基于CANopen的能馈式供电系统网络控制研究

对能馈式供电变流器多模块并联拓扑进行分析,提出一种基于CANopen的多模块并联方案.通过对系统原理和CANopen协议分析,发现CANopen网络能很好满足系统安全运行及控制性能要求;根据变流器控制原理选取了系统网络控制量,并设计了基于CANopen的系统运行机制;通过建立系统的网络控制模型,分析了网络时延对系统控制性能影响,然后确定了系统采样周期的理想选取范围;最后,通过仿真和试验证明基于CANopen的多模块并联能馈式供电系统网络控制方案的可行性、稳定性和可靠性.     

可进化模块冗余软件混合容错模型

为提高软件的可靠性和生存能力,该文提出一种基于进化计算的可进化模块冗余软件混合容错模型.分析了模块化对可靠性的影响,根据程序局部性原理,将模块分为核心模块和一般模块,采用对核心模块进行软件冗余、对一般模块进行时间冗余的混合冗余方法,在降低冗余规模的同时减少对软件性能的影响;实验结果表明,该文可进化模块模型能有效提高软件的可靠性和生存能力.     

智能网络模块构建交换机新工作机理研究

传统的智能型网络交换机通过对单个数据包的分析进行数据转发及相关处理,在高带宽大数据应用时容易形成数据瓶颈,且硬件解决成本很高,为此,提出开发一款智能网络处理模块,用于交换机端口.该模块对网络端口通过的数据进行镜像取样,对取样的数据组进行分析,然后决定对不同类型数据包的处理,可对数据进行无扰性分析,同时降低了网络核心处理器负载.通过分析证明:基于网络应用的策略优于基于数据包的策略;基于端口的数据处理优于基于核心处理器集中处理的性能.这项技术如果成功地应用到网络设备中,将大幅度地提升网络的安全性和降低控制成本,是网络设备研制的一个新方向.     

基于面向对象的大数据存储模型研究

随着大数据存储需求的不断扩大,网络存储技术面临如何存储并管理海量数据的问题.通过对现有各种大数据存储模型进行了对比分析,针对现有存储模型存储的局限性和大数据存储的特点,提出了一种基于数据特征的面向对象存储思想.采用虚拟类技术设计并实现了一种基于面向对象的大数据存储模型.在仿真环境中,对该模型的分类关键模块与非结构化数据存储性能进行了测试与分析,实验结果表明该模型分类模块误差较小,读写效率较高,而且随着数据的增大,非结构化存储性能保持稳定.     

基于IPv6存储集群网络模块的设计及应用研究简

随着我国网络技术的快速发展,基于核心IPv6(HMIPv6,接入认证是层次型移动)技术设计构建IPv6存储集群网络模块,可以提高网络的整体吞吐量,提升IPv6存储集群网络服务质量,提高网络模块的安全性.实验结果表明:基于IPv6技术设计应用IPv6存储集群网络模块,不仅可以提升网络安全性(提升12%),也可以提高网络模块服务性能(提高20%),满足当前对网络模块设计应用的多样化信息服务需求.该设计基于IPv6存储集群网络模块,能满足网络模块客户需求,提升网络安全性能与服务性能,在实际应用中发挥积极影响.     

基于IPv6存储集群网络模块的设计及应用研究

随着我国网络技术的快速发展,基于核心IPv6(HMIPv6,接入认证是层次型移动)技术设计构建IPv6存储集群网络模块,可以提高网络的整体吞吐量,提升IPv6存储集群网络服务质量,提高网络模块的安全性.实验结果表明:基于IPv6技术设计应用IPv6存储集群网络模块,不仅可以提升网络安全性(提升12%),也可以提高网络模块服务性能(提高20%),满足当前对网络模块设计应用的多样化信息服务需求.该设计基于IPv6存储集群网络模块,能满足网络模块客户需求,提升网络安全性能与服务性能,在实际应用中发挥积极影响.     

基于并联卷积神经网络的运动模糊去除模型

为了提取丰富的图像特征,提出了一种并联卷积神经网络模型．核心支路采用改进级联编解码器模块,在传统编码器路径中引入通道注意机制和塔式空洞卷积模块提取丰富的上下文信息,在模块间引入跳跃连接,以保留图像细节．并行支路采用基于塔式空洞卷积模块的改进递归残差组,在提取充足空间细节信息的同时能够将特征传递到网络深处,保存图像的精细纹理．最后在GoPro数据集和Kohler数据集上评估模型的性能．从实验结果可以看出该模型在主客观评价上都表现良好．     

移动agent在网络管理系统中的研究

随着计算机网络技术的飞速发展,Internet已经渗透到社会生活的各个方面,计算机网络也随着众多新技术的出现呈现出新的发展趋势。在这种情况下,传统的SNMP网络管理逐步暴露出其基于M/A模型的局限性。本文详细研究了移动agent技术,对其概念、特点等进行了介绍。在此基础之上,着重分析了移动agent在网络管理系统中的应用以及基于移动agent的网络管理模型。接下来设计了网络管理系统中的性能管理模块,主要是实现了带有性能管理功能的移动agent以及该agent与SNMP和数据库的交互,最后对该模块做出了理论分析。     

基于RCBAM和SSD的特征融合低照度环境目标检测算法研究

针对低光照、雨雾等恶劣场景对智能驾驶视觉系统检测能力的影响,提出了一种雷达与相机特征融合的网络模型. 基于毫米波雷达信息和注意力模型构建了雷达注意力机制特征模块,该模块可以为特征融合网络提供一个先验信息和增加算法在目标候选区域权重. 测试结果表明,引入雷达注意力机制模块后,特征融合网络的目标检测性能要比仅依赖计算机视觉的检测性能有了明显的提升,并且在复杂场景下的目标检测鲁棒性更强.      

