网络拓扑控制的节点稳定性选取技术研究（英文）

为了保证网络运行寿命,避免传统节点选取技术能耗和时延高的弊端,提出一种新的网络拓扑控制的节点稳定性选取技术。构建EETCA网络拓扑结构,研究网络拓扑的控制,控制过程主要包括簇头选择阶段、簇的建立阶段和稳定数据的传递阶段。建立节点选取模型,通过Hopfield网络模型减小检索范围,结合遗传法和Hopfield网络局部搜索法完成网络节点的稳定性选取。采用Hopfield网络局部搜索法生成父代基因库,求出每个染色体的适应度,确定遗传算子,生成子代基因库,得出最优解,获取节点稳定性选取结果。实验结果表明:所提技术能够保证网络使用寿命,且时延和能耗低。     

基于路径优化策略的物联网感知层数据收集研究

针对物联网感知层移动无线传感器网络在数据收集过程中节点能量有限、能耗不均衡和存在不可靠性、时延较长等问题,经过数学推导和理论证明这是一个典型多目标优化问题。文章将优化目标规约为时延受限下的能耗最小化和可靠性最大化问题,提出基于改进萤火虫算法优化移动无线传感器网络移动Sink路径优化机制,该算法充分利用移动Sink的存储空间充裕、能量充足和计算能力强的优势,保证网络的连通性,提高网络通信效率。通过仿真对比分析,与随机移动方法、蚁群算法和粒子群算法对比,簇头节点能耗均衡性减少了40%、52%和56%,可靠性提高了13%、8%和7%,时延减低了92.9%、82.8%和56.4%,提出的算法均衡了节点能耗,满足网络服务质量,提高网络可靠性。     

基于改进蚁群算法的Zigbee网络路由优化研究

针对Zigbee技术构建的无线传感器网络(WSN)在数据传输过程中,经典的ZBR混合路由算法存在网络整体能耗不均、数据传输时延大的缺点,提出一种基于节点剩余能量管理的ACO-ZBR改进路由算法。引入能量因子,设置传感器节点剩余能量阈值,对蚁群算法进行改进,进一步优化蚂蚁下一跳节点选择概率;加入角度因子和距离因子规划蚂蚁运动方向,缩短了网络中节点传输路径。仿真结果表明,这种改进算法在降低节点能耗延长节点续航能力和缩短数据传输时延方面有优势,在一定程度上改良了网络质量且延长了网络寿命。     

基于束搜索的三阶段约束排样算法

基于矩形件三阶段约束排样问题(CTDC),提出基于束搜索的启发式算法优化排样方式、以快速生成同质块三阶段排样方式。采用动态规划确定段的价值。束搜索是一种剪枝的分支定界算法,节点用局部排样方式和余料来表示,对节点的分支,即填充余料。在每一层上选择高潜力的节点作为精英节点做进一步分支,其他节点直接删除不再回溯,这有利于提高算法效率。实验结果表明:算法生成的三阶段排样方式,排样价值高,切割工艺相对简单,且时间相对合理。     

虚拟网络攻击下的节点选取防护策略建模

虚拟网络节点选取防护策略模型没有充分考虑节点之间相关指标的差异,造成防护策略安全性低、可信度指标简单,为此,提出一种虚拟网络攻击下节点选取防护策略模型设计方法。根据各节点关键度和可信度的不同,获取节点选取防护策略,通过节点收缩方式对节点的关键度施行计算,通过D S证据理论对虚拟网络攻击下选取节点的可信度进行评价。分析了虚拟网络的安全需求,在此基础上,通过信任评价关键节点选取策略构建防护策略模型。实验结果表明：通过建立模型选取的节点能有效实现虚拟网络防护,用户满意度高,实用性强。     

基于定向搜索的FMS调度优化算法

研究了以机床和运输系统中的小车作为主要调度资源的FMS调度问题,同时提出了一种基于启发式的定向搜索调度优化算法,为了更有效地搜索解空间,建立了启发式的过滤定向搜索策略。搜索策略要点是：对所有候选节点进行局部评价,从中选取若干个有希望的候选节点作为全局评价的节点,其它节点将被永久删除。本文提出的调度算法是一种具有潜力的优化算法。     

