活动
学校的“护美”小组, 由副校长具体负责, 固定成员由政教处、教导处、体育组的教师和“护美”小使者 (四五年级学生干部, 定期轮换) 组成, 还有临时参与的“护美”小使者 (积极参与大课间活动的特色学生代表) 。不同成员各有分工、职责不同, 每天要做好记录, 并做到每天一小结、一周一总结、一月一大结, 每天的汇总情况张贴在公示栏内;而各种记录资料均存在《大课间体育活动督导情况》文件夹中, 只要使用“网上邻居”功能, 师 (每人一台电脑) 生 (班班通里的电脑) 随时可以查阅更详细的情况, 明确需保持和改进的层面。
1. 副校长全面掌控活动情况, 并做好“大事记” (见表1) 。
(1) 表中的“类型”是指日常活动或参观、调研、比赛等情况;
(2) “具体情况”分两种, 一是针对平日管理与校内相关比赛, 所记录的学校领导、个人的主观感受;二是记载参观人员的观点、督导人员的意见或专家的建议。
(3) “备注”是针对存在问题初步提出改进意见 (学校领导) , 后期还可以补充给予专家建议或校内研讨情况形成的具体措施。
由于副校长亲自参与大课间体育活动, 并担负了“督促活动的具体进行、向相关人员提示注意事项、查看‘护美’成员的检查记录、指出改进方向”等职责, 因而容易掌握全盘情况;而通过“大事记”, 能清楚改进的方向, 彰显了学校的重视与督导功能, 形成了“上下一心、齐抓共管、共同参与”的局面。
2. 政教处教师负责监督大课间体育活动的开展、汇总检查整体情况 (见表2) 和班级情况汇总 (见表3) ;此外, 还肩负提前培训“护美”小组学生成员与安排轮换顺序, 督促与指导他们执行等情况。
(1) “闪光点展示”主要是针对班级整体活动情况的简洁总结, 可以涉及具体的人和事。
(2) “注意事项列举”只针对具体的行为, 不涉及学生姓名。
(3) “改进意见”既包括当场引导发生变化的情况记录, 也包含今后需努力的方向。
(4) “参与情况”按“特优 (95分以上) 、优秀 (85~94分) 、良好 (70~84分) 、一般 (60~74分) ”来打等级 (根据各种反馈情况汇总而成, 具体标准略) 。
(5) “备注”主要针对存在问题而提出的注意事项。
3. 教导处负责教师参与情况的调控 (见表4) 。除了正副班主任随班活动外, 教导处还把科任教师安排到具体的班级中与学生共同参与活动。
(1) “任职”是指担任正副班主任或科任教师。
(2) “班级”是指教师参与活动的具体班级, 也作为班级考核情况的一个方面。
(3) “非常到位”等既包括指导班级学生活动情况, 也包括教师个人参与活动情况。
(4) “具体描述”重点记录好的环节, 兼顾不足的内容。
(5) “改进意见”包括当场提醒个别教师注意行为的合理性及改进情况, 作为教导处干事责任考评的主要项目。
此外, “教师活动情况记录表”每天上交政教处作为考核班级的内容;而每周总结一式两份, 一份交给副校长负责具体督促或提醒个别教师, 一份交给教导处列入教师个人的千分考核 (文登市教育局实施的学校考评教师政策) 。
4. 笔者所在学校的5位体育教师, 每人负责一个年级的大课间体育活动, 除了协调组织工作, 还负责自主活动时的技术指导与安全警示工作, 并做好相关记录 (见表5) 。
(1) 简单记录体育教师个人指导学生活动的情况, 加强“花样旱冰”等危险性稍高项目的指导工作, 预防安全隐患, 及时制止不规范的行为。
(2) “典型事例”为针对不良行为的引导与改进记录。
此表直接上交副校长, 作为体育教师考核的参考资料, 是学校了解体育教师工作与掌握具体活动存在问题的有效途径。
5.“护美”小组固定成员负责检查记录活动情况 (见表6) 。“护美”小组临时成员记录优秀典型的人 (班) 和事 (见表7) 。
(1) 按“特优 (95分以上) 、优秀 (85~94分) 、良好 (70~84分) 、一般 (60~74分) ”来打等级 (具体标准略) 。
