基于ZigBee网络的路灯节能控制系统

介绍ZigBee无线控制网络特点,讨论ZigBee技术在路灯节能控制系统的应用开发方法,提出由GRPS网络和ZigBee无线控制网络相结合的系统方案.研究ZigBee无线网络节点路灯控制器的硬件设计、软件设计,采用的网络拓扑、控制策略、应用配置文件,并在Chipcon公司的CC2430平台上进行测试.在实际工程中成功地应用了所提出的应用方案,实现了路灯节能控制系统的智能化、信息化、高可靠性、低成本的目标,取得了明显的节能控制成效.     

基于单神经元自适应PSD算法的分布式智能灯光控制

针对已有灯光控制算法无法应对系统模型变化的问题,提出将单神经元自适应PSD（proportion sum differential）算法应用于分布式智能灯光控制。利用单神经元自适应PSD算法的自学习能力,控制器根据系统误差实时修改参数,并与无线传感器/执行器网络中的分簇机制相结合,形成了一套完整的自适应分布式智能灯光控制算法。并以基于无线传感器/执行器网络的灯光控制实验平台为被控对象,设计控制器并进行了仿真研究。仿真实验表明,当系统模型发生改变,与已有的分布式PID灯光控制算法相比,本文的控制算法具有更好的控制效果、鲁棒性更强。     

基于ZigBee技术的照明设备亮度自适应节能控制优化方法

该文研究了ZigBee技术支持下的照明设备亮度自适应节能控制优化方法,达到了良好的节能效果。对照明设备亮度自适应节能控制方法进行改进设计,使用模糊神经网络算法对照明设备的能耗数据分别形成多列神经网络,分别输出照明设备能耗数据的修正值,并对修正值进行加权累加为核心算法的解模糊计算,最终输出修正后的结果。经过仿真计算发现,照明设备亮度自适应节能控制过程中,采用ZigBee技术支持下的算法较传统的节能控制算法的误差控制能力提升10倍,且运行该算法的算力资源可以通过常规嵌入系统置入照明设备中。ZigBee技术支持下的算法具有优化照明设备亮度的自适应控制效果,具有较高的实用价值。     

基于ZigBee网络的路灯控制系统设计

为实现城市路灯的节能要求,设计了基于ZigBee无线网络技术的路灯控制系统。系统使用ZigBee路灯控制节点将路灯的各项状态信息发送至网关,然后经过GPRS网络汇总到系统监控中心,通过监控中心可对网络中的每一个路灯进行实时控制与检测。通过实际的安装与测试表明,该系统有较高的可靠性和稳定性,节能效果明显。     

一种自适应PSD伺服控制器的研究

本文针对常规PID伺服控制器设计时依赖精确数学模型同负载、模型参数的不确定性和非线性因素影响精确模型获得的矛盾,设计并分析了单神经元自适应PSD控制器。利用神经元的自学习、自组织能力,根据被控对象的参数变化情况进行权值的在线调整,加入了增益的自适应学习算法,使得调节更方便。同时,对PSD算法快速性方面的不足,采用复合算法进行了一定的改进。仿真表明,所设计的自适应PSD伺服控制器在一直线电机伺服系统中获得了满意的结果。     

基于单神经元自适应PSD算法的碳势DCS系统仿真与设计

以金属热处理工艺中有滞后的渗碳过程中的气氛碳势和温度等参数的采集和智能控制技术为研究对象,采用一种单神经元自适应PSD智能控制算法进行系统仿真和开发。该算法除了比传统PID控制算法超调量小、速度快、实时控制效果好外,还具有可调参数范围大、自适应能力强等优点。另外还给出了DCS系统下位机硬软件设计的关键技术。     

基于道路网络的LED路灯聚类组网算法的研究

LED路灯控制系统通常使用ZigBee通讯网络作为节点间的通讯方式,在其系统组网的过程中,底层Mesh网络分簇主要依靠人工进行,效率较低.论文提出了基于道路网络的路灯聚类组网算法SLCNARN(Street Lamp Clustering Net-working Algorithms Based on Road Net...     

一种空间分布式变阶数自适应网络滤波算法

现有的自适应网络滤波算法大都假设未知参数向量的阶数已知且恒定,无法解决阶数未知或时变条件下的参数向量估计问题. 以最小化网络均方误差为准则,提出一种空间分布式变阶数自适应网络滤波算法. 该算法仅要求网络中的各节点与相邻节点进行通信,通过扩散的方式实现整个网络数据信息的融合,具有计算量小、可操作性强及估计精度高的特点.仿真表明,提出的算法能够有效地估计和跟踪未知参数向量的阶数和权值.     

