一、基于只读算法和只加算法的移动agent的保护机制(论文文献综述)
吕悦娟[1](2020)在《基于FPGA、CPU和GPU协同处理的光纤振动传感系统性能优化研究》文中进行了进一步梳理分布式光纤传感器利用通信光纤作为感知与传输单元,可以实现对振动、温度、应变等物理量的分布式传感与测量。其中,基于相位敏感光时域反射计(Phase-sensitive Optical Time Domain Reflectometer,φ-OTDR)的分布式光纤振动传感系统可以实现振动信号的分布式定位与还原,由于其具有灵敏度高、检测距离长且响应速度快等优势,广泛应用于周界安防、油气管线、建筑结构健康监测以及智能电网等多个领域。相干探测φ-OTDR系统通过对相干瑞利散射信号进行采集,利用正交解调算法获取传感信号的强度和相位信息,从而实现外界扰动事件的快速定位与相位还原。当前,实际应用领域对φ-OTDR系统的测量时间、信噪比和相位还原程度提出了更高的要求。因此,本文以φ-OTDR系统为研究对象,在深入研究和分析系统传感原理和信号解调算法理论的基础上,提出了通过算法优化来提升系统性能的方案,分别引入并行计算思想减少测量时间、采用图像处理方法优化振动定位曲线的信噪比,利用经验模态分解算法消除低频相位漂移。研究内容主要包括以下四个方面:第一、研究了φ-OTDR系统的振动传感原理与信号解调方案。从后向瑞利散射理论出发,深入分析φ-OTDR系统外部振动对光相位调制原理,进而构建了数学模型描述其传感原理,并以此搭建了φ-OTDR系统的光路结构。而后对传感信号的解调原理进行了分析,深入讨论了正交解调的幅值解调与相位解调过程。最后讨论分析了系统测量时间、信噪比等关键性能参数。第二、基于现场可编程门阵列(Field Programmable Gate Array,FPGA)、中央处理器(Central Processing Unit,CPU)和图形处理器(Graphic Processing Unit,GPU)技术,引入了并行处理思想用于提高系统测量时间。深入分析了传感系统的并行处理需求,从φ-OTDR系统的数据采集、传输与处理出发,设计了协同并行处理方案。构建了基于FPGA的数据采集系统,实现下位机传感系统的控制、数据的采集与传输相并行,提高了采集效率;基于CPU的数据流控制系统,实现数据传输与处理;基于GPU的数据处理系统,实现了传感数据的多线程并行解调,从而大幅减少系统的测量时间。第三、深入分析φ-OTDR系统幅值解调过程,开展了测量时间优化与信噪比提升研究。针对测量时间优化,本文设计了基于GPU的并行解调方案。分别对差分算法与快速傅里叶变换算法进行实验验证。结果表明,在采样总点数为5000*21411时,对于差分算法,并行处理方案比单线程处理方法的速度快93倍左右;在采样总点数为8192*20000时,快速傅里叶变换经并行处理后数据运算时间缩减了约96倍。针对信噪比提升,本文设计了基于二维数字图像处理技术的方案用以实现强度信息降噪。通过采用二维高斯滤波和Sobel边缘检测算法,振动定位曲线的信噪比为27.1 d B。与差分算法和快速傅里叶变换算法相比,经图像处理后的幅值信号信噪比分别提升了11.54 d B和14.36 d B。第四、深入分析φ-OTDR系统相位解调过程,针对相位还原中存在的低频漂移噪声消除进行了研究。从影响相位还原的因素出发,理论分析了相位漂移的产生机理与漂移特性。通过原理分析,证明相位漂移主要由激光器频率漂移和相位累加噪声组成。依据其缓慢漂移特性,本文提出采用经验模态分解算法消除相位漂移噪声。经实验验证,经验模态分解可有效消除相位漂移从而实现振动准确还原,最终实现0.3 Hz的低频振动信号还原,同时信噪比达到64.44 dB。
马天杰[2](2020)在《基于Delta机器人的视觉点漆系统研究与开发》文中认为点漆是一种将油漆或是其它有色液体涂覆在物体表面或槽孔中的工艺,广泛应用于工业生产和日常生活中。目前市场上出现了半自动点漆机和全自动点漆机,但存在着灵活性较差,对工作环境要求高,工作效率低等问题,因此迫切需要一套自动化程度高、加工速度快、精度好的点漆系统。本文将Delta机器人与机器视觉相结合应用于点漆加工。利用机器视觉实现产品的自动定位,同时发挥出Delta机器人高精高速的优势来提高加工效率。本文的主要工作内容如下:(1)对视觉点漆系统总体结构进行了设计。视觉点漆系统由机械结构、视觉定位系统、运动控制系统和点漆阀系统组成。设计并搭建了Delta机器人作为点漆系统的机械结构,并对视觉定位系统、运动控制系统和点漆阀系统进行了方案设计和硬件选型。(2)设计了基于模板匹配算法的视觉定位系统。针对点漆产品表面光滑、易反光的特点,对模板匹配算法和图像边缘检测算法进行了研究。对模板匹配算法进行了改进,将匹配过程分为粗匹配和精匹配提高了匹配速度,加快了大约0.23s。并根据实际加工存在多个物体需同时加工的情况编写了多模板匹配算法。(3)研究了适用于视觉点漆系统的路径规划算法。将蚁群算法引入到视觉点漆系统的路径规划中。利用C#设计制作了仿真平台,通过大量的仿真实验比较了传统X/Y优化算法、遗传算法和蚁群算法在路径规划上的效果。实验结果表明蚁群算法优化路径长度仅为X/Y方向优化路径长度的40%50%,运算时间比遗传算法更短,适合应用于点漆路径规划。(4)针对Delta机器人由于装配间隙、长时间运行导致的误差问题,提出以双目视觉系统对机器人误差进行测量并补偿的方法。设计搭建了自动调焦标定装置代替人来完成双目相机的调焦和标定,实现了无人化操作。通过实验证明,该方法补偿后的机器人重复定位精度达到了30μm。(5)软件设计和点漆系统测试。利用C#语言进行了系统软件设计,包括相机控制模块、模板匹配模块、路径规划模块和串口通讯模块。对点漆系统的图像定位精度和连续出料进行了测试。图像定位模块最大位置误差不超过1 pixel,最大角度误差不超过0.1°。针对直线出漆不均匀的问题改进了控制方法。本文主要研究工作在于将Delta机器人、机器视觉和点漆技术结合起来,成功研制了一套自动点漆系统。并通过一套自主开发的轨迹测量补偿系统,使机器人末端重复定位精度达到了30μm,定位精度达到50μm。该视觉点漆系统除了应用于传统的产品上色领域,还可应用于需求量日益增多的定制加工领域,如食品定制,具有实际的工程应用价值。