(2) 必须有具体行为的记录, 注重过程的详细描述;记录规范一些行为与改进情况, 而及时改进者, 一般情况下不影响班级的考核等级 (事后可以立即向政教处教师汇报情况, 师生共同确立等级) 。
(3) 记录事件的全过程。
(4) 此表直接张贴在公示栏内, 师生可以第一时间了解情况, 树立榜样行为, 熏染良好习惯。
二、讲究策略, “激”“励”相助
(一) 激发群体效应, 维护运行模式
1. 大课间体育活动考核情况作为“星级”班级考核的主要项目, 还有附加规定:
每个年级获得“五星” (最高级别) 荣誉称号的班级, 大课间体育活动当月考核必须为“特优” (95分以上) 或“优秀” (85~94分) , 否则会被剥夺资格。
2. 学校在公开场合表扬优秀班级的具体表现。
此外, 优秀班级拥有选派学生代表在集体大会发言或演讲的机会, 以及在校广播电视台和校报的专版宣传的机会;有权争取学校优先安排特长教师 (或校外特长义工) 做班级的辅导员, 更好地开展班级活动;班队会进行大课间体育活动的相关讨论活动时, 学校会派领导和体育教师参与, 从而了解心声、引领方向, 并享有提前进行活动项目轮换、开发等权力;各种比赛享有专业人员指导的优先权, 某些场合还可以进行独特展示, 如, 在健身大赛中, 除了规定的全员参与的群体展示外, 还可以进行小群体表演。
3. 把针对性指导班级活动作为最大的奖励。
如, 优秀班级与其他班级“牵手”, 互相交流与改进;学校派专业人员私下和问题班级交流;发现问题当场善意指正, 群体问题及时与班主任交流, 以降低抵触情绪, 着力于改进问题层面。
(二) 奖励榜样行为, 形成导向制度
1. 参与大课间体育活动的考核列入教师个人和教研组的考核项目, 定期开展评选活动, 如, 30%的教研组获得“群体活动模范组”、班主任的30%获得“优秀辅导员”、体育教师的20%获得“优秀指导教师”、科任教师的20%获得“群体活动积极分子”等荣誉称号。
2. 奖励特色学生, 树立榜样行为
(1) 张榜表扬模范行为。“护美小使者”每天挖掘的优秀典型和学校每月筛选的典型行为, 都在公示栏、校报、学校网站和小广播电视台进行表扬, 以榜样行为引领努力的方向;还以“喜报”的形式, 反馈给家长, 由家校共同推动“大课间体育活动”的长期开展。这些举措都有效地提高了学生对行为规范的认识, 促进了行为能力的提升, 导向与规范的作用较为明显。
(2) 领操员。大课间体育活动的优秀典型, 做操规范者可以成为“领操员”, 且要根据需要安排轮换。
(3) “护美小使者”。除了领操员外, 余下的优秀典型成为“护美”小组中的一员, 经过培训合格者成为“护美小使者”, 挖掘新的“优秀典型”, 表现优异者成为“终身会员”。
(4) 健身小标兵。学校每月都评出10%的“健身小标兵”, 优秀典型是必然的人选。
(5) 优先选择“校本课程”。优秀典型可以在新学期行使选择校本课程的优先权, 特殊情况学校将进行个别谈话, 协商解决。
(6) 特长展示。每学期举行“特长展示”活动, 班级先举行相关活动, 筛选部分人员参与学校的后续活动, 大课间体育活动的优秀典型是必参加人选。学校还根据他们的需要, 安排相关人员提前进行培训, 确保其成功展示。时间安排:第一学期一般在10月底, 第二学期则是“六一”。此外, 学校还邀请典型学生的家长参与活动, 进行亲子联欢。
并行设计团队建设研究 篇5
传统的串行开发模式,采用抛过墙的方式,由上一个部门做好东西后传给下一个部门,部门和部门之间沟通较少,往往等做到最后发现前面部门的设计根本不能装配或者生产成本很高,而各部门为了协调,最后生产出来的产品和最初的设计方案往往大相庭径,这样的产品是最方便的方案,却不是最好的方案。这样的开发模式生产周期冗长,增加了生产成本,而且最终的产品也并不是最优设计。
