一、CFD大型软件系统分布式并行处理模型研究（论文文献综述）
陈高颖[1]（2021）在《旋转式强制通风温度传感器设计与应用研究》文中进行了进一步梳理随着人们对气候不断变化的重视,大气环境探测对传感器设备的观测精度要求也越来越高。地表气温上升的速度约为0.1°C/10年,然而由于太阳辐射的影响,地表气象站观测到的气温会高于真实大气温度,导致存在1°C量级的辐射误差。因此,为降低大气环境探测的辐射误差,有必要设计一种低辐射误差的温度传感器来提高测量精度。针对上述辐射误差问题,本文提出一种旋转式强制通风温度传感器结构。利用计算流体动力学（Computational Fluid Dynamics,CFD）方法计算温度传感器在不同的太阳辐射强度、太阳高度角、下垫面反射率、海拔高度以及相对气流速度环境条件下的辐射误差。仿真结果表明,太阳辐射误差与旋转式强制通风温度传感器旋转速度成负相关,与太阳辐射强度、下垫面反射率成正相关,与太阳高度角无关。为获得连续的辐射误差结果,将普通最小二乘法（Ordinary Least Squares,OLS）多元线性回归与BP神经网络同时对仿真数据进行拟合分析。结果表明,BP神经网络对该辐射误差拟合效果较好。为验证旋转式强制通风温度传感器实用性,本文搭建了一套辐射误差观测平台,实验结果表明,该传感器实验误差平均值为0.119°C,经过辐射误差方程修正后,其观测误差可降至0.057°C。为了对温度以及相关物理参数的数据进行保存和展示,本文利用uni-app前端框架和Spring Boot后端框架设计了一套基于Web端和微信小程序端发布的气象站数据监测系统。该系统实现了对温度、风速、太阳辐射强度等物理参数数据的保存和可视化展示并对其进行了应用性扩展。
陈坚强,吴晓军,张健,李彬,贾洪印,周乃春[2]（2021）在《FlowStar:国家数值风洞（NNW）工程非结构通用CFD软件》文中进行了进一步梳理计算流体力学（CFD）仿真软件是流体相关的数学物理知识和工程实践经验的数字化表达,是工业数字化转型的重要助推。然而,大型工业CFD软件研发难度极高,需要同时兼顾功能多样、系统稳定、性能优越、交互友好等特征。依托国家数值风洞（NNW）工程,研发出一款通用流场模拟软件NNW-FlowStar,并在航空、航天等工业部门大力推广使用。软件基于非结构有限体积求解方法和大规模并行计算技术开发,结合现代化软件工程思维设计,具备先进的数值方法、高效的计算效率和友好的用户操作界面,可满足各类复杂外形的高效气动模拟。独特的重叠网格技术配合六自由度运动模块,可帮助实现武器分离、舱门定轴转动等各类气动-运动协同仿真需求。多类标模案例和复杂工程应用表明,FlowStar软件算法鲁棒、精度可靠,是一款高精度、高效率、高可靠性的通用CFD仿真软件。通过对软件的架构设计和功能应用进行介绍,使相关从业人员能更好地了解FlowStar软件,最终促进国产自主CFD软件生态的良性发展。
何淑庆[3]（2021）在《CED-SOA服务动态协同模型和算法研究》文中研究表明随着物联网、大数据、云计算、人工智能和服务计算等新一代信息技术的发展和深度融合,逐步催生出大规模和智能化的物联网应用。物联网应用中的服务提供朝着精细化、层次化、复杂化和智能化等方向发展,这导致服务动态协同面临诸多新挑战,如复杂计算环境下的服务数据的高效和准确处理、网络边缘服务数据的存储和可控以及服务精准智能化动态协同等。针对上述问题,本文提出CED-SOA服务动态协同技术,对该技术模型和算法进行深入研究。本文的研究工作和创新点如下:（1）提出了基于CEP的物联网服务数据处理优化模型和算法,该模型和算法包括多层级复杂事件模式分治和聚类优化模型和算法及检测策略和基于自适应阈值的不确定流数据处理模型和算法。仿真实验结果表明本文提出的模型和算法在多层级和不确定环境下应用于服务数据处理能够有效降低多层级事件处理的时间延迟和提高不确定流数据处理的综合性能。（2）提出了基于复杂事件的数据存储和可控模型及基于CES的在线离线复杂事件处理算法,该模型和算法主要应用于边缘网络服务数据的存储、可控和处理。仿真实验结果表明在可控环境下,该模型和算法对边缘网络服务数据具有较好的读取性能、存储的资源开销在可承受范围内以及可有效提高在线离线混合处理的性能。（3）提出了基于深度-广度学习的服务动态协同模型和算法,该模型和算法适用于大规模智能化物联网服务提供场景。仿真实验结果表明该模型和算法在协同的精准性和综合性方面取得了较好的效果。
姜雪[4]（2021）在《印度理工学院计算机学科创立与发展研究》文中提出印度理工学院作为印度政府创建的国家重点学院典型代表,是印度高等教育系统重要创新和改革的产物。印度理工学院计算机教育在印度国内首屈一指,在世界范围内影响较大,培养出一大批享誉世界的高级计算机人才,成为众多具有世界影响力的跨国公司竞相招揽的对象。计算机人才从诞生、成长再到壮大的培养过程与其计算机学科从创立、发展再到崛起并建设成为国内一流、世界知名学科的历史进程保持一致。中国和印度两国在国情和历史发展背景方面较为相似,与欧美发达国家名列前茅的世界一流大学及一流学科相比,印度理工学院计算机学科的成长路径对我国高等教育创建一流学科,成功进行计算机教育,有效发挥计算机学科的社会服务功能具有重要的借鉴意义。本文采用历史研究法、个案研究法及文献研究法,由点到面,从纵向到横向尝试对印度理工学院计算机学科的发展历程进行立体化、系统化的梳理与剖析。从学科发展不同历史阶段的特点出发,以时间为线索,探寻其学术平台、师资队伍、科学研究、人才培养、学术交流、管理体制及社会服务等学科建设必要要素的特点及其相互之间的关系,归纳印度理工学院计算机学科的建设经验,指出学科建设中的不足之处,明确对我国建设一流学科的历史价值。以1963年印度理工学院坎普尔分校计算机中心的成立为主要标志,印度理工学院计算机学科正式创立。1963年至1982年是印度理工学院计算机学科的早期发展阶段,计算机中心、电气工程系和数学系开展了一系列的计算机教育与研究活动。