基于未确知理论的软件可靠性建模

将未确知理论应用于软件可靠性建模研究,采用其分析软件故障过程,用未确知数学描述软件失效特征计算软件可靠性参数,并在此基础上构建了一个基于未确知数学理论的软件可靠性模型.新模型改变了传统的建模思路,跳出了传统软件可靠性建模过程中关于失效强度变化的各种统计分布假设的束缚,具有较好的适用性,改善了模型应用中的不一致性问题.  

双群体伪并行差分进化算法研究及应用

为了提高差分进化算法的全局搜索能力和收敛速率,本文提出了一种双群体伪并行差分进化算法.该算法结合差分进化算法DE/best/2/bin变异方式局部搜索能力强、收敛速度快,和DE/rand/1/bin变异方式全局搜索能力强、鲁棒性好的特点,采用串行算法结构实现并行差分进化算法独立进化、信息交换的思想.为使初始化个体均匀分布在搜索空间,提高算法收敛到全局最优解的鲁棒性,提出了一种基于平均熵的初始化策略.典型Benchmarks函数测试和非线性系统模型参数估计结果表明,该方法能显著提高算法的收敛速率和全局搜索能力.  

一类时变时延网络控制系统的鲁棒容错控制

针对一类具有时变时延的不确定网络控制系统,研究存在执行器失效情况的系统鲁棒容错控制问题.基于完整性容错控制思想和李亚普诺夫时延依赖稳定理论,给出了系统对执行器失效具有完整性的充分条件,设计了鲁棒容错控制器.仿真结果表明,该控制器不仅能保证系统鲁棒渐近稳定,而且使系统具有良好的动态性能.  

变搜索区域多种群遗传算法

针对孤岛型多种群遗传算法存在的缺陷,提出一种变搜索区域多种群遗传算法.首先,依据各种群最优个体的分布给出搜索区域动态变化的条件和策略;其次,基于搜索区域的测度和搜索粒度给出种群规模自适应调整方法;再次,从搜索区域的测度和种群规模等角度定量分析算法的性能;最后,通过两个典型函数优化验证算法的有效性.  

基于自适应模糊PID控制器的非线性系统仿真

对于缺乏精确模型的过程或参数时变的滞后过程,传统PID控制难以达到良好的控制效果.普通模糊控制能够对一些非线性系统进行控制,并不需被控对象精确的数学模型,但是模糊控制难以消除系统的静态误差.针对复杂的非线性系统,设计了自适应模糊PID控制器.该控制器将模糊控制的动态性能好的优点和PID控制的稳态精度高的优点结合起来,采用模糊控制与PID控制分段控制策略,当偏差大于某一阈值时,采用模糊推理的方法调整系统的控制量,当偏差小于某一阈值时,切换到PID控制以消除系统的静态误差,较好地克服了传统PID控制和普通模糊控制所存在的主要问题.通过仿真实验分析,证明了该控制方法的有效性.  

基于无线传感器网络的井下温度监测系统设计

针对目前矿井温度监测的现状，设计了一种基于无线传感器网络的矿井温度监测系统，该系统以C2430芯片为核心设计传感器节点，以CC2430和MCP2515设计Sink节点，给出了系统的硬件设计和软件流程。该系统克服了传统有线网络的局限性，避免了其他无线通信技术高功耗的缺点，简单、可靠、经济，具有很好的应用前景。  

基于SVPWM的并联型三电平有源电力滤波器的研究

文章建立了二极管钳位型三电平三相三线制并联型有源电力滤波器(APF)的数学模型,提出了一种将基于ip-iq法的指令电流计算、预测电流控制和空间矢量脉宽调制(SVPWM)相结合的并联型三电平有源电力滤波器的控制方案,分析了简化的三电平SVPWM控制算法。仿真和实验结果证明,该方案具有良好的谐波补偿效果,同时适合于全数字控制的DSP硬件实现和主回路保护,有较好的应用前景。  

基于低功耗标识卡的井下人员定位系统的设计

文章介绍了一种基于射频通信的煤矿井下人员定位跟踪系统的设计,详细分析了该系统的构成、工作原理以及低功耗标识卡的设计。试运行结果表明,该系统性能稳定,效果良好。该系统的设计对改善目前煤矿的安全生产管理有着重要的现实意义。  

一种基于CAN总线的煤矿数字化扩音电话系统的设计

文章分析了现有的煤矿调度电话系统的弊端,介绍了一种基于凌阳SPCE061A单片机和CAN总线的矿用扩音电话系统的设计方案。该系统利用凌阳音频压缩编码算法库(SACM-LIB)实现对语音数据在10~24 kbit/s范围内的压缩编码,从而得到适合在CAN总线中传输的中低速率的语音数据;对于接收到的语音数据,利用语音解码算法,实时解码后送入功放模块,驱动扬声器播放。测试结果表明,该系统稳定可靠,传输距离远,语音质量高,为解决现有煤矿语音通信系统实时性不足的问题提供了一种新的解决方案。  

基于协同最小二乘支持向量机的Q学习

针对强化学习系统收敛速度慢的问题, 提出一种适用于连续状态、离散动作空间的基于协同最小二乘支持向量机的Q学习. 该Q学习系统由一个最小二乘支持向量回归机(Least squares support vector regression machine, LS-SVRM)和一个最小二乘支持向量分类机(Least squares support vector classification machine, LS-SVCM)构成. LS-SVRM用于逼近状态--动作对到值函数的映射, LS-SVCM则用于逼近连续状态空间到离散动作空间的映射, 并为LS-SVRM提供实时、动态的知识或建议(建议动作值)以促进值函数的学习. 小车爬山最短时间控制仿真结果表明, 与基于单一LS-SVRM的Q学习系统相比, 该方法加快了系统的学习收敛速度, 具有较好的学习性能.