而较之更为先进的并行设计开发模式,则在设计之初成立一个专门的团队来,团队成员来自设计、工艺、生产技术准备、制造、采购、销售、维修、财务、市场等部门,甚至包括顾客和供应商的代表。在整个产品生产周期过程中信息共享,成员可以及时的提出问题,相互协调以消灭问题在萌芽阶段。这样的开发模式能够大量减少产品的开发周期,降低研发成本,创造更高的利益。
一、团队的结构
一个好的团队规模不能超过12人,而并行设计团队因为涉及开发流程的所有部门,人数众多,为了能够协调高效的完成工作,需要把团队分成几个小的工作团队,并借鉴小米的开发团队,采用下面的层级结构。
二、成员的组成
并行设计团队就工作特性应该包含以下几方面的成员:
1. 产品调研人员:去市场收集相似产品的反馈,已经顾客渴望拥有的功能和性能。
2. 产品设计人员:根据反馈作出新的设计,并建出具体的模型和数据。
3. 工艺分析团队:进行产品结构、性能、可制造性的分析。
4. 质量保证人员:保证产品设计和制造过程满足质量需求。
5. 制造和装配人员:提出修改意见,使制造过程流水线化,节省制造时间。
6. 财务人员:计算产品的预算并控制产品制造的成本。
7. 售后服务人员:提出可能在安装、维修支持时引起问题的产品设计问题。
团队的成员来自于企业各个部门,相互之间的协调不能像之前那样的不和谐,所以需要专门的记录人员和协调人员。协调人员应该具备熟知各个部门的业务、善于聆听、反馈和解决冲突等素质。
三、团队的角色设计
1. 团队的领导
团队的领导者是需要对整个工作负责的人,也是整合资源进行工作分配的人。不但需要制定团队的工作任务,规划阶段的目标,还需要对团队的工作任务进行督促和审查,以期能够在限定的时间内完成任务。具体领导的工作如下:
(1)计划和控制:制定具体的计划,安排团队成员的工作任务,并规划阶段目标和最终目标。并监督成员的进度,控制产品开发时间。
(2)促进团队的协同工作:帮助成员正确理解自身的任务,并定期召开会议,指导团队的协同合作。
(3)协调团队的冲突:帮助团队成员获得所需的资源和数据,并在有沟通冲突的情况下协调团队之间的冲突,在决策中提出自己的意见。
(4)鼓励团队成员:对员工做出的工作要予以肯定和相应的鼓励,并对其一段时期内的表现作出评价。
2. 团队成员
团队成员是整个团队的核心,需要执行团队所做出的决策,团结团队所有智慧完成产品的设计过程。具体的工作任务如下:
(1)完成自己的本职工作:通过自己的专业知识和技能,努力做好自己的本职工作以达到团队目标。
(2)参与团队的决策:因为并行设计团队是一个集成的团队,力求在设计之初就发现产品生产过程中的问题,所以每次团队的决策各部门都需要参加,并在会议上就自己的专业知识和技能提出建议和意见,制定团队目标,并对团队的决定予以支持。
(3)与其他团队成员协同工作:要积极地听取别人的意见,努力理解别人的意思,并在有人际关系的冲突时能积极帮忙解决,与其他部门接触时应尽量避免用专业词汇,准确清楚地传达自己的想法,并对他人的意见正确理解与接受。
3. 团队协调员
由于各部门之间有时确实难以沟通,在企业中设计人员和结构人员时有纠纷,和工艺人员也有摩擦,结构人员认为设计的产品不符合常规零部件的装配,而工艺人员常认为该设计目前所拥有的工艺不能满足设计构想的需求,往往双方都不愿意妥协。所以精通多种技能的团队协调员是并行设计团队的必不可少的角色。具体工作如下:
(1)解决双方的冲突,客观的分析双方在产品开发过程中遇到的问题,并就自己的知识和技能提出建议,协调双方的工作。
(2)指导小团队的工作:指导团队成员正确理解别的成员的想法,确保团队成员都能明白自己的任务,并鼓励成员积极参加决策。
(3)培训:支持和培训记录员,并协调团队会议的文档记录。
4. 团队记录员
团队记录员的作用是记录团队的决策和决策过程,并在记录时保持中立,具体工作如下:
(1)保证记录的客观性:记录会议发言,避免主观的篡改和扭曲发言,便于以后的决策。当自己提出建议时,应当将记录任务暂时交给团队其他成员并相应记录自己的发言。
