基于嵌入式系统的因特网技术的应用方法的研究

嵌入式系统是指嵌入到各种产品或工程应用中,以微处理器或微控制器为核心的软硬件系统,近几年嵌入式系统与因特网技术相结合,形成的嵌入式因特网技术是这些年随着网络时代的到来而发展起来的一项新兴技术,各种电子产品通过植入因特网而变的智能,特别是使用嵌入式网关实现互联,是网络的热点之一,对于8位微处理器或嵌入式TCP/IP协议栈组成的互联网关,在智能家电有一定的价值,本文通过嵌入式系统的因特网技术的构成分析了家用电器组网接入因特网的方法。     

基于模糊神经网络的太湖富营养化评价应用

根据湖泊营养化程度影响因素多,评价因素与富营养化等级间的关系复杂且是非线性的.而神经网络和模糊系统各有优点,研究者将二者结合建立模糊神经网络模型用于太湖营养化评价,当固定学习速率η大于0—1内某一值,将导致网络算法不收敛,因此文中采用自适应调整学习速率,实验表明,该模型具有较快的训练速度和较高的精度.     

基于观察点的信息源定位方法的准确率分析

观察点部署位置与定位准确率之间关系的研究,对基于观察点的信息源定位方法具有重要的意义.从单信息源的信息定位过程入手,首先对理论传播延迟与实际传播延迟进行分析,可知:对于一个指定信息源,观察点间最短路径的差值越大,该点的理论传播延迟与实际传播延迟的相似度就越高.进而分析网络中观察点部署位置与指定信息源定位准确率的关系,得出结论:随着信息源到观察点的距离差之和增加,对该信息源的定位准确率增大.在模型网络上进行仿真实验,实验结果验证了分析结论的准确性.     

嵌入式水电事故预测系统中信息融合的方法

提出了一种嵌入式水电系统事故预测中信息融合的方法利用模糊IF/THEN规则表达专家知识的神经网络学习方法·在以此构造的基于多源信息融合的分类系统中,采用了模糊IF/THEN规则和数字数据·为了处理模糊语言值,提出了一种能够控制模糊输入矢量的神经网络体系结构·该方法能够对非线性实间隔矢量和模糊矢量进行分类     

一种基于模糊判定的融合系统有效性评估方法

为满足对多传感器信息融合系统评估的需要,在综合分析融合系统的基础上,提出了包含性能度量、效能度量、作战效能度量的系统有效性指标集.结合模糊数学理论, 利用均衡平均型算子建立了多层融合系统有效性评估体系,提出较完整的评估方法,并将该方法应用于实际的融合系统中,实现了对融合系统运行有效性的较为全面的评估,为融合系统的设计、融合策略的选择提供了新的依据.实践表明,该方法数学表达清晰明确,便于工程实现,是信息融合系统有效性评估的一种有效方法.     

基于神经网络-模糊推理的目标识别融合研究

为提高复杂环境下多传感器的自适应信息融合能力,提出了一种基于神经网络-模糊推理的信息融合模型,利用神经网络和模糊推理分析传感器探测状态的不确定性,并将其应用于红外成像/毫米波复合制导目标识别的信息融合,识别效果比较理想,可信度有了很大提高。     

基于模糊神经网络的车牌图像识别方法

提出了一种基于模糊神经网络的方法对汽车车牌字符进行识别.该方法首先基于Rough Sets.思想获取初始规则和训练集,基于图像识别目标确定网络结构,通过神经网络的学习算法对网络进行优化.然后根据图像识别的模糊特性,利用模糊神经网络对汽车车牌进行精确的识别.实验结果证明该算法比常规识别算法识别率更高.     

一种基于粗糙集的模糊信息融合方法及应用

将粗糙集理论和模糊逻辑技术结合起来，提出了一种基于粗糙集数据处理的模糊信息融合方法。运用粗糙集的基本理论和简约计算方法，从大量原始数据中发现精简的、概略化的规则，结合模糊逻辑推理建立一致粗糙模糊模型，并提出了对模型进行扩充与完备化的概念。脉动真空灭菌温度控制过程的仿真试验研究结果表明了所提方法的有效性和可行性。     

基于嵌入式WEB服务器动态生成网页的方法探讨

针对传统WEB服务器只能简单提供固定网页,用来动态生成网页的软件都是为大型多用户操作系统实现的,文章介绍了怎样在简单的、低成本的嵌入式WEB服务器上实现网页的动态生成的方法。     

基于多源多层次信息融合的网络安全态势感知方法

针对网络安全态势感知范围局限、信息来源单一及准确性偏差较大的问题,提出了一个全方位整体上感知网络安全态势框架.充分考虑多信息源和多层次信息融合,从3个维度上动态生成网络当前安全状况,准确地反映网络当前安全态势,易于逆向查找异常组件.提出"3σ法则"离散化连续型随机变量方法,对建立适合处理非确定性信息融合的贝叶斯网模型有重要的理论与实践指导意义.最后,利用网络实例数据,对该模型和算法进行了验证,结果表明了该方法的正确性.     