1983年,计算机科学与工程系正式成立,由此,计算机学科拥有了规范化的学术平台,学术项目更加丰富。同时,以计算机应用为主导的科学研究方向的确立也推动了学科的蓬勃发展与快速崛起。从计算机学科创立伊始,印度政府就在国家财政支出和国家政策方面对其给予了大力支持。20世纪80年代,在财政及政策的双重保障下,印度理工学院计算机学科在学术平台、师资队伍、科学研究、人才培养、学术交流及社会服务等方面采取了一系列有力的建设举措,迅速成长为印度国内一流的计算机学科。1992年,“创新与技术转移基金会”在印度理工学院德里分校正式成立,标志着印度理工学院计算机学科进入产教融合、产学研相互促进的可持续发展阶段。从服务国家经济社会发展角度考查,印度理工学院计算机学科积极承担国家级政府资助及企业咨询项目的举措不但与国家科技政策及国家发展战略保持高度一致,同时还促进了企业与高校协同发展、校企协同育人的学科发展新模式的产生。在世界信息革命浪潮的推动及印度政府制定的建设信息技术产业超级大国战略目标的指引下,印度理工学院计算机学科不断发展完善稳步提升,培养的尖端计算机人才在国际知名计算机企业崭露头角。从学科建设的必要要素出发归纳印度理工学院计算机学科迅速崛起的主要原因是十分必要的。学科的快速发展无外乎是内外两种因素共同作用的结果。就外部因素而言,国际环境中有世界计算机技术的发展以及计算机革命浪潮的推动,国内环境有印度政府大力发展科学技术的科技战略,特别是建设计算机超级大国目标的指引;就内部因素而言,印度理工学院从学科平台、师资队伍、科学研究、人才培养、学术交流与合作、学科制度以及社会服务等若干学科建设的必要要素出发,采取了一系列措施推动了计算机学科的快速发展。本文最后总结出印度理工学院计算机学科快速发展的原因:紧跟国家科技发展战略部署,明确计算机学科发展定位;注重高水平师资队伍建设,为计算机学科的快速发展提供人力保障;促进以计算机学科为基础的多学科交叉融合,推进学科可持续发展;善于利用国际援助并不断深化国际合作与交流;积极争取多方资金支持为学科发展提供资金保障。近年来,学科建设过程中出现了如下问题:印度政府过多干预,削弱学术自治权;优秀师资数量增长与学科稳步提升存在失衡现象;高水平科学研究成果总量不足,阻碍国际学术影响力持续扩大。然而,本着“他山之石,可以攻玉”的原则,印度理工学院计算机学科的成功经验是值得借鉴和学习的。
寿颖杰[5]（2021）在《嵌入式操作系统在分布式系统中的设计与应用》文中研究说明随着对物联网设备的的不断发展,现在的社会越来越需要在智能家居、智能医疗、智能交通等嵌入式终端节点具备高性能的结构和高速有效的计算功能,使用户满足各种信息科技服务。然而在目前社会中,大都嵌入式系统单独工作,系统与系统之间几无互动,很少能够在终端节点利用互相协作来完成一些复杂的计算。而在分布式系统的应用下,物联网终端节点在理论上可以通过协同工作实现一定的计算。伴随着分布式系统的推广,多个嵌入式系统之间的交互将成为分布式技术和嵌入式技术交叉融合研究方面比较热门的内容。但目前这方面设计研究在市面上还比较少,且存在多方面的问题:第一,嵌入式设备中的资源有限,且设备专用性强,使得用于复杂计算的性能会不高;第二,研究人群较少,研究并未对这方面有深入探讨;第三,几乎无应用方面的研究,研究基本仅止步于在系统测试阶段。因此,本文先将嵌入式系统与分布式系统结合起来,通过多个嵌入式系统构建一个小型分布式系统,称为“多嵌入式系统”;然后在这个可用于分布式计算的多嵌入式系统上,将嵌入式操作系统进行设计和应用,即为分布式系统和嵌入式操作系统结合的“分布式操作系统”。在构建的多嵌入式系统中,每个节点都由一个STM32板和一个分布式操作系统（通过嵌入式实时操作系统RT-Thread修改扩充而成）构成。整个系统中,单个嵌入式系统分为控制节点和计算节点两类,两者的功能有所不同。控制节点负责收集节点信息、管理进程和分配分发计算任务,将任务分发分配到计算节点上执行;计算节点上实现执行任务功能,并将自身节点信息和任务结果发送数据给控制节点或其他计算节点。控制节点和计算节点相互协同工作,构成了整个分布式系统,实现了在终端节点协同完成部分复杂计算工作的目标。在构建整个系统时,对分布式操作系统和分布式通信机制进行了设计。具体为:1)在设计分布式操作系统时,主要对进程管理与调度、协同处理和任务分配完成探讨和设计;在设计过程中,主要是将分布式系统中成熟的研究,甚至已经应用的算法,将其实现在系统中的分布式操作系统里,并提供代码。2)在设计通信机制时,先实现了消息传递的方式,由于系统的运行特点,采用半同步半异步的Client/Server通信模型;然后还设计实现了远程过程调用（RPC）功能,用于实现控制节点调用某计算节点;最后设计了信息传递时的保密机制,由于本系统小型化、分布式等特点,采用并设计了基于属性加密的通讯加密方案,将其应用于系统中。总体上,完成实现了系统的基本功能。根据实际项目,还将构建完成的分布式操作系统应用于实际生产生活中的多嵌入式系统上。通过应用实现在DALI系统中可以看出,嵌入式操作系统与分布式系统所结合而成的分布式操作系统在智能家居中可以得到很好的应用,使原本的系统提升了更良好的性能,且在产品现场安装使用后也取得了不错的效果。
陈呈,赵丹,王岳青,邓亮,杨超,苏铖宇,王昉[6]（2021）在《NNW-TopViz流场可视分析系统》文中认为流场可视化技术采用图形图像直观地表现CFD数值模拟的计算结果,使用户能够方便地对这些数据进行分析、比较和研究。然而,CFD数值模拟的流动复杂,其产生的流场数据规模巨大、数据类型复杂、特征提取困难,传统的串行可视化软件效率低、交互手段单一,难以满足数据分析的需求。国家数值风洞（NNW）工程研制了一套流场数据处理可视化软件系统（NNW-TopViz,简称TopViz）,具有对流场数据处理与特征提取、几何图形绘制等可视化与交互功能。根据可视分析效率需求,TopViz实现了线程并行,在多核计算环境下有效提高了可视化计算和交互效率;针对流场特征提取困难、常规方法效率低的问题,TopViz实现了基于卷积神经网络的流场旋涡特征提取方法,提升了特征提取准确率和效率;为提高软件交互效率并提供便捷的交互方式和体验,基于头戴式显示设备和体感控制器构建沉浸式虚拟显示与交互平台,TopViz实现了手势和眼球凝视2种交互方法,提供沉浸式环境下多视图、多角度流场探测方式。
