鲸鱼优化相关向量机的网络控制系统变采样周期调度

针对资源受限的网络控制系统,提出一种基于鲸鱼优化相关向量机的变采样周期调度算法。通过网络监测模块获取网络带宽与数据传输时间数据,建立鲸鱼优化相关向量机的预测模型,实现对网络带宽及数据传输时间的预测。采用模糊推理计算系统各回路通信带宽的分配权重,进而结合通信带宽及数据传输时间的预测值对各闭环回路的采样周期进行计算,完成采样周期的实时调节。仿真结果表明,在资源受限条件下,所提算法保证了系统的稳定性与控制精度。     

双参数优先级递推式变采样周期调度算法

针对资源受限的网络控制系统,提出了一种基于双参数优先级的递推式变采样周期动态调度算法。计算控制回路的网络需求度和网络紧急度双参数,并以控制回路误差的绝对值建立二次平方根映射函数来确定双参数权重,实现对传感器优先级的调度。同时,综合分析控制回路性能递推动态调节各控制回路的采样周期,在保证控制系统的稳定的前提下完成调度调节。仿真表明该调度算法提高了网络控制系统的控制质量。     

基于支持向量机的有效带宽估计算法的研究

高性能网络设计的关键是对性能参数进行建模和估计的能力，通信业务在网络上传输时，其带宽要求与通信质量密切相关，合理分配带宽能很好提高网络性能，合理分配网络带宽的首要任务是能够根据网络信息的变化，预测带宽使用情况，为此，本文采用支持向量机（SVM）对网络业务流数据进行预测估计，通过训练样本，从而获得样本以外数据的分布规律，在此基础上，设计了一种网络传输有效带宽使用的估计算法，实验表明，该估计算法具有较高的训练效率和很高的估计精确度。     

基于抖动的CAN型网络带宽优化调度

合理调配有限的带宽资源，尽可能地降低网络对系统性能的影响，以满足控制系统动态性能和实时性的要求是网络化控制领域亟须解决的关键问题。结合CAN网的运行特性，提出基于抖动的带宽优化调度算法。在满足控制系统动态性能和网络可调度性条件下，确定网络化控制系统中各控制闭环的最优采样周期和初相，在兼顾周期抖动对控制闭环动态性能影响的同时合理地调配带宽资源，使系统具有较高的带宽资源利用率。     

面向战场多任务网络的等级优先动态带宽分配

为实现空中信息分发平台对战场多任务网络带宽资源的有效管理,在战术互联网资源管理模型中,提出一种等级优先动态带宽分配（classification prioritized dynamic bandwidth allocation,CPDBA）算法。该算法改进了基于网络效能最大化的带宽分配方法,优化了对指数效能业务的调度策略。仿真结果表明,该算法不但能够使相同带宽资源产生更高的任务价值,而且在网络过载时可以确保高优先级业务的服务质量,从而有效解决了多任务网络的链路带宽竞争问题。     

基于PA的卫星网络动态带宽分配在线算法及仿真

为解决卫星网络带宽分配问题,基于离散事件动态系统理论中的PA方法,提出了一种在线算法.该算法把动态带宽分配问题描述为约束优化问题,以一次计算机仿真的数据为基础,通过PA方法求出网络平均延时相对于分配带宽的梯度,以优化网络平均延时为目标,构造带宽约束条件下的迭代公式,在线地分配带宽,有效解决了一般计算机仿真中需要进行多次重复仿真而导致的大量机时问题,克服了一般算法须假定信息流的统计特性的限制.仿真结果表明,该算法能明显改善网络的平均延时性能.     

网络控制系统的主动变采样控制器设计

利用主动变采样周期方法,研究了具有网络诱导时滞和数据包丢失的网络控制系统的H∞控制器设计问题,其采样周期在一个有限集内切换.新提出的主动变采样周期方法能够保证网络带宽的充分利用.在为具有主动变采样周期的网络控制系统设计H∞控制器时,使用了基于线性矩阵不等式的多目标优化方法和基于参数不确定性的方法.仿真结果说明了所提出的H∞控制器设计的有效性.     

基于关联向量机回归的故障预测算法

针对一类故障预测问题提出了一种基于关联向量机(relevance vector machine, RVM)回归的故障预测算法。算法首先采用关联向量机模型对对象历史数据中隐含的故障演化信息进行学习,然后将所获取的关联向量机模型用于对象故障未来变化趋势的预测。预测过程采用多步时间序列预测中的递推计算的思想,并且将每一步预测的不确定性作为下一次预测迭代的输入要素加以充分的考虑。迭代过程中的一些关键量的获取采用了蒙特卡罗采样计算的思想,避免了对关联向量机核函数选取的限制。算法预测输出采用对象系统剩余寿命的随机分布形式,相对于传统预测算法的确定值形式的输出更加符合实际。将所提算法与传统算法进行比较,仿真实验结果证明所提算法要优于传统故障预测算法。     

