基于深度学习模型的无线传感器网络数据融合算法

为了在无线传感器网络中提高数据融合性能,基于深度学习模型,提出一种将层叠自动编码器(SAE)和分簇协议相结合的数据融合算法SAEMDA,该算法在各个簇内构建特征提取分类模型SAEM,通过SAEM对节点数据进行特征提取和分类,之后将同类特征融合并发送给汇聚节点。SAEM的训练既可以采用离线有监督学习也可以采用在线无监督学习。仿真实验表明:和BPFDA,SOFMDA算法相比,SAEMDA在网络能耗大致相当的情况下能将数据融合正确率提高最多7.5%。     

基于稀疏滤波的无线传感器网络数据融合

在无线传感无器网络中,为了提高数据融合算法的性能,设计了一种基于深度学习的二值化层叠稀疏滤波模型(BSSFM),BSSFM将若干稀疏滤波器层叠并对权值参数进行二值化从而能快速有效的提取高维数据特征,之后将BSSFM和分簇协议相结合提出数据融合算法BSSFMDA,BSSFMDA首先在汇聚节点逐层训练BSSFM并对网络分簇,簇节点利用BSSFM进行数据特征提取,之后簇首将分类融合后的特征发送至汇聚节点。仿真实验表明,和SOFMDA等算法相比,BSSFMDA在模型训练时间、特征提取速度、正确率以及节点能耗等方面的表现均更加优异。     

一种新型的自适应模糊单神经元控制算法

提出了一种新型的模糊单神经元控制算法，它不需要对象的数学模型，同时又具有模糊控制和单神经元控制的优点，并且参数在动态过程可自适应调整．仿真实验表明这种算法具有较好的动态过程性能指标和较强的鲁棒性．     

构架灵活高效的准实时计费平台

根据计费系统的需求,以及对业务进行梳理后.提出了一种新型的准实时计费系统.详细介绍了该系统的设计思路以及具体的构建方案.     

工控应用程序的一种仿真调试方法

工控应用程序的完善设计是保证计算机控制系统的性能与可靠性的一个重要措施 ,而仿真调试是使应用程序完善化的一个重要环节。本文讨论数字仿真技术在工控应用程序实验室调试中的应用原理 ,并给出某火电厂减温器计算机控制系统的工控应用程序的仿真调试作为应用示例加以说明     

PC与PLC串行通信程序设计

本文论述了PC与PLC之间的通信方法，详细地说明了通信协议的帧结构，并以加热炉温度采集系统为例来实现温度的监控。     

MATLAB环境下工控应用程序的仿真研究

本讨论在ＭＡＴＬＡＢ环境下调用Ｃ语言工控应用程序进行仿真实验的方法,介绍了被调试的Ｃ程序的数据结构、编程、编译与仿真方法,并以火电厂减温器的纯滞后补偿控制的仿真实验为例加以说明。     

基于神经网络的铂电阻温度传感器非线性校正方法

简单介绍了当前铂热电阻应用存在的问题，提出了应用前向多层神经网络建立热电阻的逆模型进行非线性补偿，使得铂电阻的静态特性线性化。文中采用MATLAB为工具，对神经网络进行训练，获得权值、阈值，并以SIEMENS的S7－200为控制器，对加热炉进行控制。设计及实际应用表明，这种方法简单、实用、有效，大大方便了铂电阻温度传感器在测控系统中的应用。     

基于深度学习的无线传感器网络数据融合

在无线传感器网络数据融合算法中,BP神经网络被广泛用于节点数据的特征提取和分类。为了解决BP神经网络收敛慢,易陷入局部最优值且泛化能力差从而影响数据融合效果的问题,提出一种将深度学习技术和分簇协议相结合的数据融合算法SAESMDA。SAESMDA用基于层叠自动编码器(SAE)的深度学习模型SAESM取代BP神经网络,算法首先在汇聚节点训练SAESM并对网络分簇,接着各簇节点通过SAESM对采集数据进行特征提取,之后由簇首将分类融合后的特征发送至汇聚节点。仿真实验表明,和采用BP神经网络的BPNDA算法相比,SAESMDA在网络能耗大致相同的情况下具有更高的特征提取分类正确率。     

粒子过滤器在眼睛跟踪中的应用

提出了一种实时的眼睛跟踪算法，它能在各种照明条件和各种脸部姿势条件下很好地工作．与传统的基于瞳孔亮度的方法比较，此方法不仅克服了各种条件的限制，而且提高了跟踪的正确率．实验研究表明与目前存在的技术相比，该方法有很大地改进．