一、TOC信息的广播控制算法(论文文献综述)
陈笑沙[1](2021)在《面向车队自动驾驶的车联网端到端时延分析与资源优化》文中进行了进一步梳理随着车联网以及人工智能相关技术的日渐成熟,自动驾驶相关技术正在成为提高交通安全性和出行效率的热门研究领域。与此同时,业界发现相比于单车独立自动驾驶,车队协作驾驶拥有更高的稳定性、安全性和道路利用率,因此,基于车队的自动驾驶就成为了一个颇受关注的研究课题与发展方向。然而,与传统的通信业务不同,车队自动驾驶应用必须要有明确的时延上界保障。已有研究表明,时延上界会直接关系到车队的稳定性,且会直接影响交通效率。而且任何一个报文的超时传输处理,都可能会造成严重的生命财产的损失。因此在设计路上应用时,必须谨慎考虑通信、计算系统的时延上界,并根据当前系统状态,为突发情况留出足够长的反应时间。然而路上环境的高动态性以及车联网链路与协议的随机性,都为确定时延上界的研究带来了极大的挑战。目前的研究多是分析各种协议下的网络吞吐率,难以直接用于时延上界的分析;而且对于资源分配的优化,也主要考虑平均吞吐率的优化或者网络容量的优化,难以缩短局部车辆间的通信时延上界。针对上述问题,引入了随机网络演算理论。该理论可以分析排队系统的性能下界的概率分布,对车联网的不同接入协议的传输时延上界进行分析。然而,随机网络演算理论中有大量自定义运算和计算量很高的运算,如min-plus卷积、积分运算和非线性方程组求解等等,这些运算使得网络演算结果难以直接利用诸如凸优化的传统数学工具进行优化,较长的计算时延也难以直接将网络演算的理论模型用于实时系统。因此,在系统设计中将人工智能技术与网络演算理论相结合,针对不同协议层与不同应用场景,对业务的时延上界进行分析,并基于系统性能下界的评估,设计了相关的优化控制策略。全文分为了四大部分,分别为:a)基于网络演算的车联网传输时延分析,b)基于时延上界分析模型的车距控制策略,c)面向高带宽低时延业务的广播路由算法研究,d)面向端到端传输处理时延优化的计算通信资源分配策略。主要创新点可以总结为以下四点:(1)通过将网络演算引入到车联网中,对C-V2X Mode 4协议以及混合车联网框架进行了理论建模与分析,展示了随机网络演算对于不同协议、不同链路和不同业务的时延上界的分析方法。利用网络演算对C-V2X Mode 4协议的传输时延进行了分析,在分析过程中,通过对时帧结构的冲突概率和发送概率进行计算,结合网络演算相关理论工具,得到了 C-V2V的性能分析模型,并针对周期性广播业务与泊松到达业务,分析了车联网的端到端时延。基于并行系统的分析方法,对专用短程通信(Dedicated Short Range Communication,DSRC)协议和毫米波网络的混合网络的传输能力进行了分析。(2)创新性地结合网络演算理论分析结果,设计了安全车距控制策略,从而使得交通安全拥有理论保障;提出了结合机器学习与网络演算的优化框架,对协议的时延上界进行了优化,并以C-V2V协议为例,提出了基于强化学习的网络演算模型优化方法。在优化结果的基础上,设计了包含系统性能预测、安全距离计算、距离映射控制等模块的自适应车距智能控制算法。为了验证算法的有效性,设计并实现了结合AirSim与Mathematica的综合仿真平台,该平台可实现自动驾驶、网络演算、人工智能、通信协议等不同功能的联合仿真。(3)为了解决高带宽广播业务的拥塞问题,结合车队的固有特点,设计了路由层上的面向高带宽低时延业务的广播路由策略,创新性地基于图论理论在方向性传播网络上建立了高速路由方案,并用网络演算分析了链状车队下的广播时延上界,得到了路由方案的计算复杂度,为广播的计算时延与通信时延提供了理论分析模型。(4)进一步将计算时延纳入到优化范畴,对总体时延进行了优化。引入了移动边缘计算场景,考虑到计算时延在总体时延中占比较大,无法忽略,因此对包含业务的卸载、计算、回传、投递在内的端到端总体时延进行了优化。创造性地设计了基于强化学习的多播业务的总体时延智能优化策略。对报文归并技术下的多播业务的时延进行了理论分析,并对安全业务与非安全业务提出了不同的优化策略,可以达到保障道路安全、提升交通效率以及提高业务服务质量(Quality of Service,QoS)的目的。
苏瑜[2](2021)在《通信卫星载波相位时间频率传递方法研究》文中认为引力波探测、相对论效应验证、空间飞行器交互对接等前沿技术领域对高精度时频基准提出了频率稳定度优于E-16/天的应用需求。原子钟产生的频率稳定度优于E-18/天的时频基准信号,需要通过光纤、卫星等传递方式,将时频信号送达给用户使用。卫星传递因其覆盖范围广、连续可用等优势,成为时频信号传递的主要方式。但是,目前基于卫星的时频信号传递的频率稳定度最高为E-15/天,不能够满足前沿技术领域的应用需求,不能够充分利用原子钟高稳定的频率资源。论文针对此问题,依托国家授时中心建设的转发式卫星导航试验系统,开展了基于GEO通信卫星的高精度载波相位时频传递方法研究,实现了频率稳定度为E-16/天时频传递,满足了引力波探测等应用需求。论文的主要研究成果和创新点如下:(1)给出了GEO通信卫星载波相位时间频率传递方法在单向、双向两种工作模式下的传递模型,分析了两种工作模式下信号传播路径时延的误差因素及影响量级,并给出了主要误差的修正方法。(2)针对GEO通信卫星转发对时间频率传递载波频率产生的影响,提出了一种单站闭环的GEO通信卫星转发器本振频率的测量方法,对GEO通信卫星转发器本振性能进行了分析。结果表明GEO通信卫星转发器本振频率存在类正弦的变化趋势,其准确度在E-8量级,稳定度在E-8/10000s量级,部分GEO通信卫星还存在快速调频现象,导致用户接收机接到的时频传递微波信号载波性能恶化,载波相位观测量无法直接应用。(3)提出一种添加动量项的BP神经网络PID控制算法,对地面产生的时频传递信号的载波频率进行控制,补偿卫星转发器引入的影响。实测结果表明,该控制方法具有响应时间短、跟踪过程振荡小、参数自整定的特点,消除了GEO通信卫星本振的正弦变化趋势,使用户接收的时频传递信号载波频率性能提升了3到5个数量级。(4)基于转发式卫星导航试验系统,开展了GEO通信卫星单向、双向两种工作模式下的零基线时间频率传递试验,采用C波段工作频率,对载波相位时间频率传递性能进行了验证。实测结果显示,采用载波相位获得的时间传递精度相对于伪码提高了1个数量级;单向载波相位时间频率传递的频率稳定度为2.07×10-14/10000s;双向载波相位时间频率传递的频率稳定度分别为1.29×10-14/1000s,1.21×10-15/10000s,8.07×10-16/20000s。