(2)保证记录的规范化:在记录时为了方便可以缩略文字,但后期应作出整理,以确保每个人都看得懂,并对会议记录的主要思想和解决方案予以用其他颜色加强其显示效果,对表格进行编号,并记录会议日期。
四、结语
本文根据对以往学者们对并行设计的理论,从管理的方面提出一些团队建设以及组织结构的一些观点,但由于本人知识的浅薄,一些建议和意见并不成熟,仅以所学知识可以为学者们提供一些拙见。
摘要：分析传统的产品开发模式,对其弊端进行了分析,讨论了并行设计这种新的产品开发模式产生的必要性,对并行设计团队的概念进行了阐述,并从管理的角度对并行设计团队的规模、组织结构以及成员的角色和应该承担的任务进行了分析。
关键词：并行设计,团队,管理
参考文献
[1]熊光楞,张和明,李伯虎.并行工程在我国的研究与应用[J].计算机集成制造系统-CIMS,2000.
[2]肖余春.组织行为学[M].机械工业出版社,2015.
[3]彭琳,张济生,刘飞.并行工程在新产品开发整体规划中的应用研究[J].重庆大学学报(社会科学版),1996.
[4]张玉云,熊光楞,李伯虎.并行工程方法、技术与实践[J].自动化学报,1996.
[5]熊光楞.并行工程的理论与实践[M].清华大学出版社.2001.
[6]潘雪增.并行工程原理及应用[M].清华大学出版社,2005.
并行DBSCAN聚类算法 篇6
随着信息技术的高速发展, 出现了越来越多诸如地理信息、卫星图像等大规模空间数据库。大规模空间数据库对于聚类算法的要求更高, 要求算法能够发现任何形状的类并能高效聚类。DBSCAN是面向空间数据库的基于密度的聚类算法, 其主要思想为:如果一个对象在半径为ε的领域内包含至少MinPts个对象, 那么该区域是密集的。其优点是能够发现任意形状的类, 并且不受异常值 (噪声) 的影响, 然而当数据库规模增大时, 该算法要求较大的内存支持, I/O消耗大, 采用串行算法, 无论是运算速度还是内存, 都无法满足对大规模数据库聚类的需求。
针对该算法的计算效率问题, 本文提出一种基于内存的并行DBSCAN算法。首先基于投影进行数据分区, 之后在每一处理器上分别聚类, 最后合并聚类结果。实验证明该算法较DBSCAN算法速度有很大提高, 并且聚类的准确程度亦有所改善。
1 DBSCAN算法介绍[1]
首先给出DBSCAN算法的几个基本概念, 其中D为数据库, Eps和MinPts为给定阈值。
定义1.1 (Eps-邻域) 对于空间任意一个点P, 其Eps领域记作NEps (p) ={q∈D dist (p, q) ≤Eps}。
定义1.2 (核心点) 对于一个点, 如果在其Eps-邻域内至少包含MinPts个对象, 则称该对象为核心对象。
定义1.3 (直接密度可达) 点p从点q直接密度可达, 若它们满足:
(1) p∈NEps (q) ;
(2) NEps (q) ≥MinPts。
定义1.4 (密度可达) 点p从点q密度可达, 若存在p1, p2, .., pn, 其中p1=q, pn=p, 且pi+1从pi直接密度可达。
定义1.5 (密度相连) 点p和点q是密度连接的, 若存在对象o, 使p和q都从o密度可达。
定义1.6 (类) 数据库D的非空集合C是一个类, 当且仅当C满足以下条件:
(1) 任意点p, q, 若p∈C, 且q从p密度可达, 则q∈C (最大性) ;
(2) 任意点p, q∈C, 则p, q密度连接 (连通性) 。
定义1.7 (噪声) 数据库D中不属于任何类的点为噪声。
DBSCAN算法思路如下:对数据库中任何一个点, 对其进行区域查询, 判断是否是核心点, 如是, 建立新类C, p及其邻域内的点均属于该类。考察C中尚未被考察过的点q, 若q是核心点, 则将其领域内未属于任何一类的点追加到类C。不断重复此过程, 直到没有新的点可以追加为止。类C是一个密度相连的, 基于密度可达性最大的点集。以同样程序寻找其他的类, 不属于任何类的点为噪声。
