在智能运维模式下,传统轨道车辆车载故障预测与健康管理(prognostics and health management, PHM)系统存在单节点服务可扩展性低、资源利用率不高、可移植性差等问题。为此,文章引入目前较为主流的Docker容器虚拟化技术,搭建了适用于...在智能运维模式下,传统轨道车辆车载故障预测与健康管理(prognostics and health management, PHM)系统存在单节点服务可扩展性低、资源利用率不高、可移植性差等问题。为此,文章引入目前较为主流的Docker容器虚拟化技术,搭建了适用于轨道车辆车载PHM系统的虚拟化平台;并以智能运维PHM车载产品为例,详细介绍了虚拟化平台总体架构设计及PHM模型部署方案。通过实验测试、工具移植对所设计的PHM车载产品功能进行了对比分析与验证。测试结果表明,基于容器虚拟化技术平台可获得较好的性能增益,一方面提升了资源使用率,硬件资源配置更加灵活;另一方面,多模型的并行计算效率更高,多模型之间没有数据交互,具有很好的移植性和可扩展性。展开更多
文摘在智能运维模式下,传统轨道车辆车载故障预测与健康管理(prognostics and health management, PHM)系统存在单节点服务可扩展性低、资源利用率不高、可移植性差等问题。为此,文章引入目前较为主流的Docker容器虚拟化技术,搭建了适用于轨道车辆车载PHM系统的虚拟化平台;并以智能运维PHM车载产品为例,详细介绍了虚拟化平台总体架构设计及PHM模型部署方案。通过实验测试、工具移植对所设计的PHM车载产品功能进行了对比分析与验证。测试结果表明,基于容器虚拟化技术平台可获得较好的性能增益,一方面提升了资源使用率,硬件资源配置更加灵活;另一方面,多模型的并行计算效率更高,多模型之间没有数据交互,具有很好的移植性和可扩展性。
