神经网络PID在PLC系统控制中的应用研究

针对传统的PID算法由于难以给出精确的数学模型,使得系统参数设定困难,同时系统控制效果上存在一定的缺陷,造成系统安全性和可靠性降低,系统控制质量不高。为了解决传统的PID算法所带来的问题,提出了基于模糊神经网络的PID算法,将PID算法、模糊控制算法以及神经网络算法相结合,形成了一种智能控制算法。将算法应用在PLC控制系统中,实验表明算法有效的实现了PID参数的自整定,并且提高了控制质量,具有一定的实际应用推广价值。     

基于传感器网络能量均衡分簇算法仿真研究

研究传感网络能量均衡分簇延长网络寿命问题。针对LEACH算法中簇首分布不均及簇首与基站一跳通信能耗大的问题,造成网络簇头的不均匀分布带来的能耗不均衡问题以及簇头的瓶颈等,为了解决上述问题,提出了一种基于能量高效的无线传感器网络分簇路由算法。算法首先在簇头选择过程中利用节点的能量、邻节点数以及每一轮中簇头的个数等参数设置节点当选簇头的优先度,使簇头均匀地分布在网络中;在簇的组建过程中利用能量参数设置簇的重建条件,达到减小簇的重建频率的目的。     

基于组播通信的交通通信网络研究

研究交通通信网络,提高网络的吞吐量和数据传输效率。针对传统的单播组网中通信发送者需要多次复制相同的数据包以满足多个接受者同时提出的数据请求,随着数据请求的增多使得发送者的通信负担加重,造成网络拥塞、吞吐量不高的问题。为了解决上述难题,提出基于组播通信的交通通信网络的组网方法。采用Mesh结构构建交通通信网络的组播模型,使得网络节点之间建立有线或无线的连接,然后利用网络编码算法实现网络间的通信,使得源点只需发送一次就可向多个终点成功传输相同的数据。实验表明,组网方法能够有效解决数据请求过多时网络吞吐量不高的问题,同时提高了数据传输的效率,取得了满意的结果。     

基于遗传神经网络的网格资源预测模型

研究网格资源预测问题,网格资源具有非线性、混沌变化特点,传统BP神经网络具有局部极小、收敛速度慢等缺陷,预测精度较低。为提高了网格资源预测精度,提出一种基于遗传神经网络的网格资源预测模型。利用遗传算法对BP神经网络的权值和阈值进行优化,然后采用BP神经网络对网格资源建立预测模型,最后采用网格资源时间序列进行有效性仿真。仿真结果表明,遗传神经网络有效地解决了传统BP神经网络的不足,提高了网格资源的预测精度,降低了预测误差,十分适合于非线性、混沌的网格资源时间序列预测。     

组合评价方法在煤矿安全风险评估中的应用

研究煤矿安全风险准确评估问题,煤矿生产的复杂性导致煤矿事故的动态性、模糊性和随机性,且影响煤矿安全风险等级指标多,指标与风险等级之间呈复杂的非线性关系,导致传统评估方法的准确率低。为了提高煤矿安全风险评估的准确率,提出一种组合的煤矿安全风险评估方法。首先构建出煤矿安全风险评估指标体系,然后采用层次分析法计算各评估指标权重,且采用模糊方法建立判断矩阵,最后将其输入到BP神经网络学习建立煤矿安全风险评估模型。利用具体数据对模型性能进行了验证性测试。实验结果表明,相比较于其它评价方法,组合评价方法提高了煤矿安全风险评估的准确率,是一种有效的煤矿安全风险评估方法。     

遗传优化的GNNM在瓦斯涌出量预测中的应用

研究矿井瓦斯涌出量准确预测一直是煤矿安全生产中重点关注的问题。煤层瓦斯爆炸因受开发环境、矿层深度、天气等因素的影响,造成与瓦斯涌出量增大而引起的。针对传统预测模型在矿井瓦斯涌出量预测中存在建模困难、收敛速度慢、要求历史数据量大的问题,提出了一种遗传优化的灰色神经网络预测模型。模型利用灰色系统对数据量要求低的特点,将灰色系统理论与神经网络有机结合起来,建立灰色神经网络模型。并采用遗传算法对所建立模型的权值和阈值进行优化。采用模型对矿井瓦斯涌出量进行预测,实验表明,遗传优化的灰色神经网络模型,可以简化系统建模,并能提高瓦斯涌出量预测精度,有一定的实用价值。     

神经网络在工业污水处理建模中的应用

研究工业污水指标在线准确检测问题,工业污水处理是一种复杂的动态生物反应工程系统,具有多变量、非线性等特点,难以建立精确的数学模型,且在线实时检测仪表价格昂贵。从应用工程角度出发,提出将遗传神经网络方法应用于污水指标实时检测,建立污水指标软测量模型。利用一些可测指标与水质指标间的关联关系,通过神经网络进行拟合,并采用遗传算法优化神经网络参数。仿真结果表明,建立的神经网络污水估计模型,可以对污水指标进行实时检测和估计,并为污水在线实时检测提供了新的思路。     

组合模型在降雨量预测中的应用

研究降雨量准确预测问题,降水量的变化既受大气环流、地形、气压、气候带等各种环境因子的影响,降水量的动态特征呈现复杂非线性和各种干扰因素,预测不可能准确。传统预测模型难以对其进行准确预测,预测精度低。为提高降雨量的预测精度,提出一种组合模型的降雨量预测模型。首先采用小波分析将降雨量数据进行分解成线性和非线性部分,然后分别采用ARIMA和RBF神经网络模型对其进行预测,最后采用小波重构线性和非线性预测结果,得到降雨量最终预测结果。仿真结果表明,相对于传统预测模型,组合模型提高了降雨量预测精度,预测结果可以帮助农业、水利部门提高防治旱涝灾害的科学依据。     

一种DVE中通用的因果消息序时间管理分布式中间件

对于遵循高层体系结构(HLA)标准构建的分布式虚拟环境(DVE),时间管理服务的性能将直接影响分布式仿真的效率和正确性。目前的时间管理服务实现了两种消息排序机制:接收序和时戳序。接收序对消息按其接收顺序进行处理,实时性高,但无法正确处理接收顺序与产生顺序相违背的消息;时戳序通常指保守时戳序机制,能对消息按其产生的时间顺序进行处理,但时间开销较大,难以到达DVE的实时性要求。因此,本文以分布式中间件的方式为DVE设计实现了一种因果消息序时间管理服务,提供符合HLA标准的程序接口,使分布式仿真应用在不改变原有调用接口的情况下,能够通过中间件对消息实现因果序时间管理。实验表明,使用该中间件可以有效维护消息的处理顺序,同时时间开销小,能够较好地满足DVE的实时性要求。     

一种应用于城市环境中的车载自组网广播算法

针对城市环境中车载自组网信息发送面临的问题,本文提出一种可靠的车载自组网广播算法。首先,结合节点间的位置信息与移动方向将节点分类,基于距离机制选择中继节点,实现多跳广播;在十字路口处,为解决消息在各个路口进行广播,结合道路拓扑,将节点分为前向节点与后向节点两类;最后,针对车辆密度稀疏状况而出现通信空洞的问题,采用携带转发策略解决,节点主动探测空洞的发生,并验证消息发送方向上有节点进入通信范围,再次进行消息广播。仿真实验表明,算法在数据包延时、数据包成功发送率以及发送单一数据包平均负荷等方面具有较好的性能。