基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时, 为满足用户动态变化的带宽需求, 虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值, 一定程度上造成了资源浪费。针对这一问题, 提出一种基于混合流量预测的虚拟网络拓扑重构方法, 利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测, 根据流量预测结果进行拓扑重构, 在避免出现乒乓效应的同时节省更多带宽资源。为了提高流量预测算法的精度与效率, 首先采用小波分解方法将流量数据分解为高频的细节时间序列和低频的近似时间序列, 然后利用基于粒子群优化的相空间重构方法, 对该时间序列进行特征提取构建训练样本。之后分别采用混沌模型对细节时间序列进行训练预测, 采用极限学习机(extreme learning machine, ELM)神经网络对近似时间序列进行训练预测。仿真结果表明, 所提的流量预测算法在保证预测精度的同时, 运行时间更短, 预测效率更高, 进而保证了拓扑重构方法可以节省更多的带宽资源。     

混合鲸鱼算法在柔性作业车间系统中的应用

针对柔性作业车间调度计算复杂度高,求解困难的难题,在分析基本鲸鱼算法的基础上,提出一种改进的混合鲸鱼算法,用于求解柔性作业车间调度的最大完工时间最小问题。首先,利用随机二段式编码方式将连续型鲸鱼算法离散化,构造适应生产调度的函数;其次,利用随机规则和混合规则相结合的方式求得初始解,提高种群的多样性;最后,加入变邻域搜索算法,防止求解结果陷入局部最优。通过相关文献中的标准实例,将改进后的鲸鱼算法与标准鲸鱼算法和其他智能优化算法分别进行对比,求解的结果表明改进后的鲸鱼算法在求解柔性作业车间调度方面的可行性和有效性。     

分布式交互仿真中一种新的数据分发管理算法的研究

高层体系结构HLA中的数据分发管理DDM的主要目标是为了尽可能地减少成员收到不需要的数据和流过网络的数据量，以有效地使用系统的通信带宽和处理机的计算能力来满足系统的可扩展性，同时也提高了仿真效率。在对HLA中数据过滤机制深入研究的基础上，提出了一种新的DDM算法：首先利用网格进行区域匹配的计算，其次给当前有公布区域和订购区域重叠的网格单元动态地分配组播地址，最后实现把部分公布数据传递给接收方。仿真结果证明了方法的有效性。     

基于时间反演的上行NOMA系统能效优化算法

为了解决上行非正交多址接入(non-orthogonal multiple access, NOMA)系统在多径环境下传输效率较低问题, 提出了一种基于时间反演(time reversal, TR)的上行NOMA网络资源分配算法。首先, 利用TR技术独特的空时聚焦特性, 增大信号的接收强度。其次, 考虑用户最小传输速率约束和用户最大发射功率约束, 建立了系统能效最大化资源分配模型。然后, 利用分式规划理论和连续凸近似方法, 将所提出的非凸优化问题转化为凸优化问题, 并利用拉格朗日对偶理论求得全局最优解。仿真结果表明, 相较于传统算法, 所提出的算法具有较好的能效。     

Multiple-target tracking with adaptive sampling intervals for phased-array radar

A novel adaptive sampling interval algorithm for multitarget tracking is presented.This algorithm which is based on interacting multiple models incorporates the grey relational grade (GRG) into the particle swarm optimization (PSO).Firstly,the desired tracking accuracy is set for each target.Secondly,sampling intervals are selected as particles,and then the advantage of the GRG is taken as the measurement function for resource management.Meanwhile,the fitness value of the PSO is used to measure the difference between desired tracking accuracy and estimated tracking accuracy.Finally,it is suggested that the radar should track the target whose prediction value of the next sampling interval is the smallest.Simulations show that the proposed method improves both the tracking accuracy and tracking efficiency of the phased-array radar.     

基于自适应灰色预测的虚速率算法

虚速率(VRC)算法是近年来新兴的一种基于速率的主动队列管理算法,本文将灰色预测、自适应控制与虚速率算法三者的设计思想融合起来,提出一种新的基于自适应灰色预测的虚速率算法。将二次型性能指标引入到VRC算法中PID控制器的整定过程中,按照性能指标的负梯度方向修改加权系数,实现了PID的自适应最优控制。同时将自适应PID与灰色预测器相结合,用预测结果代替被控对象测量值,克服了网络时滞和干扰给系统带来的负面影响,并进行了稳定性分析。仿真结果表明,该算法具有优良的性能。     

基于SINS/GPS/DVL组合导航的AUV半实物仿真系统设计

基于导航与控制一体化系统和实时网络技术,设计了一种新的采用惯导、多普勒、GPS组合导航方式的半实物仿真系统,解决了半实物仿真数据传输的实时性问题和时间协调同步问题,进行了控制系统的半实物仿真试验.试验结果表明,所设计的半实物仿真系统导航、控制算法正确,计算精度和解算时延达到系统要求.     

基于MEEMD-PE与CS-WNN模型的网络时延预测

针对网络控制系统诱导时延具有的随机性、非平稳性、非线性等特点，提出了一种基于改进的集总平均经验模态分解（modified ensemble empirical mode decomposition，MEEMD）-排列熵和布谷鸟搜索（cuckoo search，CS）优化的小波神经网络（wavelet neural network，WNN）时延预测算法。首先通过MEEMD对网络诱导时延序列进行处理，分别计算各模态的排列熵值，对复杂度相近的模态进行重组后得到新的子序列，从而达到降低建模复杂度和减少计算量的目的；然后利用CS算法优化的WNN预测新的子序列；最后叠加各子序列预测结果以获得时延序列的最终预测值。仿真表明，该算法具有较好的预测精度，能反映时延序列的总体趋势，可有效地降低异常值影响等优点。