虚拟网络攻击下的节点选取防护策略建模（英文）

虚拟网络节点选取防护策略模型没有充分考虑节点之间相关指标的差异,造成防护策略安全性低、可信度指标简单,为此,提出一种虚拟网络攻击下节点选取防护策略模型设计方法。根据各节点关键度和可信度的不同,获取节点选取防护策略,通过节点收缩方式对节点的关键度施行计算,通过D-S证据理论对虚拟网络攻击下选取节点的可信度进行评价。分析了虚拟网络的安全需求,在此基础上,通过信任评价关键节点选取策略构建防护策略模型。实验结果表明:通过建立模型选取的节点能有效实现虚拟网络防护,用户满意度高,实用性强。     

基于几何特征的工件加工能耗预测研究

机械加工过程中影响能耗的因素很多,工件结构设计阶段和加工工艺阶段的参数等都会影响能耗。为了利用工件结构设计阶段参数实现能耗预测,通过控制工件的几何特征来控制最终的加工能耗,将工件拆分为单个几何特征,在分析工件几何特征与加工能耗关系的基础上,提出了一种基于几何特征的工件加工能耗预测方法。建立了基于几何特征的工件加工能耗模型;构建了几何特征属性信息的特征表;提出了通过历史能耗数据预测加工能耗的方法:以实例推理为主、规则推理为辅的混合推理技术进行几何特征加工能耗的匹配检索,并采用指数平滑法修正历史能耗。最后以某主轴的加工能耗预测为例验证了该方法的有效性。     

改进杂草算法求解WSN节点分布优化问题

对改进杂草算法性能及其在无线传感器网络节点分布优化问题中的应用进行研究。在保证节点相互连通的前提下,建立无线传感器网络对目标区域覆盖的数学模型,并将节点分布优化问题转换为求解函数最大值问题;通过杂草算法优越的寻优能力来实现网路节点的最优分布,在此基础上,引入立方映射混沌算子来提高算法的局部搜索能力,利用高斯变异算子来增强种群的多样性;最后,通过标准函数测试与无线网络覆盖优化仿真对该算法进行验证。仿真结果表明:该算法具有收敛速度快、鲁棒性好、数据开采能力强的优点,能有效解决无线传感器网络节点分布优化问题。     

微能耗压边封闭容腔液体压力伺服控制研究

针对板料拉深成形微能耗压边系统的关键技术—封闭容腔液体压力伺服控制,建立了系统的物理模型;基于节点法建立了模型中各元件的数学模型,同时考虑管道效应,应用模态近似法建立了管道集中参数动态模型。以此为基础,采用数值模拟方法研究了封闭容腔液体压力的控制特性及其参数影响规律,并进行了实验验证。结果表明,在给定参数范围内,封闭容腔液体压力具有无超调、响应快、精度高等优点,为微能耗压边系统的工程应用提供了依据。     

一种作业车间调度问题的Hopfield神经网络优化方法

结合Hopfield神经网络结构和作业车间调度问题(JSSP)的约束特点,给出了适合于Hopfield神经网络求解的作业车间调度问题的矩阵表达数学模型。借用神经网络中能量函数的概念和含义确定网络的连接权,并将模拟退火算法应用于Hopfield神经网络求解,避免了系统输出陷入局部极值。将优化作业车间调度方案问题转换成求解网络系统的平衡点,即吸引子,该网络不仅能输出可行最优解,且优化速度快、实时性强。并通过计算机仿真表明了该方法的有效性。     

考虑多时间因素的绿色柔性作业车间动态调度

针对质检扰动引起的完工时间延迟和机床能耗高的问题,对绿色柔性作业车间动态调度进行研究。从考虑调整时间和质检时间的视角建立节能调度模型,采用加权归一的方式将多目标合并,利用改进的头脑风暴算法进行求解,在编码环节引进了转换机制和多层编码策略,优化了机器选择和工序排序问题。通过Matlab仿真软件对算例进行测试,研究结果表明:合理的重调度方案可将质检扰动对原始调度的影响控制在一定范围内,保证了生产的稳定性;企业可调整目标函数的权重系数,在保障交付期的前提下,尽可能降低能耗,有利于企业推行可持续发展战略。     

