前向树状紧急疏散网络的自适应性控制策略分析

针对前向树状的紧急疏散网络,提出了一种不需要进行需求预测且具有适应性和强鲁棒性的分散式控制疏散策略.通过分析如何确定典型匝道与快速路交汇点处的最优疏散路线,明确了构建可控疏散网络的基本原则.定义了前向树状紧急疏散网络,并对所构建网络的适用范围和具体风险水平标定处理作了明确说明.针对前向树状网络的典型子结构,给出了可以始终充分利用下游通行能力,且充分考虑上游来流具有较高风险水平特点的具体疏散路线选择及放流策略.在上述典型子结构分析基础上,给出了包括如何逆流向确定路段限制性通行能力、顺流向确定路段最大可行流量以及实时动态调整疏散策略等基本步骤的网络疏散策略.最后,通过一个数值算例,比较了新策略与纯粹上游优先策略、纯粹下游优先策略的运行效率,证明了新的适应控制策略的可行性与有效性.     

基于局部自适应先验MRF模型的快速BP图像分割算法

针对常规MRF分割模型不能有效描述图像的局部特征、常导致图像的过分割现象,提出了一种局部自适应先验的MRF模型。该模型利用图像的邻接区域信息建立了一种局部自适应特征MRF模型。基于提出的模型,建立了一种具有快速收敛策略的区域BP算法对MRF模型的区域消息进行传递,有效解决了区域BP算法的计算量大的问题。实验结果表明,与常规区域BP算法相比,提出的分割方法具有更快的分割速度和精度。     

基于自适应分块的动态场景HDR图像合成算法

通过提出基于梯度上升优化处理的自适应分块算法与基于图像序列梯度域运动检测与去除相结合的方法,自适应调整分块大小及动态区域块的融合权值,最终达到混淆去除的目的.同时,利用Gaussian中心函数窗口滤波,去除在分块融合过程中引入的块边缘不连续性痕迹.实验结果表明,该方法能快速有效地增强多曝光图像融合生成HDRI并去除混淆问题.     

ACE中设计模式在分布式网络服务中的应用研究

以网关应用服务的构建为例,详细探讨如何利用Acceptor-Connector模式来构建分布式网络服务的过程。通过分析其构造过程可知,利用Acceptor-Connector模式可提高程序的灵活性、可扩展性,减少重复开发代码工作量。     

基于Multi-Agent和HLA的口岸物流仿真

针对高层体系结构（ HLA）仿真建模技术的仿真联邦成员缺乏智能性和Multi-Agent仿真方法分布通信协同能力较差的问题。提出了一种集成两者的自适应中间件的方法,通过自适应中间件实现了两者集成的数据转换、通信及控制等功能,并进行实例验证。结果表明此方法在最小改变的情况下保证了集成开发的灵活性及方法的可行性、实用性和可靠性。     

自适应混合多目标分布估计进化算法

针对多目标分布估计算法全局收敛性较弱的缺陷,提出了一种自适应混合多目标分布估计进化算法。其基本思想是:在多目标分布估计算法中引入全局收敛性较强的差分进化算法,当函数变化率较大时,用分布估计算法产生新种群;当函数变化率较小即算法可能陷入局部收敛时,用差分进化算法产生新种群。理论分析和数值实验结果表明,这种混合算法不仅具有良好的全局收敛性,而且解的分布性和均匀性较没有考虑目标函数变化率的混合多目标分布估计算法也有了一定程度的提高。     

高速高机动目标自适应IMM跟踪算法

针对目标运动过程中有转弯机动等复杂运动模式的高速高机动目标,设计了自适应两层IMM跟踪算法。该算法内层由改进的机动目标当前统计模型构成,把目标速度方向角作为伪测量值进行滤波,实时获得目标的角速度和角加速度;外层模型由常速模型和曲线模型构成,把内层模型得到的切向加速度和转弯角速度作为曲线模型参数,利用IMM算法进行滤波。仿真结果表明,该算法对高速高机动目标具有较高的跟踪精度,算法实现简单,具有一定的实际应用价值。     

读写频繁云存储网络应用的数据备份方法

文章根据读写频繁的云存储网络应用的数据存储特点,提出了一种新的数据备份方法,旨在最优化地利用已有的系统资源,为用户提供更好的用户体验。文章中的数据备份方法包括基于数据节点废弃度计算与用户访问预测的副本创建机制和基于存储平衡预测算法与副本健康度计算的负载调整机制。文章的数据备份方法与现有技术相比针对日益流行的社交类云存储网络应用进行了优化,将多种数据参数加权计算作为衡量数据节点优劣和副本文件价值的标准,在保证用户使用体验的前提下使各数据节点达到负载的均衡,并且避免了云服务器端将有限的计算资源浪费在频繁的副本调整过程中。     

Underactuated fingers controlled by robust and adaptive trajectory following methods

Choosing an appropriate control scheme to alleviate nonlinearities and uncertainties is not a trivial task, especially when models are not easily available and practical evaluation provides the only means for actual performance assessment. Various factors can contribute to these nonlinearities and uncertainties, such as friction and stiction. Thus, this article investigates four different control schemes, namely PID, adaptive, conventional sliding mode control (SMC) and integral sliding mode control (ISMC) which are implemented in the Bristol Elumotion Robot Hand (BERUL) to analyse and overcome the aforementioned problems. The hand has five fingers with 16 joints and all fingers are underactuated. The implementation of the proposed control schemes are challenging since the BERUL fingers have significant friction, stiction and unknown parameters. The fingers are light in weight and fragile. Comparative performance characteristics have shown that the ISMC is the most suitable candidate to provide good experimental trajectory following and positioning control for underactuated BERUL fingers.     

Adaptive recurrent neural network control of uncertain constrained nonholonomic mobile manipulators

In this article, motion/force control problem of a class of constrained mobile manipulators with unknown dynamics is considered. The system is subject to both holonomic and nonholonomic constraints. An adaptive recurrent neural network controller is proposed to deal with the unmodelled system dynamics. The proposed control strategy guarantees that the system motion asymptotically converges to the desired manifold while the constraint force remains bounded. In addition, an adaptive method is proposed to identify the contact surface. Simulation studies are carried out to verify the validation of the proposed approach.