张倩倩[3](2019)在《人在回路的无人水下航行器指控任务规划方法研究》文中研究表明人在回路的无人水下航行器(UUV,Unmanned Underwater Vehicles)指控任务规划问题,是指UUV执行任务之前,由指挥员下达任务目标,通过UUV指控系统调用时间序列规划算法和空间路径规划算法,完成UUV指控任务规划,并以XML文档格式将规划结果下载至UUV的机载任务控制系统,供UUV后续自主执行任务;在UUV任务执行过程中,由于环境、UUV自身或任务要素均可能存在不确定性影响因素,在通信可达的情况下,UUV指控系统利用监测信息完成不确定事件的威胁评估,针对影响UUV安全性的不确定事件完成UUV指控任务重规划,并将重规划结果下载至UUV机载系统以便实施任务干预,使之在保证UUV安全性的前提下尽可能地满足任务目标的要求。本文以UUV为任务(重)规划对象,以UUV所执行的任务要素为目标牵引,从任务要素的XML文本描述、指控任务规划与重规划方法设计、人在回路的UUV指控任务(重)规划仿真平台构建等方面完成以下内容的研究:首先,使用XML语言对UUV的任务要素进行规范化表达。针对一般的文本描述方式对于操作平台的兼容性较差和复杂任务要素描述的复杂性不利于计算机解析与识别的问题,采用XML科学描述语言设计了一种指控任务要素的规范化、科学化且统一化的定义方法。XML的结构性科学标记优势,使其具有优良的跨平台交互性、数据存储性与要素分析能力,能够较好地满足复杂指控任务要素的数据结构描述需求,且便于UUV指控任务执行过程中人在回路的任务要素交互与存储;结合区域勘察任务仿真案例,给出UUV指控任务要素的XML定义与描述实例。其次,针对人在回路的UUV指控任务的时间序列规划与空间路径规划需求,设计基于改进蚁群算法的时间序列规划,算法中设计状态转移概率以及信息素更新策略等,使得UUV指控任务的时间调度方案近似最优;确定任务的执行顺序以后,采用基于改进的遗传算法对任务进行空间路径规划,算法中设计一维编码方式、适应度函数、精英选择策略、自适应的交叉与变异概率,为UUV指控任务规划出空间近似最优的路径。指挥员实时监控规划结果,在初始规划完成以后,指挥员确认无误后将规划结果下达到UUV,UUV根据规划结果执行任务。再次,在UUV执行任务期间,因任务环境、任务要素或UUV自身状态等的变化,会面临很多不确定性事件,主要分为三类:海洋环境的不确定性、UUV自身状态的不确定性以及指挥员干预的不确定性。对于不确定事件造成的事件影响、事件的检测识别、事件的威胁评估以及事件的处理方法进行分析研究。UUV指控系统根据事件的威胁程度和影响程度,调用指控任务的时间序列与空间路径规划算法,进行任务的重规划,将规划结果传达到UUV,继续执行任务。最后,基于QT开发环境构建仿真实验平台,给出人在回路的UUV指控任务规划与重规划仿真实验,对上文中UUV指控任务的时间序列规划与空间路径规划进行仿真,验证算法的有效性;然后依据不确定性事件的威胁程度,对指控任务重规划方法进行验证,同时也证明了实验平台的有效性。
延健磊[4](2018)在《面向蓝宝石长晶炉的制造执行系统研究与实现》文中认为互联网技术的飞速发展极大推动了传统制造企业的信息化进程,如何借助互联网技术实现制造企业的快速响应、实时监控,对降低企业运行成本提高生产效率具有重要的意义。因此,国内外制造企业正积极探索制造执行系统在生产中的深入应用,大力推进覆盖全制造周期的智能制造系统。本文研究开发了面向蓝宝石长晶炉的制造执行系统,实现了企业对生产运行状态的监测及控制。首先,本文系统设计了面向蓝宝石长晶炉的制造执行系统的架构及核心功能。以企业核心需求为主,分析了系统监测目标、数据传输、存储及管理问题,并对各系统架构的功能模块进行了设计。其次,本文研究了蓝宝石长晶炉中的多任务调度问题。从企业管理者的角度出发,分析了影响企业效益的核心因素,提炼出平均长晶时间及平均长晶成本问题并构建了多任务调度模型。结合实际情况简化了多任务调度模型,在比较各优化算法之后先采用基本遗传算法进行单目标优化,运用带精英策略的非支配排序遗传算法进行多目标优化,并给出相应求解方法。再次,本文开发了蓝宝石长晶炉制造执行系统。在设备层方面,采用三菱Q系列PLC采集设备层数据,同时对PLC与服务器之间的通讯协议进行分析,实现了 PLC对设备数据的采集与监控。在服务器层方面,研究了关系型数据库的设计方法并开发了 Windows环境下的SQL数据库及服务器驻留程序。在终端层方面,基于MVC架构开发了现场控制软件及远程监控终端。最后,针对蓝宝石长晶任务中的具体案例,本文采用基本遗传算法进行单目标求解,运用带精英策略的非支配排序遗传算法进行多目标求解,并对比分析求解结果。同时对制造执行系统的云服务器性能进行承载力测试,实验结果表明该系统能够实时监控多设备运行信息,并具有良好的承载能力,验证了面向蓝宝石长晶炉的制造执行系统在多任务长时间工作状态下的稳定性与可靠性。
沈尧[5](2017)在《云环境中任务流的多目标调度优化技术研究》文中研究指明在高性能分布式计算领域中,云计算已经成为一种越来越流行的计算范式,因为其在网络中以自助、动态可拓展以及可计量的方式提供按需访问共享资源池的服务。当前,云计算仍处于一种起步的阶段,为了充分获得其益处,需要对许多主题进行交叉的大量研究。其中,最需要关注的重要研究议题之一就是如何进行高效的任务资源多目标调度优化,调度的目标在于映射任务至合适的资源中以优化一个或者多个目标的方式进行。在云环境中的调度问题由于需要大量的解决方案空间而属于一类被称之为NP-难的问题,因此需要花费大量的时间来寻找一个最佳的解决方案。对于该问题,没有算法能够在多项式的时间内产生最优解来解决这些问题。因此在云环境中,能够做到的是在尽可能短的时间内寻找到次优解或接近最优解。基于元启发式算法的技术已经被证实能够针对以上问题在合理的时间内获得近似的最优解,但存在计算时间复杂度高,有可能过早收敛等问题。通常来说,在分散异构的云环境中有不同的因素以及“参与者”,它们每个都从不同的角度来观察并解决问题。云系统用户们通常致力于最小化应用的执行时间以及减少所花费的经济成本,而系统的管理员总是关注于如何最大化资源利用,尽可能减少能耗,提高作业吞吐量以及保证系统用户公平等。因此,在现实世界的调度问题中,经常会面临一种多目标优化的场景,尤其是其中许多重要的目标是互相冲突的。例如,强大的处理器通常需要花费较高的价格从云计算供应商处租用,然而,其会消耗更多的能量,并且由于大量的请求和用户的争用而可能变得不可靠。如今,云环境中的相关任务调度工作大多只限于一个优化目标(通常是完工时间),也有一些研究方法试图在两个标准之间进行权衡优化。一个通用的调度框架(高效并且低时间复杂度)和基于启发式算法来优化并且动态权衡多个目标的方法仍然缺失。针对云环境中任务流的多目标调度优化技术,本文开展了一系列的研究,首先针对云环境中任务流的多目标调度优化技术的研究现状进行深入总结分析。然后从能耗优化问题展开本文的第一项研究工作,致力于设计一种针对IaaS云的绿色节能管理策略。在对元启发式调度优化相关算法的分析中,设计出一种满足用户不同性能和能耗要求的调度算法,并寻找到了系统最高能效的极值条件。在针对一般启发式调度算法的研究中,结合帕累托优化的相关内容,设计出了基于Spark云的若干种用来帮助云服务提供商选择合适的时间-经济权衡方案建议消费者的算法策略。