基于有向图的静止气象卫星故障检测模型

为解决基于卫星单个遥测值超限进行报警的方法会引起故障的误报和漏报这一问题,提出一种基于有向图的静止气象卫星故障检测模型。定义组合条件报警故障知识规则的描述方法和故障知识库,能够同时对卫星多个通道的遥测值进行综合分析与诊断,提高故障的诊断效率;基于有向图实施卫星故障的自动检测,省去关联故障的判别工作,减少冗余告警,提高故障检测的正确性。实际业务运行结果验证了该模型的可行性与有效性。     

基于Sage-Hus a方法的旋翼姿态控制

针对传统IM U传感器信息融合方法对外界信息变化不敏感等问题,在分析陀螺仪噪声特性并建立基于A RM A模型的卡尔曼滤波器抑制陀螺仪随机噪声的基础上,将基于Sage‐Husa方法的卡尔曼滤波器作为信息融合算法,增强姿态解算系统的自适应性。为提高Sage‐Husa算法容错性能,提出一种加速度计可信性条件,根据总加速度与重力幅值、方向上的差异来判定是否进行姿态融合。在基于ARM Cortex M4内核的嵌入式系统上实现姿态解算和姿态控制系统,在自制四旋翼飞行器半实物仿真平台上进行的实验结果表明,以上方法降低了姿态静态及动态解算误差,提高了姿态系统状态的跟踪性和适应性,满足复杂运动环境下姿态控制的需求。     

输入饱和与姿态受限的四旋翼无人机反步姿态控制

本文针对四旋翼无人机研究了鲁棒反步姿态控制策略.由于四旋翼无人机结构复杂,其非线性数学模型难以精确建立,因此在控制器设计过程中需要综合考虑模型不确定性、未知外部干扰、输入饱和以及姿态受限等因素.针对模型中的不确定项,使用神经网络进行逼近;对于外部未知干扰,使用非线性干扰观测器进行补偿;使用双曲正切函数逼近饱和函数,解决输入饱和问题;同时使用界限Lyapunov函数设计控制器,确保姿态满足限制条件.最后,设计四旋翼无人机反步姿态控制器,并根据Lyapunov稳定性定理证明了闭环控制系统的有界稳定.仿真结果表明了所研究控制方法的有效性.     

基于蚁群算法的分布式CPS系统任务调度设计

针对CPS系统中资源和任务的复杂性,同时为了保证CPS系统资源管理和任务调度的快速性、准确性和有效性,构建了分布式CPS系统结构模型,并设计和实现了基于蚁群算法的资源分配策略,在算法中设计了局部和全局信息素更新规则,将资源管理、任务调度和执行相结合,同时兼顾网络的负载平衡问题和服务质量问题.利用Matlab对基于蚁群算法的分布式CPS系统任务调度策略进行了仿真实验,实验结果证明该策略缩短了整体任务调度的总完成时间,并随着任务数的增加,任务时间缩短的效果更加明显.     

无线传感器网络动态覆盖的CVT算法

覆盖控制是无线传感器网络中的基本问题之一,动态覆盖问题又在很多领域有其独到的应用价值。为了更好地实现动态覆盖,基于集中式Voronoi网格细分（ CVT）理论,结合Lloyd算法,提出了一种无线传感器网络动态覆盖算法,通过调整目标覆盖区域几何边界,协同调度无线传感器网络节点,从而实现目标区域无线传感器网络动态覆盖。在仿真中,进行了正方形、正方形—圆形障碍静态边界区域覆盖实验和正方形—长方形目标区域、正方形—十字形目标区域、正方形—H形目标区域动态边界覆盖实验,验证了控制算法的有效性,并对不同目标覆盖区域形状、节点数量、覆盖程度、覆盖效率进行了分析。     

基于传感器丢包率不确定性预测的分布式H∞滤波算法

针对无线传感器网络（ WSNs）在测量数据丢包不确定性情况下的分布式H∞滤波问题,提出一种基于传感器丢包率不确定性预测的分布式H∞滤波算法。通过设计一种线性全阶滤波器,使得滤波误差能够收敛在均方渐近为零,同时抑制外界的干扰造成的H∞滤波衰减。根据滤波参数符合伯努利分布随机分布的原理,利用Lyapunov函数的方法,通过寻找最佳的滤波参数来保证在丢包率不确定的情况下对真值预测的随机稳定性。实验仿真结果表明：当观测数据存在不确定性丢包时,该滤波算法能发挥有效的滤波效果。     

基于计算机视觉的焊点缺陷检测系统的设计

在点焊机的焊接生产线上,由于焊接工艺的不成熟,往往会导致虚焊、漏焊、焊穿等现象,会极大地影响产品的使用寿命、美观等,需要对其进行质量检测.针对传统检测方法的低效率,提出采用机器视觉的方法来对焊点进行检测,并给出一种图像处理方法:对图像进行平滑处理,然后使用Otsu方法对图像进行阈值分割,并对得到的图像做倒三角距离变换,将像素点信息转化为灰度信息,采用分水岭算法准确地分割出焊点,最后通过面积等特征计算对焊点缺陷进行分类.实验证明,该方法较传统的检测方法,能有效地检测出多种不同排列的焊点,提高了工业生产效率.     

一种高效的基于服务功能规约的服务选择方法

服务因其灵活的应用机制,逐渐成为软件开发过程中的主要载体.面对网络中涌现出的大量功能相同或相似而QoS(quality of service)不同的服务群体,如何快速、准确地定位到所需要的服务个体,仍是一项十分具有挑战性的工作.基于服务对功能的封装特性,提出一种基于服务功能规约的服务选择方法,将功能相关的抽象服务规约为一个粒度更大的服务级的抽象服务;然后,针对规约后的大粒度抽象服务完成服务发现和组合优化的过程.由于规约操作能够有效减少参与服务组合优化的抽象服务的个数以及相应的候选服务的个数,从而使算法的执行效率得到有效提升.实验结果表明:该算法与传统的启发式算法相比执行效率更高,并且对服务组合规模及候选服务规模表现出更好的扩展性.     

云计算环境中服务动态选择算法研究

为解决云计算环境下的服务动态选择问题,设计了综合考虑反应时间和成本的适应度函数,提出了求解服务动态选择问题的分布估计蛙跳算法.在蛙跳算法的基础上,借鉴交叉操作改写蛙跳算法的进化算子,并引入分布估计进化策略改进蛙跳算法的青蛙更新模式,使改进后的新算法具有更全面的学习能力,能够有效避免算法陷入局部最优.仿真实验验证了算法的可行性和有效性,与蛙跳算法和分布估计算法相比,该算法的收敛性能和寻优能力均得到改善,能够更好地解决云计算环境下的服务动态优化选择问题.     

基于条件互信息和概率突跳机制的贝叶斯网络结构学习算法

贝叶斯网络分类器的精确构造是NP难问题,使用K2算法可以有效地缩减搜索空间,提高学习效率。然而K2算法需要初始的节点次序作为输入,这在缺少先验信息的情况下很难确定;另一方面,K2算法采用贪婪的搜索策略,容易陷入局部最优解。提出了一种基于条件互信息和概率突跳机制的贝叶斯网络结构学习算法(CMI-PK2算法),该算法首先利用条件互信息生成有效的节点次序作为K2算法的输入,然后利用概率突跳机制改进K2算法的搜索过程来提高算法的全局寻优能力,学习较为理想的网络结构。在两个基准网络Asia和Alarm上进行了实验验证,结果表明CMI-PK2算法具有更高的分类精度和数据拟合程度。