基于深度神经网络-近似线性网络混合模型的电力系统状态估计方法

为提高电力系统实时状态估计的精度和计算效率,解决电网电压波动频发、潮流分布的不确定性剧增等问题,通过提出一种基于深度神经网络和近似线性网络模型的电力系统状态估计方法,研究了其在电网的应用。该方法将混合系统量测数据通过粒子滤波算法得到样本集,利用训练样本训练所提出的混合神经网络模型,最后将测试样本输入已建立的模型中获得系统状态的估计结果。通过IEEE118节点系统进行的负载数据仿真实验表明：基于混合神经网络模型的电力系统状态估计方法不仅能快速进行海量数据训练,还能有效避免过拟合;在实时状态估计的精度和计算效率方面,相较于高斯-牛顿法均有提高。可见所提方法在电力系统实时状态估计方面具有一定的应用价值。     

井下监控系统运行可靠性的一种监测方法研究

研究井下监控系统的可靠性运行状态的监测问题,给出了系统的完整性及完整度的定义,提出并研究基于多传感器信息融合技术的系统完整性监测与估计方法,建立了基于模糊推理方法的系统完整性信息融合监测模型,对于包括众多的,且要求高可靠性的井下分站的监控系统来说尤其重要。     

电力系统状态估计算法的缺陷探究

电力系统的常用状态估计方法有加权最小二乘法估计和快速分解状态估计等。由于受到函数局部单调性和凹凸性的影响,即使给出了离真实根很近的初值,随着每次的迭代,状态估计方法结果将离真实根越来越远。因此考虑到在对目标函数进行极值求解中可以舍弃牛顿迭代法,采用其他的(例如粒子群进化算法)最优化方法进行尝试。     

一种参数不确定性系统的鲁棒状态估计方法

研究具有时变和模有界的参数不确定性系统的状态估计问题。针对目前鲁棒状态估计中不确定性参数仅出现于状态矩阵和输出矩阵的问题，介绍了一种系统状态方程和输出方程的所有矩阵中都含有不确定性参数的状态估计算法。该算法通过求解两个代数Riccati方程的正定解，得到了使得估计过程二次稳定的状态估计器。此算法不但经过了理论证明，而且具体的仿真试验也表明了设计方法的有效性和可行性。     

一种考虑杠杆量测量的电力系统状态估计法

提出了一种考虑杠杆量测量的电力系统状态估计方法。该方法将状态估计与不良数据检测和辩识结合在一起，且采用改进的正交变换法，使其计算效率和数值的稳定性有了明显提高。经实例计算表明，该方法是可行有效的。     

基于SSR子带信息融合的波达方向宽带估计算法

针对SIF方法在进行带宽DOA估计时,共同利用所有频点信息来弥补单个稀疏信号表示向量(SIV)的问题,基于多个频率测量向量的单稀疏表示信号,提出了一种新的子带信息融合算法(SIF).SIF方法属于稀疏信号表示域,它会受到代数混淆和空间混叠2个模糊性因素的影响.组合所有频率成分可以减小这2个模糊性因素的影响,通过SIV对SIF算法进行了弥补.通过大量的模拟仿真结果表明,与W-CMSR算法相比,基于稀疏信号SIF方法的波达方向宽带估计算法具有更加优越的性能.     

基于伪阻抗学习的神经网络状态估计方法

针对反向传播算法收敛速度慢，且常收敛于局部极小值的缺陷，讨论了伪阻抗学习算法；并利用神经网络的学习能力和非线性特性，讨论了非线性动态系统的状态估计方法。     

电力系统状态估计算法研究

对已有状态估计算法进行了分析,并结合实际电网的一些特点,在最小二乘法的基础上,对PQ分解法的病态线路提出了一种新的解决方法,即将电压量测量和功率、电流量测量分解开来进行计算,建立了相应的数学模型。和其它方法进行了比较,认为该方法具有收敛性好、计算速度快的优点。     

基于引力搜索算法的相干信号源DOA估计方法

针对最大似然(ML)DOA估计方法存在着运算量高且容易收敛到局部极值的问题。结合引力搜索算法(GSA)与最大似然方法,提出了一种GSA-ML方法。将最大似然函数作为GSA算法的适应度函数,在遵循ML方法的主体思想同时,利用GSA算法运算量低和收敛速度快的优点,成功地找到似然函数的全局最优解;并保存了ML方法的优点。仿真结果表明,GSAML方法不仅能有效估计相干信号源;并且相比MUSIC、ESPRIT和TLS-ESPRIT算法,拥有更高的精度和估计成功概率。     

电力系统状态估计中的不良数据辨识

文中以电力系统状态估计理论为依据,给出了一种新的不良数据检测和辨识的方法－Hyphthesis状态估计法。