最后,针对元启发式调度算法高时间复杂度的缺点设计出一种高效的多目标调度优化算法,计算开销的有效降低给现实的云数据中心带来了重要意义。本文的主要的研究成果如下:(1)针对虚拟化云计算数据中心通常根据主机节点的利用率来确定能耗情况并不准确的问题,提出IaaS云能效模型和低能耗解决方案。在云平台级别,设计出两种基于时区的能量管理策略,其重要优势是独立于其它平台级的节能方案。所提节能策略首先在模拟环境下进行验证,然后部署在真实的IaaS架构云平台中。通过采用不同的任务类型(CPU密集型和I/O密集型)验证了所提节能方法的适用性,得到了现实云数据中心可以借鉴的结论。通过实验验证,采取所提的节能策略能使云数据中心表现出更好的低能耗特性,平均节省约12.98%的能量消耗。(2)针对云环境中用户对任务的性能和能耗动态调控的问题,提出一种性能和能耗权衡的基于遗传算法的E-PAGA任务调度策略,满足了用户对性能和能耗的不同需求。通过实验验证了所提算法克服了其它启发式算法存在的过早收敛问题,并得出了以下重要结论:在保证总任务时间最低的同时通常能保证一定的低能耗;而一味地降低总任务的能量消耗,付出的代价就是必须牺牲足够的性能;存在最佳能效比的极值条件等。总的来说,E-PAGA算法可以适用于数据中心中云任务的分配问题并且对计算服务器的能耗最小化大有裨益,也能够满足用户的不同需求。在实际的云数据中心中具有重要借鉴意义。(3)针对云环境中从经济成本的角度来有效调度大量任务流应用的关键问题,提出一个基于Spark的优化框架,针对Spark中的两种算子(transformation,action算子)进行时间和经济建模,并利用云环境中资源的弹性特征来研究并探索经济-性能权衡的调度优化。在综合实验中,设计相关贪婪,概率等搜索算法进行验证并总结了一些有益的普遍特征,比如不同类型的任务流有着不同的弹性类型,不同需求的最优解来自不同的算法,转换操作更易在完成时间和经济成本上带来显着开销等。研究成果的现实意义在于可以用来帮助云服务提供商去选择合适的时间-经济权衡方案来建议消费者。(4)针对主流的元启发式多目标调度优化算法存在高时间复杂度、计算开销过大、最优解存疑等问题,提出一种快速收敛的高效多目标调度优化(MOG)算法。该算法从不同角度将优化目标分别划分为用户指标(完工时间和经济成本)和云系统指标(网络带宽、存储约束和系统公平度)。能够在优化用户指标的同时,实现系统指标的约束,并保证云资源的效率和公平度。通过综合实验,证实所提MOG算法和其它相关算法相比,在算法复杂度(明显改进数量级),结果质量(一些情况下最佳),系统级别公平性上具有明显优越性。
张磊[6](2016)在《轮式机器人路径规划及任务调度算法研究与设计》文中研究说明随着无人自动化工厂、智能物流系统、柔性制造系统等的发展,轮式机器人作为一种自动导引车(Automated Guided Vehicle,简称AGV),其在生产车间的开发应用逐渐成为提高企业经济效率的重要手段,同时轮式机器人系统的发展对提高生产效率、节约生产时间、节约能源和环保等方面具有重大的应用价值。软件系统的开发是轮式机器人系统应用的核心组成部分之一,是实现智能工厂信息化、网络化的重要手段。本文对轮式机器人路径规划和任务调度算法等进行研究。主要研究内容如下:首先,在分析轮式机器人整体结构和工作原理的基础上,详述了轮式机器人的导航定位、路径规划及任务调度等关键技术,并给出了轮式机器人系统工作流程。其次,对轮式机器人路径规划策略进行研究,选择利用图论法和栅格法建立轮式机器人二维工作环境地图信息,提出一种改进蚁群算法解决路径规划问题,该算法改进节点选择策略和算法搜索方法,并引入交叉操作。同时,MATLAB平台完成实例仿真测试,表明改进后的算法得到无碰撞最短路径信息。然后,在分析轮式机器人任务调度系统的方式、调度指标、调度冲突基础上,比较现阶段任务调度算法的优劣,提出了一种多层编码遗传和蚁群算法融合的混合算法,并设计了混合算法的流程,确定了多层编码遗传算法转向蚁群算法的临界点;然后根据设置的梯形模糊完成时间优先完成了某些特殊任务,并完成了混合算法在解决任务调度实例的仿真,在此基础上设置任务完成的优先级,满足实际要求的同时缩短任务完成时间,取得了满意的效果。最后,采用面向对象、易扩展及支持组件编程的Qt creator开发了轮式机器人软件系统,包括路径规划模块、数据库模块、任务调度模块、通讯模块等,并测试软件系统的总体功能,包括路径规划和任务调度算法测试,系统运行实验表明软件系统达到了设计要求,验证了路径规划和任务调度算法的可靠性和实用性。
张奕[7](2015)在《基于嵌入式系统的移动机器人避障研究》文中研究指明移动机器人是一门综合了自动控制、计算机技术与传感器技术等多个学科领域的学科。机器人行走过程中需要不断地采集外界环境的信息,由于外界环境的不确定性,从起点到终点可能会遇到障碍物,不可能是简单的直线行驶,机器人需要有效地躲避障碍物。在本文中首先介绍了移动机器人的研究背景与意义,分析了近年国内外对于移动机器人的研究现状与移动机器人的关键技术,详细分析了智能导航与路径避障。在本文中的移动机器人采用两轮驱动,采用嵌入式系统作为其系统控制平台,通过比较分析采用linux作为主控制系统。使用三星公司研发生产的S3C2440A作为嵌入式主控制器,采用超声波测距传感器作为机器人感知外界的传感器,采用直流电机与电机驱动器L298N作为机器人运动控制系统。对于使用的嵌入式系统平台进行了详细分析,在电脑上搭建嵌入式系统开发环境,移植U-boot,针对移动机器人对linux内核与文件系统进行裁剪并且将其移植到机器人硬件平台上。根据linux平台的软硬件特点编写了超声波传感器与电机的驱动程序,通过实验验证了硬件在linux平台下能够运行良好。机器人避障算法采用的是模糊控制算法,在Matlab中设计隶属度函数,根据各种可能遇到的障碍物情形建立相应的模糊规则。最后本文在软件mobotsim中仿真避障实验,实验表明机器人处在简单的障碍物情形时能够有效避障。在嵌入式系统中根据模糊控制算法编写了应用程序,实验中移动机器人在一般情况下遇到障碍物时,能够有效地完成避障任务。
