首页--航空、航天论文--航空论文--航空制造工艺论文--航空发动机制造论文

航空发动机健康管理云服务系统研发与应用

摘要第4-5页
Abstract第5-6页
第1章 绪论第10-16页
    1.1 课题来源第10页
    1.2 课题研究背景和意义第10页
    1.3 相关领域国内外研究现状第10-14页
        1.3.1 航空公司资源整合现状第10-11页
        1.3.2 发动机健康管理研究现状第11-12页
        1.3.3 云计算研究现状第12-14页
        1.3.4 研究现状分析第14页
    1.4 本文主要研究内容第14-16页
第2章 航空发动机健康管理云服务平台系统架构第16-26页
    2.1 航空公司兼并重组及其对云服务平台的迫切需求第16-18页
        2.1.1 航空公司兼并重组后的新格局第16-17页
        2.1.2 云计算技术为航空公司资源共享带来的新机遇第17-18页
    2.2 航空发动机健康管理云服务系统总体方案第18-19页
    2.3 航空发动机健康管理云服务系统架构设计及实现第19-23页
        2.3.1 发动机云服务系统总体架构设计第19-22页
        2.3.2 虚拟化资源池层第22页
        2.3.3 发动机云服务系统管理中间件层第22-23页
        2.3.4 发动机云服务系统应用层第23页
    2.4 云服务系统的功能模型及信息模型设计第23-25页
        2.4.1 功能模型第23-24页
        2.4.2 信息模型设计的E-R图第24-25页
    2.5 本章小结第25-26页
第3章 云服务系统虚拟机的部署及迁移策略第26-39页
    3.1 服务器虚拟化逻辑架构第26-27页
    3.2 虚拟机描述及云数据中心能耗构成分析第27-30页
        3.2.1 虚拟机描述第27-28页
        3.2.2 云数据中心能耗构成分析第28-30页
    3.3 虚拟机部署算法的选择与实验对比第30-34页
        3.3.1 虚拟机部署算法的选择第30-32页
        3.3.2 不同虚拟机部署算法的实验对比第32-34页
    3.4 基于能耗比较的虚拟机迁移策略选择与实验分析第34-37页
        3.4.1 虚拟机迁移策略的选择第34-35页
        3.4.2 基于TT算法的虚拟机迁移策略第35-36页
        3.4.3 不同虚拟机迁移策略的能耗仿真分析第36-37页
    3.5 本章小结第37-39页
第4章 融合粒子群算法和蚁群算法的资源调度第39-52页
    4.1 资源调度过程描述第39-42页
        4.1.1 资源调度的流程第39-40页
        4.1.2 资源调度的形式化表述第40-42页
        4.1.3 资源调度优化目标的确定第42页
    4.2 资源调度算法第42-47页
        4.2.1 常用调度算法比较第42-43页
        4.2.2 资源调度的粒子群算法第43-46页
        4.2.3 融合粒子群算法的蚁群算法第46-47页
    4.3 实验结果与分析第47-51页
        4.3.1 实验配置及仿真流程第47-49页
        4.3.2 实验结果分析第49-51页
    4.4 本章小结第51-52页
第5章 航空发动机云服务系统设计与测试验证第52-64页
    5.1 云服务系统技术实现第52-55页
        5.1.1 系统开发及运行环境第52-53页
        5.1.2 云服务系统技术结构体系设计第53-54页
        5.1.3 系统开发设计原则第54-55页
    5.2 系统中资源接入第55-58页
        5.2.1 硬件资源接入第55-57页
        5.2.2 发动机健康管理各模块的接入第57-58页
    5.3 系统运行实例第58-63页
        5.3.1 系统执行任务及资源利用情况第58-61页
        5.3.2 用户使用系统的关键步骤第61-63页
    5.4 本章小结第63-64页
结论第64-65页
参考文献第65-70页
致谢第70页

论文共70页,点击 下载论文
上一篇:考虑间隙与构件柔性耦合的机构运动精度可靠性分析
下一篇:微量液滴压电式分配与图像监测实验平台研究