钟倩文[3](2021)在《地震勘探无线采集系统中的网络传输功率自适应控制研究》文中进行了进一步梳理基于大规模自组织无线传感器网络设计开发地震勘探采集系统是一个重要的研究方向。在该应用研究中,传感器节点的功耗控制被认为是一个研究难点问题。本文以系统中的网络传输功率自适应控制研究为主题,在无线传输网络设计、传感器节点测距算法和功率自适应控制算法三个方面开展研究。根据采集数据由末端采集节点向采集中心站汇聚导致的越靠近采集中心站传输数据量越大的特点,本文提出了高低速率结合的低功耗分簇异构网络设计方案。根据采用的传输协议,将网络划分为由基于IEEE 802.15.4标准的ZigBee协议组成的低功耗、低速率的簇内子网,以及由基于IEEE 802.11b/g/n标准的WiFi协议组成的高速率、高实时性的簇间主干网络。在满足末端采集节点低功耗和低成本要求的同时,又能提高靠近采集中心站端的网络负载能力。传感器节点之间的距离信息在功率自适应控制算法的实现中具有重要作用。结合系统硬件条件,本文提出了融合RSSI和LQI数据的节点测距算法。通过偏移程度分别确定RSSI值和LQI值衰减稳定的数值区间,并根据各自区间内数值偏移程度的大小赋予权值,然后对权值曲面进行二维滑动平均处理,最终通过最小二乘法拟合得到的测距经验模型拥有更高的测距精度和更强的抗干扰能力。无线通信系统中大部分能量消耗都是集中在信号的发射与接收过程中,通过发射功率进行自适应控制能够降低无效的能量消耗、裁剪冗余通信链路并优化网络的整体性能。针对地震勘探无线采集系统中传输网络设计方案的特点,兼顾系统硬件成本和节点的计算能力,本文提出了一种基于K-NEIGH和COMPOW的功率控制算法。该算法首先通过选取合适的K值,确定节点的发射功率大小;然后在节点邻居集内进行最低发射功率的统一,进而实现邻居集内的单向链路修正;最后通过应答机制,确保网络中不存在孤立节点和孤立子网。通过仿真分析将本文提出的测距算法和功率控制算法与现有的方法对比,并在实际环境中进行组网测试,验证了所设计的无线传输网络的合理性,表明了提出的传感器节点测距算法和网络传输功率自适应控制算法的有效性和可靠性。
陈琰[4](2021)在《片上硬件在环仿真系统研究与设计》文中提出随着电力电子系统的规模和复杂程度不断增大,硬件在环(Hardware-in-Loop,HIL)仿真技术被越来越多地应用在系统的开发与设计中。本文研究设计了一款片上硬件在环仿真系统,系统由双核浮点数字信号处理器(Digital Signal Processor,DSP)、隔离式模拟数字输出接口和人机接口构成。双核浮点DSP中的一个核(仿真核)用于仿真实验对象,另一个核(控制核)用于控制实验对象,双核的数据交互可以实现对实验对象的开环特性测试和闭环控制,实现了基于单片处理器计算资源的半实物仿真系统。本文提出并研究了基于双核的片上硬件在环仿真系统(Hardware-in-Loop-on-Chip,HILoC)的架构,设计了系统仿真核与数字控制核之间基于中断配合的高速数字交换时序,对目标对象数值建模并提出了数值方程组内部加速迭代的算法。为了实现在环仿真的互动性、可视化以及硬件在环向硬件实物的设计迁移,分配了 TMS320F28379D的外设资源,设计了隔离的数字和模拟输入输出电路、辅助电源电路和人机接口电路,因此片上硬件在环系统具备以下功能:1.对象实时模拟;2.实物数字控制器与虚拟(数值仿真)对象的闭环互动;3.硬件在环设计向实物闭环系统的迁移验证。以Buck电路为仿真对象,对其输入扰动、负载扰动和占空比扰动时的系统暂态响应进行了仿真验证;并在输入扰动和负载扰动下进行了硬件在环(真实控制器)的仿真验证,并与商用Typhoon HIL仿真器进行了对比实验,验证了片上硬件在环仿真系统的有效性。以实物Buck变换器为控制对象,进行了硬件在环向硬件实物的设计迁移有效性的实验验证,结果表明,在相同控制器参数下,HILoC系统能够实现实物对象的闭环控制,接入的物理硬件电路能够在满足真实系统性能指标的运行环境中得到试验与测试,其仿真效果接近真实运行情况。本研究提出的片上硬件在环仿真系统不仅可以通过仿真平台验证控制器的设计性能,而且可以真实地反映控制器的动态特性和静态特性,降低了实际系统承受各种极限条件下的风险,提高仿真的真实性与开发效率。
孙超[5](2021)在《车联网环境下自动驾驶车辆交叉路口转弯控制算法研究》文中研究说明目前,无人驾驶汽车(Autonomous Driving Vehicle,ADV)的研究主要考虑人工驾驶汽车和ADV在车道上同时行驶的情况。为了获取车辆本身以及决策和控制所必需的环境的信息,目前正在研发的ADV通常配备许多传感器单元,例如高精度定位系统,各种类型的雷达,和视频处理系统。显然,当前的高级辅助驾驶系统(Advanced Driver Assistance System,ADAS)或ADV解决方案在行驶安全性以及车辆的成本和价格方面仍然存在一些问题。但是,可以肯定的是,未来在某些道路,区域或城市中,将会实现所有车辆全部是ADV,即没有任何人类驾驶的车辆在道路上行驶。在这种情况下,如果驾驶安全的可靠性和生产成本预期的得到显着改善,环境感知,交通指示和车辆控制的方式必将会发生改变。因此,本文在更加复杂的车辆自组织网络(Vehicle Ad-hoc Network,VANET)成为未来ADV场景中必不可少的运输基础设施的背景下,研究交叉路口中基于车用无线通信(Vehicle to Everything,V2X)的车辆转向控制问题,其转向控制主要包括三个基本问题,即目标车道选择,轨迹规划以及车辆的控制与追踪。本文的主要工作如下:(1)构思未来的车联网自动驾驶场景下,左转、右转、掉头转弯控制系统架构设计,形成总体架构框图,包括环境感知模块、任务决策模块、轨迹规划模块、MPC模块,与执行机构模块。(2)针对多车道多车辆的左转、右转、掉头等全ADV场景,提出了一种简单可行的目标车道选择策略;同时基于V2X通信,设计了一种交叉路口道路场景下的车辆转弯控制方法,包括轨迹规划,车辆轨迹追踪控制等。(3)采用CarSim/Simulink联合仿真平台,充分利用CarSim内部成熟的车辆动力学特性模型,进一步验证本文所设计的车辆转弯控制系统的安全性和有效性。仿真结果验证了设计系统在仿真平台上的有效性。
乔钰[6](2021)在《车载自组织网络环境中拥塞控制算法的研究》文中指出伴随着世界经济的快速发展,汽车工业也迎来了发展的黄金时期。这使得车辆在人们日常出行生活中扮演着越来越重要的角色。但随之而来的次生问题却不容忽视,频繁发生的交通事故和城市越发严重的道路拥堵问题,为社会经济与人民生命财产安全带来了巨大的损失。保障道路交通安全已成为世界各国都不可逃避的现实问题。无线通信技术的迅速发展为上述问题提供了解决方案,应用移动自组织网络核心技术于车辆网络的车载自组织网络技术应运而生。车载无线网络的形成基于车与车,车与基础设施之间互相通信,主要传递事故避免或者辅助驾驶等实时信息,同时为驾驶者提供娱乐,实时导航等服务,使车辆运输网络更加安全高效地运行。目前,虽然移动自组织网络技术在许多方面已趋于成熟,但由于车辆运输网络本身具有拓扑变化速度快、无线信道容量有限与网络运行状况不稳定等特点,导致移动自组织网络技术的研究成果不能直接用于支持车载自组织网络。车载自组织网络信道容量有限,尤其是用于维持安全应用程序良好运行的控制信道带宽仅有10MHz。