基于互联网的液压远程控制系统延时预测算法研究

为了解决不确定性变化的网络延时对基于互联网的液压远程控制系统性能的影响 ,在系统中设计了补偿器结构解决网络延时问题 ,同时采用延时预测算法解决网络延时不确定性变化的问题 ,以改善系统的动态性能和保持系统的稳定性 .仿真研究表明 ,采用补偿器结构和延时预测算法能够在保证系统稳定性的同时有效地降低系统的超调量 ,缩短系统的过渡过程 .

基于因特网远程控制的延时预测的改进Smith补偿算法的研究

针对网络延时不确定使Smith预估补偿器的控制效果差的问题,提出了改进的Smith补偿控制算法,通过对控制信息的反馈,起到了动态调整延时补偿时间的效果。仿真结果表明,本控制策略实现简单且具有很好补偿网络不确定延时的效果。

延时预测内模网络控制系统

网络控制系统中存在的随机延时会导致系统的性能变差甚至不稳定.针对该问题提出了时间戳BP神经网络延时预测方法,利用历史延时数据预测下一个时刻的延时值,根据得到的延时预测值,结合内模控制原理进行网络控制系统的设计.延时环节采用Pade一阶展开近似表达法,分析了延时预测对系统性能的影响.仿真结果表明,延时预测精度有保证,系统性能仅受内模控制器滤波系数α和延时预测精度的影响,网络控制系统性能得到了很大的提高.

集群服务器响应延时预测及其负载调度控制

单纯以负载均衡为目标的Web服务器集群调度不仅增加了算法的复杂度,在集群超载的情况下也无法保证服务的质量,而以响应延时为基础的均衡算法则可确保更好的服务质量。综合运用多级模糊系统与人工神经网络,既基于服务器系统的负载状况,又兼顾Web请求文件的类型与大小,对响应延时进行模糊预测,并在此基础上提出了一种基于响应延时阈值的集群服务器负栽控制算法。构建仿真环境对所提出的参数预测及算法的有效性进行了验证。

基于延时预测的模型状态反馈网络控制方法

网络延时的存在不仅会使控制系统的动、静态性能变差,还可能会破坏系统的稳定性,造成既有控制方法的失效。针对带有随机延时的网络控制系统,提出了一种基于网络延时实时预测和系统状态逼近的控制方法。首先,建立无延时的理想控制系统模型作为标准控制系统模型;其次,应用基于隐马尔可夫模型(HMMs)的延时预测算法预测网络延时,该方法能够实时自适应学习,以适应网络负载情况的变化,得到更符合实际情况的延时预测值;最后,根据网络延时的预测值、实际网络控制系统与标准控制系统模型的状态之差,来调整控制信号,从而使实际网络控制系统的状态与标准控制系统模型接近、甚至相等,达到期望的控制效果。数字仿真结果表明,这一方法是可行的,能够获得更加快速的动态性能和稳定的静态性能。

基于响应延时预测的流媒体集群服务器负载调度策略

随着流媒体应用的指数级增长,提高流媒体服务器的性能越发重要。本文提出一种流媒体集群服务器的负载调度策略。综合运用多级模糊系统和人工神经网络技术,对用户请求响应延时进行模糊预测,并考虑节点服务器的流媒体节目前缀缓存和补丁预取技术,提出基于响应延时阈值和请求流媒体节目在节点服务器的缓存情况的负载调度算法,并对该算法进行仿真验证。

基于延时预测的TCP实时视频传输方法

对TCP实时视频传输过程进行分析,指出发送延时是影响基于TCP的实时视频传输端到端延时的关键因素,并可通过其大小来判断视频帧的播放质量;提出一种递阶式马尔可夫预测模型,该模型通过输入视频帧长度、丢包率、网络往返时间和TCP拥塞窗口大小预测视频帧的发送延时,使用NS2(Network simulator 2)进行模拟。研究结果表明:在RED(Random early detection)策略下,可以通过模型的预测值来判断视频帧是否适合采用TCP传输,能为基于TCP的流媒体传输策略提供重要参考。

网络控制系统中考虑动态延时的广义预测控制算法

基于网络控制系统的状态空间统一模型和对网络动态延时的预测,提出了一种预测步数可变的广义预测控制算法,并基于实际对象的数学模型进行了仿真验证.结果表明,所提算法可很好地适应延时波动,且具有较好的控制效果.

