ZigBee网络路径均衡算法在供水系统的仿真研究

研究城市供水系统的高效路径均衡算法。供水系统根据供水请求调控供水路径,在早晚城市用水高峰期供水请求突增,待均衡的供水路径任务骤增加大了均衡计算量,传统方法只选用较少的高层节点作为均衡节点,高层节点因超额的工作量不能承担起均衡任务的突增,造成网络数据传输路径均衡的效率较低。为了解决这一难题,提出基于开销能量的供水系统ZigBee网络路径均衡算法。通过建立供水系统各节点能量消耗代价开销模型,在模型中根据开销能量将路径均衡控制的任务分派到网络的各个节点中共同分担完成路径均衡的任务,避免了只利用少数高层节点均衡而带来的均衡效率不高的问题。仿真结果表明,改进方法能够高效完成供水系统路径的均衡控制,取得了满意的结果。     

平流层验证飞艇横侧向模型辨识研究

研究采用系统辨识方法建立平流层验证飞艇横侧向模型,针对飞行试验中风的扰动和测量噪声明显,对辨识参数的精度有影响。为解决上述问题,提出了采用滤波误差法,辨识稳定微分和控制微分系数的策略,获得飞艇较精确的平飞横侧向模型。首先考虑飞艇为浮力体,质量和惯量受环境影响较大,很难精确测量的问题,将飞艇非线性模型转化为具有稳定性微分和控制微分的飞艇横侧向线性模型,辨识参数不受质量、惯量变化的影响,并采用滤波误差方法,辨识模型的稳定微分和控制微分,可以减小风的扰动误差对辨识精度的影响,最后用辨识模型进行飞行仿真,将仿真得到的数据和实际飞行试验数据进行对比分析,结果表明,辨识得到的模型可以较好地反映飞艇的动力学特性,可为飞艇偏航控制器的设计提供参考。     

均衡化特征匹配的非刚体细胞形态跟踪

提出利用均衡化特征匹配来进行非刚性细胞形体跟踪的方法。采用重启动的随机游走方法建立并求解特征匹配概率模型,利用双向均衡方法对匹配邻接矩阵进行均衡化处理,得到指定目标与待跟踪目标之间的精确匹配,以获得目标的定位跟踪结果。同时利用特征匹配结果进行目标的自动标定,并应用图像分割方法进行目标的精确轮廓跟踪。实验结果表明,将该方法应用于视频中动态背景下的运动细胞形态跟踪时,在背景相似度较高及目标迅速移动的条件下,表现出了良好的性能,与同类方法相比可获得较高的定位精度以及更为准确的目标轮廓。     

植物叶片表面质感建模与真实感绘制研究进展

植物表观的真实感建模是计算机图形学领域的重要研究内容,叶子作为植物最重要的器官,尤其受到广泛的关注。近年来,随着计算机硬件技术和图形算法的快速发展以及对植物叶子生理机理研究的不断深入,植物叶片表观质感建模和真实感绘制的研究取得了很多成果。植物叶片表面光学特性的采集与建模技术是其中的研究热点和难点。从植物叶片真实感质感模型的定义出发,介绍了近年来国内外在植物叶片表面质感建模和真实感绘制方面取得的最新研究进展,并给出详细的分析和总结。最后对该领域研究存在的问题和未来发展方向提出了一些看法。     

深海声速剖面对吊放声纳探测距离的影响研究

关于深海环境下声纳目标探测优化问题,针对传统吊放声纳的下放深度比较粗略,一般是在声道轴处上下一定的范围,并考虑目标可能的深度。简单地确定声纳探测深度,会严重减小声纳的有效搜索距离和搜索范围。利用射线模型仿真研究了深海中不同的声速剖面对吊放声纳探测距离的影响。通过分析深海不同声速剖面中的声传播特性,并对声纳、水声环境以及目标的模型化计算,利用射线模型仿真了几种不同声速剖面情况下吊放声纳的主动作用距离,最后分析了吊放声纳入水深度对深海目标主动作用距离的影响。仿真结果表明,改进方法可找到最佳的探测深度,并能够发挥声纳对目标探测性能,得到对不同环境下目标的最好探测。     

混合语音识别模型的设计与仿真研究

研究语音识别率问题,语音信号是一种非平稳信号,含有大量噪声信息,目前大多数识别算法线性理论,难以正确识别语音信号非线性变化过程,识别正确率低。通过将隐马尔可夫模型(HMM)和SVM相结合组成一个混合抗噪语音识别模型(HMM-SVM)。同时用HMM模型对语音信号时序进行建模,并得到待识别语音信号的输出概率,然后将输出概率作为SVM的输入进行学习,得到语音分类信息,最后通过利用HMM-SVM识别结果做出正确识别决策。仿真结果表明,HMM-SVM提高语音识别正确率,尤其在低信噪比环境下,明显改善了语音识别系统的性能。     

网络蠕虫传播模型的分析与仿真研究

研究网络安全问题,网络蠕虫是当前网络安全的重要威胁。网络蠕虫传播途径多样化、隐蔽性强、感染速度快等特点。蠕虫模型以简单传染病模型进行传播,无法准确描述网络蠕虫复杂变化特点,网络蠕虫检测正确率比较低。为了提高网络蠕虫检测正确率,提出一种改进的网络蠕虫传播模型。在网络蠕虫传播模型引入动态隔离策略,有效切断网络蠕虫传播途径,采用自适应的动态感染率和恢复率,降低网络蠕虫造成的不利影响。仿真结果表明,相对于经典网络蠕虫传播模型,改进模型有效地加低了网络蠕虫的传播速度,提高网络蠕虫检测正确率和整个网络安全性,为网络蠕虫传播研究提供重要指导。     

组合模型在传染病预测中的应用研究

研究传染病预测问题,由于受到外界因素和人体内部因素共同影响,具有不规则变动和非线性动态特点。传染病发生具有季节性、周期性和非规则等变化特点,单一模型只能预测中部分变化特点,预测误差比较大。为降低传染病预测误差,提出一种组合模型的传染病预测方法。首先分别采用ARIMA和LSSVM模型对传染病发生趋势进行预测,然后将两者预测结果输入到LSSVM重新进行学习,最后得到组合模型的预测结果。采用组合模型对某市乙肝发病率进行仿真。结果表明,组合模型降低了乙肝发病率的预测误差,预测结果更加可靠,为传染病预测工作提供新的技术手段。     

基于模糊控制的汽车主动悬架系统仿真研究

汽车悬架直接影响汽车在行驶过程中抑制不平路面对车身的冲击力及车身倾斜度,传统被动悬架遇冲击自动调节能力较差,抗振能力不强,针对上述问题,通过对悬架受力特点分析,建立了1/4车体二自由度主动悬架数学模型,结合自动控制理论,设计车辆的主动悬架模糊控制器,利用MATLAB/Simulink模糊工具箱对其进行仿真,在相同输入的情况下,对主动悬架与被动悬架模型部分性能参数分析比较,仿真结果表明采用此模糊控制器的主动悬架在提高车辆乘坐的舒适性和操纵的稳定性方面明显优于被动悬架。实验证明,研究结果对汽车主动悬架系统的设计具有一定参考价值。     

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。