因此当道路上的车辆节点变得密集时,信标消息以固定频率传输就会造成信道负载过重,进而导致拥塞。拥塞不仅会对信标消息的可靠传输造成影响,还会严重妨碍事件触发安全消息的及时传播。然而,这类安全消息往往与驾驶者的生命与财产安全密切相关,传输过程中对其延迟要求更高。因此,研究车载网络的信道拥塞控制方法对于保障安全消息可靠及时地传输,维护无线网络的运行性能具有十分重要的意义。针对上述问题,本论文基于车载自组织网络的关键技术展开讨论,分析了信道拥塞所面临的挑战,提出了两种拥塞控制算法。具体工作包括以下几个方面:(1)本文提出了一种基于局部密度预测的传输参数自适应拥塞控制策略。首先,详细介绍了基于车辆历史交通环境参数的局部密度预测方法,根据一个控制信道间隔内节点从自身MAC层获取的接收包的数量和碰撞包数量的总和,结合信标平均速率计算邻居节点的数量。其次,介绍了利用信道繁忙率来判断信道状态的方法。然后,对根据局部密度预测值和信道繁忙率的联合速率和功率自适应流程框架及详细工作流程进行了描述,同时设计了具体算法。最后,通过仿真实验测试,验证了本文所提出的算法能够显着提升数据包递送率,缩短传输延迟,从而提供可靠的信标消息传输机制。(2)提出以消息优先级调度机制作为基础结合信标消息产生速率自适应的一种分布式拥塞控制方法。首先,设计一种基于消息属性、应用程序类型的静态因素和基于网络状态的动态因素相结合计算各类安全消息优先级大小的方法,并基于优先级大小按顺序动态调度队列中的消息。然后,利用信标产生速率自适应控制方法根据当前时刻信道状态调节信标生成时间间隔长短,控制注入信道内的数据流量。最后,基于仿真软件NS-3对本文控制算法进行验证,结果表明本文的算法改善了事件触发安全消息传输平均延迟及数据包丢失率,提高了平均吞吐量。
闫智超[7](2020)在《无人机编队控制及通信技术研究》文中研究说明无人机(Unmanned Aerial Vehicle,UAV)目前在巡逻侦察、搜索援救、应急通信保障等军用、民用领域都具有广泛的应用。无人机编队控制对于多无人机协同任务具有重要意义,使得无人机集群可以在避免碰撞的前提下完成更为复杂的任务,并大幅提高任务的成功率,避免了单无人机故障的风险。目前对无人机编队控制(Formation Control)问题的研究主要是针对小规模无人机集群控制的研究,而对于大规模无人机集群控制的研究较少。并且在研究编队控制方法时没有考虑无人机与无人机之间的通信组网需求,以及无人机在执行任务时对于队形保持和队形变换的要求。因此,本文针对固定翼无人机在编队控制中队形保持和通信组网的需求进行研究,提出一种分布式的无人机分层编队控制算法,将无人机编队分为三层,每一层采用不同的控制算法进行控制,共同完成整个编队的控制和队形保持。在该控制算法中考虑到无人机编队的队形要求,可以根据任务需求保持队形稳定或进行队形变换,并且该控制算法在无人机规模较大时也有很好的适应能力。同时,针对在无人机自组网中广播开销过高的问题,设计了一种基于OLSR的无人机自组网路由协议,通过MPR转发机制和编号转发机制降低了网络中广播消息的开销;同时该协议可以根据当前编队的稳定性,自适应调节控制报文发送频率,使得该协议可以在适应高速动态网络的基础上,尽可能降低控制报文的开销。最后,本文在编队仿真软件上对无人机编队算法进行验证,仿真结果表明,该控制算法可以在无人机编队移动过程中根据任务需求进行队形保持和队形变换,并验证了该控制算法在有障碍物的场景和无人机故障场景下的适用性。通过和通信仿真软件联合仿真,验证了本文所提出的了无人机自组网路由协议可以完全适用于分层编队控制算法,并可以有效降低通信开销,提高网络通信质量。
张乐乐[8](2020)在《基于时隙跳频的树状工业传感网拥塞控制研究》文中提出应用在工业领域的基于时隙跳频的大规模无线传感器网络,是由大量无线传感器节点组成的树状拓扑网络。在这种汇聚型网络中,处于根节点附近的热点区域节点承担了大量上下行数据的收发工作,发生拥塞的风险很大。因此,如何解决无线传感器网络中的拥塞控制是无线传感器网络研究的重要课题之一。现有的拥塞控制算法都是从抑制报文发送速率的角度出发,将大量并发的数据包后压,从而达到缓解网络拥塞的目的。但是,实际上终端节点设备并没有足够大的内存资源来缓存数据。因此,如果使用现有的拥塞控制算法,只是推延了拥塞爆发的时间,并没有真正的解决问题。随着时间的推移,大量的转发数据会因为中继节点内存耗尽而被丢弃,从而导致源节点必须重发数据包,反而加剧了拥塞。此外,基于时隙跳频的无线传感器网络的拥塞也可能是由于信道竞争冲突导致的,而现有的拥塞控制并没有针对这个问题进行研究。针对目前拥塞控制算法的不足,本文构建了一种新的基于时隙跳频的工业无线传感网络的拥塞控制算法FRCCP。该算法并没有像其他拥塞控制算法一样继续在后压和限速方案上做文章,而是利用RPL路由协议中节点多路径的特性,提出将多余的流量分摊到多个不同的父节点中去。首先,本文设计并实现了一种新颖的网络拥塞度量定义,用来判断节点的拥塞成因。如果当前节点拥塞而且其上行路由节点(即父节点)也同样拥塞的话,则拥塞原因是由于父节点缓存不足导致的。针对这种情况,本文提出了一种新的基于邻居节点流量预测的多路径负载均衡算法MRLBA来解决这个问题。否则的话,拥塞则是由邻居节点相互之间的信道竞争冲突导致的,针对这种情况,本文设计并实现了一种基于流控的信道独占协议CMP算法来解决。MRLBA算法利用斐波那契扇形图计算出邻居节点的空闲流量,并基于RPL路由协议的多路径特性,将节点自身拥塞的流量按需分配给多条上行路由,从而实现负载均衡的目的。此外,由于MRLBA算法在多个路径上传输数据,所以能够稳定地维持多条路由的链路质量,避免了由于子节点路由频繁切换导致的钟摆效应问题。而本文设计的CMP算法,采用了类似流控的方法,利用斐波那契扇形图计算出节点空闲窗口的时间,通过延长父节点跳频的时间序列来规避接入信道竞争导致的拥塞风险。基于FRCCP算法的原理分析,本文设计并实现了原型系统。首先,介绍了原型系统的软硬件开发环境;其次,对于组成FRCCP算法的6个子算法,用伪代码和流程图加以阐述和说明,并分别从父节点和子节点的角度,设计并实现了各自的逻辑模块;最后,阐述了编译和调试的方法和步骤。为了验证FRCCP算法的正确性,本文设计并实现了四组测试实验,分别对三种现有的拥塞控制算法以及FRCCP算法进行了对比实验。从实验结果来看,FRCCP算法比现有的几种网络拥塞算法更加有效地提高网络的数据吞吐量,保证网络拓扑的稳定,降低维护网络的消息开销,避免了钟摆效应,从而达到了更好的网络拥塞控制效果。