孟泽宇[7]（2021）在《边缘侧分布式模型训练与任务迁移技术研究》文中研究指明近几年,物联网、移动智能设备的蓬勃发展带来了数据源从集中式的云端数据中心到分布式的网络边缘侧转变的大趋势,海量的感知数据开始在网络的边缘侧生成。通过分布式的模型训练和智能知识推断高效地利用这些数据,将是推动人工智能发展,实现物联网与人工智能深度融合的重要途径,进一步实现万物智联。云计算时代,这些在边缘侧产生的数据需要传输到云数据平台,利用云端的算力来进行处理。不幸的是,海量的数据量传输将给核心网络带来巨大的负担,既影响核心网络的正常运行,也会带来巨大的传输延时降低用户体验,同时,海量用户私人数据上传到云数据中心也增大了隐私泄露风险。边缘计算的概念被适时的提出为上述问题的解决提供了可行解,其旨在利用分布于网络边缘侧设备的计算能力,让云数据中心和核心网络从巨大的负载压力中解放出来,为用户提供低延时,低带宽,低功耗同时兼具高安全性的智能服务。利用边缘侧算力处理海量感知数据同样面临挑战。具体来说,一方面智能任务越来越复杂,模型的复杂度和规模与日俱增,而用户对于高精度、快收敛、低代价的追求从未放松;另一方面,不同于云数据中心的模型训练,往往在一个资源充裕的稳定系统内进行,边缘侧存在资源有限、环境动态和数据异构三个问题,为边缘侧部署模型训练并进一步进行智能知识推断带来了极大的挑战。本文综合分析了在边缘侧模型训练和智能知识推断的实际需求,并结合边缘侧的三个核心问题,重点围绕利用边缘侧算力进行分布式模型训练和智能任务负载迁移以实现边缘智能这一目标展开了系统性的研究。主要的研究工作如下:（1）提出了基于数据迁移的模型训练策略以应对边缘侧资源受限和数据不均。边缘侧设备和网络资源有限（如节点的处理能力、接入带宽资源）且边缘节点上产生的数据往往以数据流的形式到达节点,不同节点之间的数据分布呈现非独立同分布,为了在资源受限的边缘侧实现边缘数据的高效利用,训练智能模型,本文利用李雅普诺夫优化技术提出了一种数据迁移驱动的模型训练算法。具体来说,本文以最小化系统长时隙运行的平均成本（比如能耗）为目标,在每个时隙利用边缘节点之间的动态数据迁移保证每一轮模型训练只需要有限个边缘节点上传本地参数就可以实现模型的快速迭代,通过这样的方法,不仅削弱了数据非独立同分布带来的影响,同时保证了参数服务器的带宽资源约束,使得模型训练系统可以保持稳定状态以更新数据模型。通过理论分析,我们证明了所提出的方法在没有系统的未来信息（数据动态和网络随机性）的情况下的也可以获得近似最优的性能。通过大量的仿真验证,本文证明了与现有方法相比,所提出的方法可以节省系统平均成本接近46%（系统成本用能耗表示）。（2）提出了拓扑构造驱动的去中心化模型训练策略以应对边缘侧资源受限和环境动态。相比于依赖某一个固定的中心节点进行全局模型更新的参数服务器架构,通过节点与邻居相互交换参数和梯度进行模型更新的点对点（P2P）模型训练架构更加适合边缘侧环境。这一架构通过去中心化的方式从根本上避免了单点失效隐患,同时提高了网络的可扩展性和安全性。但是缺少全局参数汇聚的过程意味着参数交换的拓扑结构对于模型的收敛性能和训练效果至关重要,而边缘侧有限的资源（计算资源和网络带宽资源）以及高度动态地环境则给拓扑结构的确定带来了很大的挑战。因此本文使用经验驱动的方法,针对动态地环境适应性的构造P2P参数更新拓扑,结合具体的场景,本文对目前常用的经验驱动方法进行了改进,使其可以结合理论分析和实验验证对相关超参数的设置与模型训练性能的影响进行量化表征。由大规模数值仿真和实机测试床组成的扩展实验均证明了本文提出的算法可以在有资源约束的情况下显着提高模型的训练效率平均达到11%,在相同的精确度要求下减少传输代价达30%。（3）提出了智能应用动态迁移和调度算法以应对边缘侧资源受限和环境动态。在边缘侧进行模型训练的基础上,我们进一步研究了如何有效地卸载和调度智能任务,以实现能耗和延迟的联合优化。我们首先提出了一种基于随机取整的动态卸载算法,命名为RMCL,旨在最小化边缘侧网络中任务计算时延约束的移动设备的最大能耗。我们还证明,RMCL至少能以高概率实现最优的性能。考虑到用户习惯的不可预测性,应对突发智能任务需求的卸载决策,我们将RMCL扩展为一个两阶段的实时动态决策算法,命名为在线动态计算卸载（OMCL）算法。然后,我们提出了一种最大剩余计算密度（MRCD）调度算法,为卸载到边缘节点的任务确定一个合适的处理顺序,从而可以降低这些延迟敏感任务的故障率。大量的仿真结果表明,与在本地执行智能任务相比,OMCL可以降低移动设备的最大能耗40%,而MRCD与先入先出策略相比,最多可以降低任务失败率50%。
陈坚强[8]（2021）在《国家数值风洞（NNW）工程关键技术研究进展》文中进行了进一步梳理随着高性能计算机和计算流体力学（CFD）的飞速发展, 20世纪80年代末日本率先提出了数值风洞的概念.美国进一步发展了数值风洞的概念,认为数值风洞是流体力学、数学、计算机科学和航空工程交叉融合的产物,并在航空航天飞行器研制中发挥着越来越重要的作用. 2018年,我国启动了"国家数值风洞（NNW）"工程项目,旨在联合全国优势力量,发挥集群优势,开展协同攻关,自主研发功能先进、种类齐全的CFD软件系统,研制国际先进的CFD专用高性能计算机,建成拥有我国自主知识产权、国内开放共享的空气动力数值模拟平台.本文介绍了NNW工程的系统构成和主要目标,总结了国家数值风洞软件框架、并行技术、网格生成、可视化技术、验证与确认、算法与模型等相关研究进展,展望了工程下一步的技术发展思路.