分布式传感网络的自适应一致性算法

为了提高分布式传感网络的估计精度,提出了一种新的自适应一致性算法。该算法在每次迭代时只需部分节点工作,即进行目标状态的监测。通过节点之间二进制信息的交换来调整每次迭代时的一致性权值,使得每次迭代时工作节点所占的权值更大,进而将该一致性算法与卡尔曼滤波相结合对目标状态进行估计。对该算法进行数值仿真,并与其他一致性加权算法进行比较,验证了该算法的有效性。     

大规模无线传感器网络自适应节能路由算法

在确保大规模无线传感器网络信息可靠传输的前提下,尽可能降低网络能量开销,提出了大规模无线传感器网络的自适应节能路由算法。针对长江三峡库区水质监测的具体应用环境,构建了网络模型,采用梯度型拓扑生成器生成网络拓扑,利用可以平衡负载的节能自适应算法进行最优路由选择,建立了应用于大规模无线传感器网络的自适应节能路由算法。在具有代表性的两种不同网络环境中,对该算法的节能效果进行测试,结果表明了算法的可行性和先进性;该算法能有效地将网络负载平均分配于整个网络中,减少网络的整体能量开销,延长整体网络的寿命。     

基于ZigBee技术的路灯无线控制系统的设计与实现

提出了一种基于ZigBee技术的路灯无线控制系统,该系统利用CC2430／ZigBee模块和MSP430控制器构建无线控制平台,搭建了底层为路灯终端控制节点,中间为路由节点,顶层控制中心的系统架构,从而实现对城市路灯进行科学高效的控制和资源整合,合理调整照明时间,节约用电。     

一种基于BP神经网络模型的自适应PID控制算法

本文应用神经网络建寺了系统参数模型,将线性系统时变参数的变化规律转化为神经网络参数模型,反映了参数随状态而变的规律;再结合文献[4]已知模型FPID控制参数的计算,推导出一种更具有应用性的白适应PID控制算法。通过在计算机上对非线性系统仿真,结果表明了这种白适应PID控制算法的有效性。     

基于快速算法的模糊神经网络自适应控制

针对过程控制中被控对象常具有非线性、不确定性及参数时变等复杂因素,而难以建立精确的数学模型的情况,提出了一种基于快速学习算法的模糊神经网络自适应预测控制方案。该方案用神经网络作辨识器,模糊神经网络作控制器来实现非线性系统的自适应预测控制。为了克服传统的梯度下降法收敛速度慢、容易陷入局部极小值的缺点,该方案采用递推最小二乘法训练模糊神经网络。仿真结果表明,该方案可以实现模糊控制和神经网络的优势互补,对不确定非线性系统具有很好的控制效果。     

基于自适应交互算法的神经网络控制器设计

自适应交互算法是一种简单有效的算法，可以应用于不同类型的系统，与常用的BP算法相比，它不需要反馈网络反向传播误差，可以直接用来设计自适应神经网络控制器，使控制器的设计简单化，将这种算法应用于神经网络，并设计了神经网络控制器，通过仿真研究表明，用自适应交互算法设计的控制器不仅结构简单，而且控制效果也非常好。     

基于模糊神经网络运算法则的并联机器人自适应控制研究

针对并联机器人数学模型不完全确知并包含外部扰动的非线性多变量系统,提出一种基于模糊神经网络运算法则（FNNA）的自适应控制策略。将各个支链的模糊规则通过神经网络进行在线训练并得出模糊规则的权重并将此运用于在线辨识非线性自适应控制系统的未知动态,有效抑制了系统的数学模型不精确所产生的误差及外部扰动。仿真结果表明该控制方法明显提高了控制系统的轨迹跟踪性能,并对外部干扰及系统的非线性具有很强的鲁棒性。     

基于RBF神经网络的机械臂自适应控制方法

针对机械臂受内部摩擦和时变扰动等不确定性因素的影响,其轨迹跟踪控制系统的跟踪精度会下降,且影响系统的稳定性,提出一种基于径向基函数神经网络的自适应控制方法。首先,利用RBF神经网络采用离线训练和在线学习的方式对机械臂的动力学模型进行辨识;其次针对机械臂控制系统中的摩擦,设计RBF神经网络自适应控制算法对其进行逼近得到补偿控制量。针对时变扰动和神经网络逼近误差设计鲁棒项,以克服众多不确定性因素带来的影响,同时通过构造李亚普诺夫函数对所设计的控制系统进行稳定性分析;最后,仿真实验结果证明提出的控制方法具有较高的跟踪精度、抗干扰能力和较强的鲁棒性。     

基于DSP的自适应神经元网络控制系统的研究

某大型设备的液压系统在工作中需要一定的油压对其进行支撑,所以要保证油压根据要求维持在某一稳定值。针对于此,研究并设计了一个基于DSP的自适应神经元网络控制系统,通过该控制算法可以调整油泵电机的频率使得油压达到要求的稳定值。由于该液压控制系统在实际运行中油压值会出现波动,因此调节的快速性和稳定性是本控制系统的关键。该控制算法经由现场采样和实验的仿真测试,证实了其有效性。     

基于限制广播的ZigBee分布式动态能量均衡协议

提出一种基于限制广播的ZigBee分布式动态能量均衡协议。改进后的算法引入了能量均衡指标和备选路由表,并且在路由发现阶段采用基于节点深度的RREQ广播策略以约束最小能量路径,基于ZigBee网络的分布式动态能量均衡路由算法能够根据局部的能量分布状况动态的调整路由,从而达到均衡网络能量分布,延长网络生存时间的目标。最后结合适当的能量模型,利用OPNET仿真平台对算法进行了仿真,结果表明,改进后的算法能很好的均衡能量分布,延长了网络生存时间。