基于PLC控制器的医院网络通信故障自适应监控系统

传统的医院网络通信故障监控系统未对故障警报信息进行分类,通信故障点定位不准确。为此,提出基于PLC控制器的医院网络通信故障自适应监控系统。采用BP网络对医院网络通信故障警报信息分类处理,通过人工神经网络对医院网络通信故障数据进行训练,依据BP神经网络计算动量项、速率以及抽象处理等不同的数据训练结果,对故障点定位分析。构建以UPnP技术为核心设计系统网络构架,为系统提供有力的实时数据支持,实现大数据量的远程实时在线监测。结果表明,所设计系统监控故障监控时延较短,能够实现故障精准定位,能够快速发现故障并及时报警。

基于局部差分隐私的通信网络敏感数据安全传输控制

当前通信网络敏感数据安全传输控制方法存在节点布设合理性不佳,传输控制效率较低,控制配准度较低等问题.为此,提出基于局部差分隐私的通信网络敏感数据安全传输控制方法.依据实际的传输控制需求,设定初始传输控制指标;采用多阶方式,提升整体的传输控制效率,利用局部差分隐私方法对多阶传输控制节点进行部署,并计算控制可信度,构建通信网络敏感数据传输控制模型,采用自适应通频对传输控制结果进行修正,实现传输控制处理.实验结果表明,设计方法的敏感数据传输控制配准度均可达70%,说明此种方法对数据传输质量较高,针对性更强,传输控制效果更佳,具有实际的应用价值.

一种多控制器的网络服务器集群负载均衡调度策略

为提高网络服务器集群中心宽带利用率、降低网络访问及传输时延,文章提出一种基于SDN的多控制器负载均衡调度策略。首先,构建多控制器的网络服务器集群负载均衡调度的总体框架,通过转发层采集网络交换设备的状态信息;然后,在多控制器单元生成全局网络视图,采用自适应网络大小流进行调度,以提高网络及传输时延为目标构建网络服务器集群负载均衡调度策略模型。最后,控制器单元更新流量表并对OpenFlow交换层设备进行更新,以实现网络服务器集群中心的网络负载均衡。

基于行内局部性的内存控制器端预取

本文提出一种基于行内局部性的内存控制器端预取。采用位图的数据结构记录行内每个数据块的状态;并且对每一行进行区域划分,量化每个区域的访问局部性;根据区域内的局部性高低决定预取的激进程度。对于局部性较低的区域,预取区域内未被访问过的数据块;对于局部性较高的区域,同时采用跨区域的预取。通过动态调整区域规模的大小来适应局部性程度的变化。上述预取方法在龙芯3A6000处理器上实现并评测,评测程序采用SPEC CPU2006访存密集型应用。评测结果显示本文的预取方法将每周期指令数(IPC)平均提升6.51%,将单线程IPC最高提升46.80%(bwaves),将双核四线程IPC最高提升26.22%(lbm)。

基于局部模型网络的主汽温阶梯式动态矩阵控制

火电厂主汽温系统的大惯性、时变性和多扰动等特点导致采用传统串级PID控制难以取得令人满意的控制效果。为了克服传统控制方案的缺陷,提出了一种基于局部模型网络的多模型阶梯式动态矩阵控制算法。首先,通过引入阶梯式策略有效解决了原始动态矩阵控制算法固有的矩阵求逆问题;其次,通过引入扰动前馈补偿,提高了主汽温系统的抗扰动能力;最后,针对不同工况下动态特性大幅度变化的主汽温对象,设计了基于局部模型网络的多模型阶梯式动态矩阵控制器。仿真结果表明,相比于传统控制算法,所提算法明显提升了主汽温系统的全局设定值跟踪性能、抗扰动性能和鲁棒性能,可以满足火电机组主汽温的控制要求。

基于自适应通信网络的液压支架电液控制器设计与应用

随着煤矿智能化开采技术的不断发展和进步,各类传感器、控制器等智能设备需要采集和传输的数据量越发庞大。液压支架电液控制器在收发数据出现通信延迟或者数据丢失时会对液压支架的运作控制产生干扰,甚至会产生不可估量的损失。为了解决液压支架电液控制器之间的数据通信问题,提出了基于以太网通信技术、CAN总线通信技术和无线通信技术的自适应通信网络技术,并应用于液压支架电液控制器的设计与数据的通信。该自适应通信网络算法实现了对各数据传输网络的实时监测与最优数据传输网络的自适应选择,可有效提高液压支架电液控制器之间的数据通信可靠性。

“可编程控制器”课程网络教学资源建设与应用

在“可编程控制器”课程网络教学资源建设与应用过程中,要深入分析课程教学内容结构,了解学生实际学习情况,以此利用网络技术获取教学资源,通过对网络教学资源进行整合与提炼,制作高质量的能够满足教师教学需求和学生学习需求的教学资料,发布在已建设的教学平台。在课程实践教学活动中,通过设计多样的教学方式引导学生应用教学平台进行学习,加强学生对教学内容的理解和掌握,提高学生学习效率,促进课程教学信息化发展。