陈禹同[9](2020)在《基于非合作博弈的无线传感器网络拓扑控制研究》文中研究表明在信息化高速发展的今天,各种智能感知设备和人工智能应用都在逐步被普及到社会各个角落,人们的生活离不开智能感知技术。作为物联网设备间通信的底层支撑技术,无线传感器网络受到重点关注和广泛应用,所以传感器技术和无线网络通信技术的研究就显得意义重大。无线传感器网络(Wireless Sensor Network,WSN)是由大量廉价且低功耗的传感器节点通过自组织的连接方式所形成的无线网络,通常被部署在环境恶劣、地势险阻等人类无法到达的区域来感知和采集各种监测对象的信息。而与一般传统的无线网络不同的是,传感器节点多采用容量较小的电池供电并且不易更换。因此,在节点能量受限的前提下,如何降低节点的能耗、提高能量的利用率从而延长网络的生命周期成为无线传感器网络在实际应用中需要迫切解决的关键问题,也便是当前该领域研究的热点问题。针对于无线传感器网络中节点协同工作时能量受限的问题,经过深入的研究与分析,本文从拓扑控制的两个不同角度出发,阐释了应用非合作博弈理论构建节能模型的合理性和可行性。具体研究内容如下:对于平面型的网络拓扑结构,本文提出了一种基于势博弈的节点功率控制算法。该算法将网络中各节点的功率控制问题抽象成非合作博弈理论中的势博弈模型,通过设计合理的效益函数来有效地协调各节点间的工作机制。在效益函数的设计中,算法综合考虑了节点的发射功率、各节点间的通信干扰、节点的当前剩余能量和网络的连通性等因素,节点通过最优响应策略的方式调整当前功率,从而最终使得网络可以收敛到最优发射功率的纳什均衡点。仿真实验结果表明,基于势博弈的节点功率控制算法可以在保证网络连通性和鲁棒性的前提下有效降低节点的发射功率,均衡节点间负载,提升了网络的能量效率,延长了网络的生命周期。对于层次型的网络拓扑结构,本文提出了一种基于混合策略博弈的能耗均衡分簇算法。该算法采用周期性簇头轮换机制,在簇头选举阶段充分考虑了节点的当前剩余能量和到邻节点的平均距离来定义任意节点声明为簇头时的收益和损耗,所有节点根据各自计算的均衡概率来决定是否声明成为簇头,最终使得剩余能量较多且损耗成本较小的节点成为簇头的概率更大,从而保证簇头的选举策略更为合理。同时,为了避免在簇头选举过程中出现多个邻节点同时被选为簇头的情况,引入两轮簇头选举机制,通过一种迭代算法来从潜在簇头集合中选举出真正簇头。仿真实验结果表明,该算法能够优化网络分簇结构,平衡网络中节点的负载,从而保证整体网络的能耗更加均衡,有效改善了网络中过早出现能量空洞的问题,使网络的生存时间得以延长。
徐巍[10](2020)在《连续热镀锌生产线带钢锌层重量测量模型与控制方法研究》文中认为热镀锌产品具有良好的机械加工性能和很强的耐腐蚀性能,在机械工业、钢结构建筑、汽车制造、家电制造、通讯及电力等诸多领域具有广泛地应用。随着汽车行业对热镀锌板需求量日渐增大,对钢板质量的要求也不断提高。锌层的厚度与均匀性是镀锌钢板和钢带的重要质量标准,也在一定程度上影响着生产成本。在连续热镀锌生产线中,气刀和锌层测厚仪是控制锌层重量的核心设备,两者通过控制算法形成闭环。本文便围绕锌层测量模型、气刀控制影响因素、控制算法三方面对锌层重量控制展开系统研究。目前各大钢厂热镀锌线均安装了国外公司生产的锌层测量系统,但国内连续热镀锌行业却对锌层重量测量方法的理论研究不足。针对这一问题,本文提出一种基于Monte Carlo N-Particle Transport Code(MCNP)的锌层测量模型仿真研究方法。介绍了如何利用MCNP计算、分析试样上均匀分布的锌层重量。在XRF测量原理分析与实际生产设备调研的基础上,构建了基于材料核素和质量分数的物理模型。比较了不同入射能量单色光子、探测距离和入射光斑尺寸下,X射线荧光光谱和锌荧光探测效率的变化。结果表明:入射光子能量与目标元素的特征X射线能量差值越小,所产生荧光强度越大;探测器窗面积越大,采集荧光强度越大,并当探测器距离在20~40mm时荧光强度达到最大;同时,本文构建的模型建立了锌Kα的荧光强度与锌层重量良好的线性关系,R2=0.9994,有效地模拟了基于X射线荧光的测量过程,提供了锌镀层测厚仪设计与仿真的新方法。在吹气法热镀锌中,影响锌层重量的因素有多种,其中与气刀相关的各工艺参数影响较大。针对锌层重量控制过程中存在非线性和多变量的对象特性,提出一种基于正交试验设计、数值模拟及响应面法的锌层重量控制影响因素模拟与优化分析新方法。采用试验设计和现场数据采集方法获取实验样本数据,运用极差分析得到各单因素对响应指标的主次顺序,推导出线性回归公式,并采用含交互作用列的正交试验对模型进行优化,以修正实验结果。结果表明:拟合得到的二次回归方程模型的决定系数为R2(28)0.9976,P<0.0001。根据实验结果得出影响锌层重量变化的主次因素关系顺序是:吹气压力、带钢速度、吹气压力与带钢速度的交互作用、喷嘴距离、喷嘴缝隙、吹气压力与喷嘴距离的交互作用。结果揭示了因素交叉项对锌层重量的重要影响,在此基础之上确定了在生产效率最大化和生产能耗最小化两种模式下锌层重量的控制方法。为进一步解决连续热镀锌锌层重量控制过程中的连续性、实时性、时变性与滞后性等复杂问题,提出一种基于改进的动态模糊神经网络的在线锌层重量预测新方法。介绍了动态模糊神经网络的学习算法,改进了学习算法中施密特正交分解的前提条件,同时结合正交数组对输入空间的代表性,显着提高了动态模糊神经网络在处理高维小样本时的泛化能力。以热镀锌生产线的生产实际数据作为研究对象,分别使用径向基神经网络、BP神经网络、动态模糊神经网络对样本进行了训练和检验,验证了改进的动态模糊神经网络有效性。在改进的动态模糊神经网络基础上,利用合金化率校正了X射线荧光测量值,校正结果与重量法的最大偏差为1.73 g/m2,10组测试中有2组值能准确预测,10组预测的均方根误差为1.2737。针对不能自动获取进口设备测量数据的问题,开发了锌层测厚仪数据采集系统,实现了自动捕获所需相关数据,分析和运算后形成最终的检验报告,并自动上传至产销系统中。系统可靠性很高,可有效缓解离线检测工作压力、提高检验及时率。针对人工控制补偿依靠经验、没有理论依据的问题,在数据采集系统和以上研究基础之上,开发了控制优化支持系统,实现了控制参数的选择与预测。
二、TOC信息的广播控制算法(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、TOC信息的广播控制算法(论文提纲范文)
(1)面向车队自动驾驶的车联网端到端时延分析与资源优化(论文提纲范文)
摘要 |
ABSTRACT |
缩略词表 |
第一章 绪论 |
1.1 引言 |
1.2 背景及意义 |
1.2.1 协作式自动驾驶相关技术 |
1.2.2 车联网接入协议 |
1.2.3 移动边缘计算概述 |
1.2.4 车联网性能分析相关研究 |
1.2.5 现有研究的不足 |
1.3 本文的研究内容 |
1.3.1 主要研究内容 |
1.3.2 论文的贡献与创新点 |
1.4 本论文的结构安排 |
第二章 基于网络演算的车联网传输时延分析 |
2.1 引言 |
2.2 C-V2V协议的时延上界分析 |
2.2.1 基于网络演算分析协议的总体思路 |
2.2.2 C-V2V协议流程 |
2.2.3 发送概率及冲突概率的计算 |
2.2.4 C-V2X协议的服务曲线 |
2.2.5 给定业务的时延上界 |
2.3 DSRC协议的时延分析 |
2.3.1 协议流程分析 |