任守明[9]（2021）在《面向新型建筑智能化平台的火灾逃生路径规划方法研究》文中提出随着大型商业建筑在城市中的不断涌现,建筑内部结构日益复杂,发生建筑火灾易造成室内人员迷失逃生方向,进而造成大量的人员伤亡。大型建筑的安全疏散问题是当前建筑消防的关键问题之一,因此,研究大型建筑火灾逃生路径规划方法具有一定的理论意义与应用价值。现阶段火灾逃生引导系统主要采用集散式控制方式,主要依赖于中央管理器对系统进行集中管理,当面临庞大的数据量时,系统无法在短时间内做出决策响应,且系统内部各个子系统之间信息交互性较差。新型建筑智能化平台采用无中心、扁平化网络架构,能够实现控制过程的并行化,有效缓解采用集散式控制方式的系统所存在的问题。本文结合新型建筑智能化平台,首先利用新型建筑智能化仿真平台搭建仿真模型,以模型运行数据作为基础数据研究一种火灾逃生路径规划算法,为火灾中被困人员进行路径规划,最后结合仿真模型以及火灾逃生路径规划算法搭建火灾逃生引导仿真系统。基于上述内容,本文开展了以下研究。（1）本文利用新型建筑智能化仿真平台搭建仿真模型,模拟多台设备真实运行的情况。本文利用新型建筑智能化仿真平台搭建了物理环境模型、火灾蔓延模型以及疏散照明指示系统模型,对火灾场景下的环境数据进行模拟,并对火势以及烟雾的蔓延进行计算,最后对人员进行疏散指引,通过对仿真模型的联合调试,验证了模型的合理性、有效性。（2）本文设计了改进的萤火虫算法（Firefly Algorithm,FA）对火灾中被困人员进行路径规划。面向新型建筑智能化平台搭建了建筑环境模型,并对智能计算节点（Computing Process Node,CPN）网络拓扑进行设计,以逃生最短路径作为算法的优化目标,改进的萤火虫算法在每次迭代寻优的过程中与自己的邻居节点进行数据交互,通过分布式仿真平台（Distributed Simulation Platform,DSP）验证了改进的萤火虫算法在室内人员逃生路径规划应用中的可行性。本文中的算法在进行路径规划时能够在较短时间内找到最优路径,算法收敛较快,寻找最优路径的准确率也较高。（3）结合新型建筑智能化平台进行火灾逃生系统的设计与实现,本文以CPN为核心进行硬件系统的搭建,将软件系统分为模块接口、火灾报警、路径引导以及数据管理四个模块,利用新型建筑智能化平台编程语言实现了改进萤火虫算法,达到了为火灾中被困人员指引逃生路径的目标。图[43]表[10]参[55]
赵学武,吴宁,王军,阮利,李玲玲,徐涛[10]（2021）在《航空大数据研究综述》文中指出大数据伴随着物联网、云计算和人工智能等技术的发展成为目前的研究热点,并在许多领域得到了应用。蓬勃发展的航空领域具备天然的大数据土壤,受到人们越来越高的重视。近年来,学者们开始研究面向航空的大数据技术;航空公司也着手利用航空大数据为其提供服务,并将之提升至发展战略的高度。已有研究和实践表明,航空大数据不仅有利于降低航空公司的运营成本,而且可以提升客户的体验品质。首先从数据和系统性两个角度给出了航空大数据的定义,并对相应的组织结构进行了比较系统的论述;然后从采集、存储管理、预处理、分析和虚拟仿真与可视化五个方面详细阐述了航空大数据中的关键技术,并对其中一些主要的模型和算法进行了比较分析;其次从多个方面描述了航空大数据的典型应用场景;最后深入地分析了航空大数据中存在的问题及未来的研究方向,以期对相关研究应用提供有益的参考。
二、CFD大型软件系统分布式并行处理模型研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、CFD大型软件系统分布式并行处理模型研究（论文提纲范文）
（1）旋转式强制通风温度传感器设计与应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 自然通风温度传感器研究进展 |
| 1.2.2 强制通风温度传感器研究进展 |
| 1.3 论文的主要研究内容 |
| 第二章 计算流体动力学基本原理 |
| 2.1 计算流体动力学基本原理介绍 |
| 2.1.1 CFD核心思想与优势 |
| 2.1.2 三种传热方式 |
| 2.1.3 流体动力学的基本控制方程 |
| 2.1.4 CFD求解步骤 |
| 2.2 FLUENT软件介绍 |
| 2.2.1 FLUENT简介 |
| 2.2.2 SIMPLE算法 |
| 2.2.3 迎风格式 |
| 2.2.4 边界条件 |
| 2.3 本章小结 |
| 第三章 旋转式强制通风温度传感器CFD分析 |
| 3.1 旋转式强制通风温度传感器的结构设计 |
| 3.2 三维实体模型的建立 |
| 3.2.1 三维建模软件PRO/E简介 |
| 3.2.2 旋转式强制通风温度传感器建模流程 |
| 3.3 模型网格划分 |
| 3.4 仿真计算参数设置和收敛性分析 |
| 3.4.1 FLUENT参数设置 |
| 3.4.2 计算结果收敛性分析 |
| 3.5 仿真结果分析 |
| 3.5.1 旋转速度和太阳辐射强度与辐射误差的关系 |
| 3.5.2 旋转速度和下垫面反射率与辐射误差的关系 |
| 3.5.3 旋转速度和海拔高度与辐射误差的关系 |
| 3.5.4 旋转速度和太阳高度角与辐射误差的关系 |
| 3.6 本章小结 |
| 第四章 旋转式强制通风温度传感器辐射误差修正 |
| 4.1 基于OLS多元线性回归拟合辐射误差方程 |
| 4.1.1 OLS算法简介 |
| 4.1.2 辐射误差方程拟合 |
| 4.1.3 拟合结果分析 |
| 4.2 基于BP神经网络拟合辐射误差方程 |
| 4.2.1 BP神经网络算法简介 |
| 4.2.2 辐射误差方程拟合 |
| 4.2.3 拟合结果分析 |
| 4.3 本章小结 |
| 第五章 辐射误差观测平台搭建与实验 |
| 5.1 实验平台搭建 |