基于控制器局域网络技术的火电厂电气监控系统设计

随着电力行业的快速发展,电气设备在火电厂中发挥着越来越重要的作用,火电厂电气设备的安全稳定运行对保障电力供应具有重要的意义。文章基于控制器局域网络(Controller Area Network,CAN)技术,设计了一种适用于火电厂电气监控系统的解决方案。该设计利用CAN实现气设备之间的高效通信和数据传输。CAN作为通信媒介,连接各个电气设备,包括发电机、变压器、开关设备等。通过这些设备可以实时传输监测数据和控制命令,从而实现对电气设备的实时监控和控制,提高火电厂电气监控的可靠性、实时性以及安全性。

储能云网节点控制器网络安全防护技术研究

储能云网作为连接各类储能资源和电网的重要枢纽,其节点控制器的网络安全直接关系到整个能源系统的安全与稳定,因此研究并发展新的网络安全防护技术对于保护储能云网节点控制器免受网络攻击具有重要意义。本文主要探讨储能云网节点控制器网络安全防护技术及防护策略,旨在增强储能云网节点控制器的安全防护能力,为保障储能系统的网络安全提供更有效的技术支持和策略指导。

对称NARMA-U模型及其神经网络自校正控制器

带预测误差补偿的改进NARMA-L2模型是由NARMA模型在自适应滤波动态工作点处一阶泰勒展开逼近得出的,在自适应滤波动态工作点处二阶泰勒展开逼近可得到对称NARMA-U模型,采用BP神经网络辨识对称NARMA-U模型参数,提出一广义目标函数,基于对称NARMA-U模型的非线性系统的神经网络自校正控制器,应用直接极小化指标函数自适应优化算法对BP神经网络连接权重值进行在线学习。仿真研究表明算法的响应优良。

基于GA_BP遗传神经网络优化PID控制器参数研究

作为一种重要的控制技术,传统PID控制器具有设计独特、运行机理精准以及出色的可靠性等优点,被广泛应用于工业控制领域。但PID控制器存在参数整定困难,在面对复杂的非线性系统时会出现控制效果不理想等情况。针对以上问题,提出一种基于遗传算法与神经网络的新型PID控制器。通过BP神经网络的在线实时调整能力提升系统稳定性,利用GA遗传算法搜寻全局最优解,提高了控制器调整速度,并能避免BP_PID控制器陷入局部极限,实现了参数自动调整和控制效果的优化,提高了控制系统的性能。

基于3GPP标准和智联域控制器系统(IAM)提升通信网络性能的策略研究

5G通信和新能源汽车迅猛发展的今天,弱网问题、断网问题严重影响着车辆联网功能,例如视频、音乐不能播放,同时需要保障车辆在有网络的条件下安全行驶。根据3GPP标准,文章提供了网络复归、自适应切换网络频段互操作两种策略,通过对通信模组进行锁4G、CFUN切换、重启以及寻找最佳通信网络频段,可快速恢复稳定的网络环境,使车辆在稳定网络状态下提供服务,提升用户体验。

多变量系统神经网络辨识的无模型自校正控制器研究

针对多变量NARMA模型,将其转化为具有耦合的子系统,采用具有辅助变量的多变量紧格式动态线性化方法逼近多变量NARMA模型,利用BP神经网络辨识其参数,基于多变量广义目标函数提出多变量NARMA模型的神经网络辨识的无模型自校正控制器,算法为关于控制输入的非线性方程组,通过非线性数值分析的牛顿法对其进行求解,根据非线性递推最小二乘法对BP神经网络的连接权重值进行在线学习。仿真研究表明系统的响应具有优良的性能。

基于云计算的舰船通信网络动态负载均衡控制方法

针对舰船通信网络通信环境复杂、用户需求不确定、影响通信均衡性等问题、提出基于云计算的舰船通信网络动态负载均衡控制方法。利用Ryu控制器获取监控舰船通信网络状态,获取网络负载。创建云计算平台虚拟机,实现执行舰船通信网络动态负载均衡任务调度任务。选取最高迁移概率的物理机结果作为云计算平台虚拟机迁移结果,通过虚拟机的迁移与关闭操作,更新虚拟机的综合权值,实现舰船通信网络动态负载均衡控制。实验结果表明,该方法可实现舰船通信网络的动态负载均衡控制,负载均衡度高于0.7,可有效提升舰船通信网络的资源利用率。

基于scSE非局部双流ResNet网络的行为识别

针对双流网络对包含冗余信息的视频帧存在识别率低的问题,在双流网络的基础上引入scSE(Spatial and Channel Squeeze&Excitation Block)和非局部操作,构建SC_NLResNet行为识别框架。该框架将视频划分为等分不重叠的时序段并在每段上稀疏采样,提取RGB帧以及光流图作为scSE模块的输入;将经过scSE处理的特征输入非局部双流ResNet网络中,融合各分段得到最终的预测结果。在UCF101以及Hmdb51数据集上实验准确率分别达到96.9%和76.2%,结果表明,非局部操作与scSE模块结合可以增强特征时空上以及通道间的信息提高准确率,验证了SC_NLResNet网络的有效性。

