三参量模型粘弹性圆柱体轴向流动中的动力特性

对悬臂粘弹性圆柱体轴向流动中的动力特性进行了研究,计算模型采用三参量模型,对特征方程进行了推导,给出了在质量比β(β=0.5)一定,改变无量纲延滞时间α和无量纲弹性系数比λ的情况下,悬臂三参量模型粘弹性圆柱体的前三阶模态无量纲复频率ω的实部及虚部与无量纲流速v之间的关系曲线图.研究结果表明:在无量纲弹性系数比λ和质量比β一定时,随着无量纲延滞时间α的增加,及在无量纲延滞时间α和质量比β一定时,随着无量纲弹性系数比λ的增加,第一阶模态发生单一模态颤振及再次稳定的无量纲临界流动速度都在减小.     

DTN中基于二分散发和等待路由的自适应拥塞控制策略

针对二分散发和等待路由中报文被转发的特点,提出节点首先通过应答交换机制丢弃已被递交到信宿节点的报文,来减少网络中冗余报文的传输;当节点缓存完全占用又需存储新报文时,执行拥塞检测和拥塞避免操作,遍历缓存,找到缓存中拷贝数最小的报文将其丢弃（若此报文正在被传输则丢弃拷贝数次小的报文）直至有足够的缓存空间存储新接收到的报文。通过大量仿真实验及相关数据的分析与比较,说明该拥塞策略能显著提高递交率,减小开销,并对拥塞状况有更好的自适应能力。     

移动容迟传感网络拓扑覆盖建模与统计特征*

移动容迟传感网络的拓扑覆盖研究对于相关工程系统设计具有重要意义。针对当前研究没有很好地刻画区域动态覆盖特征的问题,提出基于排队网络的建模方法。进而利用随机几何学和排队论方法,以定理形式提出关于二维平面上区域覆盖的首达时间、覆盖度分布等统计特征的理论结果。结合典型移动场景,仿真验证了上述结果的合理性和应用价值。     

DTN中基于服务等级的Push-Pull拥塞控制研究*

提出了一种基于服务等级的拥塞控制机制,通过为后续高优先级业务预留缓存资源的方法来减小容迟网络(DTN)中由于保管传输协议造成节点缓存资源的耗尽而引起的网络拥塞,从而改善服务质量。仿真结果表明,该拥塞控制方法在缓解网络拥塞的同时可以有效改善高优先级业务的传输性能,但其在一定程度上牺牲了低优先级业务的服务质量。     

一种基于TCP的实时视频传输延时预测模型*

针对TCP重传易导致延时抖动大、降低流媒体播放质量的问题,提出了使用TCP传输实时视频时,播放质量不受TCP重传影响的必要条件,即视频帧发送延时、播放缓冲区延时与网络往返时间需要满足一定的关系式。建立了视频帧发送延时的预测模型,该模型通过输入视频帧长度、丢包率、网络往返时间、TCP拥塞窗口大小与TCP超时重传时间,预测视频帧的发送延时。NS2模拟结果表明,可以通过发送延时的预测值来判断视频帧是否适合采用TCP传输。     

网络控制系统新的时滞相关稳定性准则

该文考虑具有网络诱导延时和数据丢包现象的网络控制系统稳定性问题。通过引入一种新的界定方法,给出了一个保守性更小的稳定性结果。数例验证了该文结果的有效性。     

具有区间时变时滞的线性离散系统新稳定准则

该文考虑了具有区间时变时滞线性离散系统的稳定性问题。通过构造适当的Lyapunov-Krasovskii泛函,得到一个改进的具有区间时变时滞线性离散系统的稳定性准则。与现有的此类文献相比较,该文得到了一个具有更小保守性且不需引入多余矩阵变量的稳定性准则。     

时延动态神经网络的稳定性分析

基于时延动态网络模型的优化计算易于收敛到非法解或局部极小解,以及其算法对模型参数和初始条件具有很强的依赖性等缺点,对时延动态神经网络的稳定性进行了深入地研究讨论,通过Razumikhin-type定理对时延动态神经网络的稳定性进行了分析研究.     

非线性时滞控制系统Runge-Kutta方法的IS稳定性

研究求解非线性时滞控制系统的Runge-Kutta方法的IS稳定性,首先给出非线性时滞控制系统理论解IS稳定的充分条件,在约束网格下,将(k,l)为代数稳定的Runge-Kutta方法求解该系统,获得了方法IS稳定的条件.     

Asymptotical mean square stability of cellular neural networks with random delay

In this paper,the asymptotical mean-square stability analysis problem is considered for a class of cellular neural networks (CNNs) with random delay. Compared with the previous work,the delay is modeled by a continuous-time homogeneous Markov process with a finite number of states. The main purpose of this paper is to establish easily verifiable conditions under which the random delayed cellular neural network is asymptotic mean-square stability. By using some stochastic analysis techniques and Lyapunov-Krasovskii functional,some conditions are derived to ensure that the cellular neural networks with random delay is asymptotical mean-square stability. A numerical example is exploited to show the vadlidness of the established results.