大容量数据下基于DTN的链路中断优化传输技术

激光或GHz以上的高频链路的应用将导致DTN(Delay Tolerant Network)网络链路数据容量的增大,大容量数据链路的间歇性中断将严重影响数据的传输效率。针对DTN网络中大容量数据链路频繁中断和节点的剩余缓存空间剧烈变化的问题,提出在DTN路由算法上增加拥塞状态预测机制和易中断链路判定机制,根据节点的拥塞程度定义惩罚函数,缓解链路中断和节点资源受限导致的拥塞。仿真结果表明,该机制可以有效提高DTN网络的传输性能。     

H_∞滤波混合优化RBF在SINS动基座传递对准中的应用

为解决SINS动基座传递对准的快速精确问题,将混合优化的RBF神经网络应用于此。首先运用递阶遗传算法优化RBF神经网络的拓扑结构,并对网络其余参数进行全局粗调;在此基础上运用H∞滤波算法对网络其余参数进行在线自适应精调。其计算机仿真结果与扩展卡尔曼滤波比较表明:该算法在精度、实时性方面与扩展卡尔曼滤波相比提高了将近50%。     

校园网安全研究

网络技术不断发展,传输和处理的信息越来越多,试图获取或破坏网络信息的人也越来越多,给网络信息增加了许多安全隐患,校园网更是成了攻击网络和保卫网络的红蓝对抗演练战场,人为的网络入侵和攻击行为使得网络安全面临新的挑战,如何保证校园网安全,成为高校的一项很重要的任务。     

网上电子实验室的设计与开发

详细介绍了＂网上电子实验室＂教学平台建设的框架设计、开发和实际应用。该平台可用于实验教学的各个环节,首先,可用于学员在实验课前的预习和教师对学员预习情况的检查;其次,可用于教师实验课程的辅助教学;再次,学员实验后可通过在线测试检验操作情况;同时,该平台还可满足学员实时预约开放实验、进行师生互动以及开放实验管理等需求。运用该平台进行实践教学效果良好,真正实现了实验室设备资源和教师资源的双重开放,对提高实验课程教学质量起到了较好的作用。     

两级信息融合技术在柴油机故障诊断中的应用

针对传统神经网络在故障诊断中因测点信息多而导致的网络庞大、收敛困难等问题,引入集成神经网络,提高了融合诊断效率;同时引入基于D-S证据理论,这种决策融合方法解决了集成神经网络各个子网诊断结果不一致的问题。在应用于柴油机故障诊断时,首先对测取的正常和故障样本进行小波包AR谱分析,同时提取各个特征频带的能量分别作为集成神经网络对应子网的输入进行诊断,当其无法确定诊断结果时,再运用证据理论进行决策融合输出最终诊断结果。试验证明:基于集成神经网络和D-S证据理论的两级综合诊断模型提高了诊断的准确性和可靠性。     

自动控制系统故障诊断技术的发展与展望

通过将自动控制系统的故障诊断分为基于数学模型的方法、基于信号处理的方法和基于知识的方法三大类进行讨论,得出了故障诊断技术的发展概况与发展趋势。进一步给出了故障诊断技术典型新应用,并指出了故障诊断技术中存在的问题和未来的研究重点。     

银河仿真工作站实时通信技术的研究与实现

对银河仿真工作站与共享内存实时网络的实时通信技术进行了研究 ,介绍了银河仿真工作站与实时网通信的应用程序接口API,并且描述了一个在YHSIM仿真程序中实现与实时网通信的例子 ,最后给出了实验结果。实验证明 ,该技术能有效地用于大规模复杂系统的半实物仿真     

A new importance sampling Monte Carlo method for a flow network reliability problem

The exact evaluation of the probability that the maximum st‐flow is greater than or equal to a fixed demand in a stochastic flow network is an NP‐hard problem. This limitation leads one to consider Monte Carlo alternatives. In this paper, we propose a new importance sampling Monte Carlo method. It is based on a recursive use of the state space decomposition methodology of Doulliez and Jamoulle during the simulation process. We show theoretically that the resulting estimator belongs to the variance‐reduction family and we give an upper bound on its variance. As shown by experimental tests, the new sampling principle offers, in many cases, substantial speedups with respect to a previous importance sampling based on the same decomposition procedure and its best performances are obtained when highly reliable networks are analyzed. © 2002 Wiley Periodicals, Inc. Naval Research Logistics 49: 204–228, 2002; DOI 10.1002/nav.10004     

多目标数据关联的神经网络方法

数据关联是多目标跟踪的关键问题。基于 Hopfield神经网络的 JPDA是解决这一关键问题的有效方法之一 ,但此方法的难点在于优化系数的整定。提出一种改进算法 ,用于解决优化系数在线自适应整定问题。首先重新构造了李雅普诺夫能量函数 ,接着引入变化的优化系数因子 ,并给出了优化系数求解的迭代公式 ;最后对已有和改进的算法进行了仿真研究。结果表明改进的方法和原有的方法相比 ,一方面具有在线整定优化系数的功能 ,另一方面可以获得和原有算法非常接近的估计误差。     

基于前向型神经网络的空袭目标类型识别模型

对防空作战中空袭目标类型识别问题进行了研究 ,给出了进行目标类型识别的指标集 ,并建立了基于前向型神经网络识别模型 ,实例证明该方法是可行的。