用于不连续特征电磁散射计算的新方法

从有限实验结果出发,提出了半实测法,该方法通过合理假设和简单计算,可计算出更多、更复杂不连续特征的散射特性.其基本假设是带有不连续特征的平板的电磁散射可由各部分的散射按相位叠加而成,包括以下三部分:带有不连续特征的平板的散射是由不连续特征的散射与平板的散射叠加而成;多个不连续特征的散射由单个不连续特征的散射按相位叠加而成;不连续特征的散射与其尺寸成正比.该方法可根据有限的实测结果来预估其它情况下带有不连续特征的平板的散射,具有计算效率高、占用内存小、工程实用强的特点.通过对台阶板、缝隙板的半实测法计算验证,证明了该方法的高效性.     

基于观测器的飞机除冰液温度鲁棒控制方法研究

对飞机除冰液温升模型的时变和延时特性进行了分析研究.采用Pade逼近对飞机除冰液加热系统的纯时延特性进行近似,将系统的时延问题转化为非时延问题进行处理.为克服由于飞机除冰作业过程中流量变化所造成的系统模型参数变化,采用基于滑模变结构的鲁棒控制方法对系统模型参数摄动进行补偿.为解决系统状态不可测问题,消除Pade逼近误差对出口温度的影响,采用状态观测器对系统的状态进行估计,并对Pade逼近模型输出误差进行补偿.利用系统不同流量下的试验温升曲线模型对设计的控制策略进行了仿真研究,仿真结果验证了所提出算法的有效性.     

基于RBF网络和ARX模型的液压系统故障诊断方法

提出了基于径向基函数(Radial Basis Function,RBF)网络和有源自回归(Auto-Regressive with Extra Inputs,ARX)模型的液压系统的故障诊断方法.作为一种性能优越的网络分类器,RBF网络比传统的反向传播(Back Propagation,BP)网络表现出更好的分类效果,非常适合于故障特征识别.故障诊断方法首先针对目标故障状态建立 ARX模型,提取 ARX 模型的自回归系数作为故障特征向量.然后将故障特征向量作为RBF网络训练样本,建立RBF网络故障分类器,进一步根据RBF网络的输出结果来判断故障的类型.通过建立挖掘机铲斗部分液压系统仿真模型,验证了于基于RBF网络和 ARX 模型的故障诊断方法的有效性.     

异构网络中基于兴趣感知的聚类缓存策略

为应对移动流量的爆炸式增长,在异构网络中引入缓存成为目前的热点研究方向之一。目前缓存部署策略存在缓存命中率不高、缓存数据冗余度较高等问题,没有充分利用存储资源,直接影响网络的性能。针对以上问题,提出一种基于用户兴趣感知的虚拟聚类协作缓存部署策略来提高缓存系统性能。根据用户距离构造虚拟聚类,依据内容请求因子确定系统缓存内容,采用基站协作缓存以及用户间虚拟聚类方式共享缓存内容,以缓存命中率最大化为目标建立优化模型并通过贪婪算法求解。理论分析及仿真结果表明,在异构网络场景下,跟现有方法相比,所提方法在缓存命中率、系统平均传输时延等性能上均有明显提升。     

客户需求驱动的多层物流网络选址规划模型与算法

构建了一个包括生产商、物流中心、中转点及零售商等4类节点的多层物流网络,并以零售商需求驱动,根据自下而上的规划逻辑,建立了该网络选址规划数学模型及其遗传算法.最后,用一个仿真算例对模型及其算法进行了验证.     

考虑OD需求变异的网络交通流演化模型

考虑到新进入网络的交通需求不了解路径的完备信息,可能随机地选择出行路径,提出一个改进的网络交通流演化模型,并分析了该模型及其不动点的一些特性. 该模型不动点不是传统意义下的用户均衡态或部分用户均衡态,它能更好地反映现实中交通流分配结果. 格子网络上完成的数值模拟结果表明,模型可用来近似刻画实现用户均衡态的过程, 模型中初始可行路径流量可以为零, 交通流能够收敛到不动点, 但可能存在多个不动点.     

改进的低时延全回波Q路由算法

针对传统路由算法不能适应拓扑环境及网络负载变化导致的拥塞问题,提出了一种改进的低时延全回波Q路由算法。改进算法对于原有算法附加学习率因子进行替换,使用调节范围更大、适应性更好、算法性能更稳健的双曲正割算子;改进算法根据不同网络情况自适应地调节学习率,进而提供合理的路由决策。仿真结果表明,该算法可以适应于静、动态拓扑环境,与已有的路由算法相比,改进算法能有效地减少高、低负载时数据的平均递交时间,降低路由间的振荡,提高数据包的投递率,且体现更好的稳健性。     

无线自组织通信中基于前导符号的定时同步

传统的基于自相关的和基于互相关的定时同步算法具有相关峰的旁瓣较宽或对载波频率偏移(carrier frequency offset, CFO)敏感的问题,均无法满足无线自组织通信系统对快速准确的定时同步的需求。针对这一问题,提出了一种新的基于改进互相关的定时同步算法,通过将一个长的相关器拆分为两个较短子相关器的乘积,使度量函数的主峰更加尖锐、次峰更低,理论分析了算法的抗频偏性和计算复杂度。对所提算法和传统互相关算法的蒙特卡罗仿真结果表明,在复杂度相当的前提下,所提算法在检测准确率上具有1.1 dB的性能增益,且对频偏的鲁棒性较好。     

基于MEC的任务卸载和资源分配联合优化方案

面对时延敏感度不同的多种用户,如何有效利用频谱资源和计算资源受限的边缘节点来保障其时延能耗需求成为关键问题。为此,提出了基于移动边缘计算(mobile edge computing, MEC)的任务卸载和资源分配联合优化方案。首先,为最小化卸载任务在MEC的总计算时间,给每个用户分配最优的MEC计算资源。其次,基于时延敏感度、用户满意度和资源块(resource block, RB)质量,引入RB分配算法,以分布式执行。最后,用户通过比较本地计算开销和卸载计算开销做出卸载决策。仿真结果表明,所提算法在满足高时延敏感用户的需求前提下,通过有效地分配传输资源和计算资源,实现了最小的系统开销。     

基于广义梯形模糊数相似度的交叉效率集结

在不确定环境下,针对模糊数据的多样性和复杂性,本文结合广义梯形模糊数相似度理论将广义梯形模糊数的交叉效率矩阵转换为交叉互评相似度矩阵,并根据模糊信息检索系统中的布尔模型,以能最大程度还原信息本身为准则,构建满足"正相容性"的有序几何平均集结函数对交叉互评相似度矩阵进行集结,从而得到关于每个决策单元的同行评价综合相似度.根据决策单元的同行评价综合相似度,建立反映决策者偏好的模糊一致性偏好矩阵,并对决策单元进行集结权重的分配,根据分配结果计算决策单元的全局交叉效率值.本文的集结方法可以解决不确定环境下,交叉效率矩阵数据多样性的问题,有较高的适用性;并且其集结结果具有较高的一致性和稳定性.最后本文以梯形模糊数的交叉效率矩阵为算例,来说明该方法的合理性和适用性.