DiffServ中基于端到端测量的接纳控制

提出了一种新的区分服务(DiffServ)网络中端到端剩余带宽的估计方法,在此基础上建立了Diff-Serv网络的分布式接纳控制机制,通过引入端到端流量测量手段,动态估计网络中可用的带宽资源,从而对到达的流实施有效的接纳控制,提高网络的服务质量。网络仿真实验结果表明,该接纳控制机制在保证网络服务质量的同时能保证较高的网络带宽利用率。     

单通道鸭舵控制对弹药攻角影响的仿真分析

单通道鸭舵控制是弹药智能化的一种重要控制方式.分析了新增鸭舵对弹体产生的力和力矩,建立了基于一对鸭舵控制的有控外弹道模型,推导了鸭舵控制力矩对弹棒攻角的控制方程,研究了两种常用的舵机控制波形对弹体攻角的影响.经仿真对比表明,采用两状态控制波形和三状态的控制波形对弹体的周期平均效果相似,但两状态控制较三状态控制引起的弹丸攻角的摆动幅度更大,震荡过渡时间更长.此结论对于有控弹药控制方案设计提供一定参考.     

基于Q-学习的交通信号控制方法

为了减少车辆通过路口时的延误,采用Q-学习方法对智能体控制的单路口进行信号配时的优化,在模糊控制规则集的基础上,通过Q-学习来改进控制规则的组合,从而达到改善信号控制效果的目的.仿真实验的结果表明,基于Q-学习的信号控制方法优于定时控制、感应式控制和基于遗传算法的信号控制方法.研究说明,基于Q-学习的信号控制方法适合城市交通控制.     

基于遗传算法的交通信号机器学习控制方法

通过对到达车辆数目的模糊分类,将交通信号控制方案以不同规则集的形式实施,根据实际控制效果利用遗传算法对规则集进行改进,形成了一种具有机器学习能力的单路口交通信号新控制方法.经过仿真实验,对该方法的控制效果与定时控制和感应控制进行了比较,仿真实验的结果说明该方法的控制效果明显优于传统控制方式.     

基于谱方法的城市交通信号控制网络小区划分方法

城市交通信号控制系统交通小区划分问题是一个多目标、多约束的NP难题.利用谱方法以相邻交叉口的关联性作为划分依据,提出平分法、按均值划分及按距离划分三种自动划分方法.并提出两个衡量小区划分质量的标准:平均切割权重和模块性,最后分别以计算机生成网络和广州市交通网络为对象,对三种划分进行验证.结果表明谱方法是交通信号控制网络小区划分的有效方法,且三种方法中按均值进行划分的总体效果较好,可以作为交通信号控制网络小区划分的推荐方法.     

基于Stacked-TCN的空间混叠信号单通道盲源分离方法

针对空间互联网星地通信场景中的混叠信号分离精度不足问题, 提出了基于深度学习的堆叠时域卷积网络(stacked time-domain convolutional network, Stacked-TCN)分离方法。首先, 对混合信号提取编码特征表示。然后, 通过时域卷积网络训练得到源信号的深层特征掩模, 将每个信号源的掩模与混合信号编码特征做Hadamard乘积, 得到源信号的编码特征表示。最后, 使用1-D卷积, 对源信号特征进行解码, 得到原始波形。实验采用负的比例不变信噪比作为网络训练的损失函数, 即单通道盲源分离性能的评价指标。结果表明, Stacked-TCN方法与其他4种算法相比, 所提方法具有更好的分离精度和噪声鲁棒性。     

一种基于Agent的单路口交通信号学习控制方法

Agent技术是从分布式人工智能领域中兴起的研究热点，论文将Agent与经验知识和加强学习方法中Q－学习算法相结合，应用到城市交通信号控制领域中，解决单个路口的动态实时问题，通过在仿真环境下的对比，证明该方法具有较好的控制效果。     

感知实时车流信息的VANET路由仿真研究

车用自组织网络利用车辆间通讯来提高道路交通安全和效率,路由协议的性能至关重要。提出一种感知实时车流信息的路由协议,能够不依赖于基础设施,通过挖掘和汇聚车辆位置数据,实现城市道路上的车流密度估算,并给出车流自适应路径选择方法,动态产生及维护由多条道路连成的数据包传递路径。对车辆高密度和低密度场合下的仿真表明,在网络开销没有明显增长的情况下,协议可以获得较好的性能,数据包递送率达到83%以上,平均发送延迟限制在2秒以内。     

目的端控制中继协同ARQ策略研究

提出了一种新的中继协同Rayleigh衰落ARQ策略:基于目的端中断概率的目的端控制ARQ策略.此策略根据性能需求预先设定信噪比门限,由目的端瞬时信噪比是否低于此门限即是否中断决定是否重传.当高于此门限时不需重传,大大减小时延.块衰落下的理论分析和仿真结果表明,源和中继的上行链路质量越差,目的端平均接收信噪比越小,ARQ带来的性能增益越大.     