DBSCAN算法的复杂度为O (n2) , 其中n是对象的总数。为了提高聚类效率, DBSCAN算法采用空间数据库索引R*-TREE来实现区域查询, 使计算复杂度降为O (nlogn) 。在进行聚类前, 需要建立针对所有数据的R*-TREE。另外, DBSCAN要求用户指定一个全局Eps参量。为了确定Eps值, DBSCAN计算任意点与它的第k个最邻近点间的距离, 然后, 根据求得的距离由小到大进行排序, 并绘出排序后的图, 称作k-dist图。k-dist图中的横坐标表示空间点, 纵坐标则为该点的k-dist值。R*-TREE的建立和k-dist图的绘制都是消耗时间的过程, 当面对的数据库规模很大时, DBSCAN串行算法在内存和计算速度方面都存在很大的障碍。
基于以上分析, 本文提出一种基于数据分区的的并行DBSCAN算法——P-DBSCAN。该算法适用于共享内存的并行计算系统, 例如单台多核计算机;也同样适用于分布式非共享内存的并行计算系统。在本文的研究中, 主要针对单台多核计算机。
2 P-DBSCAN算法
2.1 并行算法相对DBSCAN的主要改进点
2.1.1 针对数据空间分布特点进行数据分区
扫描数据库通过程序计算找出数据的分布特征, 对数据库在每一坐标轴上进行投影, 从而找到数据库在每一维上的分布特征, 进行合理的数据库划分。这是人机交互的过程。
分割原数据库需要遵循两个原则:
(1) 依据空间分布特点进行数据块划分。寻找能显示数据分布特征的点, 从该处进行区域划分。
(2) 划分数据块的多少, 要根据数据库大小及计算环境来共同决定。当数据库较小及计算节点较少时, 均不宜将其划分成过多的数据块。原因是将消耗过多的合并成本。
此数据库划分原则, 适应于任何维数的数据空间, 为了演示方便, 本文仅以如下带有噪声的二维数据库进行图示说明 (如图1所示) 。
例如, 对如图1所示数据库, 将其投影至X、Y轴, 投影结果如图2所示。
我们目前仅用双核单台计算机实验, 将数据库划分为两块比较合适, 故可仅在X轴的A点将数据库进行划分。
2.1.2 合并算法
(1) 如果某点Z分别属于类1和类2, Z至少有一次为核心对象, 则类1和类2合并为一个类。
(2) 如果某点Z在类1和类2中都是边界点, 则Z可以属于类1或类2, 但类1和类2不能合并。
(3) 如果Z有一次属于类1, 而另一次是噪声点, 则Z属于类1。
(4) 如果Z点两次都是噪声点, Z在全局聚类中就是噪声点。
2.2 P-DBSCAN算法流程
(1) 将数据库进行数据分区。
(2) 将数据块分配到各个处理器进行计算, 在每一处理器上:
(1) 对每一数据区建立PR-TREE;
(2) 检查数据块中尚未检查过的对象P, 如果P未被处理 (归入某个类或标记为噪声) , 则检查其Eps邻域NEps (P) , 若NEps (P) 包含的对象数不小于Min Pts, 则建立新类C, 将NEps (P) 中所有点加入C;
(3) 对C中所有尚未被处理的对象q, 检查其Eps邻域NEps (q) , 若NEps (q) 包含至少Min Pts个对象, 则将NEps (q) 中未归入任何一个类的对象加入C;
(4) 重复步骤 (3) , 继续检查C中未处理对象, 直到没有新的对象加入当前类;
(5) 重复步骤 (2) (3) (4) , 直到所有对象都归入了某个类或标记为噪声。
(3) 合并各处理器的计算结果。
(4) 输出计算结果。
3 实验
本实验设备为一台采用Windows操作系统, Inte2.0 GHz (双核) , 3 GB内存的笔记本;编程工具和运行环境为JDK 1.5。实验对象为如图1所示的数据库。两个处理器的聚类结果如图3所示。
从图3可以看出, 由于数据库先分割后由两个处理器进行分别聚类, 所以将原来原本属于同一个类的类5与类6分割成两个类。合并两个处理器的聚类结果, 得到正确的聚类如图4所示。