| 5.1.1 辐射误差观测平台 |
| 5.1.2 辐射强度测量设备 |
| 5.2 实验结果与分析 |
| 5.3 本章小结 |
| 第六章 软件系统开发与实现 |
| 6.1 软件需求分析 |
| 6.1.1 用户需求分析 |
| 6.1.2 开发需求分析 |
| 6.2 软件技术选型 |
| 6.2.1 前端技术选型 |
| 6.2.2 后端技术选型 |
| 6.2.3 云平台部署 |
| 6.2.4 开发工具选型 |
| 6.3 软件后端设计 |
| 6.3.1 软件系统架构设计 |
| 6.3.2 数据库表设计 |
| 6.3.3 数据通信设计 |
| 6.3.4 数据接口设计 |
| 6.4 软件客户端设计 |
| 6.4.1 用户登录模块 |
| 6.4.2 数据管理模块 |
| 6.4.3 实时天气模块 |
| 6.4.4 设备管理模块 |
| 6.4.5 个人信息管理模块 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.1.1 论文总结 |
| 7.1.2 创新点总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 附录 |
| 附录1 |
| 附录2 |
（2）FlowStar:国家数值风洞（NNW）工程非结构通用CFD软件（论文提纲范文）
| 1 软件设计 |
| 1.1 整体架构 |
| 1.2 数值方法 |
| 1.3 多体运动求解方法 |
| 1.4 重叠网格技术 |
| 1.5 并行计算技术 |
| 1.6 图形界面设计 |
| 2 主要功能 |
| 2.1 定常流动模拟 |
| 2.1.1 全机及部件气动力分析 |
| 2.1.2 发动机进排气影响 |
| 2.1.3 喷流干扰评估 |
| 2.2 单套网格非定常流动模拟 |
| 2.3 多套网格非定常多体运动模拟 |
| 2.4 多套网格准定常捕获轨迹系统（CTS) |
| 2.5 多套网格定常网格测力 |
| 2.6 数据分析 |
| 2.6.1 舵面气动分析 |
| 2.6.2 气动载荷插值 |
| 2.6.3 进气道性能分析 |
| 2.6.4 监测点流场提取 |
| 2.6.5 流场输出 |
| 3 软件验证与确认 |
| 4 工程应用 |
| 4.1 发动机尾吊式客机气动分析 |
| 4.2 飞行器内埋弹舱舱门开闭过程模拟 |
| 4.3 导弹头罩分离模拟 |
| 5 结论 |
（3）CED-SOA服务动态协同模型和算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究问题与挑战 |
| 1.3 主要研究内容及创新点 |
| 1.4 本文的组织结构 |
| 第二章 CEP与服务协同及相关研究综述 |
| 2.1 复杂事件处理综述 |
| 2.1.1 分布式并行CEP研究 |
| 2.1.2 CEP与云雾计算融合研究 |
| 2.1.3 CEP事件模式研究 |
| 2.2 不确定流数据处理概述 |
| 2.2.1 不确定事件处理 |
| 2.2.2 乱序事件处理 |
| 2.3 事件存储和可控访问概述 |
| 2.3.1 事件存储概述 |
| 2.3.2 数据可信访问控制概述 |
| 2.4 服务协同概述 |
| 2.5 本章小结 |
| 第三章 基于CEP的服务流数据处理模型和算法研究 |
| 3.1 引言 |
| 3.2 CED-SOA物联网服务提供架构 |
| 3.3 基于分治聚类的流数据处理模型 |
| 3.3.1 多层级云雾CEP的事件模型表示 |
| 3.3.2 事件模式的分治和聚类优化算法 |
| 3.3.3 事件模式的调度和检测策略 |
| 3.4 面向不确定流数据的自适应阈值模型 |
| 3.4.1 云雾边多级CEP |
| 3.4.2 自适应阈值事件模型 |
| 3.4.3 事件多源识别和重构算法 |
| 3.4.4 偏序事件检测 |
| 3.4.5 阈值自适配算法 |
| 3.4.6 分层事件处理策略 |
| 3.5 实验结果与分析 |
| 3.5.1 智慧医疗个性化服务 |
| 3.5.2 实验环境 |
| 3.5.3 分治聚类算法实验结果与分析 |
| 3.5.4 自适应阈值模型实验结果与分析 |
| 3.6 本章小结 |
| 第四章 复杂事件混合检测及可信存储模型 |
| 4.1 引言 |
| 4.2 事件存储模型 |
| 4.2.1 研究问题 |
| 4.2.2 多级联动事件存储模型和算法 |
| 4.3 CEP混合事件处理模型 |
| 4.3.1 研究问题 |
| 4.3.2 基于CES的在线离线混合检测 |
| 4.3.3 基于CES的在线离线混合检测算法 |
| 4.4 可信访问控制模型 |
| 4.4.1 研究问题 |
| 4.4.2 雾计算可信存储模型 |
| 4.4.3 协同数据安全管理算法 |
| 4.5 实验结果与分析 |
| 4.5.1 实验环境 |
| 4.5.2 混合检测实验结果与分析 |
| 4.5.3 可控模型实验结果与分析 |
| 4.6 本章小结 |
| 第五章 CED-SOA服务动态协同模型和算法研究 |
| 5.1 引言 |
| 5.2 服务动态协同模型和算法研究问题 |
| 5.2.1 时空特征 |
| 5.2.2 精细化特征 |
| 5.2.3 智能化特征 |
| 5.3 CED-SOA物联网服务动态协同模型描述 |
| 5.3.1 事件和服务模型关系 |
| 5.3.2 基于事件的服务关联模型 |
| 5.4 基于深度-广度学习的服务动态协同模型和算法 |
| 5.4.1 深度-广度学习模型 |
| 5.4.2 模型及问题的形式化定义 |
| 5.4.3 基于深度-广度学习的服务动态协同模型 |
| 5.5 实验结果与分析 |
| 5.6 本章小结 |
