传输时延和时钟同步对以太网控制系统的影响

在分析报文传输时延和时钟同步精度对EPA网络(工业以太网)控制系统的实时性和稳定性的影响的基础上, 提出了新的基于马尔科夫链的时延模型. 给出了在系统稳定的情况下, 通信宏周期、协议传输时延和时钟同步精度应满足的条件. 建立了无丢包情况下的EPA网络控制系统模型. 提出了EPA控制系统稳定时, 可以设置的最小通信宏周期的计算方法.     

基于网络编码的多射频Mesh网组播时延建模与分析

网络编码在提高多射频无线Mesh网组播吞吐量的同时也增加了组播传输时延.针对该问题,在建模分析基于网络编码的多射频无线Mesh网组播传输时延特征的基础上,设计了平均组播传输时延(AMTD)的计算方法并给出时延整体优化方案.首先提出1个由双排队系统串联构成的多射频组播模型.其次,运用该模型对组播传输时延特征进行分析,通过计算每个排队系统平均等待时间之和给出AMTD计算公式,得到时延与各网络参数之间的量化关系.最后通过理论分析和仿真实验指明如何调整多个网络参数以优化平均组播传输时延.结果表明,网络状态确定时,同样的射频比例在不同网络编码体积下未必总是最优,应用提出的AMTD公式恰当调整射频用于收?发的比值,可以最优化平均组播传输时延.     

昨同步通信中改进型NTP协议优化与仿真

在非同步点对点的通信网络中,改进型NTP协议可以帮助我们计算通信双方的同步时差。但是改进型NTP#MS（并不对正常时延和时延突变进行区分,如果出现通信单向数据包较多且时延突变不平衡的情况,则会严重影响同步时差的计算结果。对一种通过可信域过滤时延突变的优化设计方法进行了研究。通过构造网络通信模型,对增加优化前后进行仿真和分析,发现增加优化设计确实能够起到提高同步时差精确计算的作用。     

非同步通信中改进型NTP协议优化与仿真

在非同步点对点的通信网络中,改进型NTP协议可以帮助我们计算通信双方的同步时差。但是改进型NTP协议并不对正常时延和时延突变进行区分,如果出现通信单向数据包较多且时延突变不平衡的情况,则会严重影响同步时差的计算结果。对一种通过可信域过滤时延突变的优化设计方法进行了研究。通过构造网络通信模型,对增加优化前后进行仿真和分析,发现增加优化设计确实能够起到提高同步时差精确计算的作用。     

精确计算网络时延的一种方法的讨论

摘要：本文讨论了时间信息传输的网络时延对时间用户网上校时精度的严重影响。提出了一种严格消除网络时延的技术方案,并指出这种新方法对网络授时和各种网上通信的重要意义。     

动态矩阵控制在网络时延补偿中的应用研究

在网络控制系统中,随机传输时延大大降低了系统的控制性能,并导致系统的不稳定.针对以太网在网络控制系统中的随机传输时延问题,提出了一种基于DMC的NCS时延补偿控制方案.该方案采用DMC算法设计控制器,同时通过网络时延补偿器和动态缓冲器整定控制量,使系统输出能迅速跟踪突变输入.利用TureTime工具箱进行仿真实验,结果证明了该算法在处理网络控制系统的时延问题时具有有效性和可行性.     

基于UDP传输协议的网络时延仿真研究

在基于UDP传输协议的各种网络中,数据包传输的时延是随机的,为了能够研究不同的控制算法对远程控制系统的影响,就必须保证远程控制系统中网络时延环节的一致性,为此必须对网络时延进行仿真.使用结构数组对网络时延进行了仿真.将数据报的信息存放在与其网络时延相对应的结构数组元素中,在每个采样点系统只使用结构数组相应元素中的信息,实现了对数据包网络时延的仿真.在基于时间驱动工作方式的控制系统中,可以采用这样的方法实现UDP传输协议下的网络时延仿真.     

一种改善AFDX网络级联传输时延特性分析的方法

文中分析了AFDX级联网络中数据传输时间延迟的不确定性问题及造成该问题的内在原因,对传输时延的组成部分和影响因素进行描述,指出应用AFDX网络技术应先充分验证端到端时延上界值是否符合系统容限要求。介绍了计算时延上界值的网络演算方法的基本原理及其利用对虚拟链路进行分组优化的算法理论,将该算法应用到某实验环境中的AFDX级联网络配置实例中,计算出实例中各数据流的时延上界并对计算结果的悲观性进行分析,最后得出优化后的算法来分析传输时延更能趋近实际的上界值。     

时延网络控制系统的稳定性

针对网络控制系统中存在的不确定时延 ,首先讨论了系统的建模问题 .系统中传感器采用时间驱动 ,执行器与控制器采用事件驱动 ,传感器的数据采用单包传输 .假设传输时延小于采样周期 ,网络控制系统可以建模为一类具有不确定性的线性离散时延系统 .利用Lyapunov方法 ,给出了闭环系统渐近稳定的充分条件 ,基于相应的线性矩阵不等式可行解 ,可以求解状态反馈控制律 .最后 ,用仿真例子验证了该方法的有效性     

网络时延的混沌特性分析及预测

针对互联网的传输时延处于不确定状态的问题,从网络时延序列表现出的性质出发,将混沌理论引入对网络时延的特性分析.通过对实际网络时延数据的处理,计算验证了网络时延具有混沌特性.并提出了采用混沌一支持向量机回归模型对互联网络时延进行预测的方法,通过实例分析对该方法进行了验证.分析结果证明了混沌一支持向量机模型可以对网络时延的变化趋势进行较为准确的预测,和BP神经网络回归预测相比,混沌一支持向量机对时延的短期预测具有更高精度.     

