双弯管法煤粉质量流量检测

双弯管法是一种基于弯管单相流测量原理的气固两相流固相质量流量测量方法,其测量结果与输入参数间非线性关系非常复杂,直接影响其测量精度.在双弯管法固相质量流量测量原理基础上,利用人工神经网络优良的非线性映射能力,建立了一种带有附加动量项的BP神经网络软测量模型,并在气固两相流测量实验平台上进行了实验研究.以实验数据为样本对双弯管法软测量模型进行训练,仿真结果与实验数据一致性较好,测量误差小于6％,为煤粉质量流量实时在线测量提供了一种行之有效的方法.     

基于Gilbert模型的无线传感器网络报文时间相关丢失率推测算法

在用Gilbert模型描述无线传感器网络中报文丢失过程的基础上,提出了一种基于Gibbs抽样的逻辑链路报文丢失时态依赖性推测算法,解决了传感器网络中报文丢失的时态依赖问题.仿真结果与理论计算结果相比表明:算法推测结果可以较准确地反映报文丢失在时间域上的关联关系.     

无线传感器网络拓扑边界辨识算法

在无线传感器网络（ WSNs）中,网络的拓扑特征对于设计网络应用和网络优化具有十分重要的意义。在拓扑特征中又以拓扑边界最为基础,不仅边界本身具有直接的利用价值,而且 WSNs瓶颈辨识、WSNs近凸分块等算法都需要以获取边界信息为前提。提出了一种不依赖地理信息的分布式算法,通过借鉴自然现象热传导的规律和等温线只在边界中断的固有特点,在WSNs这一人工系统中模拟热传导过程,最终成功地辨识了WSNs的边界。     

一种低延时的无线传感器网络MAC协议

针对典型无线传感器网络X-MAC协议在多跳环境下累积延迟问题,提出一种具有低时延的Ex-MAC协议。利用管理邻居节点工作周期和虚通道算法,使得虚通道中的所有节点近似于同步,从而减少数据传输延迟,而且不需要交换同步控制帧。仿真结果与X-MAC协议相比,减少了端到端的延迟和数据包冲突的几率,提高了网络的吞吐量。     

基于类二叉树的圆锥型UWSNs的研究

针对水下无线传感器网络(UWSNs)能量损耗严重,节点分布不均匀无规律等现象,提出以各个水面浮标节点为顶点,构建一种圆锥型UWSNs信息网(传感器节点能根据能量大小而移动),并将其活跃节点与备选节点抽象成类二叉树结构,简化了拓扑控制与路由传递.传感器节点采集信息后,能通过活跃节点沿着类二叉树的右节点传递到浮标节点.通过Matlab实现了算法的性能仿真测试,探讨了同样水深的层数为4,6,8的类二叉树数据包传递率,结果显示:层数越多,传递率越高;将6层类二叉树的圆锥型UWSNs算法和深层路由(DBR)算法进行比较,结果显示,该算法数据包传递率高,能耗低.     

分布式AP选择策略在室内定位中的应用

由于物体遮挡和无线接入点(AP)故障等因素,导致将所有AP节点作为特征输入的定位效果并不一定最优.传统AP选择方法通过比较整体区域的信号特征参数进行选择,并没有考虑不同子区域与AP节点之间的相关性.针对该问题,提出一种分布式AP选择算法,能够有效去除较大噪声和位置分辨能力弱的AP节点.通过将室内区域划分为若干个子区域,并计算子区域与AP节点的相关性,选取相关性优的AP节点作为该子区域的训练节点,最后通过深度置信网络模型进行定位模型训练.实验结果表明:在12m ×12m的区域范围内,该算法平均定位误差为0.4151m,较BP算法、RADAR算法而言,平均定位误差分别降低了35.95％,46.78％,运行时间分别减少了22.8％,32.9％.     

一种基于改进支持度的节能型WSNs数据融合算法

无线传感器网络(WSNs)内有大量的冗余数据,它们消耗了过多的网络能量;目前的数据融合算法对数据彼此间的联系考虑得不够充分,融合精度有待提高.针对上述问题,提出了一种基于改进支持度的节能型数据融合算法.该算法在网络的感知节点根据设定的阈值对采集到的数据进行初次融合,并引入自支持度的概念,与灰色接近度理论相结合改进支持度函数,将改进的支持度函数应用到汇聚节点计算最终的数据融合估计值.使用Matlab进行仿真的结果表明:该算法可节能27.87％,数据融合的温度绝对误差均值约为0.98℃,达到了节能和提高融合精度的目的.     

基于压缩感知的链型无线传感器网络节能数据收集

无线传感器网络(WSNs)中节点受体积、功率、成本等限制而导致了节点能量、生命周期有限的问题.提出一种基于压缩感知算法的无线传感器网络节能优化方法,并结合无线传感器网络中的链型拓扑网络模型,给出基于压缩感知理论的节能网络数据传输模型.通过理论分析比较表明压缩感知方法在节能方面的优越性,然后在得出的网络能耗模型的基础上进行仿真.仿真结果表明:压缩感知方法有效减少了网络能耗.     

基于人工鱼群优化BPNN的AUV目标识别方法

为了削弱复杂恶劣的环境对水下成像造成的不利影响及满足水下机器人目标识别任务实时性的需求,提出了基于人工鱼群算法(AFSA)优化BP神经网络的水下目标识别算法,通过构造组合不变矩对水下目标进行特征提取,提高了目标的聚类性能.引入具有全局寻优能力的AFSA,其在增加单纯神经网络收敛速度的同时避免算法陷入局部最优,进而建立了完整的基于人工鱼群神经网络的水下目标识别系统.在不同的水下目标中对该系统进行实验,通过比较提取的不同的目标图像,结果表明所建立系统具有较优的聚类性能和较高的识别精度.该方法用于水下目标识别是可行的、有效的.     

基于视频图像的火焰多特征检测

根据火灾发生时火焰的颜色、面积变化和火焰的纹理特征,提出一种基于视频图像的火焰多特征检测方法.着重介绍了对采集到的视频图像中的火焰进行颜色、面积变化的分析,并通过BP神经网络进行火焰纹理相似性的识别,以便得到更准确的火焰识别效果.