流域虚拟仿真系统实时交互技术研究

流域虚拟仿真系统将数学模型计算与三维虚拟环境相融合,可有效地增强系统的直观性与交互性.通过分析概化流域数学模型的结构特征,在不改变模型原有的结构与计算逻辑的前提下,提出了按时间步长控制数学模型计算过程的方法.采用基于进程的并行算法解决计算速度问题,将虚拟现实模块与数学模型作为独立进程安排在不同的计算核心上执行,模块间的通讯方式选择网络传输.建立了以虚拟现实模块为控制中枢,各数学模型为客户端的系统总体框架,通过基于网络的指令-应答方式实现流域交互仿真功能.基于该框架实现了都江堰工程仿真中的实时交互模拟效果.     

基于小波神经网络的实际业务流预测方法

针对无线传感器网络传输过程中容易受到噪音干扰的问题,提出了一种新的业务流预测算法AWNNP(Ant colony-based Wavelet Neural Network Prediction).该算法首先利用小波变换对业务流进行分解,并将其小波系数和尺度系数作为样本数据.其次,结合蚁群算法和神经网络来训练样本数据,采用小波模型重构进行重构,以此获得业务流的预测数据.同时,通过仿真实验对比,并分析了小波神经网络预测算法和BP神经网络预测算法,实验结果表明,AWNNP算法性能较优,其误差为16.21%.     

基于广义回归神经网络的发动机排放预测

神经网络是当前最主要的智能控制技术之一，它模拟人脑的结构及对信息的记忆和处理功能，具有擅长从输入输出数据中学习有用的知识的特性，发动机性预测是根据发动机结构参数和运转参数估算推测发动机的各种性能指标，因此，可以利用神经网络的学习性的特点，借助针各咱影响汽油机燃烧过程的主要参数对汽油机的非线性影响以网络模型的形式表示出来，文中讨论了如何势开数学模建的方式，选用广义回归神经网络，进行发动机排放特性的预测，应用MATLAB软件工具箱编程，给出了一个汽油发动机的排放特性预测模型的实例。     

基于神经网络PID控制的电液位置伺服系统

针对电液位置伺服系统,利用神经元的自学习、自适应特点,将神经网络与PID控制方法相结合,对电液伺服系统在线边学习边控制,实现系统的快速实时控制。仿真研究表明,该电液伺服系统具有令人满意的静、动态性能。     

基于决策树构造神经网络的方法及应用

基于知识的神经网络KBNN(Knowledge-Based Neural Network)在提高神经计算性能方面效果显著,其构造方法基于已得的规则.利用决策树对数值数据的分割能力和神经网络准确的逼近收敛能力,提出了一种利用C4.5决策树从数据中自动提取规则生成神经网络的构造方法.该方法易于构造、收敛速度快、精度较高,在高速公路路面破损智能识别系统中使用效果良好.     

基于Web的三层C/S模型在网管系统中的应用

通过分析传统的两层 C/ S模型的局限和基于 Web的三层 C/ S模型的优点 ,提出将基于 Web的三层 C/ S模型应用于网络管理系统 ,在原有网络管理系统基础上提供了一种强有力的辅助管理工具 ,使不同层次的网络管理人员能更快、更详细地了解网络运行状况和信息 ,并着重介绍了该模型在本地网网管系统中的应用     

指数趋势预测的BP-LSTM模型

本文根据股指、股价等数据的时序特征将人工神经网络(ANN)与深度学习中的循环神经网络(RNN)引入股指预测,基于BP神经网络模型与长短期记忆(LSTM)神经网络模型构建了BP-LSTM模型.基于上证指数,本文进行了进行数值实验.结果表明BP-LSTM预测模型的准确率相比传统机器学习模型有明显提升,与普通LSTM模型相比也有较大提升.     

互联网安全审计系统在校园网管理中的应用

介绍如何通过网络安全审计系统监控学生网络活动，以及利用预先设置审计策略合理限制学生网络行为，最终达到加强校园网络监管力度的目的．还介绍了我校使用的安全审计系统的经验，希望对校园网管理起到一定的帮助作用．     

一种可用于储层参数预测的基于神经网络的遗传算法

储层物性参数的展布一直是油藏描述的关键问题和难点。在遗传算法与神经网络结构模型相结合的基础上,设计了一种用遗传算法训练神经网络权值的方法,并把这种方法用于储层参数的预测。实验表明该神经网络具有较强的预测能力和实用性。     

一种网络拓扑发现算法的设计与实现

针对网络拓扑自动发现的方法进行了分析，提出了一种新的基于SNMP协议的网络拓扑发现算法。通过一个网络性能管理系统（简称CNPMS）原型对该算法进行了测试，测试表明，该算法是正确和有效的。     

BP神经网络在住宅区片价评估中的应用

针对传统住宅区片价评估方法的不足,将BP神经网络应用于住宅区片价评估,并将其评估结果与回归分析模型结果进行比较,结果表明基于人工神经网络的评估优于回归分析模型,将神经网络模型应用于住宅区片价的评估是可行的。