针对工业机器人机械轴健康管理中检测效率和精准度较低的问题，提出了一种机械轴运行监控大数据背景下的基于动作周期退化相似性度量的健康指标（HI）构建方法，并结合长短时记忆（LSTM）网络进行机器人剩余寿命（RUL）的自动预测。首先，利用MPdist关注机械轴不同动作周期之间子周期序列相似性的特点，并计算正常周期数据与退化周期数据之间的偏离程度，进而构建HI；然后，利用HI集训练LSTM网络模型并建立HI与RUL之间的映射关系；最后，通过MPdist-LSTM混合模型自动计算RUL并适时预警。使用某公司六轴工业机器人进行实验，采集了加速老化数据约1 500万条，对HI单调性、鲁棒性和趋势性以及RUL预测的平均绝对误差（MAE）、均方根误差（RMSE）、决定系数（ R^{\mathrm{2}} ）、误差区间（ER）、早预测（EP）和晚预测（LP）等指标进行了实验测试，将该方法分别与动态时间规整（DTW）、欧氏距离（ED）、时域特征值（TDE）结合LSTM的方法，MPdist结合循环神经网络（RNN）和LSTM等方法进行比较。实验结果表明，相较于其他对比方法，所提方法所构建HI的单调性和趋势性分别至少提高了0.07和0.13，RUL预测准确率更高，ER更小，验证了所提方法的有效性。

针对数据中心在虚拟机动态部署过程中的高能耗问题,提出了面向数据中心的两阶段虚拟机能效优化部署算法——DVMP_VMMA。第一阶段为初始部署,提出了动态虚拟机部署(DVMP)算法限定主机最优部署数量,降低了闲置能耗;同时,为了应对负载的动态变化,第二阶段提出迁移约束的虚拟机迁移算法(VMMA)对初始部署方案作进一步优化,这样不仅得到的系统能耗更低,而且还能保证应用服务质量。与满载算法(FL)、基于固定门限值的部署算法(FT),绝对中位差部署算法(MAD)、四分位差部署算法(QD)、迁移周期最优算法(MTM)、最小占用率迁移算法(MIU)进行的比较实验结果表明:DVMP_VMMA不仅考虑了系统能耗优化,使运行时资源利用率更高;而且还可以避免VM频繁迁移完成对性能的提升,其在优化数据中心能耗、SLA违例、VM迁移量的控制及性能损失等指标上均有较好效果,其综合性能优于对比算法。