高速客运通信系统中的动态资源预留

针对高速客运系统中用户频繁切换产生的大量资源开销,引入了组移动性概念,通过设置列车中继站,实现了车内用户的单用户切换方式.同时,针对大量用户同时切换至目标基站导致的基站拥塞,提出了基于基站协作的动态资源预留方案.即当前基站根据列车运行状态信息提前获知切换目标基站,并通告其资源需求,使其为车内用户预留资源.仿真结果表明列车业务量对系统性能产生了严重影响,采用动态资源预留方案,可以有效地提高列车用户的通信性能.     

基于3G传输的视频监控系统的后台设计

设计了一种基于3G网络传输的移动视频监控系统的后端管理服务平台(后台);结合视频监控系统总体设计框架,对后台的设计方案及RTP解封、AES解密、音视频解码、音视频配置及USB管理等各功能模块设计和实现方法作了详细介绍.经测试,该平台工作稳定,在视频监控领域应用良好.     

储能型吸附剂用于低温吸附VOC的探索

采用悬浮聚合法制备了聚苯乙烯/石蜡相变储能微胶囊,将相变储能微胶囊和乙烯基苄基氯相结合制备出储能型聚合物吸附剂。用显微镜、傅里叶红外光谱仪(FT-IR)、差示扫描量热仪(DSC)、氮气吸附脱附仪及热重分析仪分别对相变储能微胶囊和储能型聚合物吸附剂进行了表征。对其表面形貌、化学结构、潜热值、孔结构及耐热性进行分析。结果表明,当搅拌速度为400r/min、石蜡掺杂量为10g、St与DVB的比例为1∶1(即St和DVB的量均为10g)时,相变储能微胶囊球形度较好,且粒径均匀,大约在100μm,相变潜热为57.68 J/g。当相变储能微胶囊的掺杂量为4.5 g时,储能型聚合物吸附剂的相变潜热达到18.79 J/g。BET的测试结果表明该储能型聚合物吸附剂的比表面积为62.405 m2/g,孔径为0.881 nm。     

基于迁移演员-评论家学习的服务功能链部署算法

针对5G网络切片环境下由于业务请求的随机性和未知性导致的资源分配不合理从而引起的系统高时延问题,该文提出了一种基于迁移演员-评论家(A-C)学习的服务功能链(SFC)部署算法(TACA)。首先,该算法建立基于虚拟网络功能放置、计算资源、链路带宽资源和前传网络资源联合分配的端到端时延最小化模型,并将其转化为离散时间马尔可夫决策过程(MDP)。而后,在该MDP中采用A-C学习算法与环境进行不断交互动态调整SFC部署策略,优化端到端时延。进一步,为了实现并加速该A-C算法在其他相似目标任务中(如业务请求到达率普遍更高)的收敛过程,采用迁移A-C学习算法实现利用源任务学习的SFC部署知识快速寻找目标任务中的部署策略。仿真结果表明,该文所提算法能够减小且稳定SFC业务数据包的队列积压,优化系统端到端时延,并提高资源利用率。     

融合区块链与雾计算系统中基于网络时延和资源管理的优化任务卸载方案

针对如何基于有限的系统剩余资源进行任务优化卸载以增加移动终端的数字货币收益问题,该文在融合区块链与雾计算系统中提出一种基于节点剩余资源、网络时延的任务卸载方案。为了实现任务的优化卸载,首先基于任务量对移动终端的预期收益进行了分析,其次基于网络节点剩余计算资源、存储资源、功率资源、网络时延联合分析了移动终端的支出。此后以最大化移动终端的数字货币收益为优化目标建立了数学优化模型,并利用模拟退火(SA)算法对优化模型进行求解。仿真结果证明上述方案的有效性。     

