求解区域网络问题的近似算法

区域网络是给定一个无向图G=(V,E),在图G中,存在一个子图是森林,森林中的若干个不相交的树称为若干个区域。该问题的目标是把该森林子图即若干个区域连结成一棵树,且使增加的边的权和最小。把该问题归结为图的Steiner tree问题,给出了求解该问题的一个近似算法,并证明其复杂性,最后用实例说明算法的准确性。     

基于RBF神经网络的控制电器元件故障诊断

针对控制电器元件故障征兆与故障类型之间的非线性映射关系,提出了基于径向基函数神经网络RBFNN(Radial Basis Function Neural Network)的控制电器元件故障诊断方法.在分析控制电器元件故障机理和失效形式的基础上,提取出描述故障类型的典型故障特征矢量.给出在获得足够多故障信息的情况下,运用RBFNN进行故障诊断的模型及整个故障诊断算法的实现过程.为了验证故障诊断模型的有效性和合理性,利用训练好的RBFNN对故障特征矢量进行识别.仿真结果表明,RBFNN能克服诊断过程中容易陷入局部极小的缺点,并能满足故障诊断的快速性和准确性要求.      

面向广域网络的主动发布订阅系统的设计框架

事件空间划分技术改变了传统基于内容发布订阅系统的基本交互模式和相关实现策略,形成了主动发布订阅系统.为了建立主动发布订阅系统的完整解决方案,在分析系统基本交互模式的基础上,提出了一个主动发布订阅系统的设计框架ACTPS(Active Publish/subscribe System).分为6个设计模型: 事件模型,订阅模型,划分模型,构件模型,路由模型和匹配模型.详细描述了各模型的关键特征及核心实现策略,以及各个模型之间的联系.ACTPS为一般的主动发布订阅系统设计和实现提供了参考模型,并为进一步深入的研究和分析建立了基础.      

复合泡沫塑料力学行为模拟的ANN方法

对人工神经网络(ANN)方法在复合泡沫塑料力学行为模拟中的应用进行了研究.首先,选取影响材料力学行为的因素和所需模拟、预测的力学性能作为输入、输出量;然后,利用反向传播算法建立了四层神经网络模型,对复合泡沫塑料的力学性能和本构关系进行了模拟和预测.数值结果表明,训练后的神经网络模型能较好地模拟、预测材料的模量、屈服强度和不同应变率及不同温度下的压缩应力-应变曲线.此外,3种不同改进训练方法的比较说明,Bayesian规则化法的泛化能力最好,LM法收敛最快,而自适应梯度下降动量法则需要较长的迭代时间才能达到相同的精度.      

确定性无线传感器网络定向扩散路由协议

提出了一种新的确定性无线传感器网络定向扩散路由协议以延长网络生存期.Sink以泛洪方式周期性地广播Interest,网络节点依据收到Interest的时间先后设置与邻近节点的梯度值,最先到达的梯度值最大.选择梯度最大方向上的节点建立数据传输路径.通过调整剩余能量的阈值限制低能量节点加入路径以均衡节点能耗.定性分析和仿真结果表明,在单sink单事件及多sink多事件应用场合,所提出的协议在能耗及可靠性方面均优于定向扩散协议,且更易于实际实现.同时定性分析还说明所提协议能获得更好的时延及时延抖动性能.      

对象式Web技术研究

随着Internet技术的发展与普及,网上的资源日益丰富与多样化.而与之相比,现有的Web技术具有很大的局限性,无法支持资源的更广泛、更深层的共享.对象式Web(ObjectWeb)技术正是针对这一问题提出的,是Web技术发展的新阶段.深入分析了对象式Web的核心技术,并论述对象式Web发展初期的以分布式对象技术为核心的几种框架结构,重点阐述了将分布式对象技术与代理、多代理技术融合所形成的理想的框架结构.      

PGP中的信任问题及解决办法

PGP(Pretty Good Privacy)作为强有力的公钥加密工具,已经得到广泛的应用,但不正确的信任假设常常会破坏PGP的安全性.详细研究了PGP的信任模型——信任网,给出其信任结构及信任推理过程.对于PGP中的薄弱环节,提出了相应的解决办法.      

令牌传递网络消息优先级的控制

对令牌传递网络按优先级传输消息的机制进行了分析,提出了一种新的令牌旋转定时器初值的计算方法,该方法使网络消息依最大允许的延迟时间从小到大排序,并在一定网络负载下保证所有消息传输的实时性.本算法得出的结果与国外较成熟的工程实例相比有相当的精度,证明本文的分析和算法是合理有效的.      

基于BP神经网络的含褶皱复合材料强度预测

利用BP(Back propagation)神经网络处理多参数问题具有的非线性映射及泛化能力,构建了具有3层隐藏层的神经网络,对含纤维褶皱复合材料层合板的压缩强度进行预测。基于LaRC失效准则建立三维损伤模型,对含褶皱复合材料的压缩失效进行数值分析。将数值分析结果作为数据样本对神经网络进行训练。采用黄金分割法快速确定最佳隐藏层神经元数量区间范围,并通过分析对比不同数量神经元模型的强度预测结果及评价指标,确定具有高预测精度的隐藏层神经元数量。结果表明,所构建的神经网络预测最大褶皱角为5.6°、9.9°和11.4°的3种层合板失效强度误差分别为3.4%、4.6%和-0.01%。本文所发展的基于BP神经网络对复合材料强度进行预测的方法,为工程应用中复合材料强度评估提供了一种有效的途径。     

运载火箭推力下降故障下的在线弹道重构方法

针对运载火箭推力下降故障下难以实现在线弹道重构的问题,提出了一种基于神经网络的剩余运载能力估计及程序角重构的算法。以线下基于工程实践的弹道优化方法生成的故障状态下最优弹道作为学习样本,针对程序角曲线的特点,分别使用不同学习方式学习一级飞行段程序角和其他飞行段程序角;分析不同超参数对神经网络训练过程的影响,利用随机搜索法选取超参数。该算法使用以神经网络为核心的机器学习思想,用基于数据的方式避免了因运载火箭动力学模型复杂而无法在线快速求解最优弹道的问题,能够解决大气环境下弹道重构的难题。仿真结果表明,该算法对剩余运载能力估计准确,重构程序角与最优弹道相比误差小,运算速度相比其他方法优势明显。