2.3.2 基于概率的分析方法 |
2.3.3 DSRC协议的服务曲线模型 |
2.4 混合网络的性能分析 |
2.4.1 mmWave链路的模型 |
2.4.2 基于mmWave链路的单播应用性能分析 |
2.4.3 混合网络的系统模型 |
2.4.4 混合异构网络的时延分析 |
2.5 数值仿真结果 |
2.5.1 C-V2X协议性能分析的正确性验证 |
2.5.2 DSRC及混合网络的分析验证 |
2.6 本章小结 |
第三章 基于时延上界分析模型的车距控制策略 |
3.1 引言 |
3.2 智能传输时延优化策略 |
3.2.1 不依赖网络演算的优化方案 |
3.2.2 基于网络演算的时延优化策略 |
3.3 基于时延分析的智能车距控制算法设计 |
3.3.1 系统参数预测 |
3.3.2 智能车距控制算法 |
3.4 仿真结果及其分析 |
3.4.1 参数智能优化方案 |
3.4.2 自动驾驶与车联网的联合仿真框架 |
3.4.3 数值仿真结果及其分析 |
3.5 本章小结 |
第四章 面向高带宽低时延业务的广播路由算法研究 |
4.1 引言 |
4.2 系统模型 |
4.2.1 基于毫米波的广播方案 |
4.2.2 毫米波物理链路模型 |
4.3 方向性网络的广播问题 |
4.4 拓扑路由选择算法 |
4.4.1 报文选择阶段 |
4.4.2 路由选择阶段 |
4.4.3 算法性能分析 |
4.5 仿真结果及其分析 |
4.6 本章小结 |
第五章 面向端到端传输处理时延优化的计算通信资源分配策略 |
5.1 引言 |
5.2 基于ICN的车载资源分配方案 |
5.2.1 移动边缘计算架构 |
5.2.2 移动边缘计算中的ICN技术 |
5.3 ICN网络中的计算卸载问题 |
5.3.1 网络拓扑模型 |
5.3.2 业务卸载数学模型 |
5.3.3 ICN中的路由时延 |
5.3.4 面向PRT最短的ICN网络业务卸载问题 |
5.4 智能异构资源管理策略 |
5.4.1 整体算法设计 |
5.4.2 头车选择策略 |
5.4.3 行为空间与状态空间 |
5.4.4 收益计算的化简 |
5.5 数值仿真结果及其分析 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 本文总结 |
6.2 下一步工作展望 |
致谢 |
参考文献 |
附录A 随机网络演算的基本定义与结论 |
A.1 随机到达曲线 |
A.2 随机服务曲线 |
A.3 基本结论 |
攻读博士学位期间取得的研究成果 |
(2)通信卫星载波相位时间频率传递方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 研究现状 |
1.2.1 时频基准研究现状 |
1.2.2 时间频率传递方法研究现状 |
1.2.3 频率控制方法研究现状 |
1.3 论文的主要工作与内容安排 |
第2章 时频信号性能分析与PID控制方法基础 |
2.1 时频信号性能分析基础 |
2.1.1 频率准确度 |
2.1.2 频率稳定度 |
2.1.3 频率稳定度的时域分析 |
2.2 PID控制方法 |
2.2.1 PID控制算法与实例仿真 |
2.2.2 BP神经网络PID控制算法 |
2.3 本章小结 |
第3章 基于卫星的时间频率传递方法研究 |
3.1 GNSS系统单向时间频率传递方法 |
3.2 卫星双向时间频率传递方法 |
3.3 通信卫星载波相位时间频率传系统方法 |
3.3.1 单向载波相位时间频率传递方法 |
3.3.2 双向载波相位时间频率传递方法 |
3.4 本章小结 |
第4章 通信卫星载波相位时间频率传递误差分析及改正方法研究 |
4.1 时间频率传递信号传播过程分析 |
4.1.1 单向传播过程 |
4.1.2 双向传播过程 |
4.2 时频信号传播过程引入的载波频率性能恶化因素分析 |
4.2.1 影响载波频率的因素分析 |
4.2.2 多普勒对载波频率准确度的影响 |
4.2.3 卫星转发器本振对载波频率准确度的影响 |
4.2.4 下行接收信号载波频率性能分析 |
4.3 设备时延误差 |
4.3.1 地面站发射设备和接收设备时延误差与测量方法 |
4.3.2 综合基带开关机不一致性时延误差和校准方法 |
4.3.3 卫星转发器时延误差 |
4.4 空间传播路径时延误差及改正方法 |
4.4.1 电离层误差分析及改正方法 |
4.4.2 对流层误差分析 |
4.5 SAGNAC误差分析及改正方法 |
4.5.1 Sagnac效应 |
4.5.2 Sagnac效应改正算法 |
4.5.3 Sagnac效应改正仿真结果 |
4.6 本章小结 |
第5章 载波频率控制方法研究 |
5.1 载波频率控制方法 |
5.1.1 载波频率控制原理 |
5.1.2 载波频率预偏量估计 |
5.1.3 载波频率控制算法 |
5.2 载波频率PID控制算法和仿真分析 |
5.2.1 载波频率PID控制算法 |
5.2.2 载波频率BP神经网络PID控制算法 |
5.2.3 改进的载波频率BP神经网络PID控制算法 |
5.2.4 仿真结果对比分析 |
5.3 载波频率控制后结果分析 |
5.3.1 载波频率性能表征方式 |
5.3.2 实测结果验证分析 |
5.4 本章小结 |
第6章 通信卫星载波相位时间频率传递试验验证 |
6.1 单向载波相位时间频率传递试验验证 |
6.1.1 试验平台 |
6.1.2 数据处理 |
6.1.3 试验结果 |
6.2 双向载波相位时间频率传递试验验证 |
6.2.1 射频闭环链路下的零基线和共时钟测量试验结果 |
6.2.2 卫星环路下的零基线和共时钟测量试验结果 |
6.2.3 卫星环路下的零基线不共时钟测量试验结果 |
6.3 本章小结 |
第7章 总结与展望 |
7.1 论文主要研究成果与创新点 |
7.2 下一步工作展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(3)地震勘探无线采集系统中的网络传输功率自适应控制研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 应用背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 地震勘探无线采集传输系统研究现状 |
1.2.2 无线传感器网络中的功率自适应控制研究现状 |
1.3 本文主要研究内容 |
1.4 论文章节安排 |
第2章 地震勘探无线采集传输系统概述 |
2.1 无线传感器网络简介 |
2.1.1 无线传感器网络特点 |
2.1.2 无线传感器网络协议对比 |
2.1.3 应用于地震勘探无线采集传输系统中的网络协议分析 |
2.2 地震勘探无线采集传输系统组成 |
2.2.1 超低频地震检波器 |
2.2.2 AD采集与本地存储系统 |
2.2.3 无线传输系统 |
2.2.4 上位机控制系统 |
2.3 本章小结 |
