多出口网络链路负载均衡系统的研究

针对当前广泛使用的多链路技术,研究了多链路网络的运行机制,对多链路的流量特性、负载分配策略进行了分析.将企业网日常的Internet流量分为Outbound流量和Inbound流量,并结合FreeBSD下的PF包过滤和动态DNS解析技术,分别给出了Inbound和Outbound流量的负载均衡策略和模型.基于该模型研制的系统,能成功地依照事先定义的负载均衡策略实现Inbound和Outbound流量的负载均衡,多个Internet链路的合理分配利用而使得总访问带宽扩大,能够很好地消除几大ISP间互访的瓶颈,还为内部网上SERVER提供更高的可靠性和性能.     

DNS在windows 2003 Server中的应用

首先介绍了DNS的概念、工作原理,然后从DNS在windows2003server下的配置入手,通过对DNs的防护和负载均衡的分析,实现了DNS在windows2003server下的应用过程。     

基于多出口校园网中QoS的应用

随着校园网络的不断发展,出现了基于多出口线路带宽和对实时性要求很高的网络应用,如何在现有的带宽上提供必要的QoS支持,成了大型校园网建设与管理中所要研究的问题。     

多进程DNS服务器中通信方法的设计与实现

从某种程度而言,整个DNS（域名系统）的性能是由其通信性能来决定的,一个高效的系统其通信模块要可以提供正确,有序、安全、高效的服务,因此本文就设计实现了一种基于安全socket的多进程通讯方法。     

P2P技术在校园网中的应用及控制

本文介绍了P2P技术的特点以及P2P技术在校园网的应用方法,分析了P2P技术对校园网的不利影响,并从网络管理者的角度提出了一些控制校园网内P2P软件的建议.     

基于七层协议的网络控制管理设备在校园网的应用

随着计算机网络技术的发展,校园网的网络安全问题也变得越来越突出,本文研究的主要内容是:通过基于七层协议的网络控制管理设备在校园网的应用,有效解决校园网安全控制方面的管理问题。     

多智能体技术及其在交通控制系统中的应用

多智能体技术是当前分布式人工智能的一个研究热点,通过各自治智能体间的通讯、协调、合作来表达实际的复杂系统。交通系统是一个分布式、非线性、时变的随机系统,本文把多智能体技术应用于城市交通控制系统中,为城市交通问题提供了良好的解决方案。     

校园网在Windows操作系统下的多网接入应用

校园网多网接入受到校园网的硬件设置和网络环境的限制,在利用现有的条件下,通过有效的技术整合,可以完成实现校园网多网接入的应用问题.     

智能电网系统中智能负载的关键作用

本文根据中国国情,提出\"智能负载\"这一新的理念。通过物联网将智能负载和智能电网结合起来构成\"非并网多能源协同智能电网系统\",该系统的核心是将中国大量的高耗能产业通过必要的技术创新,改造成能够适应风电等可再生能源和电网输出功率巨大波动的\"智能负载\",为中国政府提供一条适合国情、大幅度提高电网和发电装备利用效率,并将风电等可再生能源高效、低成本全部利用的新路径。     

智能屏幕在工业控制中的应用

智能屏幕也可定义为人机界面（HMI）．利用触摸屏上显示的互动图形,供用户控制内置的系统。智能屏幕具有不同的形状和尺寸．可应用在小到票亭大到工厂的控制系统。     

BP网络智能PID控制在水电机组中的应用

阐述了BP网络智能PID控制的原理和结构,并将其应用于具有非线性、时变、非最小相位且结构参数变化较大的水电机组控制中.仿真试验结果表明,其控制效果优于常规PID控制.     

模拟退火优化BP神经网络在航向控制系统中的应用

目前，广泛运用于神经网络中的误差反向传播算法（BP算法）训练时间较长，且易陷入局部最优．为了克服BP算法的固有缺陷，文中提出了在BP算法中加入模拟退火算法权因子．在航向控制系统中进行了仿真，数据显示该算法比单纯BP算法更能优化控制器性能参数和全局搜索能力，收敛速度更快，精度提高比较明显。     

基于相对密度的DNS请求数据流源IP异常检测算法

研究了域名系统(DNS)的异常检测.通过对基于相对密度的离群点检测算法的研究,提出了一种基于相对密度的DNS请求数据流源IP异常检测算法.该算法计算每个源IP的相对密度,并将该密度的倒数作为其异常值评分;在计算相对密度时,从查询次数、源端口熵值、所请求非法域名占比等9个维度来表示一个源IP.试验结果表明,这种基于相对密度的源IP异常检测方法,能正确地根据各个源IP不同的异常程度,给出其相应的异常值评分.     