陈乐[8](2014)在《全自动生产线柔性输送系统路径规划应用与研究》文中研究指明柔性制造系统(FMS)的研究历来受到了广泛的关注。作为FMS中重要的一个环节,柔性输送系统(FTS)也呈现出了迅猛的发展态势,并将取得进一步的重大突破。本论文提出将RFID技术应用于FTS中,使得制造业的信息化成果更加显着。移动机器人路径规划相应的算法多种多样,研究和应用也很有深度和广度。本论文选用D*算法进行自由路径规划,并用Matlab编写程序在PC上实施仿真。仿真结果表明,D*算法的具有较好的避障自适应性能力、复杂度较低、收敛速度快、较高的柔性和动态响应特性。根据当前RFID技术的发展现状和针对FTS对RFID技术的具体需求,设计了基于RFID技术的位置传感器。RFID位置传感器采用专用读写芯片MFRC522和51系列单片机作为核心部件,具有体积轻便、功能完善和性能稳定等特点。并以RFID位置传感器采集的信号为基础,设计了以STM32F10X为核心并实时采集RFID位置传感器发送的信息的路径规划控制器,以实现有限的路径规划控制。详细地探讨了路径规划控制器的各个硬件单元模块和PCB布局布线策略。软件设计上,详尽地阐述了BSP层的软件实现,成功移植了μC/OS-实时操作系统和μC/GUI图形用户界面。在μC/OS-的任务创建、调度和通信上,进行了详细的分析。描述了运用μC/GUI创建人机交互对话框的过程。整个路径规划控制器具有较高的实时性、简便的操作性和良好的兼容扩展性。利用辊子输送机、RFID位置传感器和路径规划控制器等现有条件,搭建了有限路径规划实验平台,完成了物料的有限路径规划输送实验。有限路径规划实验结果表明,有限路径规划系统运行稳定、具有较高的安全性和较好的经济效应。
方巍[9](2014)在《基于智能卡的WSN密钥管理系统的设计与实现》文中研究说明无线传感器网络在工业生产、军事情报、医疗信息等方面有着不可替代的优势,安全是人们越来越关注的首要问题,否则会造成例如信息丢失、伪造消息,进而造成无法估测性的后果。传统网络中的加/解密、签名认证过程因为需要更多的资源消耗而无法直接应用到无线传感器网络中。而无线传感器网络的基站或节点,一般都有着有限的存储容量、环境感应能力和运算能力,无法保证信息的完整性,如何利用有限的资源来设计出更加有效和安全的无线传感器网络有实际意义。本文在分析了无线传感器网络特性、其所面临的安全问题、传统网络加解密算法的优缺点及无线传感器网络的密钥管理技术和智能卡技术的基础上,设计了基于智能卡的无线传感器网络安全框架。框架采用基于ECC算法的密钥管理方案,其在相同安全强度下,具有算法速度快、占用内存少、密钥长度短和抗攻击能力强等优势。本文对ECC加密算法进行了改进,设计了基于智能卡的新加密算法,算法对已使用过的加密曲线可动态删除及更新,以适应无线传感器网络的动态性要求。
邓胜[10](2010)在《基于Multi-Agent的水稻栽培知识管理研究》文中指出现阶段我国的水稻栽培仍采用传统型的耕作方式,基于Multi-Agent的水稻栽培知识管理系统是基于农业专家知识,在水稻栽培领域引入Agent技术和知识管理概念来实现对水稻栽培知识进行有效管理的目的,促进生产者和管理者决策者的交流和互动,为隐性知识的传播转化和水稻栽培的知识管理提供一个网络平台;试图为当前在水稻栽培中出现的问题找到比较合适的解决办法。基于Multi-Agent的水稻栽培知识管理系统是将水稻专家的知识集成,并且模仿水稻专家进行推理决策,把多项水稻技术和知识进行高度集成。更突出水稻知识的检索、发现、存储的作用,尽量接近人类水稻专家的推理能力;此外,它比起人类水稻农业专家更注重全面的综合性知识和高速的知识处理本领,可以不受水稻栽培时间、空间的限制和人类情感的影响,能够起到多方面、高层次水稻专家在水稻栽培的各个阶段进行具体指导的作用。该系统具有智能性、继承性、集成性、复制性、便捷性等特点。通过应用Multi-Agent、模型技术、java、分布式人工智能的理论和技术,研究基于multi-Agent的农业的水稻栽培知识管理系统,提出一种水稻栽培隐性知识的获取方法,为科研人员提供一种开发水稻的知识管理系统的方法,同时为水稻管理者、生产者提供更方便、有价值、准确的信息。
二、基于只读算法和只加算法的移动agent的保护机制(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于只读算法和只加算法的移动agent的保护机制(论文提纲范文)
(1)基于FPGA、CPU和GPU协同处理的光纤振动传感系统性能优化研究(论文提纲范文)
摘要 |
ABSTRAC T |
第一章 绪论 |
1.1 课题研究的背景及意义 |
1.2 国内外研究现状 |
1.2.1 分布式光纤振动传感技术 |
1.2.2 φ-OTDR系统性能优化 |
1.3 本课题的主要工作及结构安排 |
第二章 分布式光纤振动传感系统及其原理分析 |
2.1 分布式光纤振动传感系统的传感原理分析 |
2.1.1 光纤中的瑞利散射 |
2.1.2 光纤中的相位调制 |
2.1.3 后向瑞利散射光的理论分析 |
2.2 传感系统结构组成与振动探测解调 |
2.2.1 传感系统结构组成 |
2.2.2 信号相干探测原理 |
2.2.3 信号正交解调原理 |
2.3 系统性能参数 |
2.3.1 测量时间 |
2.3.2 幅值定位信号的信噪比 |
2.3.3 相位还原信号的信噪比 |
2.4 本章小结 |
第三章 基于FPGA、CPU和 GPU的分布式光纤振动传感系统设计 |
3.1 并行处理需求与方案设计 |
3.1.1 并行处理需求 |
3.1.2 并行处理方案设计 |
3.2 基于FPGA的数据采集系统设计 |
3.2.1 同步模块 |
3.2.2 脉冲调制模块 |
3.2.3 A/D采集模块 |
3.2.4 数据传输模块 |
3.3 基于CPU的数据传输与处理 |
3.3.1 CPU功能概述 |
3.3.2 CPU硬件架构 |
3.4 基于GPU的数据并行处理技术 |
3.4.1 GPU硬件架构 |
3.4.2 CUDA线程结构 |
3.4.3 CUDA软件体系 |
3.5 本章小结 |
第四章 φ-OTDR系统幅值解调优化与性能提升研究 |
4.1 传统信号处理算法的并行处理设计 |
4.1.1 差分算法的并行处理设计 |
4.1.2 快速傅里叶变换算法的并行处理设计 |
4.2 时空传感图像的振动检测设计 |
4.2.1 图像滤波 |
4.2.2 振动边缘检测 |
4.3 测量时间提升实验结果与分析 |
4.3.1 基于差分算法的测量时间提升 |
4.3.2 基于快速傅里叶变换算法的测量时间提升 |
4.4 信噪比提升实验结果与分析 |
4.4.1 基于传统信号处理的信噪比提升结果与分析 |
4.4.2 基于图像处理的信噪比提升结果与分析 |
4.5 本章小结 |
第五章 φ-OTDR系统相位解调优化与性能提升研究 |
5.1 相位还原的理论分析与方案设计 |
5.1.1 相位漂移噪声的理论分析 |
5.1.2 经验模态分解算法的方案设计 |
5.2 相位漂移和经验模态分解算法的验证分析 |
5.2.1 相位漂移存在性验证分析 |
5.2.2 经验模态分解算法有效性验证分析 |
5.3 相位漂移消除实验结果与分析 |
5.3.1 振动频率变化下的相位变化与漂移消除 |
5.3.2 振动强度变化下的相位变化与漂移消除 |
