分簇式ad hoc多播路由的超图法

在大规模的ad hoc网络中,设计分簇式路由算法可以解决节点数目增长带来的可扩展性问题.给出分簇式多播算法的超图模型,提出基于Steiner超树模型的ad hoc多播路由的集中式算法和分布式算法,并对两种算法的复杂度和通信开销做出分析.     

Ad-hoc网络中一种基于表驱动的辅助路由算法

通过研究ad hoc网络中移动节点的通信规律,在传统的三种通信模式的基础上定义了一种新的节点通信模式快速穿行模式,并针对该通信模式提出了一种新的路由算法路由代理算法·在快速穿行模式下,网络拓扑变化频繁,导致大量的系统带宽开销和计算开销,同时较大增长了承载业务的时延·路由代理算法是对当前表驱动ad hoc网络路由算法的补充,它专门针对快速穿行模式中高速节点的路由方法作出了修改,大大降低了由于高速节点快速运动导致的路由更新报文开销·仿真实验结果表明:该算法明显缩短了发往高速节点的数据传输时延,提高了路由的效率·     

自组网络的分簇算法

当自组网络（ad hoc）的规模增大时，控制分组在网络中的传输急剧增多，这大大降低了路由和转发的性能．分簇是提高ad hoc网络可扩展性的重要手段．针对已有分簇算法的缺陷以及静态和动态ad hoc网络的特性，分别提出了新的静态分簇算法SACA和动态分簇算法DACA．其中SACA算法将分簇数量减小到已有算法的大约一半，但不增加簇成员数量，提高了分簇效率，减少了分簇时间；DACA算法将簇间的公共节点数目大大降低，从而有效降低了分簇结构的维护开销，提高了网络运行的效率、路由和转发性能．     

移动ad hoc网络多参数加权分簇算法

网络分簇支持资源空间复用,能增大系统容量;簇头构成虚拟骨干网,能降低路由开销;但簇生成和维护涉及信息交互,会增加通信开销,良好的分簇算法是维持簇稳定的关键。针对移动ad hoc网络,提出一种多参数加权分簇算法。该算法综合考虑节点剩余能量、邻居节点数和节点移动性,分别针对随机步行移动网络和参考点群组移动网络设计不同的节点稳定性参数,在随机步行移动网络中利用剩余能量参数、邻居节点参数和相对稳定性参数加权构成稳定性参数,而在参考点群组移动网络中采用剩余能量参数、邻居节点参数和移动相关性参数加权构成稳定性参数。仿     

移动自组织网中一种平均节点度分簇算法

针对移动ad hoc网络现有分簇算法容易造成通信瓶颈的现象,在最高节点度分簇算法的基础上提出了基于平均节点度的分簇方法,通过选举具有合适节点度大小的节点作为簇头来平衡网络负载,应用Glomosim做的仿真结果显示该算法能较好维持网络的稳定性.     

一种改进WCA分簇广播路由在高速公路环境的应用研究

针对高速公路上车辆节点运动速度快,拓扑结构变化频繁,传统车载广播算法广播覆盖率低、簇结构不稳定,造成网络负载高等缺点.本文在充分研究高速公路的车载自组网络(vehicle ad hoc networks,VANETs)环境的基础上,提出了一种基于权值的HWCA(Highway Weighted Clustering Algorithm)分簇广播算法.该算法通过增加HRSU(Highway Road Side Unit)节点,有效控制了成簇规模,并通过车辆的行驶模型实时确定簇首节点和首尾网关节点,提高网络广播的可靠性.仿真结果表明,在高速公路环境下,HWCA较现有的车载广播算法有更好的广播覆盖率,更低的簇首变化频率,更稳定的簇结构,并有效地降低了网络负载,减小了系统开销.     

VANETs中基于分簇算法的广播协议

针对现有车载自组织网络(vehicle ad hoc networks,VANETs)中广播消息不能及时传输的问题,提出了基于分簇算法的广播协议,并提出了一种基于多权值的分簇算法.该算法综合考虑了车辆节点度数、链路剩余时间和信道的信噪比等因素.在该分簇算法的基础上,基于车辆消息的紧急程度,对现有802.11p协议中的退避算法进行改进.仿真结果表明,基于此分簇算法的广播协议,能够有效地减小广播消息的传输时延,增大广播消息的吞吐量和时隙利用率.     

Ad hoc网络按需加权分簇算法及其性能分析

该文在分析Ad hoc网络两种典型的分簇算法的基础上,综合考虑节点度,节点的能量和移动性等多方面因素,提出了1种适用于Ad hoc网络的按需加权分簇算法.采用按需策略作为簇结构的维护策略,提高了网络体系结构的稳定性,减少了计算和通信开销.仿真结果验证了此种分簇算法的优越性.     

Ad hoe网络按需加权分簇算法及其性能分析

该文在分析Ad hoc网络两种典型的分簇算法的基础上，综合考虑节点度，节点的能量和移动性等多方面因素，提出了1种适用于Ad hoc网络的按需加权分簇算法。采用按需策略作为簇结构的维护策略，提高了网络体系结构的稳定性，减少了计算和通信开销。仿真结果验证了此种分簇算法的优越性。     

基于分簇的传感器网络异常检测算法

针对传感器网络中集中式异常检测算法能耗过高的问题,提出了基于分簇的传感器网络异常检测算法.对网络进行分簇,簇内节点将采样数据传至簇头,簇头节点保持节点的部分历史数据并进行节点间相似性比较,没有达到给定支持度的数据就是异常数据.对于异常数据可以直接丢弃,不用传回基站以节约能量开销.该算法在网内对传感器网络进行数据处理,避免将所有采样数据传往基站.实验结果表明:该算法可以有效节约节点能量开销,延长传感器网络生命周期.     

