水声网络中生物友好的网关部署优化

海洋哺乳动物与水声传感器网络共享水声信道,导致网络端到端延时增加,数据包投递率降低.针对这一问题,提出一种生物友好的水声网络多网关部署优化策略.该策略以网关作为网络的数据汇聚中心,用统计学方法确定海洋哺乳动物位置,并根据水声信道模型计算生物干扰半径,从而确定生物-网关干扰区域.以最小化网络端到端平均时延为目标,联合整数线性规划和贪婪-交换启发式算法优化网关部署.仿真结果表明:与随机部署和不考虑生物干扰的网关部署方法相比,采用本文策略使端到端时延降低62%和52%,数据包投递率提高36%和19%.     

用于信号检测建模的改进遗传规划算法

在检测信号受到外界强噪声干扰,存在严重的非线性畸变时,难以找到数据的规律性和相应的关系表达式.对于这种检测信号的处理,建立对数据处理的模型及算法是一项重要工作.阐述了用遗传规划进行建模的信号处理方法,并针对实际应用提出对算法的改进.一是用切比雪夫一致逼近作为适应性评价;二是将模拟退火用于参数调整;三是采用分段函数拟合以减少表达式复杂性,并提出了分组进化的策略.     

面向多播请求的虚拟网络嵌入保护算法

针对弹性光网络(elastic optical networks,EONs)中提高虚拟请求的生存性问题,提出一种基于节点关联度的双树嵌入保护DEP-NCD(dual-tree embedding protection based on node correlation degree) 算法.该算法采用预先规划的方法为工作树分配链路分离的保护树,在发生故障时,能够尽快利用网络中的空闲资源,为中断的请求重新选定路径,保证请求能够不间断传输,减少因故障造成的损失,避免对用户造成严重的影响.仿真结果表明,该算法能最大限度地减少资源的使用,避免冗余多播请求在底层光网络中的传输.     

基于改进优化算法的轧机滚动轴承深度学习故障诊断方法

近年来，基于深度学习的智能故障诊断方法在理论研究和工程应用方面都取得了显著的效果，滚动轴承是轧机的核心部件之一，对轧机轴承进行精确的故障诊断能够有效保障轧机装备安全运行与生产效率.当前基于深度学习的故障诊断方法通常训练过程不稳定，模型难以收敛，造成工程应用中随机性强.本文提出基于改进优化算法的轧机滚动轴承深度故障诊断方法，在保证模型诊断精度的同时提升训练效率、模型输出结果的稳定性以及模型相对于参数变化所表现出的鲁棒性，并通过实验台获取滚动轴承的故障数据，使用该方法对数据进行诊断来证明方法的准确性.