5.3.3 亚赫兹级低频振动下的相位变化与漂移消除 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读学位期间取得的科研成果 |
致谢 |
(2)基于Delta机器人的视觉点漆系统研究与开发(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 点漆机国内外研究概况 |
1.3 机器视觉 |
1.3.1 机器视觉研究现状 |
1.3.2 视觉定位技术研究现状 |
1.4 本文研究内容 |
第二章 视觉点漆系统总体设计方案 |
2.1 引言 |
2.2 视觉点漆工艺 |
2.3 视觉点漆系统总体架构 |
2.4 视觉点漆系统机械结构 |
2.5 视觉定位系统 |
2.5.1 视觉定位技术 |
2.5.2 工业相机和镜头选型 |
2.5.3 光源 |
2.6 运动控制系统方案 |
2.7 点漆阀系统 |
2.8 本章小结 |
第三章 模板匹配算法 |
3.1 引言 |
3.2 图像预处理 |
3.3 基于灰度的模板匹配算法 |
3.4 基于形状特征的模板匹配算法 |
3.4.1 图像边缘特征提取 |
3.4.2 旋转模板制作 |
3.4.3 模板匹配算法改进 |
3.4.4 多模板匹配算法 |
3.5 本章小结 |
第四章 点漆系统加工路径规划 |
4.1 引言 |
4.2 点漆路径规划问题 |
4.3 蚁群算法 |
4.3.1 蚁群算法简介 |
4.3.2 蚁群算法流程 |
4.3.3 蚁群算法模型 |
4.4 仿真实验 |
4.5 本章小结 |
第五章 点漆系统运动误差补偿 |
5.1 引言 |
5.2 基于双目视觉的误差补偿方法 |
5.2.1 误差补偿原理 |
5.2.2 误差补偿方案设计 |
5.3 自动调焦标定装置方案设计 |
5.4 图像清晰度评价函数 |
5.4.1 理想图像清晰度评价函数 |
5.4.2 评价函数性能比较 |
5.5 调焦窗口改进 |
5.6 自动搜索算法改进 |
5.7 自动调焦标定平台搭建 |
5.7.1 平台硬件结构组成 |
5.7.2 图像采集处理模块 |
5.7.3 电机驱动模块 |
5.7.4 自动旋转装置设计 |
5.8 运动精度测试实验 |
5.9 小结 |
第六章 系统软件设计与点漆实验 |
6.1 引言 |
6.2 上位机软件设计 |
6.3 图像定位精度实验 |
6.4 出漆控制实验 |
6.4.1 针头出漆量测试实验 |
6.4.2 出漆均匀实验 |
6.4.3 出漆不均问题分析 |
6.5 点漆应用 |
6.6 本章小结 |
第七章 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
致谢 |
作者简介 |
学位论文数据集 |
(3)人在回路的无人水下航行器指控任务规划方法研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题研究背景和意义 |
1.2 指控任务规划方法研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 本文研究内容与研究方法 |
1.4 论文的结构安排 |
第2章 人在回路的UUV指控任务要素构成与描述 |
2.1 引言 |
2.2 人在回路的UUV指控任务规划流程设计 |
2.3 基于XML语言的指控任务要素 |
2.3.1 指控任务要素的描述方法 |
2.3.2 XML语言及其特点 |
2.3.3 指控任务要素描述 |
2.3.4 基于XML语言的UUV指控任务要素定义 |
2.4 人在回路中UUV指控任务要素的数据交换 |
2.4.1 XML数据的交换原理 |
2.4.2 XML文档与数据库映射 |
2.4.3 DOM解析 |
2.5 基于XML语言的UUV指控任务典型案例 |
2.6 本章小结 |
第3章 UUV指控任务的时间序列规划与空间路径规划 |
3.1 引言 |
3.2 坐标系定义与环境建模 |
3.2.1 坐标系定义 |
3.2.2 环境建模 |
3.3 UUV指控任务的时间序列规划方法研究 |
3.3.1 基于蚁群优化的UUV指控任务时间序列规划算法设计 |
3.3.2 UUV指控任务时间序列规划的改进蚁群优化算法设计 |
3.3.3 面向多区域勘察任务的UUV指控任务时间序列规划算法仿真验证 |
3.4 UUV指控任务的空间路径规划方法研究 |
3.4.1 UUV空间路径规划问题分析 |
3.4.2 基于遗传进化的UUV指控任务空间路径规划算法设计 |
3.4.3 UUV指控任务空间路径规划算法仿真验证 |
3.5 本章小结 |
第4章 基于不确定事件威胁评估的UUV任务重规划研究 |
4.1 引言 |
4.2 UUV指控任务的不确定性分析 |
4.3 不确定事件检测识别 |
4.4 UUV指控任务重规划的不确定事件威胁评估 |
4.4.1 动态贝叶斯网络 |
4.4.2 动态贝叶斯评估推理机制 |
4.4.3 障碍物不确定出现事件的威胁评估模型 |
4.4.4 不确定事件的触发接口设计 |
4.5 不确定事件的UUV指控任务重规划处理流程设计 |
4.6 指控任务重规划流程设计 |
4.7 本章小结 |
第5章 人在回路的UUV指控任务(重)规划仿真验证 |
5.1 引言 |
5.2 仿真界面设计 |
5.2.1 主窗口界面设计 |
5.2.2 子窗口界面设计 |
5.2.3 人在回路的UUV指控任务(重)规划仿真流程 |
5.3 UUV指控任务(重)规划仿真试验 |
5.3.1 UUV指控任务的时间序列规划仿真 |
5.3.2 UUV指控任务的空间路径规划仿真 |
5.3.3 UUV指控任务规划综合仿真 |
5.3.4 不确定事件下UUV指控任务重规划仿真 |
5.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表论文和取得的科研成果 |
致谢 |
(4)面向蓝宝石长晶炉的制造执行系统研究与实现(论文提纲范文)
致谢 |
摘要 |
Abstract |
第1章 绪论 |
1.1 论文研究背景及意义 |
1.1.1 论文研究背景 |
1.1.2 论文研究意义 |
1.2 国内外研究现状 |
1.2.1 晶体生长过程管理研究现状 |
1.2.2 制造执行系统研究现状 |
1.2.3 多目标优化算法研究现状 |
1.3 论文研究内容及架构 |
1.3.1 论文主要研究内容 |
1.3.2 论文章节架构 |
1.4 本章小结 |
第2章 蓝宝石长晶炉制造执行系统架构设计 |
2.1 蓝宝石长晶炉制造执行系统需求分析 |
2.1.1 监测目标及参数选择 |
2.1.2 数据传输方式分析 |
2.1.3 数据存储需求分析 |
2.1.4 监测系统管理功能分析 |
2.1.5 终端控制方式分析 |
