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.     

RTLinux实时调度算法的改进与实现

为提高RTLinux的实时调度性能,分析了RTLinux的工作原理,针对其现有调度算法的不足,提出了改进的最小裕度优先算法,有效减少了颠簸现象,提高了算法性能.深入分析了RTLinux下ILLF调度器的实现,提高了CPU的使用率,增强了系统调度性能,并通过程序验证和调度器仿真,验证了算法的可行性和有效性.     

远程大数据量下载方法的研究与实现

在进行远程大数据量下载时,UDP协议能提供更高的数据流量,但UDP协议在数据传榆时不具备错误纠正功能和重传机制,不具备传输可靠性保障,可以在UDP协议的基础上对应用层数据进行私有协议的封装,设计出一种新型的私有可靠型UDP协议.并在该协议的基础上创新出针对性的下载机制,可根据不同的网络丢包率自适应触发补发机制或重发机制,实现终端和远程服务器之问的大数据量高速、可靠的传输,最后给出了相关测试数据与分析.     

柔性支撑Stewart平台自适应交互PID隔振控制

为了实现500 m口径球面射电望远镜(five hundred meter aperture spherical radio telescope, FAST)二级精调稳定平台对馈源舱隔振控制的定位和指向精度, 首先提出了基于并联机构学原理的3维机动目标跟踪预测算法, 对柔性支撑Stewart平台的基座运动进行跟踪预测. 进而,在Stewart平台关节空间设计了自适应交互PID控制器, 引入自适应交互算法解决PID参数的实时调整, 以适应柔性支撑Stewart平台的参数变化对不同控制参数的需求. 采用现代机电系统仿真策略, 对柔性支撑Stewart平台隔振系统的动力学与控制问题进行了仿真, 结果表明: 与传统的PID控制器相比, 自适应交互PID控制器大大改善了隔振效果, 完全满足隔振目标的要求.     

激光扫描车身测量传感器靶标识别体系的研究

介绍了四光束激光扫描测量车身三维坐标的系统构成和基本原理,从系统PIN预处理输出的靶标回射信号的特点出发,为汽车车身测量传感器设计了基于条形码识别原理的合作靶标识别体系,最多可同时对27个测量点进行有效识别,确保传感器的精度要求和效率要求,达到了很好的实验效果。     

短期负荷预测Volterra滤波器模型

讨论依据相空间邻近轨道演化相似性的特点构造训练模式,建立短期负荷预测Ｖｏｌｔｅｒｒａ滤波器模型的问题．以距离相似度和趋势相似度来衡量电力负荷吸引子轨道的相似度,提出了电力负荷吸引子邻近轨道判别的新方法．从模型训练充分性的角度出发,探讨了模型训练集规模的选择依据．仿真结果表明该模型是有效的．     

基于OPC的实时数据集成系统

针对目前系统中集成能力、可操作性和可扩展能力等存在的问题,研究了工业自动化中数据集成的关键技术,提出了一个基于OPC和消息中间件的实时数据集成方案,并在此基础上进行了集成平台的实现。通过应用,证明该系统能够大幅提高数据集成的质量和效率。     

SINS/GPS组合导航系统仿真研究

以某载体的规划航迹数据为对象,针对捷联、卫星组合导航系统(SINS/GPS)进行了仿真研究。由规划航迹数据计算出载体的比力和角速度信息,输入至惯性测量器件模型,模型输出激励捷联解算模块,得到惯导系统输出参数;同时对规划数据添加观测噪声模拟GPS测量值。采用相对简单的基于半位置、半速度误差的误差方程作为状态方程,以松耦合方式进行集中式Kalman滤波,给出了SINS单独工作与SINS/GPS组合得到的半位置、半速度误差分布。对各状态的观测度进行了研究,确定了不可观测的状态并给出了部分状态可观测度的时间分布。仿真结果表明,方法正确有效,可对SINS/GPS组合导航系统进行算法验证和方案性评估。     

光电系统对空间目标成像建模仿真研究

对光电系统成像过程进行了建模仿真研究,采用光线跟踪法建立了成像过程的光线跟踪模型;根据线性滤波理论,对系统的各组成单元的调制传递函数进行分析,给出整个系统的传递函数,建立了成像过程的传递函数模型;结合光线跟踪与调制传递函数模型,建立了光电系统对空间目标成像仿真物理模型,给出了仿真流程;最后,进行了成像仿真,结果给出了目标在像面上的灰度分布曲线及仿真图像,验证系统理论传递函数,证明了模型的合理性.     

基于相对距离的改进粗K-means方法

对现有的两种基于绝对距离的粗K-means方法进行了讨论,指出了各自的不足之处。在此基础之上,讨论了用相对距离替代绝对距离的合理性,从而给出了基于相对距离的粗K-means方法。通过对随机数据、Iris数据和文本数据进行聚类效果比较,验证了基于相对距离的粗K-means方法的可行性和有效性。