专业论文发动机舱盖的多学科设计优化方法

409 247

【专业论文】发动机舱盖的多学科设计优化方法

2020-10-22

建立了包含结构刚度、声-振-粗糙度(NVH)特性和行人保护性能的多学科发动机舱盖的自动计算流程。借助隐式参数化方法，使用SFEConcept软件构建发动机舱盖参数化模型;以发动机舱盖内板纵梁位置等为变量，依托iSight软件平台，调用仿真计算队列，基于多学科“试验设计(DOE)”统计样本计算结果，对发动机舱盖性能进行全局优化。结果表明：改进后的发动机舱盖，以较小的结构调整，使其按照新版中国新车评

本文荣获

达索系统SIMULIA2019年用户大会优秀论文

本文选自《汽车安全与节能学报》2018，9(4):456-462.

本文作者：刘莹，杨旭，乔鑫

(华晨汽车工程研究院前期开发部)

摘要

建立了包含结构刚度、声-振-粗糙度(NVH)特性和行人保护性能的多学科发动机舱盖的自动计算流程。借助隐式参数化方法，使用SFEConcept软件构建发动机舱盖参数化模型;以发动机舱盖内板纵梁位置等为变量，依托iSight软件平台，调用仿真计算队列，基于多学科“试验设计(DOE)”统计样本计算结果，对发动机舱盖性能进行全局优化。结果表明：改进后的发动机舱盖，以较小的结构调整，使其按照新版中国新车评价规程(C-NCAP)的行人保护性能测试得分由7.42提升至7.72，优化效果明显。因而，该优化方法可用于发动机舱盖的正向多学科设计优化。

关键词：发动机舱盖;行人保护;多学科设计优化;结构刚度;声-振-粗糙度(NVH);SFEConcept软件;iSight软件

多学科联合设计优化在一些国家已经被应用在汽车开发设计领域[1-2]。在中国，清华大学范子杰等[3]对汽车轻量化多学科设计优化方法进行综述，引入“分解—协调”的多学科优化策略，将复杂的多学问题分解，降低优化问题的复杂度。

有关车身方面，苏瑞意等[4]对某全承载客车车身骨架进行了包含轻量化、刚度等多学科设计优化，提高了客车的综合性能。

王登峰等[5-7]对车身多学科轻量化设计优化进行了研究，通过SFEConcept软件建立了隐式参数化车身模型，通过多学科联合优化找到满足系统各项性能要求的轻量化方案。

吕晓江[8-9]对行人保护柔性腿型碰撞进行了多目标优化算法研究，以行人腿部伤害值最低为优化目标，对车辆前端结构参数进行了可靠性优化设计，提升了行人保护性能。

对于汽车闭合件，高云凯等[10]对车门的多目标强量化设计进行了研究，以拼焊板车门下沉刚度和质量为优化目标，拟合近似模型并利用NSGA-Ⅱ遗传算法寻优。

本文以全隐式参数化发动机舱盖为研究对象，通过二次开发程序，实现大规模计算自动处理，同时考虑本体结构性能、NVH特性以及行人保护等3个学科之间的相互作用，从正向开发的角度，对多学科设计优化方法进行了研究。

1

参数化模型建立

1.1模型建立

参数化模型是多学科设计优化的基础，模型的变量是各学科联系的桥梁，每个学科对应的系统响应类型不同，但影响这些响应变化的参数是相同的，所以如何获得一个高质量的，全参数化的模型文件，至关重要。SFEConcept是一款隐式全参数化建模软件，在保证全参数化模型建立的同时，可以直接生成便于分析计算高质量的有限元网格。

发动机舱盖参数化模型如图1所示。

1.2变量输出

模型可调变量很多，在SFEConcept隐式全参数化建模软件中，每一个设计参数均可作为独立的变量，以mac格式文件输出，如图2所示。

2

多学科分析工况选取

2.1结构性能

发动机舱盖本体结构性能主要选取了舱盖弯曲刚度、扭转刚度、角刚度和中后部刚度等共6个分析项作为输出响应，如图3所示各分析工况从不同角度反映了舱盖本体结构抵抗变形的能力。