用DOG函数进行边缘检测的硬件网络模型

根据视觉计算理论,如果用一组不同大小的运算子对成象在视网膜上外界场景的二维图象进行光强度变化的检测可以获得原始图象的零交叉表象,即原始要素图.本文在讨论这一方法的基础上,提出了一种基于DOG函数的网络模型.模型满足了空间平移不变性,可实时并且平行地对输入信号进行边缘检测.模型中引入了时间维来构成尺度空间的零交叉表象的图谱,使得网络在简单有效的基础上实现.     

基于神经网络非线性模型的多级工作点阶跃响应扩展DMC预测控制

利用前馈神经网络建立对象的非线性预测模型,在不同工作点做阶跃响应,建立其局部线性模型,用隶属函数将局部线性模型加权得到全局线性模型,全局线性模型用于滚动优化,非线性模型用于预测系统输出和校正线性模型,实现非线性预测控制,仿真结果表明该方法控制效果良好,可满足实时要求。     

基于内分泌机制的防火墙自适应调控算法

防火墙是常用的网络安全防御系统,防火墙参数自适应调控对提高网络性能有重要的作用,目前尚无自适应的调控算法.分析了内分泌系统对生物体内环境的调节机制,设计了工作在网络环境中的人工内分泌系统,构造了一种基于人工内分泌系统的防火墙自适应调控算法.仿真实验表明,该调控算法能够根据网络性能变化,自适应地调整防火墙参数,具有较好的应用价值.提出的算法经过适当修改,还可以应用于入侵检测系统的自适应调控.     

Behavior control of coherent-type neural networks bycarrier-frequency modulation

Coherent-type artificial neural networks whose behavior is controlled by carrier-frequency modulation are proposed. The network learns teacher signals associated with an information-carrier frequency as a network parameter. The total network system forms a self-homodyne circuit. The learning process is realized by adjusting delay time and conductance of neural connections. Experiments demonstrate that the network behavior is successfully controlled by the carrier-frequency modulation. This result will be applicable not only to signal processing but also to frequency-multiplexed optical neural computing and quantum neural devices such as carrier-energy-controlled neurons in the future.     

高职网络技术专业毕业生就业满意度调查分析

对高职网络技术专业125名毕业生就业满意度跟踪调查,从就业情况、首次就业成功因素、专业课程内容设置、专业教师教学水平、专业教学管理、专业技能重要性、运用专业技能熟练程度、对职业资格证书的意见等九个方面进行分析,为教学改革提供依据。研究大学生就业能力结构及其对就业结果的影响,对调整课程设置与教学内容,构建以能力为核心的课程体系具有重要意义。     

分布式网络性能监测代理自适应部署研究

分布式网络性能监测的关键问题是如何在管理域中的适当位置放置适当数目的代理,才能达到提高监测效率,减小额外监测流量和响应时间的目的。本文提出的算法是在管理员改变网络拓扑结构或者网络节点或链路失效时被启动,能够针对网络的变化自动地进行局部监测代理分布的调整,使监测系统恢复到近似最优状态。该算法使本监测系统具有良好的可扩展性和适应能力,仿真实验证明了算法的可行性。     

主动队列管理中增强型自适应虚拟队列管理算法之设计及稳定性分析

提出了一种基于速率的增强自适应虚拟队列管理算法(EAVQ). 在该算法中引入主从拥塞尺度和期望链路利用比的概念; 以输入速率为主要拥塞尺度, 以便保留原有自适应虚拟队列管理算法(AVQ)中响应速度快、队列时延短、链路利用率高等优点. 同时, 以期望链路利用比为辅助拥塞准则, 设计了一种基于速率的期望链路利用比自适应机制, 解决了AVQ中参数设定困难、队列抗干扰能力弱, 及存在链路损失等缺点; 在改善系统动态性能的同时保证了链路容量的充分利用. 在线性化基础上给出了一般网络结构下TCP/EAVQ系统的局部稳定条件. 通过仿真验证了EAVQ的有效性.     

Legender神经网络建模及股票预测

基于多项式逼近理论,将一组Legender正交多项式做为隐含层神经元的传递函数,再以其加权和函数做为神经网络输出,从而构成一种新型的三层多输入Legender神经网络模型;采用BP学习算法,通过对历史观测样本数据的训练,调整该神经网络的权值,建立非线性时间序列辨识模型,以此预测股票价格的变化.仿真实验表明,Legender神经网络具有优良的逼近任意非线性系统的特性,且学习收敛速度很快;深发展A股预测结果为：训练次数200,最大相对误差5.41%;深证成指预测结果为：训练次数120,最大相对误差4.17%.     

计算机博弈中估值算法与博弈训练的研究

计算机博弈程序难以处理局面估值问题。为此,结合时间差分算法和反向传播神经网络,设计一种局面估值算法BP-TD(?),实现估值函数参数的自动调整。为提高博弈训练的性能,针对开局和中局,提出分阶段设置参数值的策略。以五子棋为应用背景,实现博弈系统RenjuTD。实验结果表明,该算法可使程序的博弈水平得到较大提高。     

用于分割双纹理图像的最佳单Gabor小波参数的反馈系统

设计了一个对分割双纹理图像的最佳单Gabor小波参数进行自适应调整的反馈系统。该系统利用Gabor小波的带通特性使某一频率的纹理通过，而另一频率的纹理受到抑制，由RBF神经网络对预处理后的图像参数进行估计，求出最优分割阈值。以分割阈值误差率为反馈量对Gabor小波参数进行自适应调整，从而得到最佳Gabor小波参数。实验证明，该系统对双纹理图像的分割达到了预期的结果。