第3章 基于RSSI-LQI加权数据融合的节点测距算法研究 |
3.1 测距算法简介 |
3.1.1 测距算法分类 |
3.1.2 经典测距算法的对比分析 |
3.1.3 RSSI和LQI测距算法的局限性 |
3.2 基于RSSI-LQI加权数据融合测距算法实现 |
3.2.1 RSSI和LQI实际测试数据获取 |
3.2.2 数据融合权值计算 |
3.2.3 二维滑动平均法平滑权值曲面 |
3.3 测距算法仿真结果分析 |
3.4 本章小结 |
第4章 基于K-NEIGH和COMPOW的功率控制算法研究 |
4.1 功率控制算法简介 |
4.1.1 功率控制算法分类 |
4.1.2 经典功率控制算法的对比分析 |
4.1.3 K-NEIGH和COMPOW算法的局限性 |
4.2 基于K-NEIGH和COMPOW的功率控制实现 |
4.2.1 解决链路的单向连通问题 |
4.2.2 解决节点最低功率统一性问题 |
4.2.3 解决孤立节点与孤立子网问题 |
4.2.4 隐藏终端和暴露终端的分析 |
4.3 功率控制算法的仿真分析 |
4.3.1 仿真环境 |
4.3.2 仿真结果分析 |
4.4 本章小结 |
第5章 网络传输功率自适应控制系统的硬件与软件设计 |
5.1 系统总体方案设计 |
5.2 硬件系统的设计 |
5.2.1 硬件开发环境 |
5.2.2 AD采集板与主控制板的设计 |
5.2.3 无线数据传输板的设计 |
5.2.4 板间通信接口的设计 |
5.3 软件系统的设计 |
5.3.1 软件开发环境 |
5.3.2 AD驱动程序与FatFs文件系统移植 |
5.3.3 ZigBee和WiFi驱动程序 |
5.3.4 板间通信接口驱动程序 |
5.3.5 功率控制算法的软件实现 |
5.3.6 地震勘探数据采集与无线传输的软件实现 |
5.4 本章小结 |
第6章 系统测试 |
6.1 功率控制算法测试 |
6.1.1 传感器节点续航能力测试 |
6.1.2 ZigBee和WiFi组网测试 |
6.1.3 系统可靠性测试 |
6.1.4 功率自适应控制测试 |
6.2 地震勘探数据采集与无线传输测试 |
6.2.1 AD采集与本地存储测试 |
6.2.2 采集数据的无线传输测试 |
6.3 本章小结 |
第7章 总结与展望 |
7.1 研究成果总结 |
7.2 工作展望 |
参考文献 |
致谢 |
学位论文评阅及答辩情况表 |
(4)片上硬件在环仿真系统研究与设计(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 研究背景与意义 |
1.2 实时数字仿真相关技术 |
1.2.1 快速控制原型 |
1.2.2 硬件在环仿真 |
1.2.3 数字孪生技术 |
1.3 国内外研究现状 |
1.4 论文研究目标和内容 |
1.4.1 论文研究目标 |
1.4.2 论文主要内容 |
第2章 片上硬件在环仿真系统架构设计 |
2.1 双核HILoC架构设计理念 |
2.1.1 双核数据交换方法 |
2.1.2 双核架构数据交换过程 |
2.2 数据交换时序设计 |
2.3 外部信号接口及人机交互设计 |
2.4 加速迭代算法设计 |
2.5 本章小结 |
第3章 片上硬件在环仿真系统设计 |
3.1 HILoC系统设计方案 |
3.2 硬件设计 |
3.2.1 DSC计算与外设资源分配设计 |
3.2.2 接口电路设计 |
3.2.3 辅助电源设计 |
3.3 在环仿真实验设计与实施 |
3.3.1 系统软件设计 |
3.3.2 互动触摸屏程序设计 |
3.3.3 仿真系统平台构建 |
3.4 本章小结 |
第4章 在环仿真系统实验验证 |
4.1 电力电子电路实时仿真与测试 |
4.1.1 降压变换器数字迭代模型研究 |
4.1.2 仿真平台测试与验证 |
4.2 双容水箱液位控制系统仿真与测试 |
4.2.1 双容水箱液位控制系统数值建模 |
4.2.2 仿真平台测试与验证 |
4.3 本章小结 |
第5章 HILoC仿真性能评估 |
5.1 双核仿真系统性能参数 |
5.2 商用HIL平台验证性实验 |
5.2.1 Typhoon HIL平台 |
5.2.2 仿真对象性能比对观测点 |
5.2.3 Typhoon HIL与仿真系统实验对比 |
5.2.4 实验结果分析 |
5.3 硬件实物设计迁移 |
5.3.1 Buck电路实物硬件设计 |
5.3.2 实物硬件电路与仿真系统实验对比 |
5.3.3 实验结果分析 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 工作总结 |
6.2 研究展望 |
参考文献 |
作者攻读硕士期间发表的文章和专利 |
致谢 |
(5)车联网环境下自动驾驶车辆交叉路口转弯控制算法研究(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 课题研究的背景及意义 |
1.2 自动驾驶下交叉路口车辆转弯控制的研究现状 |
1.2.1 转弯轨迹的研究 |
1.2.2 车辆控制算法的研究 |
1.2.3 应用模块的研究 |
1.3 论文的主要工作 |
1.4 论文的整体结构 |
第二章 转弯控制系统中的汽车安全消息传输 |
2.1 智能交通系统 |
2.1.1 智能交通系统介绍 |
2.1.2 车联网体系架构 |
2.2 智能交通系统中转弯车辆信息的传输 |
2.2.1 通信协议选择 |
2.2.2 OBU与 RSU传输内容 |
2.3 SAE J2735 |
2.3.1 汽车转弯安全应用场景 |
2.3.2 基本安全消息集 |
2.4 本章小结 |
第三章 行驶轨迹规划算法 |
3.1 地理轨迹规划 |
3.1.1 转弯圆弧线的确定 |
3.1.2 转弯圆弧端点的确定 |
3.1.3 起停点分析 |
3.1.4 掉头轨迹确定 |
3.1.5 起停的时刻分析 |
3.2 目标车道选择 |
3.2.1 利用RSU作为分配主体的车道选择方案 |
3.2.2 利用OBU作为分配主体的车道选择方案 |
3.2.3 相对固定车道选择方案 |
3.2.4 选择方案优缺点比较 |
3.3 控制器参考输入的计算 |
3.3.1 转弯车道的最大限速 |
3.3.2 加速度控制算法的建模 |
3.3.3 车辆转弯策略 |
3.4 本章小结 |
第四章 上层控制器算法的设计 |
4.1 MPC算法概述 |
4.2 基于运动学模型的车辆控制 |
4.2.1 车辆运动学建模 |
4.2.2 目标函数与滚动求解 |
4.2.3 追踪效果评估 |
4.3 基于动力学模型的车辆控制 |
4.3.1 车辆常规动力学建模 |
4.3.2 基于Apollo模型的车辆动力学模型 |
4.3.3 追踪效果评估与比较 |
4.4 本章小结 |
第五章 转弯控制算法结果与性能分析 |
5.1 评估指标 |
5.2 仿真平台验证算法的有效性 |
5.2.1 CarSim/Simulink联合仿真 |
5.2.2 实验的搭建 |