2.2NVH性能

NVH模态分析的核心在于对固有特性的提炼和识别，而结构的动态响应也是由外界激励的频率大小以及结构本身的固有频率来决定。

根据工程经验，一般轿车的模态为扭转模态，其振型如图4所示，固有频率通常在20~35Hz。若不考虑性能之间的平衡，在质量可控的前提下，一阶频率越高，越有利提升NVH品质以及延长疲劳寿命。但在材料不变的前提下，高频率可能导致高刚度，这又会导致行人保护的得分受到影响，基于此，该车型的整车设计验证计划目标为一阶频率20Hz。

2.3行人保护性能

“中国新车评价规程(ChinaNewCarAssessmentProgram,C-NCAP)”中的行人保护测试项目中涉及到发动机舱盖的包含儿童头型试验和成人头型试验。儿童头型质量3.5kg，碰撞速度40km/h，与水平方向成50°;成人头型质量4.5kg，碰撞速度40km/h，与水平方向成65°。

根据C-NCAP要求对发动机舱盖进行分区画点，分别得到儿童和成人头型定位信息，用头型冲击舱盖上各点，得到该点的HIC值，根据HIC值得到相应的点分数。新版C-NCAP中行人保护中头部性能总分为12分，故头部性能得分=(各点得分总和/点数之和)×12。因此以头部性能得分作为行人保护性能的输出响应。

3

多学科自动化分析流程建立

考虑各学科特性以及模型的规模，合理利用计算资源，制定优化策略：结构性能和NVH分析计算在本地计算机完成;行人保护由于大量样本以及样本内多点计算循环，本文诉诸刀片服务器，依托可移植批处理系统(portablebatchsystem,PBS)队列以及二次开发脚本完成上万次计算并自动存取、传输结果，同时集成工具命令语言(toolcommandlanguage,TCL)二次开发程序自动计算得分，结构及运行流程如图5所示。

3.1试验设计DOE

“试验设计(designofexperiment，DOE)”是一种产品开发和过程优化等环节中重要的统计方法。对文中变量设定变化范围，采用全因子设计样本，样本变量如表1所示。

在iSight软件平台上，搭建发动机舱盖结构性能和NVH性能自动化分析流程，因两个学科可以共用同一类型网格，后处理方法相似，故可以集成在一个分析流程内，如图6所示。

DOE模块驱动SFEConcept模块，生成发动机舱盖模型，并自动划分成有限元网格;通过Dataflow将网格文件传输到各工况，并调用本地计算机上Nastran完成分析计算;通过输出变量读取计算结果，反馈给DOE并存储计算结果值。所有DOE样本计算完成之后，可以得到一个总矩阵计算表。

3.2行人保护自动化分析流程

区别本体结构刚度与NVH模态通用参数化模型，在行人保护样本生成过程中，通过SFE输出DYNA输入文件格式，同时依据文件结构的规划，两个组件只传输网格与焊点模型文件，总成的其它部分切割成单独文件，并且在计算时通过*include形式提交队列进行batch计算。组件之间传递循环计数，以便批处理计算时，准确识别样本身份，如图7所示为行人保护自动化分析流程。

DOE传递4个变量给SFE，同时将计数变量传递给行人保护计算模块，如图8所示;SFE生成的KEY文件中网格和焊点文件传输给PEDESTRAIN组件;而后经过组件的具体执行，反馈头部得分变量SCORE给DOE。行人保护核心的文件传输策略以及结果处理的二次开发脚本，体现在PEDESTRAIN组件的COMMONDLINE。

通过iSightprofileparameter将计算所需的文件传递到RUNDIR下。同时再提交命令行运行二次开发的脚本，脚本的一部分功能使定义好的头型工况群拷贝到工作目录下。这样做可以实现文件夹群的传递工作，同时也减轻iSight传递文件的负担。

