施釉机器人视觉系统设计

计算机视觉是计算机科学和人工智能的一个重要分支。随着科学技术的发展,其应用研究受到越来越广泛的重视。介绍了在自动施釉生产线中机器人视觉系统的设计。     

CDPD系统中逻辑链路控制的研究和实现

蜂窝数字分组数据（ＣＤＰＤ）系统是基于模拟蜂窝电话网的无线分组数据通信系统。针对无线信道的不稳定因素,研究了ＣＤＰＤ系统中的逻辑链路控制协议方案,并以面向对象的思想为基础介绍了该协议在ＵＮＩＸ操作系统上的开发。通过大量的现场实验,验证了该协议在无线信道条件下的有效性     

无线ATM网络中的快速越区切换

介绍了现有移动通信网络中的越区切换方式,研究了无线 Ａ Ｔ Ｍ 网络中的切换方法,并着重讨论了由于无线 Ａ Ｔ Ｍ 结构的特点所引起的路由重建问题,提出了一种快速有效的切换方法。     

基于移动Agent的校园网络安全管理模型

当前网络系统中涌现了各种各样的安全技术产品,使得系统结构日益复杂,降低了网络系统整体的安全性.本文提出了一种基于移动Agent技术的校园网络安全管理模型.校园网络安全管理模型结合移动Agent技术,充分发挥两者的优势,运用统一的安全策略对网络系统安全进行高效的管理和协调.     

基于CORBA的多Agent分布框架模型ADA

首先指出了目前CORBA存在的问题,进而提出了一种基于CORBA的多Agent分布框架模型ADA,并对其中的关键技术进行了具体分析,该模型结合了CORBA 技术和多Agent 技术的优点,弥补了对方的不足之处,因此该模型具有广泛的适用性和良好的应用前景.在此模型基础上,给出了具体的应用实例,进一步说明了该模型的可行性和有效性.     

移动Ad Hoc网络的仿真框架

利用OPNET，提出一个通用的仿真框架用来测试不同的MAC层、网络层和节点移动性的移动AdHoc网络路由效率。在该层次整体框架下，可以设计不同的节点移动模式、媒体接入方法和路由方案，比较端到端统计量（端到端时延、吞吐量和效率），以筛选最有效、最合适的解决方案。     

基于MPLS的IP微移动性管理技术

因MPLS（多协议标记交换）技术将扩展用于未来移动网络的无线接入子网,于是提出将MPLS和移动IP微移动技术结合。首先分析了MPLS和微移动IP协议相结合研究的动机和两者结合的特点,然后对现已提出的6种典型的基于MPLS的IP微移动性管理技术进行了详细分析,并对这几种方案的性能参数进行比较,指出了各种方案的优缺点。最后给出两者结合方案中几个尚待解决的问题,并在此基础上提出了下一步研究方向。     

基于滑模自适应有限时间一致性算法的微电网二次控制

随着微电网规模日益增大,如何快速稳定完成二次控制目标是一个亟待解决的问题。因此文章首先针对现有微电网中分布式二次控制器的收敛速度问题,提出了一种基于自适应有限时间的分布式二次控制,所提的控制器在不同的场景下,可以通过分布式的方式来获取当前情况下最适合的有限时间控制器的收敛系数,从而加快二次控制的速度。其次针对分布式控制器易受到扰动而无法完成控制目标的问题,设计了基于滑模控制的分布式有限时间控制器来消除扰动影响。然后通过李雅普诺夫函数证明方法分析了所提策略的稳定性和可行性。最后通过Matlab/Simulink搭建仿真模型,在4个不同的算例下验证了本文所提的控制策略的有效性和可行性。     

基于门控宽度模型的结构监测数据预测

随着信息技术的不断发展,机器学习在结构自动化监测中的应用逐渐增长。数据分析与预测作为结构自动化监测的重要一环,是保障结构安全的关键。针对目前结构监测数据预测方法未充分挖掘数据特征和运算时间冗长的问题,提出一种基于门控宽度模型（gated broad learning system, G-BLS）监测数据预测模型。G-BLS在BLS特征节点增加遗忘门和循环反馈门机制,能够控制特征节点提取相关性高的信息。与深度模型相比,G-BLS模型网络结构简单,在保证预测精度的同时大大减少了模型训练时间。实测的地铁基坑沉降数据测试结果表明,G-BLS可有效实现预测监测数据的可靠性与实时性,是一种精准快速的结构监测数据预测方法。     

基于卷积神经网络的钢渣砂图像识别及图像变化规律

钢渣安定性检验是实现钢渣安全资源利用的关键,针对钢渣安定性检测方法的效率低且受到取样代表性不足的问题,提出一种基于卷积神经网络的钢渣砂图像分类模型SE-ConvNeXt。该分类模型针对钢渣砂的图像特征,在ConvNeXt网络中添加通道注意力机制SE-Net（squeeze and excitation network）。相比于原ConvNeXt和其他卷积神经网络模型,SE-ConvNeXt的收敛速度更快,训练过程更稳定,准确率更高。实验数据集采集于蒸汽处理前后的钢渣砂图像,钢渣砂的粒径为4.75-2.36mm和2.36-1.18mm。分别使用两个粒径的钢渣砂图像训练网络,并分析钢渣砂图像变化规律。模型预测两个粒径的钢渣砂图像数据集准确率分别为92.5%、94%,且两个粒级的钢渣砂图变化规律相似,随着蒸汽陈化时间的增加,变化程度逐渐变小,随后图像变化程度趋于稳定。分析粉化率的变化规律,钢渣砂粉化率变化规律与钢渣砂图像变化规律具有相关性,蒸汽处理的钢渣砂可通过钢渣砂图像评价体积安定性。