Model checking response times in Networked Automation Systems using jitter bounds

Response time (RT) of Networked Automation Systems (NAS) is affected by timing imperfections induced due to the network, computing and hardware components. Guaranteeing RT in the presence of such timing imperfections is essential for building dependable NAS, and to avoid costly upgrades after deployment in industries.This investigation proposes a methodology and work-flow that combines modelling, simulation, verification, experiments, and software tools to verify the RT of the NAS during the design, rather than after deployment. The RT evaluation work-flow has three phases: model building, modelling and verification. During the model building phase component reaction times are specified and their timing performance is measured by combining experiments with simulation. During the modelling phase, component based mathematical models that capture the network architecture and inter-connection are proposed. Composition of the component models gives the NAS model required for studying the RT performance on system level. Finally, in the verification step, the NAS formal models are abstracted as UPPAAL timed automata with their timing interfaces. To model timing interfaces, the action patterns, and their timing wrapper are proposed. The formal model of high level of abstraction is used to verify the total response time of the NAS where the reactions to be verified are specified using a subset of timed computation tree logic (TCTL) in UPPAAL model checker. The proposed approach is illustrated on an industrial steam boiler deployment.     

云计算环境下基于主动预测的节点部署模型研究

随着云计算的不断普及,越来越多的用户选择将自身的业务迁移至云计算系统。 用户的使用习惯与社会日常的运行规律 也伴随着大量用户涌入云计算系统,如每早8点集中地向云计算系统申请资源节点,这给系统带来了一种可预期的资源冲击。针对上述问题,提出了一种基于主动预测模式的资源部署模型。该模型首先根据预测模块中Holt-Winters季节指数平滑模型的算法周期长度来预测下一个时间周期的任务请求量,通过设计的主动预测算法判断是否应对当前的任务请求量做出响应并得出其具体数量、位置等参数指标,以实现对用户使用规律的主动应对。使用CloudSim进行仿真实验,系统地评判模型的性能。实验结果表明,AF-HW模型在应对可预测的海量并发任务请求时可有效地提升单点及整体的响应速率,使用户得到更好的体验。     

城市智能交通系统技术发展现状及趋势

城市化的快速发展带来一系列的交通问题,智能交通系统(Intelligent Transportation Systems,ITS)是解决交通问题的有效途径之一。本文主要介绍了智能交通系统的概念与内涵、我国城市智能交通系统技术发展与智能交通管控系统应用现状,在上述内容的基础上,总结了我国城市智能交通系统未来的发展趋势。     

关于车间调度优化问题的仿真与设计

研究多目标柔性车间调度优化问题.由于传统车间调度存在局限性,造成车间多目标调度优化困难.为此,结合实际生产过程的特点和约束条件,构建了以最大完工时间、加工成本为目标函数的柔性车间调度模型,提出了多种群自适应免疫遗传算法.在初始种群中采用多个种群同时进化,能够有效保持种群的多样性;在算法中将自适应策略用于免疫操作中,提出动态自适应提取疫苗,以提高算法的执行效率,使算法更具灵活性和自适应性.仿真结果表明,改进算法对大规模复杂问题具有搜索速度快、稳定性强的特点,提高了调度的效率.     

不同填料曝气生物滤池启动挂膜试验研究

不同填料曝气生物滤池在相同条件下进行挂膜试验。进水流向为上流式,挂膜方式为复合接种挂膜,即先用活性污泥闷曝接种,然后逐步提高进水流速,直到滤料表面形成稳定的生物膜。结果表明:33 d后挂膜成功,在温度为16～24℃,水力停留时间(HRT)为1 h,DO为6 mg/L的情况下,陶粒BAF对CODMn和NH3—N的去除率分别为23%和80%;沸石BAF的去除率分别为27%和84%;组合填料BAF去除效果最好,去除率分别为32%和92%。     

神经网络模型在预测BAF出水水质中的应用

采用BP神经网络模型对沈阳仙女河污水处理厂曝气生物滤池出水水质进行预测,将运行数据分为训练样本和测试样本,对神经网络模型的预测值和实测值进行t检验发现两者之间无显著差异,结果表明,神经网络模型可以对BAF处理系统的出水水质预测及运行管理提供参考。     

基于人工免疫的网络入侵检测中疫苗算子的作用研究

在以前研究工作的基础上,将包含疫苗算子、变异算子和其它算子的免疫算法与人工免疫中的负选择算法结合在一起,实现检测器种群的进化,目的是加快种群的亲和力成熟进程和提高网络入侵检测效率。详细地给出了疫苗自适应提取算法和疫苗算子算法,建立了基于免疫算法和负选择算法的模型及算法来实现网络入侵检测。分别设计了基于克隆选择算法的和基于免疫算法的网络入侵检测实验。实验结果表明,含有免疫算子的免疫算法加快了检测器种群亲和力成熟的进程,收敛速度更快,随着进化代数的增加检测率总体呈上升趋势。而基于克隆选择算法的网络入侵检测则出现了检测器种群亲和力成熟进程较慢,并随着进化代数的增加检测率呈现轻微退化和较长时间停滞不前的现象。     

基于免疫粒子群神经网络的污水水质预测

针对污水处理过程所具有的多变量、非线性和大时滞的特点, 利用出水水质参数与多个可测过程参数间的相关关系,给出了基于RBF神经网络的出水水质参数预测模型.采用免疫粒子群优化算法来训练网络的隐层节点、径向基函数的中心点和网络权值.以反应时间、DO浓度、ORP和pH值作为输入参数,实现对COD,NH3-N,TP等水质参数的预测.仿真试验表明,该预测模型对污水处理出水水质参数COD,NH3-N,TP具有理想的预测效果.     

基于ARM的智能机器人语音控制应用研究

智能机器人作为机器人的研究热点,为机器人的交互提供一种方便有效的接口很重要。语音交互是一种最熟悉最自然的交互方式。在我们的个人计算机上具有丰富的软硬件资源易于语音识别技术的实现,但这也会限制了机器人的应用场合。而基于ARM的嵌入式语音识别系统可以嵌入到机器人对象内部,更适合机器人的应用需求。本文详细介绍了语音识别技术的原理,嵌入式语音识别技术的实现,机器人的语音控制技术,实验结果表明采用该方法实现机器人的语音控制可以达到方便,有效的控制效果。     

分数阶区间系统的鲁棒稳定性分析

由于实际的物理系统常会存在各种不确定结构,这些不确定结构给系统的稳定性分析带来了困难和一定的影响,因此对这类带有不确定结构的分数阶系统控制问题的研究,具有广泛的实际应用意义。本文主要针对带有区间不确定性的分数阶控制系统,分析了该系统的鲁棒稳定性问题,首先将区间矩阵用分式线性变换(LFT)表示,然后基于分析得出了此类系统鲁棒稳定的充分必要条件。并给出两个数值算例阐释该方法,仿真结果表明了该方法的有效性。