而后处理需要集成的命令文件通过同样的方式传递，由于命令是以文件形式存在，容量便于传递，iSight可以轻松完成小文件的传递。运行时集成到PBS_caclulate_py即可。

PBS_caclulate_py文件是实现本文技术路线的重要角色。其本身突破了本地电脑与仿真队列的数据传输的难点，同时还是集成后处理脚本的主要载体。主要实现以下功能：

1)将头型工况群拷贝到RUNDIR下;

2)将RUNDIR文件夹上传到仿真队列;

3)提交一个样本的186工况序列计算，生成字典判断样本计算全部成功;

4)将binout文件下载到RUNDIR对应工况下;

5)调用TCL语言对工况群批处理得到每个点头部伤害指标(headinjurycriterion,HIC);

6)执行head_goal.py循环读取每个HIC值，生成文本文件，并计算总分SCORE给DOE。

经过多次计算，最终可以得到行人保护DOE样本的计算总表。

4

评估标准

4.1结构刚度响应

4.2NVH性能响应

将质量包含在NVH性能评估中，质量减小有助于提升轻量化水平;一阶特征频率不宜过低，否则会发生低阶频率共振的可能，一般应大于20Hz。

4.3行人保护性能响应

5

多学科联合优化

基于自动化流程计算最终得到的多学科DOE样本结果，在iSight中建立多学科设计优化流程，如图9所示。

在多目标优化设计中，完成多目标优化问题的边界条件设置。Pointer算法是搜索全局优化解效率最高的算法之一，本文采用全局探索方法Pointer算法。

发动机舱盖的本体结构刚度均满足设计要求，故在优化过程中以初始模型各分析项的刚度值作为最低边界约束条件，即优化过程中要保证刚度值不小于其最初分析值。

NVH性能中一阶模态特征值为22.51Hz，故同结构刚度性能一样将其初值设为最低边界条件。对于质量来说，为了控制整车轻量化指标，故将质量初值设为最高边界条件，即优化过程中质量应不大于其最初分析值。

行人保护头部得分7.42，不满足5星级设计标准，故将行人保护性能得分设为优化目标，即在优化过程中搜索行人保护的最大得分值。

因初始变量水平设为离散型变量，故整个寻优空间的变量参数与初始设置保持一致，最终经过上千次比对搜索，完成优化设计。

5.1数据挖掘

在已定的设计空间内可以得到各个响应之间的关系，其中本文发动舱盖的角刚度、扭转刚度和单侧扭转刚度之间关系如图10所示。纵梁位置变量与行人保护得分分布关系图如图11所示。

从图11可以看出：变量初始状态的行人保护得分最低，在变量设计范围内，只要调整纵梁位置，行人保护得分均能有所提升，且行人保护得分对此变量敏感度很高。

5.2优化结果

一个优化过程最终可能会有多种满足优化目标的解，确定最优解还需要综合考虑产品装配性和工艺等因素。综合整个优化流程分析结果得到最终优化方案如表3所示。初始解与优化解的模型状态如表4所示。

从优化表中可以看出，发动机舱盖的行人保护得分由原来的7.42提升到7.72，提升了4.04%，超过最低设计标准0.22分，满足了行人保护头部得分碰撞五星标准要求，优化提升效果十分明显;发动机舱盖质量、刚度和模态变化幅度不大，满足优化策略。

6

结论与展望

1)以几何参数作为变量，基于隐式参数化技术驱动有限元仿真求解器，涵盖结构、NVH、碰撞行人保护多学科工况，匹配计算资源，对发动机舱盖进行多目标设计优化，找到跨学科协同仿真的解决方案。

2)本文技术着眼点为解决协同仿真前提下，以刚度、一阶特征频率、质量为约束提升行人保护性能，同样也可以用于正向开发过程中的轻量化减重分析。

3)发动机舱盖在刚度和一阶模态特征频率几乎不下降，质量不增加的前提下，将行人保护性能得分提升了0.3分，以较小的成本得到极佳的优化效果。同时也找了头碰行人保护的敏感因子，这对于其它产品开发设计具有一定的指导作用。

参考文献

[1]YildizAR,SolankiKN.Multi-objectiveoptimizationofvehiclecrashworthinessusinganewparticleswarmbasedapproach[J].Int’lJAdvaManufTech,2012,59:367-376.