| 第六章 结束语 |
| 6.1 论文总结 |
| 6.2 进一步工作 |
| 参考文献 |
| 主要缩略语及中英文对照 |
| 致谢 |
| 攻读博士学位期间发表的学术论文 |
（4）印度理工学院计算机学科创立与发展研究（论文提纲范文）
| 摘要 |
| abstract |
| 绪论 |
| 一、选题缘由及研究意义 |
| 二、核心概念界定 |
| 三、国内外研究现状综述 |
| 四、主要研究内容 |
| 五、研究思路和研究方法 |
| 六、创新点与难点 |
| 第一章 发端奠基:印度理工学院计算机学科的创立与早期发展(1963—1982 年) |
| 第一节 印度理工学院计算机学科的创立 |
| 一、印度理工学院计算机学科创立的背景 |
| 二、印度理工学院计算机学科的创立 |
| 第二节 印度理工学院计算机学科早期发展的举措 |
| 一、计算机学科学术平台逐步扩展与完善 |
| 二、汇集国内外优秀学者组建高水平师资队伍 |
| 三、确立以计算机基础理论为主导的科学研究方向 |
| 四、以掌握计算机基础理论与基本技能为中心的人才培养 |
| 五、争取国际援助为学科发展提供硬件与资金支持 |
| 六、开展学科治理体制建设,为学科发展提供组织保障 |
| 七、积极开展计算机社会咨询服务 |
| 第三节 印度理工学院计算机学科早期发展取得的成效与存在的问题 |
| 一、印度理工学院计算机学科早期发展取得的成效 |
| 二、印度理工学院计算机学科早期发展存在的问题 |
| 第二章 国内一流:印度理工学院计算机学科的快速崛起(1983—1991 年) |
| 第一节 印度理工学院计算机学科快速崛起的背景 |
| 一、第三次科学技术革命的蓬勃开展 |
| 二、“计算机总理”拉吉夫·甘地带领印度迈向信息时代的决心 |
| 第二节 印度理工学院计算机学科快速崛起的举措 |
| 一、计算机学科学术平台的专业化发展 |
| 二、构建以学术认同为基础的内聚性学术团队 |
| 三、确立以计算机应用为主导的科学研究方向 |
| 四、以实践型计算机人才培养为中心 |
| 五、不断加强国内外学术交流 |
| 六、完善五级管理体制确保管理自治与学术自由 |
| 七、实施学校计算机素养与学习提升计划 |
| 第三节 印度理工学院计算机学科快速崛起取得的成效与存在的问题 |
| 一、印度理工学院计算机学科快速崛起取得的成效 |
| 二、印度理工学院计算机学科快速崛起过程中存在的问题 |
| 第三章 国际知名:印度理工学院计算机学科的稳步提升(1992 年—至今) |
| 第一节 印度理工学院计算机学科稳步提升的背景 |
| 一、世界信息革命浪潮的推动 |
| 二、印度领导人建立信息产业超级大国战略目标的指引 |
| 第二节 印度理工学院计算机学科稳步提升的举措 |
| 一、计算机学科学术平台及设施的现代化更新 |
| 二、构建以探索学科核心领域为目标的传承性学术团队 |
| 三、确立以计算机前沿领域研究为主导的科学研究方向 |
| 四、以创新性复合型计算机人才培养为中心 |
| 五、积极提升计算机学科国际学术交流话语权 |
| 六、实施旨在提升教学和人才培养质量的本科学术项目审查评估 |
| 七、承担国家级计算机系统和程序研发项目,不断深化国际合作 |
| 第三节 印度理工学院计算机学科稳步提升的成效与存在的问题 |
| 一、计算机学科稳步提升取得的成效 |
| 二、计算机学科稳步提升过程中存在的问题 |
| 第四章 印度理工学院计算机学科创立与发展的省思 |
| 第一节 印度理工学院计算机学科快速发展的原因 |
| 一、紧跟国家科技发展战略部署,明确计算机学科发展定位 |
| 二、注重高水平师资队伍建设,为学科快速发展提供人力保障 |
| 三、促进多学科交叉融合,推进计算机学科可持续发展 |
| 四、善于利用国际援助并不断深化国际合作与交流 |
| 五、积极争取多方资金支持为学科发展提供资金保障 |
| 第二节 印度理工学院计算机学科发展中的问题 |
| 一、学科发展后期印度政府过多干预,削弱了学术自治权 |
| 二、学科发展后期优秀师资数量增长与学科稳步提升存在失衡现象 |
| 三、高水平科学研究成果总量不足,阻碍国际学术影响力持续扩大 |
| 附录1 专有名词简称、全称及中译表 |
| 附录2 信息技术领域印度理工学院知名校友代表 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间取得的科研成果 |
（5）嵌入式操作系统在分布式系统中的设计与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 嵌入式系统研究现状 |
| 1.2.2 分布式系统研究现状 |
| 1.3 本文的研究内容及贡献 |
| 1.4 本文的章节安排 |
| 第二章 相关理论与软硬件平台介绍 |
| 2.1 分布式系统 |
| 2.1.1 分布式系统概述 |
| 2.1.2 分布式系统的特征 |
| 2.1.3 分布式系统的结构 |
| 2.1.4 分布式系统的拓扑结构 |
| 2.2 分布式操作系统 |
| 2.2.1 构造分布式操作系统的途径 |
| 2.2.2 设计分布式操作系统时应考虑的问题 |
| 2.2.3 分布式操作系统的结构模型 |
| 2.3 RT-Thread操作系统 |
| 2.3.1 RT-Thread概述 |
| 2.3.2 RT-Thread的架构 |
| 2.3.3 RT-Thread内核 |
| 2.4 嵌入式系统 |
| 2.4.1 嵌入式系统概述 |
| 2.4.2 STM32概述 |
| 2.5 本章小结 |
| 第三章 系统总架构设计 |
| 3.1 硬件的规划实现 |
| 3.2 分布式架构设计模式 |
| 3.2.1 无操作系统模式 |
| 3.2.2 均衡模式 |
