改进的GPC在网络控制系统时延问题中的应用

针对网络控制系统的时延具有随机、时变的特性,常会出现控制效果不理想的问题提出了动态BP网络误差修正的广义预测控制.在BP神经网络中加入误差动态反馈环节,形成动态补偿的神经网络模型,通过动态BP网络建立误差的预测模型,采用误差预测值对传统广义预测控制的输出预测值进行修正.仿真结果表明,将算法应用到时延网络控制系统当中能取得较好的控制效果.     

具有时变失效率传感器的网络控制系统可靠性分析

针对实际应用中传感器失效率时变的特点,运用Markov状态转移的方法,构建网络控制系统可靠性的模型,并推导出其可靠性的大小.最后分别选取传感器失效率对正弦变化和指数变化的网络控制系统进行仿真,仿真的结果证明了所提出的方法是正确的.     

基于BP-RBF组合神经网络的废气监测盲区SO_2浓度预测

工业园区大气管理中,监测盲区的废气浓度分析是现有监测系统需要解决的难点问题.本文提出一种组合神经网络,利用已知监测点信息对监测盲区的废气浓度进行预测.首先,根据BP与RBF神经网络的特点,提出二者组合的神经网络结构;其次,分析监测盲区废气浓度预测问题,并提出基于BP-RBF组合网络的预测模型算法;最后,运用工业园区SO_2实际监测数据对所提组合网络预测方法进行实验验证.实验结果表明:本文所提BP-RBF组合网络预测方法具有良好的性能,适用于监测盲区废气浓度预测问题.     

基于粒子群算法的彩报印刷墨量计算方法研究

着墨量的精确计算和自动控制是提高彩色报纸图像质量的主要因素;针对目前彩报印刷计算不准确及自动化程度低等不足,主要对基于粒子群算法的彩报印刷CMYK四色油墨墨量计算方法进行研究;在分析基本粒子群算法原理的基础上,通过引入自适应惯性权重和收缩因子,改善了算法的收敛性能,应用改进粒子群算法对求解本问题进行研究,验证了算法的有效性,该墨量预置方法能较精确地控制墨层厚度,为彩报印刷自动配色提供了可参考的方法.     

战术互联网的无线通信网络模型及网络管理策略

战术互联网应用技术是数字化陆军战术指挥控制系统的主要支撑技术之一。文章在分析战术互联网的组成与连接关系的基础上，提出了战术互联网的无线通信网络模型。将分布式人工智能中的Agcnt技术用于网络管理，提出了战术互联网分布式智能化的网络管理策略。     

基于高精度时频瞬时相位谱的多尺度曲率及其应用

基于地震信号瞬时相位估算的曲率属性具有较高的分辨率,被广泛应用于地震数据的不连续性检测。为进一步提高曲率属性的估算精度,提高地震数据对地质构造的刻画能力,基于时频分析方法具有多尺度分辨能力的特点,提出了基于改进的短时傅里叶变换获得高精度时频瞬时相位谱的多尺度曲率属性估算方法。改进的短时傅里叶变换对待分析实信号的解析信号加上对称时窗函数并进行傅里叶变换,从而获得高精度时频瞬时振幅谱、高精度时频初始相位谱和高精度时频瞬时相位谱。为减少随机噪声对高精度时频瞬时相位谱的影响,利用高精度时频瞬时振幅谱的峰值振幅及其对应的高精度时频瞬时相位谱重构输入信号,并对重构信号进行改进的短时傅里叶变换,获得稳定的高精度时频瞬时相位谱,在此基础上进行高精度多尺度曲率估算。利用合成数据及实际三维地震数据的应用结果验证了方法的有效性。     

多盘摩擦式液压制动器设计计算

介绍了多盘摩擦式液压制动器的结构和工作原理,并对矿用KX-12型制动器进行设计计算:首先根据负载确定制动扭矩,选择摩擦片、计算压紧力并验证摩擦片比压;然后选择相应的碟形弹簧;最终通过保证解制动时两摩擦片的距离确定碟形弹簧的数量。     

基于多Agent的网络管理技术研究

将分布式人工智能中的智能Agent用于计算机网络管理,是近年来最活跃最前沿的研究领域之一。文章从分布式网络管理体系结构入手,基于多Agent的网络管理模型,以及多Agent之间的协调和协作等问题,研究了网络管理智能Agent的结构。     

聚硅硫酸铁的制备及对生猪养殖废水磷酸盐去除的研究

为了解决生猪养殖污水磷排放量超标问题，制备了一种高效混凝剂聚硅硫酸铁，并开展对生猪养殖废水中磷酸盐的去除研究。实验分别制备聚合硫酸铁和聚硅酸并将其按不同物质的量比例混合制备聚硅硫酸铁，探究了混凝剂种类、混凝剂投加量、助凝剂投加量以及pH值对生猪养殖废水中磷酸盐去除率的影响。结果表明：Si/Fe物质的量比为0.6的聚硅硫酸铁的混凝效果最佳，当聚硅硫酸铁投加量为30 mL/L,助凝剂投加量为25 mL/L,初始pH值为8时，磷酸盐去除效果最佳，去除率达99.4%。本研究结果对实现生猪养殖废水中磷酸盐的高效去除和污水的达标排放具有重要的现实意义。     

一类分布式传感器网络的FNN Markov可靠性模型

针对分布式传感器网络中故障点多、可靠性参数估计困难的特点,文章提出了一种基于模糊神经网络的Markov可靠性模型。仿真结果表明,神经网络收敛时的可用度与Markov模型计算值的相对误差在数量级,从而验证了所提模型的正确性。