实时多任务环境下MAP与BITBUS异构网络互连

ＭＡＰ的应用层提供了多种通信标准，其中ＭＭＳ（制造报文规范）是一种能够满足工厂环境中各种自动化设备之间通信需要的协议。在我国，ＢＩＴＢＵＳ网已被大量使用于底层设备互连，在技术和实现上都较成熟。本文以ＭＡＰ，ＢＩＴＢＵＵ网络体系结构和协议为基础，根据网络互连方法和原则，构造了一个应用层同关，提出了网关的物理模型，从而给出ＭＡＰ网与ＢＴＴＢＵＳ网互连的一种设计方案及在ＡＭＸ实时多任务环境下的互连实现。     

一种带智能补偿器的神经网络控制器及其应用

为非线性控制系统设计了一种带智能补偿器的神经网络控制器。神经网络用来提供主要的控制输入信号,网络的训练可离线进行,网络的使用采用联想记忆方法。经神经网络控制器控制后,系统的实际输出值与期望值之间偏差不大,因此可将误差模型方程线性化。针对这一线性化模型,可以设计一个智能补偿器来补偿由于训练精度、干扰及时延等因素引起的系统误差。利用以上设计方法,本文对战斗机的“眼镜蛇”机动飞行控制进行了仿真研究,仿真     

基于流量预测的双层卫星网络动态路由算法

卫星网络具有覆盖广泛、接入简单等优点,被认为是下一代互联网的重要组成部分。文章提出了一种基于流量预测的双层卫星网络动态路由技术,拓扑采用LEO层和GEO层双层卫星网络结构,能够支持卫星网络新节点的动态加入。针对卫星网络管理员节点在执行网络任务时可能造成高负载导致高丢包率,从而影响网络性能的缺点,提出卫星网络管理员节点调整策略,根据流量预测算法对超过阈值的卫星网络管理员节点进行更换。最后,文章通过仿真试验对算法性能进行了验证,证明此算法在端到端时延和管理员节点丢包率方面具有优势。     

一种前馈神经网络的变误差主动式学习算法

研究误差反向传播多层前馈神经网络的主动式学习方法.文章分析了目前用于训练前馈神经网络改进BP算法的特点和存在的不足,在此基础上提出逐次主动调整网络学习误差的网络训练思想,根据网络输出误差趋势,主动变化输出层的调整误差δ_pl,使W\+k\-\{ji}和θ\+k\-j在调整过程中受到每次学习效果信息的控制,从而得到一种主动式变误差的学习算法.实验表明,在训练多层前馈神经网络时,变误差主动式算法的学习效率比改进BP算法的学习效率有明显提高.     

采用BP算法的模糊自适应控制

在对不熟悉的过程进行模糊控制时,由于对过程的不了解,很难得到合适的控制规则.基于模糊控制器的一种解析结构,提出了将模糊控制器与神经网络相结合的方法.由神经网络对系统进行辨识,并为学习系统提供必要的信息,将控制对象视为神经网络的输出部分,采用BP算法根据神经网络提供的信息对经验规则进行修改,从而改善模糊控制系统动态响应.仿真结果表明该控制器对模型参数变化具有较好的适应能力,能够较快地修改系统的原控制规则,使对象输出较快地跟踪系统的输入.     

基于信息压缩的四层前向网络模型体系结构及其应用

提出了一种基于信息压缩原理的四层前向网络体系结构,用以为液体火箭发动机部分参数建立网络模型。利用所选参数的时间序列对这些参数实现平滑、滤波与预测等处理,提高了基于试车数据驱动的故障监控系统对量测噪声、传感器故障与系统过程噪声的鲁棒性。该四层结构大大缩小了网络权值规模,网络模型的训练采用演化策略。     

Ad hoc网络中的位置辅助路由

Ad hoc网络是由一群随机移动的用户终端组成的无须任何固定网络设备的自组织网络.位置辅助路由是Ad hoc网络中有别于基于拓扑路由的一种路由方式.它能利用节点的位置信息来指导路由发现、路由维护和包的转发,从而提高了路由的效率.Ad hoc网络包括限制性泛洪路由和分层路由两种类型,本文介绍了Ad hoc网络及其优缺点,并分析和定性比较了现有的位置辅助路由协议.     

分数阶Cohen-Grossberg神经网络的Mittag-Leffler稳定性

在整数阶 Cohen-Grossberg神经网络与分数阶理论及分数阶神经网络的基础上,提出了分数阶 Cohen-Grossberg神经网络。为了研究该类型神经网络,引入 Mittag-Leffler函数并利用 Mittag-Leffler函数及分数阶导数的相关性质,进而通过构造 Lyapunov函数的方法,研究了分数阶 Cohen-Grossberg神经网络的 Mittag-Leffler稳定性,并最终给出了相应的充分性条件。最后,通过实例仿真验证了结论的正确性。     

飞行器气动参数智能在线辨识技术研究

气动参数辨识对于大气层内飞行器来说至关重要,通过在线气动参数辨识可规划更准确的飞行轨迹,并对控制参数进行自适应调整。传统辨识方法的模型较为复杂,运算量大,无法满足飞行器在线辨识的要求。而基于神经网络的智能参数辨识方法,不仅可以离线对网络模型进行训练,并利用历史飞行数据进行模型修正,也可在线时直接利用训练好的网络对参数进行快速调整,在保证参数估计精度的同时,保障参数估计的快速性。提出了一种基于支撑向量机(SVM)的样本扩充和神经网络参数在线快速修正方法。通过仿真和统计,证明了基于SVM的神经网络方法对飞行器气动参数进行在线快速智能辨识的可行性。     

采用非线性网络实现清浊音判决

语音清浊音判决的实质是一个非线性分类问题,可以用神经网络的方法来实现。本文提出了一种用非线性网络实现清浊音判决的算法。该算法用一个特征矢量Ｘ＝（ＬＢＥ,Ｚｃ,ＲＣ１,Ｑｓ,ＲＣ２）表示语音的清浊音特性,用训练得到的非线性网络实现语音清浊音判决。文中详细讨论了计算机模拟等内容,计算机模拟结果显示,这种方法的清浊音判决准确率达９７．８％,优于传统的清浊音判决算法。