并行计算模型在集群环境下的适应性

分析了并行计算机模型和集群系统的特点，研究了BSP并行计算模型在集群环境下的适应性，指出通过合理地设计并行算法，某些算法在集群环境下可以获得近似线性的加速比，并用常用的线性规划标准形改进单纯型求最优解，在集群系统上的并行算法验证了该结论。     

基于Hilbert变换的非正弦电路无功及瞬时无功功率定义

非正弦电路无功功率及瞬时无功功率尚无统一的定义。文中从传统单相正弦电路功率的另一种表述出发，给出了基于Hilbert变换、适用非正弦单相电路的无功功率以及瞬时无功功率定义。其中，无功功率定义为电压Hilbert变换与电流共同作用产生的平均功率，瞬时无功功率定义为电压Hilbert变换与电流无功分量瞬时值的乘积，而电流无功分量定义为电流在电压Hilbert变换上的投影。该定义满足功率定义的一般要求，具有与有功功率及瞬时有功功率定义相同的表示形式和特性，同时满足方向性和平均性条件。最后通过具体算例验证了其正确性。     

柔性制造系统刀具需求规划问题的研究

以一个刀具移动的柔性制造系统为背景，研究了在刀具购买资金预算下如何规划任务所需刀具中每种规格的刀具数量问题，其目标就是最小化任务的在制时间。我们利用已有文献的结论简化实际问题，给出了求解在制时间和刀具等待时间的递归算法，然后通过增加关键机床上的关键刀具数量来修改中央刀具库中的初始刀具配置，所谓关键刀具就是指“刀具的等待时间之和／刀具成本”最大的刀具，以上过程不断重复直到超过购买刀具资金的限制。最后，我们通过随机产生的问题进行了结果比较，数据结果表明所介绍的算法能给出较优的解。     

基于动态观测器的不确定机器人鲁棒控制研究

针对仅有精确位置测量的机器人系统,在系统参数不确定和有界干扰并存的情况下,提出一种基于速度观测的鲁棒控制方案。在滑模观测器设计中引入补偿项,动态抵消系统偏差对速度重构的影响,确保观测误差指数收敛到有界域。采用Lyapunov直接法设计基于标称模型和观测速度的鲁棒控制律,使系统闭环满足局部一致最终有界收敛。最终以两关节平面机器人的仿真验证了所提方案的有效性。     

相变热图序列中等温线的自动提取

针对相变热图中相变线的提取问题,提出一种新的序列图像分割方法.把原图像序列变换成一组具有关联关系的合成图像,并用合成图像的分割实现相变线的提取.为了消除模型表面的镜面反射取得满足一致性要求的结果,建立特征图像表面的光照模型,并利用协调优化方法获取镜面反射方程的参数.然后采用动态规划得到最优分割结果.该方法能有效消除镜面反射、减小计算量且提高算法的抗干扰能力.通过实例计算得到合理结果,表明该方法的有效性.     

小电流接地故障暂态方向保护原理研究

分析了小电流接地系统接地故障暂态零序电压电流特征。根据线路的相频特性将频率分为不同区段，论证了在一选定的低频区段内，所有健全线路分别可用一集中电容等效；在该选定频段内，故障线路暂态零序电流或无功功率方向与非故障线路相反。据此提出了检测暂态零序容性电流或无功功率方向的暂态方向保护算法。该方法灵敏度、可靠性高，不受消弧线圈和不稳定电弧的影响。实际故障数据验证了该方法的正确性。     

粗糙集CMAC神经网络及其在非线性系统辩识中的应用

提出了一种基于粗糙集规则提取的CMAC神经网络非线性系统辩识策略。该策略利用粗糙集理论对数据样本进行数据浓缩，提取初步的映射规则。对初步的规则通过神经网络进行粗映射，利用神经网络的分类逼近能力，建立输入状态空间到输出空间的精确映射，大大提高了神经网络的收敛速度和逼近精度。通过一个非线性系统对该神经网络进行了实验，结果表明，该神经网络具有分类逼近能力强、计算量小等优点。     

实时信息处理系统体系结构的研究

本文给出了一种利用计算机集群构造实时信息处理系统的新方法.为了达到快速反应中的实时信息处理,本文实现了在RTLinux上构造计算机集群系统,并设计出RTLinux实时集群系统的通用结构,利用RTLinux的实时内核,实现了集群系统的实时通信和负载均衡.     

基于Bhattacharyya系数的由粗到精的核匹配搜索方法

均值漂移算法是一种高效的模式匹配算法.在传统的均值漂移方法基础上,本文针对运动范围较大的目标跟踪问题进行研究,提出一种基于Bhattacharyya系数的由粗到精的核匹配搜索方法.该算法能够有效利用相似性度量函数Bhattacharyya系数在实现对运动目标初始的粗定位情况下,利用均值漂移方法进行迭代求解局部最优值,从而实现目标的精定位,成功实现大范围运动目标的跟踪.实验结果验证该算法在跟踪精度和速度上均优于传统方法.     

一种基于内容的Web集群服务器负载均衡算法

提出了一种基于内容的Web集群服务器负载均衡算法,该算法通过引入一个衡量不同内容任务量井利用当前真实节点上的连接数和请求内容的任务量以及真实节点的处理能力来调整服务器负载。同时,算法引入了一个反馈环节,将真实节点的负载信息反馈到负载均衡器,让负载均衡器调整自己的负载均衡策略,提高它的自适应能力。