挖掘机器人轨迹的模糊CMAC神经网络控制

在对挖掘机器人工作装置动力学分析的基础上,为克服多变量、强耦合及负载扰动对轨迹控制系统的影响,提出了模糊CMAC神经网络与常规控制相结合的控制方法,使神经网络逼近挖掘机器人工作装置逆动力学模型,很好地解决了轨迹控制的问题.利用MATLAB进行仿真研究,结果表明该控制方法具有较高的控制精度和鲁棒性,满足挖掘机器人轨迹控制的要求.     

A simulation based approach for supply network control

We focus on the problem of strategic network design in the context of multi-site enterprises. We develop a simulation model for various supply network designs evaluation. The suggested model is generic in the sense that only input data modifications are needed to adapt the model to a given supply network structure, while the model's procedural logic stays unchanged. The model reproduces the dynamics of the totality of the supply chain activities. It takes into account control policies related to the inventory management and to the scheduling of production activities. It also carries out local optimisations by dynamically allocating the customers’ demands to the appropriate distribution site and the replenishment orders expressed by the distribution and production sites of the enterprise so as to minimise a global cost function. Simulation execution permits to compute various performance measures. These indicators inform the decision-maker about the profit of the enterprise and about its customer's service level. In this paper, we propose to detail the simulation model. Then, for a fictitious problem of supply network design based on two real life applications, we highlight the influence of the control policies on the performance of the studied enterprise.     

SiO2＋ITO导电玻璃连续式生产线的计算机监控网络系统

本文在介绍SiO2 ITO导电玻璃连续式生产线的系统结构的基础上,给出了该生产线基于PC机的计算机监控网络系统。该系统为设备提供者、企业管理者、现场操作者提供了一个协调工作的平台。     

基于HLA的火控雷达网融合控制系统仿真研究

为提高火控雷达的战场生存能力,研究通过组网技术降低雷达信号截获概率的方法。根据设定作战场景,介绍火控雷达网的工作过程,给出融合控制系统的结构及动态执行过程,设计基于高层体系结构的火控雷达网融合控制系统仿真软件,以此作为平台验证火控雷达组网理论的正确性。最后,通过RTI平台进行仿真实验,结果表明:仿真系统可以有效模拟火控雷达网的数据融合处理和雷达参数控制,组网系统能够延长火控雷达被敌方侦察系统的截获时间。     

基于神经网络混合建模的结构振动滑模控制

将神经网络和标称系统混合建模方法引入到离散滑模控制当中,得到神经网络滑模控制,然后对结构振动进行控制,振动结构为具有不确定性参数的柔性附件,并受到随机外扰作用。离散滑模控制的滑模面是以标称系统为基础,由最优二次型价值函数求解黎卡提方程确定。利用标称模型和神经网络混合建模方法来减小系统的不确定性,达到提高滑模控制在实际控制系统中的控制效果。其中利用前馈神经网络来对不确定部分进行建模。最后通过对滑模控制和神经网络滑模控制进行仿真,结果表明,本文所提出的神经网络滑模控制对具有不确定性参数和随机外扰的柔性结构系统振动的控制效果要优于滑模控制。     

基于小波神经网络的蒸汽发生器水位辨识与控制仿真

提出一种基于小波神经网络的控制方法，对蒸汽发生器水位进行控制仿真．该方法利用小波神经网络作为控制系统的辨识器和控制器来构成控制系统．小波神经网络辨识器能更准确逼近非线性对象。小波神经网络控制器能自适应产生最佳的控制规律．仿真结果表明，该方案具有响应快、超调量小、较强抑制干扰能力等良好性能．     

Active control strategy of structures based on lattice type probabilistic neural network

A new neuro-control scheme for active control of structures having a basic structure similar to the Probabilistic Neural Network (PNN) is proposed. It utilizes the lattice pattern of state vector as the training data of PNN, and thus it is called the Lattice Probabilistic Neural Network (LPNN). Comparing the two schemes, PNN takes much time to obtain a control force in the application because it uses all the training patterns. This may delay the control action inevitably. However, in LPNN, the control force is calculated by using only the adjacent information of LPNN input, making the response of LPNN greatly faster than that of PNN. To investigate the general control capability of the proposed algorithm, one-story and three-story buildings under California, El Centro, and Northridge earthquakes are used as test models. Control results of the LPNN are compared with those of the conventional PNN, and these show that the structural responses have been suppressed effectively by the proposed algorithm.