2.2 蓝宝石长晶炉制造执行系统总体架构 |
2.3 蓝宝石长晶炉制造执行系统总体方案设计 |
2.3.1 硬件系统设计 |
2.3.2 云服务方案设计 |
2.3.3 终端监控方案设计 |
2.4 本章小结 |
第3章 基于资源匹配的制造执行任务调度方法研究 |
3.1 制造执行系统生产调度问题分析 |
3.2 制造执行系统生产调度问题简化 |
3.2.1 关键假设 |
3.2.2 简化模型 |
3.3 基于遗传算法的生产调度问题研究 |
3.3.1 多任务调度模型 |
3.3.2 单目标优化模型求解方法 |
3.3.3 多目标优化模型求解方法 |
3.4 本章小结 |
第4章 蓝宝石长晶炉制造执行系统实现 |
4.1 制造执行系统硬件平台开发 |
4.1.1 数据格式定义 |
4.1.2 PLC通讯模块 |
4.2 云端服务器开发 |
4.2.1 通信协议选择 |
4.2.2 云端数据库开发 |
4.2.3 基于IOCP模型的服务器开发 |
4.3 控制系统开发 |
4.3.1 现场控制软件开发 |
4.3.2 远程监控终端开发 |
4.4 本章小结 |
第5章 实验研究 |
5.1 基于遗传算法的制造执行任务调度实验研究 |
5.1.1 长晶炉实验研究 |
5.1.2 单目标优化分析 |
5.1.3 多目标优化分析 |
5.1.4 实验结果对比分析 |
5.2 控制系统功能运行试验 |
5.2.1 服务器运行试验研究 |
5.2.2 服务器承载力测试 |
5.3 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
(5)云环境中任务流的多目标调度优化技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 选题的项目背景 |
1.3 本文主要研究内容与创新点 |
1.3.1 主要研究内容 |
1.3.2 主要创新点 |
1.4 本文的组织结构 |
第2章 云环境中任务流的多目标调度优化研究现状分析 |
2.1 云环境中任务流多目标调度优化技术分析 |
2.1.1 云环境中任务多目标优化技术 |
2.1.2 云环境中任务多目标优化指标 |
2.2 云环境中任务流多目标调度优化研究现状 |
2.2.1 一般启发式算法 |
2.2.2 元启发式算法 |
2.2.3 博弈论调度 |
2.2.4 帕累托优化 |
2.3 本章小结 |
第3章 一种IaaS云中的低能耗管理策略 |
3.1 引言 |
3.2 问题定义 |
3.3 绿色数据中心模型 |
3.3.1 绿色数据中心架构 |
3.3.2 虚拟机分配建模 |
3.4 IaaS云平台的低能耗方案 |
3.4.1 Openstack |
3.4.2 PSS-PSW低能耗策略 |
3.5 实验分析 |
3.5.1 模拟环境测试 |
3.5.2 真实云环境测试 |
3.6 本章小结 |
第4章 云环境中能量-性能自适应权衡的任务调度策略 |
4.1 引言 |
4.2 问题定义 |
4.3 E-PAGA调度策略 |
4.3.1 染色体编码 |
4.3.2 适应度函数 |
4.3.3 E-PAGA算法 |
4.3.4 算法分析 |
4.4 实验分析 |
4.4.1 算法比较 |
4.4.2 E-PAGA算法验证 |
4.5 本章小结 |
第5章 基于Spark经济-性能权衡的任务调度优化研究 |
5.1 引言 |
5.2 问题定义 |
5.3 模型建立 |
5.3.1 时间建模 |
5.3.2 经济建模 |
5.3.3 系统建模 |
5.4 调度优化 |
5.4.1 调度算法 |
5.4.2 调度时间估测 |
5.5 实验分析 |
5.5.1 实验配置 |
5.5.2 时间/经济权衡探索 |
5.5.3 调度优化 |
5.6 本章小结 |
第六章 一种云环境中任务流的高效多目标调度方法 |
6.1 引言 |
6.2 问题定义 |
6.3 多目标博弈调度方法 |
6.3.1 ETC矩阵 |
6.3.2 调度系统模型 |
6.3.3 博弈调度方案 |
6.3.4 多目标博弈算法MOG |
6.3.5 算法分析 |
6.4 实验分析 |
6.4.1 相关算法比较 |
6.4.2 实验验证 |
6.5 本章小结 |
第7章 总结与展望 |
7.1 研究工作总结 |
7.2 未来研究 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
(6)轮式机器人路径规划及任务调度算法研究与设计(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题来源 |
1.2 课题研究背景及意义 |
1.3 国内外研究现状 |
1.3.1 轮式机器人研究现状 |
1.3.2 轮式机器人发展与应用 |
1.4 本文主要研究内容 |
第二章 轮式机器人系统整体分析及关键技术 |
2.1 轮式机器人系统整体分析 |
2.2 轮式机器人软件系统 |
2.2.1 软件系统功能模块 |
2.2.2 软件系统体系 |
2.3 轮式机器人车载控制系统 |
2.3.1 硬件构成 |
2.3.2 软件构成 |
2.4 轮式机器人关键技术 |
2.4.1 导航定位 |
2.4.2 路径规划 |
2.4.3 任务调度 |
2.5 轮式机器人系统工作流程 |
2.6 本章小结 |
第三章 轮式机器人路径规划研究 |
3.1 引言 |
3.2 问题描述和环境信息建模 |
3.2.1 栅格法 |
3.2.2 单元树法 |
3.2.3 可视图法 |
3.2.4 MAKLINK图论 |
3.3 算法开发平台 |
3.4 软件算法设计总体方案 |
3.4.1 机器人路径规划算法 |
3.4.2 传统蚁群算法的实现 |
3.4.3 蚁群算法优化改进 |
3.4.4 改进蚁群算法流程 |
3.4.5 改进蚁群算法实现 |
3.5 MATLAB仿真测试结果 |
3.6 本章小结 |
第四章 轮式机器人任务调度研究 |
4.1 轮式机器人任务调度系统 |
4.1.1 任务调度方式 |
4.1.2 任务调度指标 |
4.1.3 任务调度冲突 |
4.1.4 冲突解决 |
4.2 基于多层编码遗传-蚁群算法的任务调度算法 |
4.2.1 多层编码遗传-蚁群算法概述 |
4.2.2 多层编码遗传-蚁群算法基本思想 |
4.2.3 多层编码遗传-蚁群算法实现 |
4.2.4 多层编码遗传-蚁群算法流程 |
4.3 任务调度应用 |
4.3.1 调度实例描述 |
4.3.2 调度实例建模 |
4.3.3 调度任务仿真 |
4.4 调度算法改进 |
4.5 本章小结 |
第五章 轮式机器人软件系统设计 |
5.1 引言 |
5.2 轮式机器人软件系统 |
5.2.1 软件系统概述 |
5.2.2 软件系统总体设计 |
