三轴姿态控制仿真系统快速自动精确调平方法研究及仿真

基于三轴气浮转台的航天器姿态控制仿真系统在进行地面实验时,往往会受到由于重心与气浮球轴承球心不重合带来的重力干扰力矩的影响,降低仿真实验结果的可信度。该文针对现有调平手段用时长、精度低的问题,提出了一种可以快速自动精调平的方法,该方法利用仿真系统实验的稳态阶段过程动态变化小的特点,可以精确地估计并补偿重力干扰力矩,可为航天器姿态控制地面全物理仿真实验提供近似零干扰力矩的仿真环境。建立了重力干扰力矩的数学模型和基于动量执行机构控制的地面全物理仿真系统的动态系统数学模型,设计了系统稳态控制阶段干扰力矩观测器和补偿方法,介绍了自动调平的硬件机构。最后通过实际仿真实验证明了该方法的有效性。实验结果表明,这种自动调平方法可快速将由重力引起的10mNm量级干扰力矩减小到1mNm以内,满足航天器姿态控制地面仿真的需要。     

基于功率反馈的H桥级联型整流器电压平衡控制算法

提出了一种基于功率反馈的直流母线电压平衡算法,用于对H桥级联型(cascaded H-bridge,CHB)脉冲宽度调制(PWM)整流器的电压控制。建立了CHB整流器基于平均意义下的数学模型;通过数学分析得到了各级整流器稳态工作时有功功率与调制比之间的关系,依此推出基于功率反馈的电压平衡控制算法,并对该算法的适用条件进行讨论;在MATLAB上进行了4级级联的系统仿真,搭建2级级联的实验样机进行实验研究。仿真与实验结果表明:该算法在满足适用范围的前提条件下,能够实现对多级CHB整流器直流母线电压的平衡控制,且保证电流控制性能良好。     

基于功率控制的传感反应网络任务招标策略

针对无线传感反应网络中事件频发区域内执行器节点能耗过大的问题,提出一种基于功率控制的动态任务招标策略.利用拍卖机制,考虑事件发生频率和先验数据,确定2类候选节点数目,其中基本候选节点由任务元数量决定,而冗余候选节点数量由事件发生频率和候选节点不足导致的重新招标次数决定,并利用功率控制技术实现招标范围调整,使得参与事件处理的节点随着事件发生频率而动态变化.仿真实验表明:该策略下任务由多个执行器节点并发协作完成,实时性和网络能耗均衡性都得到改善.     

并行入侵检测系统的动态自适应负载均衡算法

网络入侵检测系统的处理速度难以跟上网络的速度,使用多个分析引擎并行处理网络报文可以大幅度提高网络入侵检测系统的性能。考虑到负载均衡的要求,提出了一种并行入侵检测系统的动态自适应负载均衡算法,该算法给每个分析引擎设置了一个数据包接受区间,通过对网络报文的报头信息做哈希运算,把数据包映射到分析引擎的接收区间内;根据分析引擎的处理能力和负载情况调节各个分析引擎接受区间的宽度,从而合理分配每个分析引擎上的网络流量,充分利用所有分析引擎的计算能力。理论分析和实验结果表明,该算法在高带宽环境中有较高的效率。     

集中式动态负载均衡算法的研究

目前的负载均衡算法中难以探测节点终端的实际负载,导致难以有效地满足负载均衡集群系统实时需求.通过分析集群系统中的资源管理优化技术和负载均衡调度算法,对集群系统的模型结构进行了分析,提出了一种改进的集群系统的负载均衡算法,该算法较好地解决了集群的资源调度问题.     

基于负载均衡的在线云存储流量调度研究

在线云存储流量的调度问题是当前网络的研究热点。针对在线云存储系统中的文件上传请求调度问题,现有方案很少满足为用户提供不同带宽保证这一需求。针对不同付费级别用户要求不同带宽保证的服务场景,设计了基于请求队列长度的最大权重调度机制以及实际中可用的分布式二次随机选择调度算法,旨在实现系统服务器的流量均衡,同时最大化系统吞吐量。证明了最大权重调度机制能够保证系统稳定性,并且最大化系统吞吐量。实验结果表明,二次随机选择算法能够获得接近于最大权重调度机制的性能,较小的时间延迟和较大的系统吞吐量。其性能优于传统的Round-Robin调度算法。     

连续排液式自动平衡头的自适应模糊PID控制算法研究

针对持续注液平衡头系统控制对象的大惯性、非线性、纯滞后等特性,设计了一种改进的模糊PID控制器所设计的控制系统比常规PID控制系统具有较强鲁棒性,系统具有良好的适应能力,其有很好的快速性和很小的超调。     

基于智能DNS的网络负载均衡的研究

在分析传统网络负载均衡技术的基础上,研究了基于IntelliDNS负载均衡的策略,提出了基于IntelliDNS的不同地域实现网络与服务器负载均衡的实现方法并给出了实验结果,研究结果表明:本文提出的基于IntelliDNS和CACHE相结合的方法实现服务器负载均衡是有效的.     

大规模卫星集群网络自适应加权分簇算法

针对平面管理结构在大规模卫星集群网络中的缺点,提出了一种自适应分布式加权分簇算法（adaptive distributed weighted clustering algorithm,ADWCA）,该算法根据卫星网络运行的可预测性,在初始化阶段由地面计算各卫星节点综合权值并划分簇首和成员节点,完成之后上注到星上,之后集群中卫星节点根据邻居及自身信息完全分布式地执行维护进程.仿真分析表明,与最小标识优先分簇算法和最大连接度优先分簇算法相比,该算法生成的簇结构具有更少的簇数量、良好的稳定性,且能够有效均衡簇头节点的负载.      

CWGAN-DNN：一种条件Wasserstein生成对抗网络入侵检测方法

针对现有的基于机器学习的入侵检测系统对类不平衡数据检测准确率低的问题,提出一种基于条件Wasserstein生成对抗网络(CWGAN)和深度神经网络(DNN)的入侵检测(CWGAN-DNN).CWGAN-DN N通过生成样本来改善数据集的类不平衡问题,提升对少数类和未知类的检测效率.首先,通过变分高斯混合模型(VGM)对原始数据中的连续特征进行处理,将连续特征的高斯混合分布进行分解;然后利用CWGAN学习预处理后数据的分布并生成新的少数类数据样本、平衡训练数据集;最后,利用平衡训练集对DNN进行训练,将训练得到的DNN用于入侵检测.在NSL-KDD数据集上进行的实验结果表明:利用CWGAN生成的数据进行训练,DNN的分类准确率和F1分数提升了5％,AUC下降了2％;与其他类均衡方法相比,CWGAN-DNN的准确率至少提升了3％、F1分数和AUC提升了1％.