[2]KortaJ,RanioloR,DantiM,eta1.Multiobjectiveoptimizationofacarbodystructure[R].SAEPaper,2012-01-1555.

[3]范子杰,桂良进,苏瑞意.汽车轻量化技术的研究与进展[J].汽车安全与节能学报,2014,5(1):1-16.FANZijie,GUIJinliang,SURuiyi.Researchanddevelopmentofautomotivelightweighttechnology[J].JAutomotiveSafetyEnergy,2014,5(1):1-16.(inChinese)

[4]苏瑞意,桂良进,吴章斌,等.大客车车身骨架多学科协同优化设计[J].机械工程学报,2010,46(18):128-133.SURuiyi,GUIJinliang,WUZhangbin,etal.MultidiscipfinaryDesignandCollaborativeOptimizationforBusBody[J].JMechEngi,2010,46(18)128-133.(inChinese)

[5]王登峰,蔡珂芳,马明辉,等.基于隐式参数化模型的白车身轻量化设计[J].汽车工程,2018,40(5):610-624.WANGDengfeng,CAIKefang,MAMinghui,etal.Lightweightdesignofbiwbasedonimplicitparametricmodel[J].AutomotiveEngineering,2018,40(5):610-624.(inChinese)

[6]史国宏,陈勇,杨雨泽,等.白车身多学科轻量化优化设计应用[J].机械工程学报,2012,48(8):110-114.SHIGuohong,CHENYong,YANGYuze,etal.BIWArchitecturemultidisciplinarylightweightoptimizationdesign[J].JMechEngi,2012,48(8):110-114.(inChinese)

[7]王磊,刘莹,乔鑫.基于正向开发流程的车身轻量化设计[J].汽车工程学报,2015,5(6):461-465WANGLei,LIUYing,QIAOXin.LightweightdesignofBIWbasedonpositivedevelopmentprocess[J].ChinJAutomotiveEngi,2015,5(6):461-465.(inChinese)

[8]吕晓江,谷先广,王国荣.基于组合近似模型的可靠性优化方法在行人柔性腿型碰撞中应用研究[J].机械工程学报,2016,52(10):142-149.LVXiaojiang,GUXianguang,WANGGuorong.Reliabilityoptimizationonpedestrianflexiblelegformimpactbasedonensembleofmetamodel[J].JMechEngi,2016,52(10):142-149.(inChinese)

[9]KinskyT,FriesenF,BuengerB.Theflexiblepedestrianlegformimpactoranditsimpactonvehicledesign[C]//22thInt’lTechConfEnhaSafeVehi(ESV),WashingtonDC:NationalHighwayTrafficSafetyAdministration,2011.

[10]高云凯,申振宇,冯兆玄.多目标优化在车门轻量化设计中的应用[J].同济大学学报:自然科学版,2017,45(2):275-308.GAOYunkai,SHENZhenyu,FENGZhaoxuan.Applicationofmulti-objectiveoptimizationinvehicledoorlightweight[J].JTongjiUniv:NatSci,2017,45(2):275-308.(inChinese).