| 3.2.3 非均衡模式 |
| 3.3 系统结构 |
| 3.3.1 控制节点和计算节点 |
| 3.3.2 系统运行结构 |
| 3.4 本章小结 |
| 第四章 分布式操作系统设计与实现 |
| 4.1 进程管理 |
| 4.1.1 分布式进程 |
| 4.1.2 分布式进程的状态与切换 |
| 4.2 分布式协同处理 |
| 4.2.1 分布式互斥 |
| 4.2.2 事件定序与时戳 |
| 4.2.3 资源管理算法 |
| 4.2.4 选择算法 |
| 4.3 任务分配 |
| 4.3.1 任务分配环境 |
| 4.3.2 任务调度策略 |
| 4.4 操作系统的移植 |
| 4.5 本章小结 |
| 第五章 分布式通信机制设计与实现 |
| 5.1 消息传递 |
| 5.1.1 消息传递概述 |
| 5.1.2 消息传递方式的设计 |
| 5.1.3 消息传递的实现 |
| 5.2 RPC的功能 |
| 5.2.1 RPC的通信模型 |
| 5.2.2 RPC的结构 |
| 5.2.3 RPC的实现 |
| 5.3 保密设计 |
| 5.3.1 概述 |
| 5.3.2 加密模型 |
| 5.3.3 加密方案算法描述 |
| 5.3.4 安全性分析 |
| 5.3.5 性能分析 |
| 5.4 本章小结 |
| 第六章 系统的应用 |
| 6.1 引言 |
| 6.2 DALI协议 |
| 6.2.1 协议介绍 |
| 6.2.2 DALI系统结构 |
| 6.3 分布式操作系统的应用 |
| 6.3.1 DALI访问时序与时戳 |
| 6.3.2 主从设备RPC功能 |
| 6.3.3 数据资源管理 |
| 6.4 本章小结 |
| 第七章 主要结论与展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间发表的论文 |
（6）NNW-TopViz流场可视分析系统（论文提纲范文）
| 1 国内外相关工作 |
| 1.1 并行可视技术 |
| 1.2 智能特征提取 |
| 1.3 沉浸式三维虚拟显示和多通道交互 |
| 2 NNW-TopViz技术特点 |
| 2.1 并行可视化技术 |
| 2.1.1 流场数据可视化计算并行性分析 |
| 2.1.2 并行可视化设计与实现 |
| 2.2 智能特征提取技术 |
| 2.3 沉浸式三维虚拟显示和多通道交互技术 |
| 2.3.1 沉浸式三维虚拟显示 |
| 2.3.2 沉浸式多通道交互 |
| 2.3.3 交互界面 |
| 3 NNW-TopViz系统设计与开发 |
| 3.1 系统整体架构 |
| 3.2 系统详细设计与开发 |
| 3.2.1 系统模型 |
| 3.2.2 系统功能 |
| 4 NNW-Topviz测试与分析 |
| 4.1 系统简介 |
| 4.2 并行扩展性测试 |
| 4.3 智能特征提取测试 |
| 5 总结 |
（7）边缘侧分布式模型训练与任务迁移技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 从云到边的发展趋势 |
| 1.1.2 边缘侧模型训练面临的问题 |
| 1.2 国内外研究现状 |
| 1.2.1 边缘侧模型训练研究 |
| 1.2.2 边缘侧的智能任务迁移与调度算法研究 |
| 1.3 主要研究内容及创新点 |
| 1.3.1 研究内容 |
| 1.3.2 创新点 |
| 1.4 论文组织结构 |
| 第2章 相关基础知识 |
| 2.1 边缘计算基础知识介绍 |
| 2.1.1 边缘计算概念介绍 |
| 2.1.2 边缘计算到边缘智能的发展趋势 |
| 2.2 边缘侧分布式模型训练 |
| 2.2.1 数据并行和模型并行 |
| 2.2.2 参数服务器架构和P2P架构 |
| 第3章 资源受限下数据迁移驱动的模型训练研究 |
| 3.1 引言 |
| 3.2 网络模型与问题定义 |
| 3.2.1 网络模型 |
| 3.2.2 数据的卸载 |
| 3.2.3 模型更新 |
| 3.2.4 问题建模与形式化定义 |
| 3.3 算法设计与性能分析 |
| 3.3.1 问题重建模 |
| 3.3.2 拉格朗日方法 |
| 3.3.3 算法描述 |
| 3.3.4 性能分析 |
| 3.4 数值仿真实验 |
| 3.4.1 仿真实验设置 |
| 3.4.2 对比算法 |
| 3.4.3 性能指标 |
| 3.4.4 队列长度相关指标测试结果 |
| 3.4.5 系统能耗相关指标测试结果 |
| 3.4.6 控制参数κ对性能指标的影响 |
| 3.5 结论 |
| 第4章 拓扑构造驱动的去中心化模型训练研究 |
| 4.1 引言 |
| 4.2 网络模型与问题定义 |
| 4.2.1 网络模型 |
| 4.2.2 模型训练模型 |
| 4.2.3 问题建模 |
| 4.3 收敛性分析 |
| 4.4 算法描述 |
| 4.4.1 深度强化学习的算法机制 |
| 4.4.2 模型设计 |
| 4.4.3 算法描述 |
| 4.5 数值仿真实验 |
| 4.5.1 仿真实验设置 |
| 4.5.2 仿真实验结果 |
| 4.6 测试床模拟 |
| 4.6.1 测试床原型系统具体部署 |
| 4.6.2 测试床实验基础设置 |
| 4.6.3 实验结果 |
| 4.7 结论 |
| 第5章 智能任务动态卸载与调度算法研究 |
| 5.1 引言 |
| 5.2 网络模型和问题定义 |
| 5.2.1 网络架构 |
| 5.2.2 网络传输模型 |
| 5.2.3 边缘设备能耗模型 |
| 5.2.4 任务时延模型 |
| 5.2.5 问题定义 |
| 5.3 算法设计和描述 |
| 5.3.1 总览 |
| 5.3.2 负载迁移部分 |
| 5.3.3 动态任务调度算法 |
| 5.3.4 讨论 |