双U型门控网络融合非局部先验的图像压缩感知重建方法

针对目前基于非迭代式网络的图像压缩感知重建方法存在着细节处理能力不足以及测量值利用不充分的问题,提出了一种双U型门控网络(dual U-shaped gated network, DUGN)用于图像压缩感知重建。该方法在原有的U型结构网络的基础上进行了改进,提升了U型结构网络在压缩感知任务中的学习能力。在测量值的利用上,结合交叉注意力机制,提出了一种测量值非局部融合模块(measurements non-local fusion, MNLF),用于将测量值中的非局部信息融合到深层网络中,指导网络进行重建,提升模型性能。此外,在基本模块的设计上,提出了窗口门控网络模块(window gated network, WGN),增强了网络的细节处理能力。实验结果表明,与已有的压缩感知重建方法相比,DUGN在Set11数据集上有着更高的PSNR和SSIM,且在图像重建的真实性上有着更好的表现。

局部随机点蚀钢构件的卷积神经网络损伤智能识别

海洋等结构服役环境引起的点蚀会对钢结构的安全产生影响,而点蚀形式具有较强的多尺度多参数随机性。为在实际工程中对点蚀进行有效检测与损伤识别,基于卷积神经网络,结合试验研究、数值模拟、理论分析,对钢构件的局部随机点蚀进行系统研究。选用多参数局部随机点蚀数值模型,在遵循点蚀坑深度的分布模型、点蚀坑的直径时变模型的前提下,对点蚀坑的位置分布进行边界限制和交叉限制,利用Python实现点蚀坑在尺寸、位置和数量等方面的随机性,使Abaqus能够批量生成锈蚀位置和锈蚀率各不相同的钢板有限元模型,进行运算分析,得到各有限元模型的振型样本。之后,以有限元模型作为试验原型,将数值试验得到的大量前6阶振型样本作为数据集,用于建立、训练一种适用于损伤位置识别的卷积神经网络模型,并使用有限元数据集对模型的精度进行验证。最后,采用足尺试验的振型结果进一步验证卷积神经网络模型的精度。研究表明,该模型充分考虑了点蚀在形状参数和位置坐标等方面的随机性,参数合理,接近现实中的实际点蚀情况,识别准确率较高,在数值试验中点蚀损伤识别到真实区域及其相邻区域的准确率高达95.9%,在足尺试验中的准确率达到81.2%,能满足钢构件智能损伤识别实际应用的精度需求。

一种新型复合指数型局部有源忆阻器耦合的Hopfield神经网络

由忆阻耦合的神经网络模型,因其能更真实地反映生物神经系统的复杂动力学特性而被广泛研究.目前用于耦合神经网络的忆阻器数学模型主要集中在一次函数、绝对值函数、双曲正切函数等,为进一步丰富忆阻耦合神经网络模型,且考虑到一些掺杂半导体中粒子的运动规律,设计了一种新的复合指数型局部有源忆阻器,并将其作为耦合突触用于Hopfield神经网络,利用基本的动力学分析方法,研究了系统在不同参数下的动力学行为,以及在不同初始值下多种分岔模式共存的现象.实验结果表明,忆阻突触内部参数对系统具有调控作用,且该系统拥有丰富的动力学行为,包括对称吸引子共存、非对称吸引子共存、大范围的混沌状态和簇发振荡等.最后,用STM32单片机对系统进行了硬件实现.

面向超分辨率重建的层次间局部特征增强网络

基于卷积神经网络的超分辨率重建模型以单项传播为主,层次越靠后感知信息的能力越微弱,导致层次间局部特征部分丢失,难以实质提升网络的特征表达能力。针对此问题,提出层次间局部特征增强网络。该方法由级联残差模块、层次间特征增强块和特征感知注意力机制组成。级联残差模块通过有效残差连接增加对残差分支信息的利用;层次间特征增强块提取不同深度特征的依赖关系,自适应调整中间层特征权值增强捕获关键信息的能力;特征感知注意力机制采用方向感知和位置判断的方式准确定位和识别感兴趣对象。多项标准数据集的实验结果表明,该方法能改善超分辨率的视觉重建效果,整体性能优于现有方法。

基于生成对抗网络的电缆局部放电异常自动监测设计

电力设备运行过程中,电缆绝缘损伤、内部缺陷、外部环境等因素容易造成电缆局部放电异常,进而引发电力事故和断电故障。为了及时、有效地监测电缆局部放电异常,在生成对抗网络环境下完成电缆局部放电异常自动监测。根据电缆内部结构分析电缆局部放电原因,利用生成对抗网络重构插补缺失数据,获取完整电缆运行数据。建立随机矩阵,获取电缆运行数据的概率密度函数,提取特征向量,构建特征指标矩阵对特征向量实施奇异值分解,辨识电缆局部放电状态,实现电缆局部放电异常的自动监测。实验结果表明:所提方法在提取电缆局部放电信号脉冲时波形振动幅度小且波形完整;电缆局部放电位置定位与实际位置一致;电缆局部放电位置的相对误差低于1%。