THE END

友机技术申请基于概率优化支持向量数据描述的高速加工异常检测专利，提高检测精度降低虚警率样本

实际工作中的数据挖掘流程

专业论文发动机舱盖的多学科设计优化方法

UG二次开发工具的使用.docx

数据库原理习题集R

1.数据挖掘的分析方法可以划分为关联分析序列模式分析分类分析和数据挖掘是从大量数据中提取有用信息的方法,主要分为四种分析方式:关联分析、序列模式分析、分类分析和聚类分析。在本指南中,我们将详细介绍这四种方法的实现过程,并提供相应的代码示例。 数据挖掘流程 首先,我们需要明确数据挖掘的基本流程,如下表所示: 流程图 https://blog.51cto.com/u_16213297/12863680
2.数据挖掘算法(AnalysisServices–数据挖掘)MicrosoftLearn“数据挖掘算法”是创建数据挖掘模型的机制。为了创建模型,算法将首先分析一组数据并查找特定模式和趋势。算法使用此分析的结果来定义挖掘模型的参数。然后,这些参数应用于整个数据集,以便提取可行模式和详细统计信息。 算法创建的挖掘模型可以采用多种形式,这包括: https://technet.microsoft.com/zh-cn/library/ms175595(v=sql.100).aspx
3.机器学习找不到创新点?三种特征选择的方法包你拿下顶会!文章介绍了一种新的特征选择框架shap-select,该框架通过在验证集上对目标变量与原始特征的SHAP值进行线性或逻辑回归,并根据回归系数的符号和显著性水平来实现高效的特征选择。在Kaggle信用卡欺诈数据集上的评估表明,shap-select在解释性、计算效率和性能方面均表现出色。 https://www.bilibili.com/read/cv40067807
4.笔记:RAG的优化方法之三(整理一下)相关的优化技术包括但不限于,元数据提取与管理、index 结构优化,这些原本都是数据库的核心问题。而更加高效的索引和元信息管理方法,可以为信息检索过程中的溯源定位信息来源,打破不可解释黑盒,具有很重要的作用。也是和长上下文方法相辅相成过程中不可或缺的部分。 https://zhuanlan.zhihu.com/p/11728160133
5.数据挖掘的算法优化:速度和准确性数据挖掘是指从大量数据中发现有用信息、规律和知识的过程。随着数据的增长,数据挖掘算法的性能变得越来越重要。在实际应用中,我们需要在保证算法准确性的同时,提高算法的速度,以满足实时性要求。因此,数据挖掘算法优化成为了一个重要的研究方向。 在本文中,我们将讨论数据挖掘算法优化的核心概念、算法原理、具体操作步骤https://blog.csdn.net/universsky2015/article/details/137324455
6.数据挖掘中的频繁模式挖掘算法改进频繁模式挖掘是数据挖掘领域的一项重要任务,它旨在从大规模数据集中找出经常出现的模式或项集。这些模式可以帮助我们发现数据的潜在信息,为推荐系统、关联规则分析、分类和聚类等任务提供支持。 频繁模式挖掘的意义 频繁模式挖掘可以帮助我们发现数据中隐藏的规律和趋势,从而为业务决策提供参考。比如,通过挖掘交易数据的频繁https://www.jianshu.com/p/767e9cf61432
7.数据挖掘的步骤包括什么根据数据探索的结果,选择与待挖掘主题密切相关的特征,并构造新的特征以更有效地表示数据。特征工程是数据挖掘过程中非常关键的一步,直接影响模型的性能和效果。 5、模型选择与训练 根据待挖掘问题的类型和特点,选择合适的机器学习或数据挖掘算法。然后利用训练数据集进行模型训练,调整模型参数以优化性能。 https://www.pxwy.cn/news-id-81213.html
8.如何根据数据挖掘结果优化能源管理策略?能源管理二、生产流程优化 工艺参数调整 利用数据挖掘分析生产过程中的能源消耗与工艺参数之间的关系。例如,通过分析不同生产工艺参数下的能源消耗数据,确定最佳的工艺参数组合,以降低能源消耗。比如,在化工生产中,可以通过调整反应温度、压力、时间等工艺参数,找到既能保证产品质量又能降低能源消耗的最佳工艺条件。 http://www.tanguanli.org.cn/tanyunzixun/7235.html