云雾混合网络下基于多智能体架构的资源分配及卸载决策研究

针对D2D辅助的云雾混合架构下资源分配及任务卸载决策优化问题,该文提出一种基于多智能体架构深度强化学习的资源分配及卸载决策算法。首先,该算法考虑激励约束、能量约束以及网络资源约束,联合优化无线资源分配、计算资源分配以及卸载决策,建立了最大化系统总用户体验质量(QoE)的随机优化模型,并进一步将其转化为MDP问题。其次,该算法将原MDP问题进行因式分解,并建立马尔可夫博弈模型。然后,基于行动者-评判家(AC)算法提出一种集中式训练、分布式执行机制。在集中式训练过程中,多智能体通过协作获取全局信息,实现资源分配及任务卸载决策策略优化,在训练过程结束后,各智能体独立地根据当前系统状态及策略进行资源分配及任务卸载。最后,仿真结果表明,该算法可以有效提升用户QoE,并降低了时延及能耗。     

用于大规模电磁暂态模型自动生成的拓扑分层识别方法

电力系统拓扑自动识别是实现大规模电力系统电磁暂态可视化仿真模型自动生成的重要基础。现有算法大多局限于单层拓扑描述,难以满足大规模电磁暂态模型自动生成对模型分层清晰布局、模块化建模的应用需求。针对该问题提出一种基于关联矩阵压缩和支路指针矢量更新的电力系统拓扑分层识别方法。该方法避免了大量的图搜索和逻辑运算,实现了基于大规模数据源的厂站节点搜索和"站间拓扑+站内拓扑"的自动分层识别,为后续站点自动布局和元件参数自动映射工作提供拓扑基础。对简化系统算例和西南电网实际大规模系统算例进行算法测试分析,验证了所提方法的正确性及适应性。算法可直接应用于省级或区域级复杂电力系统的拓扑分层识别及可视化模型自动生成工作。     

工业物联网中数字孪生辅助任务卸载算法

针对工业物联网(IIoT)设备资源有限和边缘服务器资源动态变化导致的任务协同计算效率低等问题,该文提出一种工业物联网中数字孪生(DT)辅助任务卸载算法。首先,该算法构建了云-边-端3层数字孪生辅助任务卸载框架,在所创建的数字孪生层中生成近似最佳的任务卸载策略。其次,在任务计算时间和能量的约束下,从时延的角度研究了计算卸载过程中用户关联和任务划分的联合优化问题,建立了最小化任务卸载时间和服务失败惩罚的优化模型。最后,提出一种基于深度多智能体参数化Q网络(DMAPQN)的用户关联和任务划分算法,通过每个智能体不断地探索和学习,以获取近似最佳的用户关联和任务划分策略,并将该策略下发至物理实体网络中执行。仿真结果表明,所提任务卸载算法有效降低了任务协同计算时间,同时为每个计算任务提供近似最佳的卸载策略。     

基于自适应滑模控制的进给系统运动精度和节能的研究

为了提高进给系统的运动精度和降低其能耗,设计一种自适应滑模控制方法。对进给系统的机械结构进行剖析,分析其组成。通过丝杠导程和效率计算丝杆的负载扭矩,并在丝杆负载扭矩的基础上得出丝杆的动力学方程。在电机转矩的作用下,建立电机轴的运动方程。进而在电机的作用下,得到进给系统的状态方程。以系统的跟踪误差为依据,构建非线性滑动面,在进给系统状态方程的基础上,以驱动系统状态趋于期望滑动面为目的,设计滑模控制律,并控制误差的薄边界层为约束,构造自适应增益模型,完成自适应滑模控制方法的设计。采用所提方法和神经网络方法对直线变化和圆周期望运动轨迹进行跟踪实验。结果表明：在跟踪直线变化和圆周期望运动轨迹时,所提方法的跟踪精度比神经网络方法分别提高了37.52%和32.72%,所提方法的能耗也比神经网络方法降低了10.37%。     

两跳双中继协同ARQ策略研究*

基于中继择优选择,提出一种新型协同通信系统传输方案：两跳双中继协同ARQ策略。该方案是传输时延和传输效率的优化折中。理论分析和仿真结果说明,在时间相关瑞利衰落信道模型下,两跳双中继协同ARQ策略无论是在源到中继链路质量较好时,还是源到中继链路衰落较为严重时,给系统带来的性能增益都远优于单中继协同ARQ策略和双中继协同系统。