神经网络预测控制及其在煤气生产过程中的应用研究

非线性、大滞后系统是工业生产过程中普遍存在的现象,被认为是物理系统中最难控制的重要环节。本文以水煤气生产过程为背景,对这类复杂非线性系统提出了一种基于改进B-P神经网络的预测控制方法,仿真结果表明该方法的有效性和快速性,从而为非线性、大滞后系统的实时智能优化控制的实现提出了一种有效的方法。     

移动群智感知中时间窗口相关的参与者选择机制

目前许多移动群智感知应用要求参与者收集一段时间内连续的感知数据,而现有研究在这方面却考虑不足。针对上述应用场景提出了时间窗口相关的参与者选择机制,主要包括基于动态规划算法设计了一种时间窗口相关的参与者选择方法,目标为覆盖任务时间段的同时最大化数据效益;参与者信誉值更新机制,根据参与者参与任务的意愿程度和数据质量更新参与者的信誉值。最后通过仿真实验与两种普遍应用的参与者选择方法作比较,实验证明所提出的参与者选择机制在数据可靠性、数据效益和感知成本等方面具有更好的效果,因此所提出的参与者选择机制在时间窗口相关的任务中有更好的应用前景。     

无线传感器网络RaSMaLai算法的改进

针对RaSMaLai算法有可能进入无效循环和无效等待状态的问题,对RaSMaLai进行了两点改进并提出了一种新的随机转换算法NRaSMaLai:改进一在算法初始化过程中遍历树中节点进行初始化检查,防止树进入无效等待状态;改进二在更新树操作过程中对树中最大负载节点及其所有子孙节点时进行状态检测,防止树进入无效循环状态。NRaSMaLai通过增大最小负载节点及其子孙节点的负载使树平衡。仿真实验表明,使用改进一、二的算法能使树达到平衡状态或更接近预设的平衡状态。当sink节点位于区域中心时,NRaSMaLai使树平衡时所需的迭代步数减小为原来的1/5并很少出现振荡,对使数据收集树快速收敛并延长网络寿命具有重要意义。     

一种改进的WCA算法

在WCA的基础上，提出了EWCA（Enhanced Weighted Clustering Algorithm）算法，在提高性能的同时降低了开销，并保持了算法的通用性，移动自组网中通过模拟实验对该分簇算法与WCA算法进行了性能比较。     

一个改进的AdHoc网络权值簇生成算法

AdHoc网络具有动态变化的拓扑结构,无中心和自组织的特点,如何对它进行有效的管理至今没有得到很好的解决。该文针对目前已有的一些簇算法的缺点并结合它们的优点,提出了一种改进的权值簇算法EWCA。该算法综合考虑了簇的稳定性、节点的电耗、网络的负载平衡、网络的吞吐率等几项网络指标,从而提高了网络管理的灵活性和可扩展性,使之更适合于管理大规模、多种环境的AdHoc无线网络。     

高校西向教室天然光环境分析研究——以河北工业大学北辰校区为例

本文通过对河北工业大学北辰校区西向教室天然光环境的现场实测和对测量结果的分析,找出了该教室天然光环境存在的问题,提出了在教室东侧墙面增设高侧窗及在西向窗口增加遮阳设施等建议,对此类西向教室的设计具有一定的指导作用。     

地下水渗流对单孔地埋管换热器换热性能影响的数值模拟

建立了二维地下水渗流条件下地埋管换热器的数值计算模型,对单孔地埋管换热器周围的土壤温度场进行了数值模拟。为了验证数值模拟方法的可行性,将模拟结果与地下水渗流条件下的移动线热源理论解析解进行了对比,结果显示,当R=0.5和2.5时,模拟结果的相对误差分别为0.72%和5.42%,具有较高的精确度。模拟结果表明,当贝克来数Pe6时,即地下水渗流速度小于3×10-7 m/s(9.46m/a)时,可以忽略地下水渗流产生的对流换热的影响。     

某矿井水水源热泵系统的冬季运行性能及经济性分析

为进一步提高矿井水的开发和利用效率,以某矿区为例,采用矿井水水源热泵技术来提供煤矿工业区的供暖和制冷、生活热水和井口防冻的需求。笔者通过实地测试,掌握了该系统的实际运行数据和运行效果。结果表明,矿井水出水温度的变化范围为14.25~15.75℃,平均涌水量为1 767 m~3/h。当热负荷比ε=0.69时,热泵系统的COP最高值为4.04;当ε0.69时,COP略有下降;测试期间其平均值3.68。矿井水源热泵系统与锅炉供热系统相比,每年可节省运行费用381.3万元,经济效益显著。本文旨在抛砖引玉,为今后类似技术的应用提供一定的参考。     

基于分层结构的多播路由协议

针对大规模Ad Hoc网络中平面多播路由协议缺乏可扩展性的缺点,提出一种基于分层拓扑结构的多播路由协议。该协议借鉴基于网格按需多播路由协议适合高速运动的优点,采用EWCA簇算法对其拓扑结构进行分层管理。仿真实验验证了该协议适用于大规模 Ad Hoc网络。     

移动群智感知中的空间任务分配机制

在移动群智感知的空间任务分配问题中用户与任务的空间距离直接影响完成任务所需的成本,而现有的研究在这方面却考虑不足,因此以最小化感知成本为目标设计了移动群智感知中的空间任务分配机制。首先,以感知成本最小为目标,基于遗传算法和贪心算法设计了一种高效的任务分配方法;其次,针对用户感知质量的随机性,基于用户的历史感知情况和当前任务的执行情况设计了用户感知质量的更新机制。为验证所提机制的效果,通过仿真实验与两种基准的任务分配方法作比较。实验结果表明,所提机制在感知总成本和用户执行任务所移动的总距离等方面均有更好的效果,因此该空间任务分配机制具有很好的应用前景。