对虚拟专用网的分布式分层诊断算法

提出了基于虚拟专用网的一种新的分布式分层系统级故障诊断算法。这种算法通过对各个子网的分布式诊断，并通过IPSec协议使各子网间诊断信息得以可靠无误交换，完成整个系统的故障诊断，提高了系统的可靠性，对传统诊断方法与现代网络技术结合，提供了新的思路。     

基于聚类和模糊神经网络的故障诊断

模糊神经网络能够发挥模糊逻辑和神经网络的特性,在武器装备的故障诊断中应用越来越广泛。文中提出了一种基于聚类和模糊神经网络的故障诊断模型,该模型首先通过基于关系度的聚类方法得到模糊神经网络的初始结构,并用梯度下降法对网络的参数进行修改,以得到泛化能力好的诊断网络。仿真结果表明该模型是有效的。     

一种新的遗传算法及其在变压器故障诊断中的应用

提出了一种新的遗传算法,其基本思想是:以网络权重和偏差的实数形式作为基因构成染色体向量,采用基因多点交叉和动态变异进行种群最优选择.研究结果表明,这种新的遗传算法是一种随机优化算法,克服了梯度下降法的不足,能够自动调节网络参数、网络的连接权重和偏差.在此基础上设计出一种基于遗传算法和溶解气体分析的变压器故障在线诊断系统.该系统只要将传感器测出的变压器中线圈电流、特征气体的含量作为输入参数,就能对信息进行融合分析,得到输入变量(线圈电流、溶解气体含量)与输出结果(故障类型、程度和部位)的复杂对应关系;能有效地减少输入层神经元的个数,改进网络内部结构,提高神经网络模型的学习效率和诊断的准确率,诊断精度高,漏报少,无误报现象.     

差分进化网络在滚动轴承故障诊断中的应用

针对滚动轴承故障诊断问题,在分析传统的误差反向传播(BP)算法、莱文伯格马夸特(LM)算法等经典人工神经网络训练方法的基础上,提出了差分进化训练算法。在选取差分进化策略时,取消了变异个体选取限制,从而加快了算法收敛速度。采用不同故障部位和程度的滚动轴承故障实验数据构成样本集合,并分别运用最速下降法、LM算法和差分进化算法对相同结构的人工神经网络进行训练,对比分析其故障分类性能。实验结果表明,差分进化算法能较好地识别滚动轴承故障,准确度较高,总体上与LM算法相当,且其在多次实验中故障识别率的最大值与最小值差别较小,具有较好的稳定性,同时该算法避免了LM算法存在的"过学习"问题。     

基于RBF网络的旋转机械故障诊断方法

针对BP网络在故障诊断中存在的训练收敛速度慢且容易陷入局部极小、网络初值对学习性能影响比较大等缺陷,提出了一种基于RBF网络的故障诊断方法,介绍了RBF网络的结构和自适应正交最小方差算法（SROSL法）,并应用于旋转机械的故障诊断中,应用结果表明,RBF网络训练速度快、分类性能良好,在设备故障诊断领域具有很好的实用性。     

一种新的高阶前馈神经网络及其在旋转机械故障诊断中的应用

剖析了基于 BP神经网络和径向基函数网络的故障诊断模型的诊断性能和应用中的局限性 ,针对这些诊断模型的局限性 ,提出了基于椭球单元 (Ellipsoid Unit)高阶网络的诊断模型 ,并对网络训练算法进行了研究 ,提出了基于模糊聚类算法的网络权重初始化方法和网络动态训练策略 ,有效地改善了网络的学习性能和诊断性能 ;最后对该网络在旋转机械故障诊断中的应用进行了研究。结果表明 :比之经典前馈网络 ,椭球单元网络在故障分类方面因其能形成封闭有界的决策区域而具有明显的聚类的优越性和分类的合理性 ,很适合故障诊断领域的分类问题     

基于小波网络的非稳态故障诊断方法

针对现有ＢＰ网络在故障诊断中存在的缺陷,提出了利用小波函数构造故障诊断神经元网络,利用变尺度算法进行网络训练,加快了网络的训练速度。并交结果运用到一个ＣＳＴＲ非稳态故障诊断的过程中,仿真实例表明,小波网络较ＢＰ网络具有更好的故障诊断能力。     

基于DSP的交流电机故障诊断

交流异步电机是广泛使用的能量转换装置.对鼠笼异步电动机的常见故障进行分析及诊断,提高电机故障的监测诊断水平,具有重大实用价值.本文应用小波包-神经网络算法实现了基于DSP的交流电机故障诊断.利用小波包分解算法提取出电机故障特征向量,并针对轴承和偏心故障特征,提出对数故障特征向量的算法.将故障特征输入基于任务分解的神经网络,实现基于DSP的电机定子、偏心以及轴承故障诊断.     

利用人工神经网络的故障诊断的模糊分类

针对基于方法的模糊逻辑和传统的神经网络在故障诊断中各自所具有的不足,提出了一种可行的方法,即在使用ＢＰ算法的神经网络中,输入矢量由故障症状的隶属度值组成,而输出矢量由该症状相对于各故障原因的隶属度值组成,将该方法应用于雷达设备的故障诊断,得到了令人满意的结果。     

基于蚁群算法的故障识别

提出了一种新的基于蚁群算法的故障诊断知识获取算法。该算法将故障诊断中故障的识别分类问题转化为求解带约束的最优化聚类问题,并应用改进的蚁群算法,基于群体的协作与学习求解这一聚类问题。将该方法应用于一化学反应器的故障诊断过程,结果表明该算法具有实现简单、收敛速度快、本质分布式并行性、鲁棒性强以及故障识别结果可靠等优点。