基于ZigBee的无线传感器网络协议研究与实现

首先对ZigBee技术规范进行了概述,然后深刻剖析了基于ZigBee的无线传感器网络的体系结构,以微芯公司开发的ZigBee协议栈为例对网络的具体实现细节进行了研究,最后设计了一种基于ZigBee协议的嵌入式智能家居系统,实验表明此系统能够实现远程用户以浏览Web页面的方式对家庭内部子节点进行监测和控制,并具有较好的稳定性、强大的可扩展性以及较高的实用性.     

基于聚类的超闭球CMAC混煤燃烧污染物析出软测量模型

针对CMAC神经网络的网络节点随输入维数的增大呈几何级数增加的问题,基于模糊聚类提出一种改进的超闭球CMAC神经网络算法,用于电站锅炉混煤燃烧污染物析出软测量模型的建立.以电站锅炉实际运行工况的煤质特性数据和炉内燃烧条件为输入参数,通过软测量实现大型电站锅炉混煤燃烧硫、氮污染物生成浓度的精确预估和在线测量,用于指导电厂运行人员进行锅炉燃烧调整,以控制污染物的超标排放.与超闭球CMAC算法比较,提出的改进算法可以大大降低高维神经网络节点数并提高神经网络软测量精度,实验结果表明该方法的有效性和可行性.     

基于用户学习的智能动态热舒适控制系统

静态的热环境易造成人体热适应能力降低,对健康不利.动态的热环境与自然环境相似更有利于用户的健康.提出一种基于用户学习的智能动态热舒适控制系统,在该系统中采用PMV(Predicted Mean Vote)作为控制目标,为了满足不同用户的需要提出个人热舒适区模糊学习算法,可根据个人偏好在线修改个人热舒适区;在计算实验的基础上提出动态热舒适控制策略,动态热舒适区包括舒适区和节能区,在动态热舒适控制中舒适区和节能区周期性交替变化.实验结果表明,该方法即满足用户的热舒适性需求,与静态热舒适控制相比节能效果明显,且对用户的健康有利.     

一种基于网点的小脑模型及其在非线性动态系统建模中的应用

小脑模型常用于学习控制，可看作一种基函数网络。本文提出了网点的概念和以网点为中心的超闭球量化方法，给出了快速学习算法，并分析了其收敛性，通过非线性动态系统连续搅拌釜反应器的建模仿真研究，结果表明该ＣＭＡＣ具有很强的学习记忆功能，可用于非线性动态建模。     

基于网点的自学习模糊逻辑系统

提出网点的概念与构造模糊逻辑系统的方法，给出了易于实现的学习算法。该方法适用于模糊规则难以获得而输入输出数据可得的情况，可用于设计基于样本的模糊控制器和系统模糊建模。理论分析和数字仿真说明了该系统的正确性与实用性。     

CMAC神经网络在热舒适度测试中的应用

采用传统计算方法无法对热舒适度进行直接测量。利用CMAC神经网络的非线性函数逼近功能,建立热舒适度软测量仪表模型,克服热舒适度计算复杂的缺陷,实现热舒适度的在线检测,可广泛应用于智能家电和基于热舒适度的中央空调控制系统中。仿真结果表明,该方法简单实用、精度高、速度快。     

"智能建筑技术"实验平台的研究

“智能建筑技术”实验平台的研究@姚庆梅$山东建筑工程学院信息与电气工程系!山东济南250014 @张运楚$山东建筑工程学院信息与电气工程系!山东济南250014 @段培永$山东建筑工程学院信息与电气工程系!山东济南250014 @黄杰$山东建筑工程学院信息与电气工程系!山东济南2     

网络化控制系统研究现状与展望

网络化控制系统最主要的结构特性是系统的反馈通过网络构成闭环,比传统控制系统具有安装成本低廉、易于维护、系统灵活可靠等优点;同时,网络传输的引入,使得网络化控制系统研究更加复杂,传统控制理论成果难以直接应用到网络化控制系统中.本文介绍了网络化控制系统的研究现状及未来发展方向.     

超闭球CMAC的性能分析及多CMAC结构

如何选择合适网络参数是传统CMAC(Cerebellar Model Articulation Controller)应用 中的一个难题.采用泛化均方差(GMSE)和学习均方差(LMSE)来分别评价超闭球CMAC的泛 化能力与记忆精度,并引入权调整率的概念,来研究CMAC结构参数与学习性能的关系.研究 结果表明,在样本分布和量化级数不变时,泛化均方差和学习均方差是权调整率的非增函数.因 此超闭球CMAC在满足存储空间和计算速度的要求下尽量使得权调整率较大.还提出了并行 CMAC结构以进一步提高单个超闭球CMAC的非线性逼近能力.仿真结果证明了该方法的有 效性.     

一种建筑物低压供配电线路故障电弧检测新方法

故障电弧电流值小,不足以使传统断路器动作切断电源,成为电气火灾的主要原因之一。本文通过对建筑物低压供配电线路中的故障电弧建模,分析故障电弧特征。采用小波分析方法对采集的数据降噪和特征提取,与傅里叶变换方法相比较,并分析了电路中负载改变时的情况,仿真结果表明该方法可有效检测故障电弧的奇异点,准确辨识故障电弧。