9.数据挖掘论文范文8篇(全文)但是软件工程的数据挖掘过程中, 研发人员需要更多复杂而又具体的数据信息, 所以数据的表示方法也相对多样化, 数据之间难以进行对比, 所以也就难以达成一致的评价标准和结果。不难看出, 软件工程数据挖掘的关键在于对挖掘数据的预处理和对数据结果的表示方法。https://www.99xueshu.com/w/filedo12vrm4.html
10.数据挖掘的七个步骤理想股票技术论坛数据挖掘的七个步骤包括数据预处理、数据清洗、数据转换、数据建模、模型评估与优化以及数据可视化展示。这些步骤是数据挖掘过程中必不可少的环节,通过对数据的深入挖掘和分析,可以提取出有价值的信息和规律,为决策提供支持。 ,理想股票技术论坛https://www.55188.com/tag-08849372.html
11.双流法高压溶出过程的数据挖掘及优化技术研究因此,有必要对双流法高压溶出工艺过程进行热平衡计算和(?)分析,掌握整个流程的能耗和(?)损状况,同时在此基础上有针对性地对工艺操作指标和传热温差控制进行智能优化,对进一步提高氧化铝生产效率、降低成本具有重要的理论意义和现实意义。 在对数据进行系统建模时,由于数据挖掘结果的正确性直接受数据挖掘用样本的质量的https://cdmd.cnki.com.cn/Article/CDMD-10288-1011171358.htm
12.什么是数据挖掘的流程?一步步带你掌握数据挖掘的完整过程2. 数据收集在明确了业务需求后，下一步是数据收集。这包括从各种数据源（如数据库、传感器网络、用户调查等）收集所需的数据。数据收集的质量直接影响后续步骤的效果，因此需要确保数据的完整性和准确性。例如，一家电商公司可能会收集客户的购买记录、浏览历史和评价信息。3. 数据预处理数据预处理是数据挖掘过程中最https://baijiahao.baidu.com/s?id=1810152233023247067&wfr=spider&for=pc
13.数据挖掘建模的优化:如何有效地优化模型!我们在谈及数据可视化的问题时是离不开数据挖掘建模的过程,而数据可视化从某种角度来看,本身就是数据挖掘的一种展示手段。通过数据挖掘建立模型,通过可视化技术展现出来,最终呈现在客户眼前。 那么前面我们聊过数据挖掘项目从需求分析、建模到应用的过程,今天着重和大家分享如何对数据挖掘建模进行优化。 https://www.meipian.cn/4iusqlru
14.信息检索和网络数据挖掘领域中常用模型和基础技术vlnkd. 理解爬山法等最优化求解的思想 e. 随机过程需要了解随机游走,排队论等基本随机过程(论文中偶尔会有,但不是太常见n),理解Markov 随机过程(非常重要,采样理论中常用l); 10. 贝叶斯学习 目前越来越多的方法或模型采用贝叶斯学派的思想来处理数据,因此了解相关的内容非常必要。 https://www.cnblogs.com/vlnk/archive/2012/11/14/2770234.html
15.基于零件批量加工数据分析的加工工艺与流程优化技术【所属领域】智能制造【研究背景】针对零件批量加工过程中缺乏制造数据分析与处理方法,导致工艺能力低下,工艺决策缺乏科学依据等问题,需深入研究零件加工过程数据与机理分析相结合的全流程加工精度预测方法,运用数据挖掘和机器学习算法,开展工艺知识的挖掘与学习,形成http://iat.hust.edu.cn/info/1034/3203.htm
16.抖音优惠券广告怎么引流到公众号三、广告数据分析与优化 在抖音广告推广过程中,需要密切关注用户反馈和数据指标,如观看量、点赞量、分享量等。通过数据分析,了解用户对哪些内容更感兴趣,哪些内容传播效果更好,从而不断调整和优化内容策略。同时,关注行业动态和竞争对手的表现,及时调整自己的推广策略和方向。 https://maimai.cn/article/detail?fid=1843728044&efid=i9UQOnybxu50uMis32tyYw
