LEO卫星网络中无缝切换管理技术研究

针对低地球轨道(LEO)卫星网络中采用移动IPv6(MIPv6)协议带来切换延时长,丢包率高的缺点,本文提出了一种基于MIPv6协议的简单卫星代理本地转发策略。通过解除MIPv6协议中切换过程与位置注册消息交换过程的耦合关系,显著降低了切换延时和切换丢包率。仿真结果表明,新策略与MIPv6协议相比,丢包率降低达75%以上。     

基于随机网络编码的无线报文重传最优策略

网络编码技术为无线报文重传问题研究提供了新思路.分析并证明了完全无线报文重传问题最优策略所需重传报文数量等于节点请求报文数量的最大值;基于随机网络编码技术提出了最优重传策略RNCOPT(Random Network Coding based OPTimal Scheme),其编码系数从某选定有限域中随机选取(0除外);利用网络编码矩阵重新生成机制以保证100%解码成功率;描述了RNCOPT组合报文结构及发送节点操作过程.仿真表明:当接收节点数量为30而报文总数为30时,RNCOPT相对于传统非网络编码方案节省重传报文数量可达32%,而此时现有某典型策略CliqueNC却无明显效果.     

基于BP神经网络的飞行绩效评价模型

为实现飞行绩效的客观评价,利用眼动数据,建立了拓扑结构为6-14-3型的BP(Back Propagation)神经网络模型.已有的实验数据和随机插值法得到的数据作为建模的数据来源,数据分为训练集和测试集并归一化.基于Matlab的神经网络工具箱,利用经验公式和实验比较法确定了BP网络模型的隐含层节点数;对BP算法的各种改进算法进行了优化选择;将训练集数据和测试集数据先后输入网络模型进行学习训练和仿真测试;对3个技术水平的飞行员的飞行绩效进行了预测和评价.研究表明,眼动数据的BP神经网络模型可以较为准确地评价飞行绩效,评价方法可以为飞行训练提供参考.     

染料敏化太阳能电池用聚偏氟乙烯/丙烯酸酯互穿网络基凝胶聚合物电解质的制备与性能表征

采用聚偏氟乙烯和丙烯酸酯制备了一种具有互穿聚合物网络结构的凝胶聚合物电解质,并将其应用于染料敏化太阳能电池. 通过FTIR,SEM以及电化学分析等对具有多孔结构的聚合物电解质进行了表征,考察了不同交联单体及不同聚偏氟乙烯/丙烯酸酯质量比对准固态聚合物电解质性能的影响.结果表明,选择合适的交联单体和适宜的交联度可有效提高聚合物膜的孔隙率、吸液量和相应电解质的电化学特性.用聚偏氟乙烯/聚乙二醇二甲基丙烯酸酯互穿聚合物网络结构的电解质组装染料敏化太阳能电池, 在100 mW/cm2模拟光照下,短路电流Isc和开路电压Voc分别为8.476 mA·cm-2和0.674 V, 电池光电转换效率达到2.710%.     

论大学英语网络课堂模式与传统课堂模式的结合

通过分析大学英语网络课堂模式与传统课堂模式在英语教学中的优势与不足,结合《大学英语课程教学要求》的教学目标和课程设置,论证了计算机网络环境下两种教学模式综合应用的必要性和可行性,探索出大学英语教学更理想的模式。     

基于贝叶斯网络的发动机燃油系统故障诊断

在构建某型发动机燃油系统故障诊断贝叶斯网络模型的基础上,提出逆向推理的最强依赖路径算法,通过该算法可以对故障可能的原因按概率大小进行排序,进而快速、准确地对故障进行定位,从而大大提高复杂系统故障诊断的效率。     

基于实时数据库技术的空间环境 模拟器数据管理平台

针对现有空间环境模拟器试验数据统一管理和试验设备集中监控的难题,文章提出了一种基于实时数据库技术的试验数据管理平台,首次在国内系统级空间环境模拟器研制中引入实时数据库概念,并成功应用于KM7空间环境模拟器中。该数据管理平台将KM7设备各分系统的关键数据信息进行分散采集,统一存储和调用,并通过网络发布。     

基于BP神经网络的磁悬浮飞轮控制

针对磁悬浮飞轮控制对鲁棒性、低功耗及不平衡振动抑制等要求,提出BP神经网络直接控制方法。设计了两层结构BP神经网络控制器,基于磁轴承电磁力方程推导网络权值更新算法,实现了神经网络的在线训练。仿真表明,控制器权值更新算法对环境变化适应能力强,训练成功率高;BP神经网络控制器具有起浮迅速、抗干扰能力强、功耗低等性能,并具备不平衡振动抑制能力。结果表明BP神经网络控制器满足磁悬浮飞轮控制要求,具有可行性和有效性。     

NF-3风洞神经网络自适应稳风速控制系统研制

介绍西北工业大学NF-3大型低速直流式翼型风洞改进后的稳风速控制系统的结构、控制原理和性能特点.针对低速直流风洞风速控制系统建模困难,易受外界干扰影响,且自身参数时变不确定,控制难度大的特点,新系统采用了多线程、数字式数据采集方式,带死区控制的PSD神经网络自适应控制算法.通过在NF-3风洞三元试验段和二元试验段的实际应用,与正在使用的模糊控制系统相比较,新系统的适应性和鲁棒性更强,调试时间大为缩短,风速控制精度在风速大于10m/s时从国军标的合格指标0.3%提高到先进指标0.1%,稳定时间减少了10%左右,人机交互也更加友好.     

平流层飞艇巡航姿态自适应神经网络补偿控制

 研究了一种基于自适应神经网络补偿的平流层飞艇前向速度与姿态控制系统设计方法。针对近似模型进行常规线性动态补偿器设计,并引入自适应径向基函数(Radial Basis Function, RBF)神经网络对模型误差进行补偿。根据Lyapunov方法得到神经网络权值自适应律,保证了闭环系统误差信号一致最终有界。该控制器设计对模型参数信息仅有较少的要求。仿真结果表明对于两类不同的飞艇模型,所设计的控制器在响应性及对未知环境风速作用的鲁棒性方面均具有良好的效果。