带智能预测缓存的物联网标识解析器

针对现有物联网标识解析存在的性能缺陷, 提出一种带智能预测缓存的物联网标识解析器, 以DNS为基础, 支持各种物联网标识编码类型的解析, 并具有智能预测的缓存功能。预测时采用关联规则方法对日志数据进行挖掘, 根据当前的查询请求预测下一个可能解析的标识, 提前解析, 缓存解析结果。同时结合TTL策略以及LRU策略作为缓存置换方法, 具有高效性和时效性。实验表明, 该解析器具有较高的命中率和较小的响应时间, 且当缓存大小为62时获得最优性能。     

基于RBF神经网络的机械臂自适应控制方法

针对机械臂受内部摩擦和时变扰动等不确定性因素的影响,其轨迹跟踪控制系统的跟踪精度会下降,且影响系统的稳定性,提出一种基于径向基函数神经网络的自适应控制方法。首先,利用RBF神经网络采用离线训练和在线学习的方式对机械臂的动力学模型进行辨识;其次针对机械臂控制系统中的摩擦,设计RBF神经网络自适应控制算法对其进行逼近得到补偿控制量。针对时变扰动和神经网络逼近误差设计鲁棒项,以克服众多不确定性因素带来的影响,同时通过构造李亚普诺夫函数对所设计的控制系统进行稳定性分析;最后,仿真实验结果证明提出的控制方法具有较高的跟踪精度、抗干扰能力和较强的鲁棒性。     

复杂系统多智能体不一致性问题的研究

基于复杂环境下的多智能体系统具有不一致性,采用模糊集理论和定义重要度的方法,提出多智能体系系统中各智能体所得结论不一致性的判别算法,在此基础上探讨了调整其不一致性的方法,并通过实例表明,所采用的方法具有较好的效果。     

位置与标识分离的命名和寻址体系结构研究综述

随着互联网的发展,传统TCP/IP网络体系结构的IP地址语义过载问题所导致的移动性、扩展性和安全性等方面的缺陷逐渐暴露出来,并限制了多宿主、流量工程等新技术的发展.针对这一问题,学术界普遍认为需要对下一代互联网的命名和寻址体系结构进行重新设计,将位置与标识分离作为新一代互联网的基本设计原则之一.近年来,涌现了许多基于位置与标识分离的新技术和解决方案.首先对基于位置与标识分离的网络体系结构研究所面临的关键性问题进行了分析;然后对相关研究工作进行了回顾,并对相关代表性研究成果进行了深入评述;最后展望了未来的一些研究方向.     

换流变压器有载分接开关控制系统分析和改进研究

换流变较普通交流变压器有载分接开关操作频率高,随着调压次数的增多,操作不良和故障率也相应增加。结合典型的换流变有载分接开关档位不一致故障,分析有载分接开关档位不一致的主要原因为继电器剩磁,并提出增大继电器恢复时间、对继电器进行去磁处理的改进建议,运行经验表明提出的措施可有效减少有载分接开关滑档出现的概率,提高可靠性。     

内阻不一致对动力电池组温度场的影响

研究电池组的温度场对于电池系统设计和热管理设计具有十分重要的意义.实验研究了18650磷酸铁锂电池单体的基本性能,测量了不同温度和放电倍率下电池表面温升情况.根据实验结果及已有的生热模型和传热模型,利用Fluent仿真软件研究电池单体在不同温度和放电倍率下的温度场.构建了电池组热分析模型,模拟分析了电池组存在单体差异(...     

电池组分段混合均衡控制策略

为了解决电池组由于制造工艺和应用环境的差异所引起的不一致性问题,针对具有电压平台宽、在充放电末端电压变化快这类特性的电池体系,提出了一种基于电压和荷电状态(SOC)的分段混合均衡控制策略。应用MATLAB/Simulink仿真平台,搭建基于双向反激式变压器的多绕组结构的主动均衡拓扑结构,并分别在几种不同的电池组运行工况下验证所提分段混合均衡控制策略的有效性。与采用单一均衡变量的均衡控制策略进行比较,仿真结果表明分段混合均衡控制策略在电池组充电完成或放电结束后能够同时保持电池组电压和SOC良好的均衡效果;所提分段混合均衡控制策略能够更有效地提高电池组的一致性。     

基于系统调用的手机APP能耗漏洞检测

针对传统研究中APP能耗漏洞模型存在尾部能耗与应用对象限制的问题,构建基于系统调用的能耗漏洞模型。首先使用集合交叉递归特征消除法选择影响每个类别APP能耗的重要系统调用作为特征,提高特征细化粒度。然后为每个类别APP构建多个回归模型,通过比较不同模型的平均绝对误差与决定系数,选择线性核支持向量机回归作为分类APP的能耗模型。最后基于测试集比较集合交叉递归特征消除法与交叉递归特征消除法所构模型的平均绝对误差,结果表明集合交叉递归特征消除法所构模型精度最多提高4.4%,同时基于测试集比较分类模型与未分类模型的平均绝对误差,结果表明分类模型精度最多提高6.7%,并且分类模型能准确检测出APP历史版本的能耗漏洞。     

基于相似关系的数据库分类不一致程度评价

作为挖掘算法选择和评价的标准之一,数据集的分类不一致程度一直是分类规则研究中的一项重要内容.然而随着人们对不完备数据集数据挖掘的深入,建立在等价关系上的基于信息熵的评价方法已难以满足实际需要.文中在利用相似关系的基础上,结合证据理论,给出一种基于信任度与似然度的信息粒构建方法,同时构建了类似于不协调度和混淆度的系统分类不一致程度评价方法,并对其相关性质等进行分析与证明.由算例分析可以看出,文中研究结果能够较好地描述缺失环境下的系统分类不一致程度,同时当数据集不存在缺失时,该研究与以往研究具有相同结果.