航空自组网退避算法研究

退避算法是一种用于多用户共享无线网络信息传输冲突的解决策略,是航空自组网研究的重要方面。退避算法能有效减小多用户节点间的碰撞概率,提高节点接入信道的公平性,改善系统性能。本文对航空自组网的MAC层退避算法进行研究,并介绍了航空自组网的MAC层协议,研究了两种常用的退避算法在航空自组网模型下的退避性能。仿真结果表明:当信道忙闲程度一定时,随着请求接入用户数的增多,二进制退避算法和P-坚持算法的平均传输次数递增,但二进制退避算法的性能明显优于P-坚持算法。     

一类Cohen-Grossberg型神经网络概周期解的全局指数稳定

研究了一类Cohen-Grossberg型神经网络概周期解的存在唯一性及全局指数稳定性,得到了判断概周期解存在唯一及全局指数稳定的充分条件,推广了一些已有的结论。     

应用于传感器网络覆盖问题的能量有效性启发式机制

提出了一种解决无线传感器网络覆盖问题的分布式启发式机制。该机制在节能前提下,得到优化的目标覆盖集合,以实现对目标监控区域的完全覆盖,并通过对其中重点目标集合的冗余覆盖来满足对重点目标集的可靠监控。同时,该目标覆盖集合与数据汇集点在通信结构上保持连通性。本文采用了改进的蚁群优化算法（最大最小蚁群混合算法）来实现上述启发式机制。通过构造新颖的启发式因子,人工蚂蚁能够由局域信息感知传感器网络的能量状况和覆盖能力,从而自适应地建立具备通信连通性的数据汇集路径。此外,将信息素浓度调节因子和评价函数引入了信息素更新规则的设计,使得蚁群在扩大搜索范围的基础上,提高了解的质量,且避免了求解过程陷入局部最优。算法的输出为能量有效的优化解集,具备较长生命周期,能够在保证与数据汇集点可靠连通的同时实现对目标区域的有效覆盖。     

基于神经网络的垂尾飞行载荷模型研究

针对现代飞机结构设计复杂、传力路径多和大载荷结构变形大等因素,提出用神经网络方法建立载荷模型.利用垂尾载荷校准试验数据建立基于神经网络的垂尾根部剪力和弯矩的载荷模型,并对多点进行载荷预测.通过与多元线性回归载荷预测结果进行对比分析,结果表明,在大载荷下神经网络预测精度优于多元线性回归,从而为测量垂尾飞行载荷提供了一种可...     

一种新型无线传感器网络电源设计

通过对压电陶瓷的机电能量转换机理和电能存储特性的研究,设计一种压电发电装置和相应的能量转换及存储电路为无线传感器网络供电。针对常规整流电路输入电流存在死区、呈尖顶波的特点,利用非线性阻抗元件的导通、关断及储能的特性,采用交叠泵升的电路连结形式,设计一种非线性阻抗变换整流电路,有效地克服和缩小了输入电流的死区范围。     

机械加工表面粗糙度的视觉检测

为了快速地进行机械加工表面的粗糙度的检测 ,提高检测自动化水平 ,本文提出了一种视觉检测的方法 ,该方法通过对不同类型不同粗糙度的表面功率谱的比较研究 ,提取机械加工表面的纹理分布信息特征 ,再把特征矢量输入神经网络进行训练及测试 ,结果表明 ,该方法能成功地实现机械加工表面的粗糙度的检测。该方法与一些采用图像统计特征进行粗糙度检测相比较 ,具有快速 ,识别误差小的特点     

多媒体通信网络中基于优先队列的包调度算法的改进

多媒体通信网络的服务质量(Quality of Service，QoS)很大程度上依赖于包的调度算法，调度算法根据一定的服务原则来决定会话队列中包的优先级及其在输出链路上的发送顺序。本文针对一类以优先队列为基础的包调度算法．通过引入临界时间点和临界区间的概念．改进堆搜索方式，优化队列操作，提出了一个分步建堆算法。该算法在通常情况下具有一般堆搜索算法的高效率，但在会话突发情况下将建堆操作延迟分步完成，增加了建堆操作的动态性和灵活性，从而有效地提高了包的搜索效率和输出链路的利用率。     

基于神经网络的飞机极限数据专家系统

利用神经网络专家系统的方法时飞机飞行参数的极限允许值进行计算，可以使推理过程变得简洁、清晰，避免了常规方法在软件实现上的诸多缺点。同时，本文采用一种模糊规则方法对神经网络专家系统的推理行为进行描述，使得神经网络专家系统能够回答有关why和how的询问。以最大允许马赫数的计算为例，本文设计了用于该参数推理的神经网络专家系统．并给出了简单算例。     

基于神经网络的一类非线性关联大系统鲁棒滑模分散控制

针对一类具有未知界扰动和子系统部分已知的非线性大系统,结合神经网络逼近方法、滑模控制研究了一种新的分散鲁棒自适应控制方法。所设计的分散控制器分为两部分,一是等效控制器,二是滑模控制器。滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用。文中用神经网络逼近非线性未知函数,将网络权值误差引入到网络权值的自适应律中用以改善系统的动态性能。仿真算例证明了所设计的鲁棒分散控制器是有效的。     

小波神经网络在板形板厚控制系统中的应用

带材轧制是一个复杂的非线性过程,针对板形和板厚控制相互耦合等特点,本文提出了一种基于小波神经网络的自适应控制新算法。文中系统由两个小波神经网络组成,分别实现综合系统的模型辨识和控制。由于小波变换的紧支性及神经网络的非线性映射能力,模型辨识能准确地辨识板形板厚系统的动态特性,控制器能产生较为复杂的控制规律。仿真结果证明,该板形和板厚控制系统具有良好的自适应跟随和抗扰性能,其控制效果优于传统的解耦PID控制。