17.TCCT通讯Newsletter2017No.01面向炼钢—连铸调度过程的两阶段优化模型与算法 自动化学报, 2016 Vol. 42 (11): 1702-1710 Abstract | PDF 马成龙, 颜永红 基于概率语义分布的短文本分类 自动化学报, 2016 Vol. 42 (11): 1711-1717 Abstract | PDF 郭海涛, 霍红卫, 于强 SegHMC: 一种基于Segmental HMM模型的顺式调控模块识别算法 自动化https://tcct.amss.ac.cn/newsletter/2017/201701/journal.html
18.计算机应用技术论文(优秀15篇)通过实际的工程进度,对工程绘图进行调整、各种数据进行核算、工程计划进行更改,制定网络数据进度计划,使工程项目中的'各种资源实现对大限制的优化配置和合理利用,从而保证工程项目进度、工程质量与效率。在工程项目管理过程中采用计算机应用技术,可以在一定程度上减少工程建设项目经济成本,缩短工程建设项目进度,保证工程项目的https://www.fwsir.com/ligong/html/ligong_20241019160443_4015291.html
19.安全生产管理过程优化与流程优化.pptx数据分析运用数据挖掘和智能分析技术,深入分析安全生产管理数据,提取隐藏的规律和问题,优化管理策略。 安全生产管理过程优化的必要性随着社会经济的快速发展,企业面临着来自多个方面的安全生产压力和挑战。通过全面、系统的安全生产管理过程优化,企业可以有效防范各类安全隐患,降低事故风险,切实保护员工生命安全,维护良好的社会https://max.book118.com/html/2024/0514/5140240213011210.shtm
20.详解OEE,设备实时数据管理与应用方案持续关注并优化改进流程 持续监控实时OEE数据及生产过程,可以帮助您了解工厂的损耗来源。一旦您知道生产线上最大的损耗发生在哪里,以及损耗的类型是什么,您可以和您的团队一起聚焦在可改进的地方,最大化流程改进的作用。 06 找出造成生产损失的最重要因素 https://blog.itpub.net/31547898/viewspace-3004018/
21.Hudi运行环境资源优化分配方法及装置与流程11.第二方面,本技术实施例提供了一种hudi运行环境资源优化分配装置,包括:spark session启动模块,用于在进行医疗数据存储前,启动预设数量的spark session,并对各spark session按对应的资源大小进行分类,得到至少两个spark session集合,并确定每个spark session集合对应的任务数据量范围;增量数据流上处理模块,用于在医院的业https://www.xjishu.com/zhuanli/55/202210117140.html
22.通过腾讯shuffle部署对shuffle过程进行详解shuffleTDW计算引擎包括两部分:一个是偏离线的MapReduce,一个是偏实时的Spark,两者内部都包含了一个重要的过程——Shuffle。本 文对Shuffle过程进行解析,并对两个计算引擎的Shuffle过程进行比较,对后续的优化方向进行思考和探索,期待经过我们不断的努力,TDW计算 引擎运行地更好。 https://www.open-open.com/lib/view/open1400682430331.html
23.数据分析流程包括哪些步骤综上所述,数据分析流程包括了问题定义、数据采集、数据探索和可视化、数据预处理和特征工程、建立模型和算法选择、模型评估和优化、模型应用和结果解释等七个步骤。 数据分析过程中需要使用的分析方法 在数据分析过程中,需要使用多种分析方法和技术,以从数据中提取有用的信息和洞察。下面介绍几种常见的数据分析方法和技https://www.linkflowtech.com/news/1597
24.全维度解读全域旅游(四)建成旅游数据中心,开发智能终端应用,建设公共景区管理服务APP,完善智慧旅游;旅游大数据分析,加强在线声誉监测,完善精细化管理,即对有关旅游目的地的在线评论进行有效的数据挖掘,有助于明确旅游目的地产品改进的方向,提高旅游目的地营销的效果。 3 “六新”及“八全”内涵 https://hct.henan.gov.cn/2019/04-30/789793.html