| 5.4 大规模数值仿真实验 |
| 5.4.1 数值仿真设置 |
| 5.4.2 性能指标 |
| 5.4.3 对比算法 |
| 5.4.4 智能任务卸载算法的仿真模拟性能结果 |
| 5.4.5 MRCD算法的仿真模拟性能 |
| 5.5 结论 |
| 第6章 总结与展望 |
| 6.1 结论 |
| 6.2 后续可开展工作 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（8）国家数值风洞（NNW）工程关键技术研究进展（论文提纲范文）
| 1 引言 |
| 2 工程简介 |
| 3 关键技术 |
| 3.1 软件框架 |
| 3.2 并行技术 |
| 3.3 网格技术 |
| 3.4 可视化技术 |
| 3.5 验证与确认 |
| 3.6 模型与算法 |
| 3.6.1 转捩/湍流预测模型与方法 |
| 3.6.2 高精度算法 |
| 3.6.3 多物理场耦合计算方法 |
| 3.6.4 多相多介质计算方法 |
| 4 总结与展望 |
（9）面向新型建筑智能化平台的火灾逃生路径规划方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与章节安排 |
| 第二章 相关理论和技术 |
| 2.1 新型建筑智能化平台 |
| 2.1.1 新型建筑智能化平台架构 |
| 2.1.2 智能计算节点 |
| 2.1.3 TOS系统 |
| 2.1.4 分布式仿真平台 |
| 2.2 新型建筑智能化仿真平台 |
| 2.3 萤火虫算法 |
| 2.4 新型建筑智能化平台编程语言 |
| 2.5 本章小结 |
| 第三章 逃生引导仿真模型搭建 |
| 3.1 逃生引导仿真模型总体架构 |
| 3.2 物理环境模型 |
| 3.2.1 物理环境模型功能分析 |
| 3.2.2 物理环境模型设计 |
| 3.3 火灾蔓延模型 |
| 3.3.1 火灾蔓延模型功能分析 |
| 3.3.2 火灾蔓延模型设计 |
| 3.4 疏散照明指示系统模型 |
| 3.4.1 疏散照明指示系统模型功能分析 |
| 3.4.2 疏散照明指示系统模型设计 |
| 3.5 模型性能测试 |
| 3.6 本章小结 |
| 第四章 基于改进萤火虫算法的逃生路径规划方法研究 |
| 4.1 问题描述 |
| 4.2 改进萤火虫算法设计与实现 |
| 4.2.1 改进萤火虫算法的设计 |
| 4.2.2 改进萤火虫算法的实现 |
| 4.3 实验与结果分析 |
| 4.3.1 建筑空间环境的构建 |
| 4.3.2 网络拓扑设计 |
| 4.3.3 实验结果分析 |
| 4.4 本章小结 |
| 第五章 基于逃生路径规划的引导仿真系统设计与实现 |
| 5.1 硬件系统搭建 |
| 5.2 软件系统功能设计 |
| 5.3 基于逃生路径规划引导仿真系统实现 |
| 5.3.1 基于群智能改进萤火虫算法实现 |
| 5.3.2 系统功能验证 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间主要成果 |
（10）航空大数据研究综述（论文提纲范文）
| 1 航空大数据的定义和组织结构 |
| 1.1 数据角度的航空大数据定义和组织结构 |
| 1.2 系统角度的航空大数据定义和组织结构 |
| 1.2.1 基础架构层 |
| 1.2.2 资源层 |
| 1.2.3 数据解析管理层 |
| 1.2.4 分析层 |
| 1.2.5 可视化层 |
| 2 航空大数据关键技术 |
| 2.1 航空大数据采集技术 |
| 2.2 航空大数据存储管理技术 |
| 2.3 航空大数据预处理技术 |
| 2.4 航空大数据分析技术 |
| 2.4.1 航空大数据预测建模分析技术 |
| 2.4.2 航空大数据聚类分析技术 |
| 2.4.3 航空大数据关联分析技术 |
| 2.4.4 航空大数据异常检测技术 |
| 2.5 航空大数据虚拟仿真与可视化技术 |
| 3 航空大数据的典型应用场景 |
| 3.1 航空器故障预测与维修 |
| 3.2 航空运输对象服务 |
| 3.3 智慧机场 |
| 3.4 空中交通管理 |
| 4 航空大数据中存在的主要问题及展望 |
| 4.1 航空大数据中技术问题及其未来研究 |
| 4.2 航空大数据中航空要素问题及其未来研究 |
| 5 结束语 |
四、CFD大型软件系统分布式并行处理模型研究（论文参考文献）
- [1]旋转式强制通风温度传感器设计与应用研究[D]. 陈高颖. 南京信息工程大学, 2021(01)
- [2]FlowStar:国家数值风洞（NNW）工程非结构通用CFD软件[J]. 陈坚强,吴晓军,张健,李彬,贾洪印,周乃春. 航空学报, 2021(09)
- [3]CED-SOA服务动态协同模型和算法研究[D]. 何淑庆. 北京邮电大学, 2021
- [4]印度理工学院计算机学科创立与发展研究[D]. 姜雪. 河北大学, 2021(09)
- [5]嵌入式操作系统在分布式系统中的设计与应用[D]. 寿颖杰. 江南大学, 2021(01)
- [6]NNW-TopViz流场可视分析系统[J]. 陈呈,赵丹,王岳青,邓亮,杨超,苏铖宇,王昉. 航空学报, 2021(09)
- [7]边缘侧分布式模型训练与任务迁移技术研究[D]. 孟泽宇. 中国科学技术大学, 2021(09)
- [8]国家数值风洞（NNW）工程关键技术研究进展[J]. 陈坚强. 中国科学:技术科学, 2021(11)
- [9]面向新型建筑智能化平台的火灾逃生路径规划方法研究[D]. 任守明. 安徽建筑大学, 2021(08)
- [10]航空大数据研究综述[J]. 赵学武,吴宁,王军,阮利,李玲玲,徐涛. 计算机科学与探索, 2021(06)