基于ARIMA和LSTM的城市轨道交通延时客流预测方法比较

随着我国诸多城市的轨道交通发展从大扩张期过渡到运营期,提升运营效率成为下一阶段的发展主题。北上广深等国内一线城市日益增长的延时运营需求,使平衡城市轨道交通延时运营的时长、成本和运营效率成为精细化运营的巨大挑战。以上海地铁数日数据为例,对刷卡数据进行预处理后,建立基于ARIMA和LSTM的轨道交通延时运营的客流预测模型。然后分别利用全天数据和半天数据,对5和15 min不同时间粒度进行了预测分析。研究结果表明,从整体上看,半天数据相对全天数据普遍均方根误差较小,显示出模型的拟合度较高;从方法上看,LSTM方法比ARIMA方法的均方根误差较小,具有较好的预测效果。研究结果可为轨道交通延时运营中客流预测提供技术支持。

远程控制环境下的网络延时特征

在远程控制环境下,网络是确保被控制对象根据系统的控制指令进行工作的唯一途径,但是从各方实验来看,网络在进行信息传递的过程中必然会产生一定的延时,并直接影响到远程控制信息传递和反馈的质量。为了确保远程控制系统的长远发展,本文针对远程控制环境下的网络延时产生的原因及其特征做了详细的分析和阐释,并提出了一套切实可行的网络延时规避方法,为今后远程控制网络的持续发展奠定了基础。

岛式FPGA芯片布局布线改进的实现

针对FPGA布局过程与布线过程连接松散的问题,开发了一款改进的布局布线工具(IVPR).在布局过程中考虑了逻辑模块的引脚方向,以建立更准确的延迟预测,并预测逻辑模块在布线阶段使用的引脚方向,从而选择合适的延时值,使得布局与布线的结合更有效.针对高扇出线网,在布局过程中加入了线网终端对齐,并在布线阶段优先采用长线连接.以岛式FPGA芯片VS1000为例进行实验,结果表明,与经典的布局布线工具VPR相比,IVPR的电路延时降低了16.4%,布线资源利用率提高了1.9%.

具有后向基音检测的8Kbit/s LD-aCELP语音编码

以降低码率为目的对G.728算法进行改进,提出了一个延迟为2.5ms的8Kbit/s的语音编码算法。算法引入了由最近的历史激励构成的自适应码书和归一化的固定码书的双码书结构。计算增益真值并量化,增益量化时对自适应码书用固定量化,固定码书用自适应量化。码书搜索时先进行后向基音检测,在基音周期T附近对自适应码书进行精细搜索。搜索64个自适应码矢、256个固定码矢和各自8个增益值获得最佳激励,每帧耗费20bit。用平均分段信噪比和感知语音质量评价(PESQ)测试,改进算法编码质量接近于G.728。

基于TMS320VC5402实现双路全双工ITU G.728语音编解码

对G.728编解码算法和定点数字信号处理芯片TMS320VC5402作了简要介绍。并讨论了在TMS320VC5402上实现双路全双工ITUG.728语音编解码的关键技术,包括软件设计方法和算法优化技术。结果表明,所运行的编解码程序,既可以保证良好的语音质量,又有良好的实时性。

MUX-buffer开关互连结构的FPGA芯片I/O互连设计

硬件结构及电子设计的质量是决定FPGA性能的两个重要因素。针对这两个方面,提出了一种通用的FP-GA芯片I/O互连结构,利用"回线"的终端互补原理对各种互连线的悬空终端进行连接。根据所提出的I/O互连结构的特点,在较少编程点的前提下,减少传输管级联个数,对多路选择器和缓冲器进行优化,提出了一种节省芯片面积且速度较快的基于MUX-Buffer结构的布线开关。该结构已在FPGA芯片中实现,对I/O互连的仿真及测试结果表明,所提出的结构及电路实现具有很好的延时可预测性,与常规MUX结构相比,面积-延时乘积降低了10%左右。

沉浸式虚拟现实系统中头部位姿预测方法

为了最小化运动画面延时对沉浸式虚拟现实系统的影响,提出了一种具有运动画面延时抖动补偿功能的卡尔曼滤波算法,用于对用户头部位姿进行预测.首先对运动画面延时进行分析和预测,然后根据头部运动相关性分析结果选择位姿预测方式,并在头部运动建模和位姿预测时分别利用延时预测结果对延时抖动进行补偿.实验结果表明,相比设备原有预测方法,其在一般情况下的姿态预测绝对误差的均值分别减小45.74%、47.25%和40.96%,最大值分别减小11.49%、26.34%和36.79;位置预测绝对误差的均值分别减小35.94%、45.90%和55.81%,最大值分别减小1.05%、25.60%和44.74%.

一种气动静压软体机器人的驱动力产生机理及控制策略

基于复杂刚性结构的传统机器人在狭小多变的空间中活动时,易对机器人本体产生较大磨损与消耗.针对此类问题,本文提出一种新型气动静压软体机器人,降低了机器人通过狭小空间时的阻力,减少运动损耗.在研究海参静水骨骼结构基础上,设计了软体机器人气囊相变结构,分析了气囊充放气的流体静压力学特性,建立驱动力产生的数学模型,从而设计出单单元与双单元控制策略,并利用时间戳BP(反向传播)神经网络对系统的延时时间进行预测,增强内模反馈系统的稳定性.在越障实验与稳定性分析中,加入延时预测后,机器人能在单单元与双单元控制模式下稳定行进,并顺利越过小沟壑,顺利完成六单元翻转的概率从89%提高到96%.