一种优化非线性目标的QoS路由算法

基于多条件约束的QoS路由选择是当前通信网络中的一个重要问题，其基本目的是求解多约束条件下的参数优化问题．文献[3]通过引入系统丢失率及平均时延的性能指标，建立了一个在满足一定系统丢失率要求下求系统最小平均时延的QoS路由选择算法．本文研究在满足一定的系统平均时延要求下求系统最小丢失率的QoS路由选择，建立了一种整数规划模型，并根据模型特点给出了用线性整数规划逐次迭代逼近求精确解的算法．实例表明所提出的模型和算法是有效的．     

基于基因表达式编程的邮电业务量预测

基因表达式编程(GEP)是将进化的遗传操作和个体的适应度评价相分离的进化模型,具有比遗传编程快2-4个数量级能力.邮电业务量是反映经济发展的重要指标之一,其预测技术得到了广泛的研究,主要工作包括:阐述了GEP基本原理,以及GEP进行时间序列分析的基本方法;运用了GEP技术,对邮电业务总量进行建模研究,并进行了预测检验和分析.实验结果表明,基于GEP得到的邮电业务总量模型有较好的泛化能力,在测试数据上平均相对误差为4.44%.     

VC平台下基于OLE的Word自动化操作应用

在工程项目中,需要将最后的实验结果和数据提供给用户.但简单的文本形式无法生成复杂的表格和图形,而程序界面的形式不便让用户对实验结果和数据进行进一步的总结和修改.采用Word文档形式可以利用Word的强大文档编辑处理功能,生成复杂的图文及报表,便于用户进行进一步的编辑打印等操作.介绍在VC开发平台下,基于OLE技术,实现了对Word的自动化操作,将实验结果以复杂Word文档的形式反馈给用户.结合一个工程项目中的Word报表生成过程,并给出了具体的实现步骤.     

基于时间序列和任务调度的Web数据聚类算法

为了实现Web服务请求数据的快速聚类,并提高聚类的准确率,提出一种基于增量式时间序列和任务调度的Web数据聚类算法,该算法进行了Web数据在时间序列上的聚类定义,并采用增量式时间序列聚类方法,通过数据压缩的形式降低Web数据的复杂性,进行基于服务时间相似性的时间序列数据聚类。针对Web集群服务的最佳服务任务调度问题,通过以服务器执行能力为标准来分配服务任务。实验仿真结果表明,相比基于网格的高维数据层次聚类算法和基于增量学习的多目标模糊聚类算法,提出的算法在聚类时间、聚类精度、服务执行成功率上均获得了更好的效果。     

用多隐层BP网实现的CRT色度变换

为了实现彩色信息的标准化显示,需要对ＣＲＴ的色度空间进行标定,也就是ＣＲＴ的Ｒ、Ｇ、Ｂ空间与ＣＩＥ的标准色度空间的相互转换问题,人工神经网络近年来被广泛应用于多种颜色空间的变换过程中,在分析前人经验的基础上,提出了一种采脾四隐层ＢＰ网的ＣＲＴ的Ｒ、Ｇ、Ｂ与ＣＩＥ的Ｘ、Ｙ、Ｚ色度空间的变换方法,实验结果表明,该方法的收敛性和训练时间均优于前人采用２个或３个隐层的方案,而且通过对５１２个训练样本的实验     

基于通信网络机车分布式系统实时控制的分析与研究

针对基于通信网络的机车控制系统实时性要求及网络传输的可能影响,通过对列车通信网络(TCN)技术特点以及车载分布式控制应用要求的分析,总结了基于网络的实时控制的处理;在分析各个环节的延时成因及影响的基础上,重点对轨道车辆分布式控制系统实时性能进行了分析及研究,得出基于通信网络的实时控制系统必须考虑网络的影响,特别是传输延迟的影响,同时根据应用实践提出了改善基于通信网络的车载分布式控制系统实时性的原理及方法,并进行了测试及验证。     

变频调速系统的有功电流控制方法

提出一种新的交流电机变频调速的方法———有功电流控制方法 ,介绍了根据此方法用智能功率模块IPM和 16位电动机专用控制单片机 80C196MC为核心构成的实用变频系统     

一种自动化密封检测装置的设计与试验研究

为解决低压密封仪器设备密封性能的室内快速检测问题,基于压降法,给出了低压密封仪器的检测原理、判定方法,并通过实验进行了验证。基于该方法,设计了一款自动化密封检测装置,可实现多通道并行实时检测,便于室内操作,方便可靠。     

大规模模拟电路子网络级故障诊断的神经网络方法

本文提出了一种采用双向联想记忆神经元网络诊断法诊断子网络级故障的新方法。在对含不可及节点的子网络级故障诊断的互测试条件检验的基础上，用神经元网络诊断法代替逻辑分析来快速而有效地定位故障子网络，并给出了诊断实例。     

基于谱聚类集成的变压器在线故障诊断

为了提高基于油中溶解气体分析技术(DGA)的变压器故障诊断准确率,本文提出了一种基于谱聚类集成的变压器在线故障诊断(TOFD-SCE)方法.以加权二次抽样算法抽取样本、构建基础谱聚类的样本集,以基础谱聚类学习问题的局部知识;平衡多样性与正确性选择集成成员;集成多个成员谱聚类的结果来提高变压器故障诊断的准确率.传统变压器故障诊断方法基于历史数据建立模型,缺乏在线学习的能力;TOFD-SCE利用历史与在线新增两种DGA数据来训练、修正模型,提高了其故障诊断的准确率.对SSP300000/500型变压器的故障诊断实验结果表明:TOFD-SCE的准确率优于IEC三比值法、BP神经网络法及支持向量机法,验证了其有效性.