5.2.3 软件系统总体框架 |
5.2.4 软件内部运行机制 |
5.3 路径规划功能模块 |
5.3.1 读取DXF文件实现 |
5.3.2 运动路径规划模块 |
5.4 Modbus串口通讯功能模块 |
5.4.1 Modbus传输协议 |
5.4.2 串口通讯实现 |
5.5 数据库功能模块 |
5.5.1 数据库模块概述 |
5.5.2 SQLite数据库系统 |
5.5.3 数据库模块程序实现 |
5.5.4 数据库历史信息 |
5.6 任务调度功能模块 |
5.6.1 任务调度模块组成 |
5.6.2 机器人状态转换 |
5.6.3 机器人执行任务 |
5.6.4 任务调度功能实现 |
5.7 软件系统实现 |
5.8 本章小结 |
第六章 系统运行与分析 |
6.1 软件系统运行 |
6.1.1 单台机器人实验 |
6.1.2 多台机器人实验 |
6.2 本章小结 |
结论与展望 |
参考文献 |
附录 |
攻读硕士学位期间取得的研究成果 |
致谢 |
答辩委员会对论文的评定意见 |
(7)基于嵌入式系统的移动机器人避障研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 引言 |
1.2 课题研究现状 |
1.3 移动机器人关键技术 |
1.3.1 全局定位 |
1.3.2 位姿跟踪 |
1.3.3 避障路径规划 |
1.4 本文的主要研究内容 |
第二章 移动机器人总体结构设计 |
2.1 引言 |
2.2 障碍物检测概述 |
2.3 移动机器人系统结构 |
2.4 嵌入式操作系统的选择 |
2.5 嵌入式移动机器人主控板硬件平台 |
2.5.1 ARM9 系列 S3C2440A 微型处理器 |
2.5.2 NAND flash |
2.5.3 SDRAM 接口电路 |
2.5.4 串口通信接口 |
2.6 超声波传感器模块 |
2.7 电机驱动控制模块 |
2.7.1 直流电动机的工作原理 |
2.7.2 电机驱动电路 |
2.8 电源模块 |
2.9 本章小结 |
第三章 嵌入式系统软件平台构建 |
3.1 引言 |
3.2 嵌入式系统开发环境构建 |
3.2.1 交叉编译环境搭建 |
3.2.2 目标机 |
3.2.3 配置 samba 服务器 |
3.2.4 配置 NFS 服务器 |
3.3 Bootloader 移植 |
3.3.1 Bootloader 的两个阶段 |
3.3.2 U-Boot 移植 |
3.4 内核移植 |
3.4.1 内核源码层次结构 |
3.4.2 内核移植前准备工作 |
3.4.3 内核配置 |
3.4.4 内核移植 |
3.5 linux 根文件系统移植 |
3.5.1 建立工作目录 |
3.5.2 建立根目录 |
3.5.3 拷贝动态链接库 |
3.5.4 建立系统的配置文件 |
3.5.5 制作根文件系统镜像 |
3.6 驱动程序设计 |
3.6.1 超声波设备驱动程序设计 |
3.6.2 电机驱动程序设计 |
3.7 本章小结 |
第四章 移动机器人模糊避障算法研究 |
4.1 引言 |
4.2 模糊集合的隶属函数 |
4.3 模糊推理 |
4.4 模糊条件推理的基本形式 |
4.5 基本的模糊控制器的设计 |
4.6 移动机器人基于模糊避障的具体设计 |
4.7 模糊控制输入量与输出量的隶属度设置 |
4.7.1 输入量的确定 |
4.7.2 输出量的确定 |
4.7.3 模糊推理系统建立及模糊规则的制定 |
4.7.4 解模糊 |
4.8 仿真实验 |
4.9 应用程序设计 |
4.10 避障实验 |
4.11 本章小结 |
第五章 总结 |
5.1 主要工作回顾 |
5.2 本课题今后需进一步研究的地方 |
参考文献 |
个人简历 |
致谢 |
(8)全自动生产线柔性输送系统路径规划应用与研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.0 课题的来源 |
1.1 课题研究的背景与意义 |
1.2 国内外发展状况 |
1.3 相关算法分析 |
1.3.1 蚁群算法 |
1.3.2 遗传算法 |
1.3.3 神经网络算法 |
1.3.4 免疫算法 |
1.3.5 模拟退火法 |
1.3.6 模糊逻辑算法 |
1.3.7 D*算法 |
1.3.8 路径规划算法总结 |
1.4 论文的主要工作内容及组织结构 |
1.5 本章小结 |
第二章 柔性输送系统整体结构 |
2.1 柔性输送系统构成 |
2.2 实验平台分析与研究 |
2.2.1 辊子输送机 |
2.2.2 RFID 位置传感器 |
2.2.3 路径规划控制器 |
2.3 本章小结 |
第三章 D*算法在柔性输送系统路径规划中的应用 |
3.1 引言 |
3.2 D*算法实现 |
3.3 仿真实验 |
3.3.1 环境模型 |
3.3.2 仿真实验 |
3.3.3 仿真结果分析 |
3.3.4 与其他算法的比较 |
3.3.5 仿真总结 |
3.4 本章小结 |
第四章 RFID 位置传感器设计 |
4.1 RFID 的基本组成部分 |
4.2 RFID 位置传感器整体设计 |
4.3 RFID 位置传感器硬件设计 |
4.3.1 电源模块 |
4.3.2 微控制器的选型 |
4.3.3 专用 RFID 读写芯片选型 |
4.3.4 ISP 模块 |
4.3.5 与路径规划控制器通信模块 |
4.3.6 RFID 位置传感器拓扑结构 |
4.3.7 天线模块 |
4.4 RFID 位置传感器软件设计 |
4.4.1 微控制器软件设计 |
4.4.2 MFRC522 的操作程序设计 |
4.5 RFID 位置传感器性能参数整定 |
4.6 RFID 位置传感器可靠性分析 |
4.7 结果分析 |
4.8 本章小结 |
第五章 基于 STM32 的路径规划控制器设计 |
5.1 路径规划控制器整体设计 |
5.1.1 系统功能分析 |
5.1.2 系统体系结构 |
5.2 路径规划控制器硬件组成 |
5.2.1 ARM 处理器分析与研究 |
5.2.2 STM32 微处理器分析与研究 |
5.3 路径规划控制器硬件单元电路 |
5.3.1 电源模块 |
5.3.2 通信模块 |
5.3.3 Flash ROM 模块 |
5.3.4 RAM 模块 |
5.3.5 测试信号输入模块 |
5.3.6 LCD 模块 |
5.3.7 电机驱动模块 |
5.3.8 PCB 布局布线分析 |
5.4 路径规划控制器软件设计 |
5.4.1 BSP 软件设计 |
5.4.2 μC/OS-Ⅱ 分析与研究 |
5.4.3 μC/OS-Ⅱ 的移植 |
5.4.4 μC/OS-Ⅱ 任务设计 |
5.4.5 μC/GUI 在操作界面上的应用 |
5.5 结果分析 |
5.6 本章小结 |
