基于兴趣划分的内容发布订阅系统关键算法

在基于内容发布订阅系统中,将订阅兴趣在多个代理之间划分是代理负载均衡的重要方法.提出了基于事件空间的K-D树划分方法.通过将事件空间划分成负载相同的区域,优化了系统负载均衡的性能.基于逻辑空间最短距离的概念提出了与划分相关的事件和兴趣路由算法以及单播和多播混和的通知路由方法.两种路由算法减少了事件匹配操作,提高了路由的效率.利用事件空间的区域合并和分裂实现了系统的自组织.实验和与相关工作比较表明,划分方法及其相关算法的引入提高了系统的可伸缩、容错和负载均衡性能.      

基于小波包和Elman神经网络的液压泵故障诊断

针对液压泵出口故障检测信号信噪比低、难以进行故障特征提取的特点,及 传统的BP网络进行故障诊断时网络学习具有收敛速度慢和学习、记忆不稳定的缺陷,提出了 一种将小波包变换和改进Elman神经网络相结合,进行液压泵故障诊断的新方法.利用具有 紧支结构的小波函数对信号进行分解,削减小波系数以滤除信号中的噪声;单支重构以有效 提取各频带的故障特征,并以频带能量作为识别故障的特征向量;应用改进的Elman神经网 络建立从特征向量到故障模式之间的映射,实现液压泵故障分类.试验结果表明,采用小波 包和改进Elman神经网络相结合的方法可有效的实现液压泵故障的诊断.      

复合舵机的神经网络自校正控制

针对复合舵机的时变和非线性特性,提出了神经网络自校正控制方法.用改进的非线性自回归滑动平均模型(NARMA)对复合舵机进行动态建模,采用多层感知器神经网络辨识舵机非线性模型,由广义逆思想设计出控制器,并根据被控对象与辨识模型间误差在线调整网络权值,进而修正控制律,实现了复合舵机的自校正控制.仿真结果表明,在模型有时变及非线性因素的情况下,此方法仍能得到较好的控制效果.      

改进BP算法在模糊神经网络中的应用

引入一种改进的BP算法——动量因子-自适应学习率算法.通过调节动量因子以及在学习过程中的学习率实现自适应,以提高学习速率和增强学习的平稳性.将该学习算法引入到串形结构的多层前向模糊神经网络中,通过学习确定了模糊映射关系,实现了对象的模糊故障诊断.在应用模糊神经网络进行故障诊断时,被监测的故障征兆信号与网络输入层相连,即将输入向量输入到网络中,经过模糊化处理,得到各故障征兆在所定义征兆的模糊子集上的隶属度向量,再利用神经网络的前向计算,得到故障原因的模糊隶属度向量,最后通过对向量的分析确定故障原因的类型.将上述模糊神经网络应用到空气静压轴承中,实现了设备的故障诊断,测试结果验证了该方法的有效性.      

神经网络方法在太阳质子事件短期预报中的应用

在大量统计结果的基础上,深入研究了太阳质子事件预报机理．总结了质子事件爆发与太阳活动区面积、位置、McIntosh结构、磁结构以及前两天活动区爆发耀斑事件数目之间的关系．然后,在神经网络的基础上建立了太阳质子事件短期预报模型,并对2000年以后12个未参加训练的样本进行测试,结果对事件预报的准确率为83％．此外,我们还利用该模型对2002年1-4月发生的几次质子事件进行了预报试验,结果发现,这期间发生的6次事件都被预报．其中3次质子事件系统预报提前了3天,两次事件预报提前了2天,一次事件提前1天预报．     

智能磁航向传感器的研制及误差补偿算法分析

介绍了微型智能磁传感器的设计,分析了影响磁航向精度的误差来源.在此基础上提出了基于BP神经元网络、最小二乘及最佳椭圆拟合等3种不同的磁航向误差补偿算法,详细分析了每种算法的工作原理,并立足于算法的具体实现,通过现场试验,从精度、速度、效率等3个方面对算法的有效性加以分析验证,并得出结论.      

网络控制中传输延迟的接口延迟模型

针对网络控制应用中的延迟问题,通过将传输延迟与网络接口合并到一起,建立了一种新模型:接口延迟模型,然后给出了接口延迟的求解方法,并对接口延迟在实际应用中的各种有关性质进行了深入的研究.接口延迟模型的建立,使得网络控制的研究可以从具体的传输网络中脱离出来,从而可以直接围绕可测的接口延迟研究网络控制系统.      

面向网络化制造的数控车间组织模式

分析了网络化制造的基本特征和内涵,提出了面向企业的网络化制造系统运行模式;在对某大型航空制造企业的数控车间调研与应用实施的基础上,针对其组织模式存在问题,采用分行企业和独立制造岛的思想建立了适合数控车间网络化、敏捷化制造的分形组织模型;针对车间原有生产模式、产品特性,提出了基于成组技术的数控车间生产单元和生产线的划分方法,建立了面向产品流程的机构组成规则和车间内部的服务支援规则.该模型、方法、原则对传统的离散制造企业具有普遍的适用性,现已成功地被该数控车间采纳.     

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.