基于贝叶斯算法的天线端到端优化

在确定天线的拓扑结构以后, 通常需要对天线的结构参数开展反复的优化才能达到设计目标, 快速有效的优化算法有利于缩短天线的设计周期。在建立综合目标函数的基础上, 同时考虑天线的多个优化目标和限制条件, 使用贝叶斯优化算法对天线进行端到端优化。基于在线更新的数据集, 高斯过程估计出目标函数的后验分布, 进而使用获得函数进行迭代。通过两种天线模型对提出的优化算法进行仿真验证, 结果表明, 由于建立了天线参数到综合目标函数的映射关系, 整个优化过程以端到端的方式实现, 与传统的优化方法相比, 所提算法的优化结果和优化速度都具有明显的优势。     

基于启发式搜索和反馈修正的单路口控制方法

结合传统的方案生成式和方案选择式交通控制方法的优点,提出了一种基于启发式搜索和反馈修正的单路口控制方法. 在对交通流的实际控制中通过搜索-反馈修正的过程寻找最优方案,并利用反馈修正监控和应对交通流的时变. 最后通过两组仿真实验, 证明了该方法的控制效果优于定时和感应控制, 并且具有对初始参数和人工维护依赖小, 适应性强的优点.     

基于实时交通信息的城市动态网络车辆路径优化问题

将动态城市交通路网与车辆路径问题相结合, 考虑一类实时交通信息下的城市动态网络车辆路径优化问题. 在问题中考虑常发性交通拥堵和偶发性交通拥堵两种情形. 提出一类将初始路径安排与实时路线调整相结合的求解策略. 初始路径安排通过采用遗传算法求解常发性交通拥堵情形对应的时变网络车辆调度问题得到. 在车辆行驶过程中, 针对偶发性交通拥堵环境下的突发事故情形, 引入一种在关键点更新路线的新机制. 数值算例验证了新实时路线更新机制比目前文献中已有的更新机制更有效, 且随着网络动态性增加其优越性更加明显.     

一种基于信道外推的预编码方法

为了解决多天线(multiple input multiple output, MIMO)系统中因反馈延时带来的预编码码字和信道之间不匹配问题,提出了一种基于信道预测的预编码方法。该方法通过当前时刻和之前两个时刻的信道,利用外推方法,预测未来时刻的信道,使用预测信道,选择预编码码字并反馈到发送端,以补偿反馈延时的影响。仿真结果表明,该方法有效地减小了反馈延时带来的性能损失。     

一种基于agent协调的两路口交通控制方法

智能体(agent)技术是近年分布式人工智能领域的研究热点，文章将其应用到城市交通信号控制领域中．在以Q—学习方法实现单路口信号控制的基础上，采用对策论与社会规则相结合的方法实现了两个路口控制agent(TSCA)间的协调问题．通过在仿真环境下的对比，证明采用该协调方法是有效的．     

单路口交通信号智能控制方法

应用模糊理论和机器学习方法，通过对到达车辆数目的模糊分类，将不同车辆数目到达情况下的信号控制决策方案以规则集的形式存储在知识库中，在交通信号控制过程中使用遗传算法对规则集进行改进．经过仿真实验，对该方法的控制效果与定时控制和感应控制进行了模拟比较，仿真实验的结果说明该方法的控制效果明显优于传统控制方式。     

基于RCMAC干扰观测器的高超声速飞行控制

利用自回归小脑模型神经网络(recurrent cerebella model neural network, RCMAC)良好的非线性逼近能力和自学习能力,结合反馈线性化和反演控制方法,提出了一种自适应非线性控制策略,用于高速再入飞行器控制系统的设计。该方案将RCMAC干扰观测器(recurrent cerebella disturbance observer, RCDO)用于估计系统模型的不确定项,同时采用反演控制方式设计伪线性控制项,并利用符号函数逼近误差的上界,根据Lyapunov稳定性理论设计了权值更新规则,保证闭环系统信号有界。高速再入飞行器的六自由度仿真结果验证了方法的有效性和鲁棒性。     

基于K近邻非参数回归的短时交通流预测方法

采用K近邻的非参数回归方法对短时交通流量进行了预测,考察了模型中关键因素对预测效果的影响.在4种不同状态向量和预测算法组合下的实验方法比较中,以相邻四个时间间隔的流量和占有率数据作为状态向量,并采用带权重的预测算法取得了良好的效果.将利用K值构造的预测区间用于特殊路况的预测中,得到了明显的改进效果.最后,对非参数回归和神经网络的方法进行了比较,结果表明了非参数回归预测方法的高精度和强移植性.     

信号控制交叉口交通行为的简单二维元胞传输模型

一维元胞传输模型无法描述多相位信号控制交叉口上不同方向车辆排队的形成与消散过程,本文建立适用于多相位信号控制交叉口的简单二维元胞传输模型.提出交叉口和连线的简单二维元胞表示方案从微观层面描述交叉口进口道上不同方向的车辆排队,基于Daganzo的元胞传输模型建立简单二维元胞传输模型描述交通流在路段和交叉口上的运行与演化规律.在此基础上,在元胞层面建立信号控制方案评价指标的实时估计模型.算例分析表明,二维元胞表示方案优于一维元胞表示方案,简单二维元胞传输模型的估计精度高于一维元胞传输模型,并且简单二维传输模型能够适用于过饱和交通流.本文建立的简单二维元胞传输模型可用于路网信号控制方案的微观评价.