基于非竞争机制的改进GAF拓扑控制算法

能量问题是制约无线传感器网络发展和应用的瓶颈之一。为均衡网络节点的能量消耗,延长网络的生命周期,需要建立高效的拓扑控制机制。在深入研究GAF算法的基础上,提出了一种基于非竞争机制的改进算法。利用建立的适合度函数和顺序表优化了簇头的选举策略;通过改进虚拟单元格的划分方法,并推导出动态剩余能量阈值估算公式,有效地改善了GAF算法的相关性能。仿真结果表明,改进算法对于减少拓扑控制耗费、延长网络生命周期具有显著效果。     

多跳双环网络1到2节点故障情况下的通信能力分析

多跳双环网络是一种较为可靠的网络拓扑结构。本文分析这种网络在1~2个节点故障的情况下,正常节点之间互相通信的能力。指出它与网络节点数、跳跃距离有关,建立各种不同情况下的数学关系,还给出曲线,便于比较。     

基于非竞争机制的改进 GAF 拓扑控制算法

能量问题是制约无线传感器网络发展和应用的瓶颈之一.为均衡网络节点的能量消耗,延长网络的生命周期,需要建立高效的拓扑控制机制.在深入研究 GAF 算法的基础上,提出了一种基于非竞争机制的改进算法.利用建立的适合度函数和顺序表优化了簇头的选举策略;通过改进虚拟单元格的划分方法,并推导出动态剩余能量阈值估算公式,有效地改善了 GAF 算法的相关性能.仿真结果表明,改进算法对于减少拓扑控制耗费、延长网络生命周期具有显著效果     

基于BP神经网络的参数在线整定的PID实时控制

要对系统进行准确、及时的控制,就必须精心设计有效的控制方法。在控制领域,最常用的是PID控制方法。这种控制方法能够有效地提高被控系统的稳定性,加快系统时输入的响应,以及能减小静态误差。但是,P、I、D三个环节相互影响和制约,它们之间的关系很复杂,并不是简单的线性关系,再加上实际系统的非线性和时变不确定性,三个参数的人工整定比较困难。BP（back propagation）神经网络理论上可以逼近任何非线性函数．将它与传统的PID控制方法相结合可以达到良好的控制效果。通过采用BP神经网络,以闭环反馈系统的误差作为神经网络的学习误差,可以实现PID控制器参数的自适应整定。     

基于BP神经网络的参数在线整定的PID实时控制

要对系统进行准确、及时的控制,就必须精心设计有效的控制方法。在控制领域,最常用的是PID控制方法。这种控制方法能够有效地提高被控系统的稳定性,加快系统对输入的响应,以及能减小静态误差。但是,P、I、D三个环节相互影响和制约,它们之间的关系很复杂,并不是简单的线性关系,再加上实际系统的非线性和时变不确定性,三个参数的人工整定比较困难。BP(back propa-gation)神经网络理论上可以逼近任何非线性函数,将它与传统的PID控制方法相结合可以达到良好的控制效果。通过采用BP神经网络,以闭环反馈系统的误差作为神经网络的学习误差,可以实现PID控制器参数的自适应整定。