微型旋翼无人机系统的设计与实现

针对目前传统旋翼无人机体积大、结构复杂、成本较高的问题,设计实现了一种微型旋翼无人机系统。该系统基于STM32 微控制器,硬件由微控制器、姿态传感器、通信、电机、图传等模块组成;软件由主要循环、控制循环和反馈循环组成。地面操作端通过蓝牙或2.4G无线射频连接无人机,由微控制器进行姿态数据、操控数据的运算,实现无人机的控制。无人机通过5.8G图传传回图像和姿态数据。经测试,该系统稳定、可靠、易操作。     

离散车间多目标调度算法探究

随着科学技术的快速发展和客户需求的不断提高,传统大批量生产的模式逐渐被淘汰,离散制造这种小批量的生产模式将逐渐成为制造业的主流形式之一。中国制造业近些年发展迅速,在世界上打造了“中国制造”的“品牌”,离散制造这一主流模式也将成为我国制造业的发展目标之一。本文首先综述了离散型车间调度的发展背景,阐述了离散型车间多目标调度问题的模型,介绍了粒子群算法和混合蛙跳算法两种多目标调度算法。最后,对离散车间多目标调度算法的研究方向提出几点建议。     

痕量分析及其在冶金检测中的作用和展望(上)

本文对痕量分析及其在冶金产品检测中的作用和展望进行了评述,共分六个部分:一、痕量元素检测范围及其表示方法;二、黑色冶金产品中的痕量元素;三、常用痕量分析方法及其灵敏度比较;四、痕量元素的分离和富集;五、评价痕量分析方法的指标;六、展望.     

镓(Ⅲ)—铬黑T络合物吸附波的研究和分析应用~+ Ⅰ.镓(Ⅲ)的示波极谱测定

在0.1mol/L乙酸钠-乙酸缓冲溶液(pH5.3)中,铬黑T(EBT)于-0.40V(对SCE)处有一吸附波p1,当加入Ga(Ⅲ),在-0.63V处产生一新波p2.Ga(Ⅲ)浓度为0.001～0.24μg/ml时,ip_2∝C_(Ga)(Ⅲ),Ga(Ⅲ)的检出限达0.42ng/ml.测定镍基高温合金中微量镓(0.00149%),相对标准偏差为4.8%.     

基于用户意愿度 D2D 协助的工业物联网资源分配

针对终端用户产生计算任务大小动态变化以及在工业物联网场景下业务的低时延、低能耗需求,提出了一种基于用户意愿度的D2D(device to device)协助的工业物联网资源分配模型。首先在用户层,每隔时隙t,由概率分布函数更新用户成为资源给予端的意愿度,在移动边缘计算(MEC)服务器层,使MEC具有决策功能,能对终端上传任务做出判断,寻找出合适的MEC处理;其次基于K-means聚类算法,将终端产生的任务匹配到对应的层进行处理;最后在资源分配阶段,为解决Q-learning里Q表难以实时更新的问题,提出N-DQN算法,使用双层神经网络相互拟合。仿真表明所提策略较传统方法,系统能耗降低约10%,系统时延降低约12%。     

节点影响力下的改进SIR传播模型

研究不同影响力的节点在复杂网络信息传播过程中产生的作用，对于分析舆论传播、预防谣言扩散、引导信息传递等方面具有重要意义。针对传统易感-感染-移出（Susceptible-Infected-Recovered，SIR）模型认为网络中所有节点性质相同，在信息传播中具有相同的接触感染率和恢复率的问题，提出了节点影响力下的改进SIR传播模型——NI-SIR（Node Influence SIR），并对其阈值推导过程展开深度分析。首先，将复杂网络中的节点按照影响力的不同进行分类，不同类别的节点赋予其不同的接触感染率及恢复率，达到模拟真实信息传播过程的目的；其次，对NI-SIR模型的阈值进行推导，从而为进一步判断疾病是否流行或信息扩散的趋势打下理论基础；最后，通过在真实数据集的实验对比，证明NI-SIR模型的偏差率明显低于传统SIR模型，在真实网络中有更好的适用性。     

移动视频业务的EQoS方案及跨层资源管理模型

在分析4G网络的链路特性、视频业务对网路资源的要求和3GPP移动网路QoS方案的基础上,针对移动视频业务在未来ICT网络中的应用特点,提出了移动视频业务扩展QoS（EQoS）方案和基于EQoS方案的跨层资源管理模型。前者引入了移动视频业务细化衡量标准,有利于移动视频业务质量指标的量化;后者在保持原有网络分层模型的基础上,通过EQoS模块实现了跨层无线资源管理。     

3G和4G无线通信技术在ICT网络模式中的应用

介绍了ICT对电力通信系统研究的重要意义,在分析3G/4G移动通信系统的发展现状及应用的基础上,介绍了3G/4G移动通信技术在电力系统通信的应急通信、配电自动化、无线视频接入和智能电网等几种重要场景中的应用,论述了无线通信技术在ICT网络中应用时所面临的安全问题。     

车联网中基于BP神经网络的智能协同频谱感知算法

针对传统信噪比加权频谱感知方法在车联网(Internet of Vehicles,IoV)环境中受噪声影响较大、感知准确率较低的问题,提出了一种基于反向传播(Back Propagation,BP)神经网络的IoV协同频谱感知(Cooperative Spectrum Sensing based on BP Neural Network,BP-CSS)算法.该算法首先将本地次用户能量检测结果进行协方差处理,然后通过BP神经网络对次用户信噪比进行权值优化,使用训练好的模型进行协同频谱感知.仿真结果表明,在信噪比0～25 dB范围内、10个次用户协同感知时,该算法在噪声干扰较大的环境中的平均检测准确率为90％,比基于信噪比加权频谱感知方法提升20％,比基于门限值频谱感知方法提升30％.