5.2.3 场景分析和算法的有效性验证 |
5.2.4 转弯控制算法安全性验证 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 工作展望 |
参考文献 |
攻读硕士学位期间的学术活动及成果情况 |
(6)车载自组织网络环境中拥塞控制算法的研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 论文内容和所做工作 |
1.4 论文组织结构 |
2 车载自组织网络相关技术概述 |
2.1 引言 |
2.2 VANET体系架构 |
2.3 专用短程通信技术 |
2.4 IEEE 802.11p标准 |
2.4.1 物理层 |
2.4.2 介质访问控制层 |
2.5 IEEE 1609.4标准 |
2.6 VANET安全消息类型 |
2.7 本章小结 |
3 基于局部密度预测的传输参数自适应拥塞控制策略 |
3.1 引言 |
3.2 局部密度预测方法 |
3.3 传输参数自适应调整 |
3.3.1 算法总体流程 |
3.3.2 传输参数自适应算法 |
3.4 仿真验证 |
3.4.1 实验方法设计 |
3.4.2 仿真参数设计 |
3.4.3 实验结果及分析 |
3.5 本章小结 |
4 基于消息优先级调度的分布式拥塞控制方法 |
4.1 引言 |
4.2 消息动态优先级调度 |
4.2.1 现有基于优先级分配的动态调度策略 |
4.2.2 本文动态优先级调度设计 |
4.3 信标消息产生速率自适应控制 |
4.3.1 算法总体流程 |
4.3.2 拥塞检测 |
4.3.3 拥塞控制 |
4.4 仿真验证 |
4.4.1 实验方法设计 |
4.4.2 仿真参数设计 |
4.4.3 实验结果及分析 |
4.5 本章小结 |
结论 |
致谢 |
参考文献 |
攻读硕士学位期间的科研成果 |
(7)无人机编队控制及通信技术研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 选题意义及背景 |
1.2 国内外研究现状 |
1.3 论文研究内容 |
1.4 本文组织结构 |
2 无人机编队控制及通信技术 |
2.1 无人机运动模型 |
2.2 无人机编队控制技术 |
2.2.1 领导跟随者法 |
2.2.2 虚拟结构法 |
2.2.3 基于行为的方法 |
2.2.4 基于势函数的方法 |
2.3 无人机自组网路由协议 |
2.3.1 静态路由协议 |
2.3.2 先应式路由协议 |
2.3.3 反应式路由协议 |
2.3.4 混合路由协议 |
2.3.5 基于地理位置的路由协议 |
2.4 本章小结 |
3 无人机编队控制模型及控制方法 |
3.1 引言 |
3.2 分层编队控制模型 |
3.2.1 概念介绍 |
3.2.2 无人机控制系统 |
3.3 编队控制算法 |
3.3.1 引领无人机控制策略 |
3.3.2 队形保持无人机控制策略 |
3.3.3 跟随无人机控制策略 |
3.3.4 有障碍物场景下的避障策略 |
3.3.5 无人机出现故障时的策略 |
3.3.6 编队队形变换时的策略 |
3.3.7 力与速度的映射 |
3.3.8 角度约束策略 |
3.3.9 速度补偿机制 |
3.4 本章小结 |
4 基于OLSR的无人机自组网路由协议 |
4.1 问题分析 |
4.2 基于MPR的广播机制实现原理 |
4.2.1 OLSR协议的MPR节点选取 |
4.2.2 广播机制改进 |
4.3 自适应消息发送间隔 |
4.4 节点交互流程分析 |
4.5 报文设计 |
4.5.1 通用报文头格式 |
4.5.2 HELLO消息 |
4.5.3 编队态势报文 |
4.5.4 编队类型及模式报文 |
4.5.5 期望点位置报文 |
4.5.6 队形保持节点基本信息报文 |
4.5.7 跟随节点基本信息报文 |
4.6 本章小结 |
5 仿真实验与算法应用 |
5.1 仿真模块设计与实现 |
5.1.1 编队仿真模块 |
5.1.2 通信仿真模块 |
5.2 仿真模块交互设计 |
5.3 无人机编队控制算法仿真实验 |
5.3.1 仿真方案设计 |
5.3.2 仿真指标设计 |
5.3.3 实验结果分析 |
5.4 无人机编队通信仿真实验 |
5.4.1 仿真实验方案设计 |
5.4.2 仿真指标设计 |
5.4.3 实验结果分析 |
5.5 算法应用 |
5.5.1 应用背景 |
5.5.2 系统架构 |
5.5.3 应用实例 |
5.6 本章小结 |
6 总结与展望 |
6.1 工作总结 |
6.2 未来展望 |
参考文献 |
作者简历及攻读硕士/博士学位期间取得的研究成果 |
学位论文数据集 |
(8)基于时隙跳频的树状工业传感网拥塞控制研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 工业无线传感器网络的研究现状 |
1.2.2 工业无线传感器网络拥塞算法的研究现状 |
1.3 本文的主要工作 |
1.4 本文的组织结构 |
第二章 技术背景 |
2.1 跳频通信 |
2.2 路由构建 |
2.3 链路质量度量算法ETX |
2.4 拥塞成因分析 |
2.5 小结 |
第三章 基于流量预测的拥塞控制算法FRCCP |
3.1 基于斐波那契回撤理论的父节点流量预测 |
3.1.1 斐波那契扇形图 |
3.1.2 流量预测实例 |
3.2 拥塞因子的定义 |
3.3 FRCCP算法描述 |
3.3.1 父节点广播拥塞信息 |
3.3.2 子节点拥塞处理 |
3.4 FRCCP算法分析 |
3.4.1 MRLBA算法分析 |
3.4.2 CMP算法分析 |
3.5 小结 |
第四章 原型系统及FRCCP算法的实现 |
4.1 原型系统的开发 |
4.1.1 硬件开发环境介绍 |
4.1.2 操作系统及网络协议栈介绍 |
4.1.3 软件开发环境介绍 |
4.2 FRCCP算法实现 |
4.2.1 拥塞因子算法的实现 |
4.2.2 FRCCP策略选择算法的实现 |
4.2.3 MRLBA算法的实现 |
4.2.4 CMP算法的实现 |
4.3 逻辑模块的实现 |
4.3.1 父节点逻辑模块实现 |
4.3.2 子节点逻辑模块实现 |
4.4 编译与调试 |
4.5 小结 |
第五章 实验与性能评估 |
5.1 测试平台与环境 |
5.1.1 测试平台 |
5.1.2 测试软件 |
5.1.3 测试内容 |
5.1.4 理论理想带宽的测算 |
5.2 测试结果比较 |
5.2.1 下行流测试 |
5.2.2 上行流测试 |
5.2.3 P2P流测试 |
5.2.4 多源数据流测试 |
5.3 结论 |
5.4 小结 |
第六章 总结与展望 |
参考文献 |
致谢 |
(9)基于非合作博弈的无线传感器网络拓扑控制研究(论文提纲范文)
摘要 |
ABSTRACT |
创新点摘要 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 功率控制研究现状 |