第六章 实验演示与结果分析 |
6.1 演示方案 |
6.2 演示效果 |
6.3 实验结果分析 |
6.4 本章小结 |
结论与展望 |
参考文献 |
附录 1 |
附录 2 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(9)基于智能卡的WSN密钥管理系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
目录 |
第一章 绪论 |
1.1 WSN国内外研究现状 |
1.1.1 国外研究状况 |
1.1.2 国内研究现状 |
1.1.3 WSN安全现状调查 |
1.2 智能卡的安全技术及现状 |
1.3 研究目的与意义 |
1.4 课题研究内容 |
1.5 内容安排 |
1.6 本章小结 |
第二章 关键技术介绍 |
2.1 WSN安全性问题 |
2.1.1 协议栈各层安全 |
2.2 WSN密钥管理技术 |
2.2.1 椭圆曲线密码技术 |
2.3 智能卡技术 |
2.3.1 智能卡硬件结构 |
2.3.2 卡内操作系统COS |
2.3.3 操作系统信息结构 |
2.4 本章小结 |
第三章 基于智能卡的WSN密钥方案设计 |
3.1 无线传感器网络节点的硬件结构 |
3.2 基于智能卡的椭圆曲线 |
3.2.1 ECC算法有限域的确定 |
3.2.2 ECC算法基点的选取及计算 |
3.2.3 ECC算法改进方案 |
3.2.4 改进ECC整体算法实现 |
3.3 改进ECC算法的软件层设计 |
3.3.1 ECC的编程实现 |
3.3.2 椭圆曲线操作层 |
3.3.3 椭圆曲线协议层 |
3.4 基于智能卡的密钥管理方案设计 |
3.4.1 系统初始化 |
3.4.2 节点通信密钥建立方案 |
3.4.3 新节点加入实现方案 |
3.4.4 密钥更新实现方案 |
3.4.5 密钥回收实现方案 |
3.5 本章小结 |
第四章 基于智能卡的WSN密钥管理方案在软件中的实现 |
4.1 改进ECC算法的实现 |
4.1.1 智能卡开发环境 |
4.1.2 ECC算法具体功能软件实现 |
4.2 基于智能卡的WSN密钥管理系统实现 |
4.2.1 节点通信密钥建立方案 |
4.2.2 新节点加入实现方案 |
4.2.3 密钥更新方案实现 |
4.2.4 密钥回收方案实现 |
4.3 基于智能卡的WSN密钥管理系统安全性分析 |
4.4 基于智能卡的WSN密钥管理系统有效性分析 |
4.4.1 存储开销分析 |
4.4.2 密钥长度分析 |
4.4.3 带宽分析 |
4.4.4 能耗分析 |
4.5 基于智能卡的密钥管理方案性能总结 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 进一步的工作及展望 |
参考文献 |
致谢 |
攻读硕士学位期间发表的学术论文 |
(10)基于Multi-Agent的水稻栽培知识管理研究(论文提纲范文)
摘要 |
Abstract |
第一章 前言 |
1.1 研究的目的和意义 |
1.2 国内外研究现状 |
1.2.1 知识管理发展概况 |
1.2.2 研究现状分析 |
1.2.3 主要研究内容 |
1.2.4 研究的技术线路 |
第二章 Agent与Multi-Agent系统 |
2.1 Agent的概念 |
2.2 Agent的分类和结构 |
2.3 Multi-agent System(MAS) |
2.4 MAS的分类 |
2.5 MAS的结构 |
2.6 Multi-Agent间的协调、合作 |
2.7 Multi-Agent间的通信 |
2.8 本章小结 |
第三章 基于Multi-Agent的水稻栽培知识管理系统设计 |
3.1 建立基于Multi-Agent水稻知识管理系统的目的 |
3.2 面向Agent的知识管理 |
3.3 基于Multi-agent水稻知识管理系统的体系结构和模型 |
3.3.1 系统的体系结构 |
3.3.2 系统的模型 |
3.3.3 系统的工作流程 |
3.4 系统中各主要Agent的设计 |
3.4.1 交互Agent |
3.4.2 问题Agent |
3.4.3 选择Agent |
3.4.4 预处理Agent |
3.4.5 挖掘Agent |
3.4.6 集成Agent |
3.5 本章小结 |
第四章 基于Multi-Agent的水稻栽培知识管理系统实现 |
4.1 技术背景 |
4.1.1 Java编程语言 |
4.1.2 Java语言及系统中的Agent技术 |
4.1.3 KQML语言 |
4.2 基于Agent的知识管理 |
4.2.1 元级知识 |
4.2.2 水稻专业知识库的关系和结构 |
4.3 基于Agent的知识推理机构件方法 |
4.4 系统的界面设计 |
4.4.1 系统登陆界面 |
4.4.2 资源管理界面 |
4.4.3 用户管理界面 |
4.4.4 知识管理界面 |
4.4.5 互动交流界面 |
4.5 系统的数据库设计 |
4.5.1 水稻知识管理系统的数据E-R图 |
4.5.2 水稻综合知识数据库 |
4.5.3 部分数据库表 |
4.6 系统的详细设计 |
4.6.1 系统整体结构 |
4.6.2 主要模块及模块功能 |
4.7 小结 |
第五章 总结和展望 |
5.1 本研究的创新点 |
5.2 下一步工作设想 |
参考文献 |
致谢 |
作者简介 |
四、基于只读算法和只加算法的移动agent的保护机制(论文参考文献)
- [1]基于FPGA、CPU和GPU协同处理的光纤振动传感系统性能优化研究[D]. 吕悦娟. 太原理工大学, 2020(07)
- [2]基于Delta机器人的视觉点漆系统研究与开发[D]. 马天杰. 浙江工业大学, 2020(08)
- [3]人在回路的无人水下航行器指控任务规划方法研究[D]. 张倩倩. 哈尔滨工程大学, 2019(05)
- [4]面向蓝宝石长晶炉的制造执行系统研究与实现[D]. 延健磊. 浙江大学, 2018(12)
- [5]云环境中任务流的多目标调度优化技术研究[D]. 沈尧. 南京航空航天大学, 2017(02)
- [6]轮式机器人路径规划及任务调度算法研究与设计[D]. 张磊. 华南理工大学, 2016(02)
- [7]基于嵌入式系统的移动机器人避障研究[D]. 张奕. 华东交通大学, 2015(11)
- [8]全自动生产线柔性输送系统路径规划应用与研究[D]. 陈乐. 华南理工大学, 2014(01)
- [9]基于智能卡的WSN密钥管理系统的设计与实现[D]. 方巍. 北京邮电大学, 2014(04)
- [10]基于Multi-Agent的水稻栽培知识管理研究[D]. 邓胜. 湖南农业大学, 2010(03)