基于Windows CE的ADS7864驱动程序设计

随着嵌入式技术的发展,各种外设越来越多地应用到嵌入式设备中。文章围绕着一个ADS7864驱动程序的实例开发过程,介绍了ADS7864的使用方法,并以Samsung公司的S3C2410CPU为硬件平台,完成了ADS7864在Windows CE4.2下的流接口驱动程序设计,分析了相关的源代码和注册表。实验证明,该驱动程序正确可行,运行稳定可靠,可以为其他类似设备驱动的编写提供借鉴。     

基于模糊Petri网的汽车故障诊断仿真研究

本文将Petri网和模糊推理相结合,建立故障诊断的模糊Petri网模型。其中,用FPN表示模糊产生规则,用Petri网的变迁激活规则进行故障诊断推理,从而分析出异常行为过程间的因果关系,推理出故障的原因及其可信度。以汽车故障诊断为例,建立了基于模糊Petri网的诊断模型。通过仿真分析,验证了模型的正确性和算法的有效性。     

基于DNA技术的加密方案

DNA密码是伴随着DNA计算的研究而出现的密码学新领域。利用DNA合成技术、PCR扩增技术以及DNA数字编码技术,结合传统密码学提出了一种基于DNA技术的加密方案。方案利用引物对于PCR扩增技术的特殊作用,提出要以引物和编码方式为密钥,采用传统的加密方法对明文进行加密预处理,可有效防止可能词作为PCR引物进行攻击。生物学困难问题和密码学计算困难问题为该方案提供了双重的安全保障,安全性分析表明该加密方案具有很强的保密强度。     

量测噪声相关条件情况下的多传感器状态融合估计

对于量测噪声相关的多传感器系统,采用Cholesky分解和单位下三角阵的求逆方法,将其转化为量测噪声互不相关的等价模型,从而可以直接利用现有的融合算法进行状态融合,由此给出了量测噪声相关情况下多传感器的状态融合算法.该算法和已有的算法相比具有两大优点,该算法不仅考虑了量测噪声相关而且简单可行,而且该算法和已有的算法相比更具有一般性,对于有特征值相同的情形同样适用.数值仿真结果表明了该算法的有效性.     

蚁群算法及其在路由优化中的应用综述

蚁群算法(ACO)是一类新型的机器学习技术,根据蚁群算法的正反馈原理和启发式原理的特点,针对目前国内国际的研究情况,对蚁群算法在最优路径的搜寻上从收敛性,收敛算法的改进以及收敛速度等方面的研究分别进行了分析综述,并对蚁群算法的一些应用,如:LEO卫星网络和无线传感等方面进行了阐述.对蚁群算法在路由优化和负载平衡上的研究进行了对比分析,发现了它们存在的不足,指出了在该领域需要进一步研究的热点问题.     

需求变更管理过程及其工具分析与展望

对软件开发中的需求变更的产生原因及对项目的影响做了分析和讨论,介绍和研究了不同方法学中对于需求变更管理的要求和处理过程,并对这些主流的方法学中的变更管理过程做了一些总结和比较.对需求变更管理工具应该提供的功能做了一些讨论,比较了部分主流的需求管理工具中的变更管理功能,最后对软件需求管理工具的未来的发展方向进行了展望.     

基于带无偏输入的加权融合算法

给出了带输入估计的卡尔曼滤波算法,比较了带输入估计的卡尔曼滤波算法和标准卡尔曼滤波算法的差别,在此基础上提出了一种最优加权的数据融合方法,分析了最优权值的分配原则,给出了最优加权下的多传感器融合算法.该算法首先计算出各个传感器当前的滤波精度,依据各传感器当前时刻的滤波精度分配权值,同时测量方差的时变特性使得每次测量信息得到充分的利用,通过仿真比较了该方法与平均分配权值方法效果的差别,实验结果表明了该算法的有效性.     

一类多输入级联非线性切换系统的全局镇定

研究一类带有部分线性系统的多输入级联非线性切换系统的全局镇定问题. 首先, 给出保证线性部分有一致规范型的充分条件. 其次, 利用一致规范型及其零动态的共同二次Lyapunov函数设计状态反馈使得线性部分在任意切换律下镇定. 最后, 通过构造共同Lyapunov函数能实现闭环系统在任意切换律下的全局渐近稳定性.     

基于网格技术的Argo数据共享系统

由于全球海洋实时观测网Argo的数据量十分巨大,为了有效管理和使用这些数据,在分析Argo数据格式及特点的基础上,提出了利用网格技术对Argo数据进行共享管理的方法.应用网格的元数据管理、副本管理和数据访问与集成等关键技术来管理海量的Argo数据,使用户可以在任何地点、任何时间透明地访问和使用Argo海洋观测数据资源,从而为海洋科学研究获取海洋环境信息数据提供方便.     

基于模糊神经网络的变换器自适应控制方法

提出了一种新型的基于模糊神经网络自适应PI调节电流控制电压型PWM变换器方法.结合了模糊神经网络控制与PI控制器,根据三相电流比较产生的三相电流误差和电流误差变化率,自动调整P、I参数,提高了电流的控制精度和变换器的动态性能.采用MATLAB/Simulink对常规PI控制器和模糊神经网络自适应PI控制器进行了仿真对比.仿真结果表明了采用模糊神经网络自适应PI控制器,其系统输出的误差及误差变化要小,系统的跟踪精度得以提高,动态性能得到改善.