1.2.2 分簇拓扑控制研究现状 |
1.2.3 基于博弈论的拓扑控制研究现状 |
1.3 研究内容与思路 |
1.4 论文的结构安排 |
第二章 相关技术理论基础 |
2.1 无线传感器网络概述 |
2.1.1 无线传感器网络体系结构 |
2.1.2 无线传感器网络协议栈 |
2.1.3 无线传感器网络的基本特点 |
2.2 无线传感器网络拓扑控制技术概述 |
2.2.1 无线传感器网络的拓扑控制分类 |
2.2.2 无线传感器网络的拓扑结构分类 |
2.2.3 拓扑控制算法的设计目标 |
2.3 博弈理论概述 |
2.3.1 博弈论的基本概念 |
2.3.2 博弈的分类 |
2.3.3 纳什均衡 |
2.4 本章小结 |
第三章 基于势博弈的无线传感器网络功率控制算法 |
3.1 问题描述及系统模型 |
3.1.1 问题描述 |
3.1.2 网络模型 |
3.1.3 干扰模型 |
3.1.4 传播模型 |
3.2 基于势博弈的功率控制模型 |
3.2.1 势博弈理论 |
3.2.2 效益函数的设计 |
3.2.3 模型分析与证明 |
3.3 基于势博弈的功率控制算法 |
3.3.1 拓扑建立阶段 |
3.3.2 功率调整阶段 |
3.3.3 拓扑维护阶段 |
3.4 本章小结 |
第四章 基于混合策略博弈的无线传感器网络分簇算法 |
4.1 LEACH协议分析与研究 |
4.1.1 LEACH协议的基本思想 |
4.1.2 LEACH协议的工作流程 |
4.1.3 LEACH协议的问题描述 |
4.2 系统模型 |
4.2.1 网络模型 |
4.2.2 能耗模型 |
4.3 基于混合策略博弈的簇头选举模型 |
4.3.1 混合策略博弈的引入 |
4.3.2 均衡概率的计算 |
4.3.3 收益与成本分析 |
4.3.4 期望效益分析 |
4.4 基于混合策略博弈的分簇算法 |
4.4.1 初始化阶段 |
4.4.2 选择潜在簇头 |
4.4.3 选举真正簇头 |
4.4.4 簇的形成及稳定阶段 |
4.5 本章小结 |
第五章 仿真实验与性能分析 |
5.1 PCPG算法实验参数设置 |
5.2 PCPG算法性能分析 |
5.2.1 网络拓扑结构对比 |
5.2.2 网络性能指标对比 |
5.3 DCMG算法实验参数设置 |
5.4 DCMG算法性能分析 |
5.4.1 生存时间对比 |
5.4.2 分簇质量对比 |
5.5 本章小结 |
结论 |
参考文献 |
发表文章目录 |
致谢 |
(10)连续热镀锌生产线带钢锌层重量测量模型与控制方法研究(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 研究现状及存在的问题 |
1.2.1 锌层重量检测的研究现状 |
1.2.2 锌层重量影响因素分析的研究现状 |
1.2.3 锌层重量预测控制方法的研究现状 |
1.3 研究内容 |
第2章 基于蒙特卡罗方法的锌层测量模型研究 |
2.1 钢板镀锌层X射线荧光分析法 |
2.1.1 X射线荧光分析法基本原理 |
2.1.2 钢板镀锌层元素分析 |
2.2 锌层测量系统结构分析 |
2.2.1 不同锌层测量系统分析 |
2.2.2 锌层测量系统核心部件 |
2.3 基于蒙特卡罗方法的测厚仪建模 |
2.3.1 蒙特卡罗方法与MCNP程序 |
2.3.2 利用MCNP程序建模 |
2.3.3 MCNP模型验证 |
2.4 锌层测量模型的探测性能仿真分析 |
2.4.1 入射线光子能量对特征X射线激发效率的影响规律 |
2.4.2 不同探测距离的荧光强度变化规律 |
2.4.3 不同能量入射光的响应特性分析 |
2.4.4 仿真结果的进一步验证 |
2.5 本章小结 |
第3章 基于正交试验设计的气刀控制参数分析与优化 |
3.1 锌层重量控制影响因素分析 |
3.2 锌层重量控制因素正交数组 |
3.2.1 正交试验设计 |
3.2.2 正交数组构建方法 |
3.2.3 构建锌层重量控制因素正交数组 |
3.3 锌层重量控制因素主次顺序 |
3.3.1 锌层重量控制因素极差分析 |
3.3.2 四种因素与锌层重量的拟合关系 |
3.4 因素交互作用对锌层重量的影响 |
3.4.1 含交互作用的正交试验设计 |
3.4.2 非线性最小二乘法拟合 |
3.4.3 含因素交互作用的正交数组 |
3.4.4 非线性拟合结果 |
3.5 模型修剪优化 |
3.6 控制方法分析 |
3.7 本章小结 |
第4章 基于DFNN的连续热镀锌锌层重量预测 |
4.1 DFNN及学习算法 |
4.1.1 动态模糊神经网络 |
4.1.2 DFNN学习算法 |
4.1.3 DFNN算法改进 |
4.2 DFNN预测模型研究 |
4.2.1 锌层重量预测模型分析 |
4.2.2 性能评价标准 |
4.2.3 预测结果分析 |
4.3 利用合金化率校正XRF测量值 |
4.3.1 镀层合金化原理 |
4.3.2 合金化率对锌层重量测量的影响 |
4.3.3 基于DFNN的校正方法 |
4.4 本章小结 |
第5章 镀锌线带钢锌层数据采集与控制优化支持系统 |
5.1 测量数据分析 |
5.1.1 取值点的确定 |
5.1.2 数据取值计算 |
5.2 软件系统关键技术 |
5.2.1 网络侦听技术 |
5.2.2 报文解析结果 |
5.2.3 控制优化方法 |
5.3 软件构架 |
5.3.1 数据采集系统 |
5.3.2 控制优化支持系统 |
5.4 本章小结 |
第6章 结论与展望 |
6.1 全文总结 |
6.2 研究展望 |
致谢 |
参考文献 |
附录1 攻读博士学位期间取得的科研成果 |
附录2 改进的DFNN程序 |
四、TOC信息的广播控制算法(论文参考文献)
- [1]面向车队自动驾驶的车联网端到端时延分析与资源优化[D]. 陈笑沙. 电子科技大学, 2021
- [2]通信卫星载波相位时间频率传递方法研究[D]. 苏瑜. 中国科学院大学(中国科学院国家授时中心), 2021(02)
- [3]地震勘探无线采集系统中的网络传输功率自适应控制研究[D]. 钟倩文. 山东大学, 2021(12)
- [4]片上硬件在环仿真系统研究与设计[D]. 陈琰. 扬州大学, 2021(08)
- [5]车联网环境下自动驾驶车辆交叉路口转弯控制算法研究[D]. 孙超. 合肥工业大学, 2021(02)
- [6]车载自组织网络环境中拥塞控制算法的研究[D]. 乔钰. 兰州交通大学, 2021(02)
- [7]无人机编队控制及通信技术研究[D]. 闫智超. 北京交通大学, 2020(02)
- [8]基于时隙跳频的树状工业传感网拥塞控制研究[D]. 张乐乐. 上海交通大学, 2020(01)
- [9]基于非合作博弈的无线传感器网络拓扑控制研究[D]. 陈禹同. 东北石油大学, 2020(03)
- [10]连续热镀锌生产线带钢锌层重量测量模型与控制方法研究[D]. 徐巍. 武汉科技大学, 2020(01)