牵引式管道清淤机器人无线通讯系统设计

简述了一种新型排水管道清淤机器人无线通信系统的结构,提出了一种基于ZigBee技术的无线通信策略。针对排水管道管壁对信号的屏蔽效果,通信系统采用星型网络拓扑结构,在井口设置一个路由器节点,转发地面控制器与清淤机器人的指令数据,确保信号稳定传输。设计了地面控制台的电路原理图;制定了系统控制指令传输协议。实验测试结果表明,系统数据传输稳定,满足工作环境的需求。     

一种基于Hopfield神经网络的系统辨识方法及其在舰炮随动系统辨识中的应用

给出了一种将Hopfield神经网络运用于线性系统辨识问题的方法。通过测量输入、状态变量和状态变量的微分，构造Hopfield网络神经元之间的权重和各神经元的偏流。网络神经元的状态将收敛到被辨识系统的参数的值。使用Hopfield神经网络辨识舰炮液压伺服系统的三阶模型，仿真结果表明用这种系统辨识方法辨识时变和时不变系统是可行的。     

高速动车组车门控制系统研究

针对现阶段高速动车组制造技术国产化的趋势,在消化吸收CRH3型动车组关键技术的前提下,研究了CRH3型高速动车组车门控制系统的网络拓扑结构,并在此基础上设计了车门控制系统通过多功能车辆总线(MVB)与列车控制单元、诊断单元及制动单元间的通信接口,优化车门控制程序,保证车门系统在高速动态运行环境中实时可靠地工作。结合实际运行过程中出现的故障,分析产生的原因,优化了列车控制网络与车门通信控制逻辑,消除运行中的安全隐患,保证了列车高速运行时的安全与稳定性。     

Apriori算法及神经网络在数控机床中应用研究

数控机床加工精度受到机床零部件、外部环境等因素的影响，从而需要添加适当的补偿参数确保加工精度的稳定性，另外，不同车床不同时刻的补偿参数实时变化。为此，提出一种基于关联规则及神经网络方法的智能误差补偿模型。以实际生产中产生的数据集为基础，通过Apriori算法对数据集进行筛选；对各个特征值与补偿参数进行归一化处理，以提高数据的收敛速度；利用神经网络模型为不同情形下的车床搜寻最佳补偿参数模型，从而构建起最佳的智能误差补偿模型；经过智能误差补偿后,对生产的物件进行图像识别，分析其是否符合精度要求。仿真测试结果表明:针对训练集数据和测试集数据，车床稳定性分别提高了0.695和0.713。实测结果显示:利用上述方法，对30个产品进行雕刻，精度均符合要求。因此，智能误差补偿模型能够提高车床加工稳定性，提升产品合格率。     

数控机床Internet远程监控中提高实时性的方法

文章介绍了使用通信控制器实现普通数控机床的Internet接入并进行远程监控的网络技术方案和拓扑结构;给出了此种网络结构下的网络传输延时计算方法;提出了在通信控制器中设立数据缓冲区、使用高速MCU、零拷贝技术、紧急数据处理技术等提高数控机床远程监控实时性的方法.     

电弧焊熔透ICA-BP神经网络识别模型

以氩弧焊熔透状态识别为研究对象,研究一种基于ICA (Imperialist Competitive Algorithm) 的BP(Back Propagation)神经网络识别模型方法. 首先利用ICA全局搜索不易陷入局部极值及搜索速度快的特点对神经网络权值和阈值初始化,再用BP算法对神经网络进行训练. 通过摄取焊接过程中的熔池图像,提取熔池面积、熔宽以及熔池质心位置作为神经网络预测模型的输入量,分析熔池图像三个特征与焊缝熔透状态的映射关系,最终建立熔透状态预测模型. 结果表明,采用ICA-BP神经网络能够有效地预测焊缝的熔透状态.     

GTAW神经网络-模糊控制技术的研究

研究神经网络与模糊控制融合技术,构成钨极气体保护电弧焊ＧＴＡＷ神经网络＝模糊控制系统。重点论述神经网络和模糊逻辑在熔深建模和控制以地缝跟踪方面的应用。通过视觉传感ＣＣＤ获取电弧区图像和熔池表面的应用。种描述深的神经焊缝间隙是量来精确估算熔的精度,同时结合模糊逻辑提高熔深的控制精度。针对弧焊过程非线性以焊炬伺服系统动态过程难以用角的数学模型来表达的问题,设计焊缝跟踪自调整模糊控制器,通过自适应共振理