路由器在广域网中的应用

从路由器的基本原理出发，对路由协议、路由算法进行了全面的分析，并对路由协议、路由算法的选择进行了相应探讨。同时简要介绍了路由配置方法、配置内容及综合测试方法。     

低碳钢和不锈钢圆管轴向冲击碰撞吸能特性研究

针对金属圆管的吸能设计，通过落锤试验和动力显式有限元法对低碳钢和不锈钢圆管的碰撞吸能特性进行了研究。研究发现：轴向冲击下圆管的失效模式分为轴对称模式、过渡模式和非轴对称模式，初始几何缺陷的随机性是产生不同失效模式的原因之一。给出了平均碰撞力的设计公式，最后探讨了采用铝基蜂窝状填充材料对圆管耐撞强度的影响。     

LEO/MEO卫星通信系统ISL网络路由及切换性能研究

为了研究高度不同的卫星通信网络的路由和切换性能,采用Walkerdelta型星座构成两种非静止轨道卫星通信系统,分析和比较了LEO和MEO卫星通信网络构成特点和星间链路的俯仰角、方位角和星间链路长度变化。采用不同的路由策略以满足不同服务质量的要求,分析该策略下的卫星网络性能。设计了一种混合路由策略,综合考虑时延、时延抖动、切换和通信中断4项指标,进而比较不同高度的两种卫星网络应用不同路由策略时的性能。结果表明,混合路由策略上述服务质量的综合指标最优,该策略能够为各种用户提供不同的服务质量,提高卫星通信系统有效性和可靠性。     

基于UML的铁道车辆动力学仿真建模研究

铁道车辆动力学仿真活动包括仿真软件开发和使用软件建模仿真两个阶段。以面向对象的观点和方法重新研究了铁道车辆动力学仿真建模的需求和仿真软件设计。使用统一建模语言UML记录了3D组态动力学仿真建模需求，系统、部件、状态变量三级结构下的动力学计算机制，仿真软件结构和应用领域中重要的类及其关系。实现了一个基于部件影射的6自由度全量非线性的铁道车辆动力学仿真软件。     

基于Matlab的燃料电池汽车动力系统仿真

在给出燃料电池汽车动力系统结构的基础上，基于Matlab软件环境，建立了前向式燃料电池汽车动力系统模型，模型结构和实际的动力系统有着严格的对应关系，各部分模型采用物理分析与数据处理相结合的方法建立。按照一定的控制策略和部件物理参数进行了仿真，仿真结果表明该模型的有效性和合理性，为燃料电池汽车动力系统研究打下了基础。     

固体小运载的制导方案设计与仿真

巨大的小卫星发射市场吸引着国内外竞相研制低成本的固体小型运载火箭。通常的运载火箭是液体，但固体不象液体，其推力大小取决于装药设计，因此不可控，且推力实际值与标称值的偏差也较大，如果发射条件受限制，要约束重量，通常固体火箭耗尽关机，三级也可能自旋稳定，由此带来了制导技术的问题。研究工作较有效地探索了一种固体小运载的制导方案设计问题，进行了算例仿真，作了精度和稳定性的验证研究，结果表明该制导方法可行，稳定性较好，对固体发射小卫星的制导有一定的参考意义。     

CDN内容路由的负载均衡及网络分割算法的研究

CDN(Content Distribution／Delivery Network)技术的产生，是为了给客户提供最佳的内容服务，CDN的实现需要依赖多种网络技术的支持，其中很重要的一项就是负载均衡技术，在两种实现内容重定向功能算法的基础上，对服务器进行负载均衡，分析均衡前后服务器负载情况，并再次对两种算法进行性能比较，详细讨论了网络树的概念，给出了具体的网络分割的算法。     

基于智能蚂蚁算法的路由选择

智能蚂蚁算法已经成功地运用于TSP问题和一系列的离散优化问题．文中分析了智能蚂蚁算法的工作原理．并基于蚂蚁的自组织能力描述了一种新的分布式动态路由选择方法，QoS保证的分布式路由选择算法(DQRA)。DQRA能以并行的方式解决网络中呼叫的时延和带宽分配问题。理论证明此种算法简单，易于实现．能有效地解决大型网络的负载平衡问题。选择Matlab仿真软件对DQRA算法进行仿真，并且比较了当业务要求带宽变化时阻塞率的变化．进一步证明了算法的有效性。     

下一代互联网中的智能QoS组播路由算法

设计了一种下一代互联网中的智能QoS组播路由算法,给定一个QoS组播请求和柔性QoS需求,包括带宽需求、组播端到端延迟区间,延迟抖动区间和出错率区间,寻找一棵QoS组播路由树.提出一种基于演化算法和单纯形算法的混合算法来构造满足上述需求且费用近优QoS柔性组播路由树,兼顾网络负载均衡.仿真结果表明,该算法是可行和有效的,明显优于基于传统遗传算法的QoS组播路由算法.     

基于SIFT的车标识别算法

针对车标识别过程中匹配阈值难、识别速度慢的问题,提出一种基于尺度不变特征变换(SIFT)的特征匹配车标识别算法.利用SIFT算子对图像的视角、平移、放射、亮度、旋转等不变特性进行提取,并采用BP神经网络算法自主选取车标图像特征进行分类、匹配和识别.仿真实验结果表明,简单车标和复杂车标的识别率平均值均达90%以上,该算法识别速度较快、识别率较高,能满足实际应用的需要.