从图4我们了解到, 并行聚类可以得到与串行聚类同样的聚类效果;而且通过大量的实验发现, 并行聚类算法的效率比串行算法有了大幅度提高。实验还发现, 参数中的半径, 即Eps是影响搜索速度的关键, 而在Eps确定之后, Min Pts却对速度几乎没有影响。在我们的实验中, 参数Eps及Min Pts分别选定为2, 7。采用串行算法的计算时间为30 531ms;同一台计算机, 采用并行算法的计算时间为16 781ms, 仅为串行算法执行时间的55%。
4 结论
本文提出了一种并行聚类算法——P-DBSCAN, 根据数据分布特征进行数据库划分, 将其分配到多核处理器分别聚类, 之后合并聚类结果。实验证明P-DBSCAN算法不但能得到正确的聚类结果, 而且在双核处理器上的计算速度可以提高50%。该算法可以扩展到分布式并行计算环境, 下一步的研究将在分布式计算环境中实现P-DBSCAN并行算法。
参考文献
[1]Martin Easter, Hans-Peter Kriegek, et al.A Density-based Algorithm for Discovering Clusters in Large Databases with Noise[C]//Proceedings of the2nd International Conference on Knowledge Discovery and Data Mining, 1996:226-231.
[2]Norbert Beckmann, Hans-Peter Kriegel, et al.The R*-tree:An Efficient and Robust Access Method for Points and Rectangles[C]//Proceedings of SIGMOD International Conference on Management of Data, 1990:322-331.
全景监控视频并行化处理 篇7
目前,图像处理已成为国内外学者研究的热点课题。 国外最具有代表性的研究人员有微软研究院的Richard Szeliski教授和匹兹堡大学的Sevket Gumustekin博士等。 Sevket Gumustekin博士主要对消除在固定点旋转摄像机拍摄自然景物时形成的透视变形,以及如何将捕获的图像拼接成全景图进行研究,主要研究成果是通过标定摄像机建立成像模型,再利用成像模型将捕获到的图像投影到统一的高斯球面上,从而获得拼接图像。这种方法具有效果好、可靠性高的优点,可以对摄像机透镜由于自身畸变参数引起的图像变形忽略不计,但是对摄像机的精确标定有过高要求。在国内,浙江大学CAD&CG国家重点实验室和中国科学院自动化所模式识别国家重点实验室在图像匹配和拼接方面做了较多研究工作。研究成果主要是利用模板匹配的方法进行搜索来确定重叠区边界或最佳匹配位置,从而获得拼接图像。该方法的优点是原理比较直观,相对来说容易实现,缺点是计算量大,容易发生误匹配;浙江大学的许雷、张恒义等利用基于傅立叶变换的相位相关法对眼底图像的拼接进行了研究;香港大学的Paul Bao和西北工业大学的张素等则对基于小波变换的图像拼接方法进行了研究［１－３］。
在全景视频监控中,鱼眼镜头是构建全景视觉最简单,且行之有效的方法,但鱼眼镜头会引起图像的经向变形和切向变形。随着全景技术的发展和拼接算法的完善,以及物联网应用的快速发展［４］,全景监控提出了更高画质的图像效果需求。然而目前的全景合成技术在处理上都存在缺陷,其根源在于难以满足实时性要求。原因在于视频正常播放帧率为25~30fps,意味着至少必须在0.04秒内合成一幅全景帧。如果需要满足这些要求,可以采取硬件升级的方式,也可以设计优越的处理算法。然而提升硬件成本较高且效果不理想,原因在于处理算法的复杂度过高。在结合算法进行视频处理时,速度达到最快的采用Microsoft Visual Studio 2012编译环境、C + + 和OpenCV2.0库函数编写。实验视频的分辨率为800×600像素,处理速度达到14帧/秒。相对于实时视频播放速度25帧/秒,现有处理速度是不够的。
本文利用C++结合OpenCV和MPI在Linux系统集群下测试图像并行化处理算法,以提高图像实时处理速度,满足视频实时监控的目的,并得到最佳的处理进程数。
1并行化图像处理算法
针对现行图像处理速度缓慢的问题,提出图片处理的并行化算法,且借助MPI和OpenCV在Linux系统实现并行算法,以实现图像并行化处理,达到全景监控的目的, 处理步骤如下:1问题分析。分析图像处理初始问题,建立算法的串行模型;2并行算法。提取算法串行模型中计算量较大、独立性强的局部进行并行化处理,设计图像并行化处理算法,进而建立算法的并行模型;3环境配置。 搭建算法测试集群环境,进而实现并行算法,并运行调试;4结果分析。对实验结果进行分析,得出结论。
考虑到处理的是圆形图片,需要对圆形图片半径上的像素点进行逐个处理。因在对半径进行微分处理时,全部的点不是都在半径上,则根据其特性选择了双线性插值对一个全景图像图面张开,以确定待处理图片的圆心和内外圆半径［５－７］。这两个参数直接影响柱面的展开效果和质量。采用霍夫圆变换得到全景图片的中心,采用Canny、 Soble等算法进行边缘检测,将边缘图像中每个非零点在三维累加器中累计,以此选择全景图像的中心点O(x０, y０),同时确定全景环状图内圆半径R。
其中,Wkeep是处理后保存下来的,Wcut是处理后丢弃的。全景图像中的某一点Q(xq,yq)对应在矩形图中O(x0,y0)的映射如下:
其中,θ为为全景环状图的中心点。这为快速柱面展开算法,同时利用双线性插值解决因为内环区域像素压缩程度大导致图像失真的问题。并行处理分解如图1所示。
2并行算法设计实现
本文采用C++与OpenCV、MPI结合设计并行化处理算法,并在Linux集群中实现运行。首先读取待处理图片,其次MPI进行初始化处理,进而实现多进程并行处理图片数据,如采取图片像素点、计算填充新图片像素点、完善图片区域等。随后划分图片,组合各个进程处理图片部分像素,对比先后图片并保存。并行化处理算法设计流程如下:
(1)程序初始化。
(2)处理程序的核心代码。
(3)并行程序结束。
MPI_Finalize();//MPI程序的最后一个调用,最后一条可执行语句
3实验结果分析
运行环境为曙光T3600集群,内含10个CB65-G双路刀片服务器计算节点,内存2*8GB DDR3 1333MHz, 存储为2TSATA硬盘。实验测试运行外界所得的640× 480的图像视频,并进行并行处理,表1列出了不同进程数的播放速度。
实验数据显示,随着进程的增加,播放速度先增加后减少,当达到32个进程数时,即总进程为33个时,播放速度可以满足实时监控的要求。从整体运程进程来看,如果进程数不断增加,则用于进程的通信耗时也会随之增加。 可见,进程间的通信耗时成为提高并行处理效率的瓶颈。 得出的结论是,在提高算法并行处理效率时,需要整体权衡各方因素选择处理进程数,从而达到算法设计优化的目的。
4结语
本文利用并行处理实现了全景监控的实时监控,并在Linux系统环境下利用C++与OpenCV结合设计实现视频图像的并行化处理算法。实验结果表明,32个进程数为最佳进程数,此时处理播放速度可以达到实时监控的目的。同时,随着进程数增加,并不一定可以减少运行时间。在借助并行设计思路处理类似问题时,应该结合整体情况选择合适的进程数,以达到最优的处理速度。
摘要：针对传统串行处理算法无法满足实时处理视频播放的问题,提出利用图像拼接并行化处理的设计思路,利用霍夫圆变换与Canny、Soble算法结合进行边缘检测,以边缘图像中每个非零点在三维累加器中累计以确定处理图片的中心。同时利用双线性插值解决了图像高度压缩导致失真的问题。实验结果表明,并非处理进程数越多越好,实验得出32个进程数为最佳。