分布式试验系统管理中的时钟同步技术研究

在对时钟同步技术进行系统研究的基础上,着重讨论和分析了网络时间协议(NTP)。应用基于NTP协议的时钟同步方法和主从服务器时钟同步策略,实现了分布式试验系统的时钟同步,保证了各种试验数据之间的时间相关性。     

NTP协议及其在电信网络中的应用

电信网中设备之间的时间误差经常造成嵌套话单、重复话单等问题,而传统的人工调整时间方法工作量大、时间调整不精确.为了解决这些问题,设计了组网自动调整时间的系统方案,介绍了NTP协议工作原理,论述了它在电信网络时间同步系统中的应用和试验结果.     

基于NTP的网络时间服务系统的研究

随着计算机网络的飞速发展,网络中服务器和工作站的时间无序问题日益突出。同时,很多应用领域对时间同步的需求又很迫切,比如网络基础设施、网络安全、系统审计和账户结算等方面。因此,建立基于NTP的网络时间服务系统成为目前解决这些问题的合理选择。文章就系统的层状结构、时间延迟和时钟偏移的测量、消息格式以及实现机制进行了介绍和讨论。     

时钟同步的研究与应用

随着计算机网络的发展,越来越多的应用对时间同步提出了比较高的要求。该文对时钟同步的各种协议、机制以及算法进行了研究,并着重讨论和分析了网络时间协议(NTP),最后给出了在分布式舰载网络系统中的应用。     

基于NTP的高精度时钟同步系统实现

Windows操作系统内置的NTP授时精度不高,分辨率最高只有10ms。给出一个基于Windows操作系统的计算机网络同步时钟实现方案,该方案可以有效提高计算机时钟同步精度,在LAN中时钟同步精度达250μs。同时采用了校正时钟频率误差算法,校正后的时钟长期计时误差能达到10天少于1s。     

系统集成中的时钟同步技术

总结了目前分布环境下时间同步的各种策略、技术、原理和方法 ,着重介绍了一种利用 GPS接收设备作为时间源、About Time共享软件作为同步工具的经济、可靠、准确的系统时钟同步模型     

基于UDP的局域网内时钟同步协议

当前在网络应用中,广泛采用NTP和SNTP进行时钟同步,但NTP协议非常复杂且精度受限于外部条件.在分析某类网络应用特性的基础上,提出一个新的适合于此类应用的时钟同步协议.该协议实现简单而且可以达到很高的时钟精度.     

传输时延和时钟同步对以太网控制系统的影响

在分析报文传输时延和时钟同步精度对EPA网络(工业以太网)控制系统的实时性和稳定性的影响的基础上, 提出了新的基于马尔科夫链的时延模型. 给出了在系统稳定的情况下, 通信宏周期、协议传输时延和时钟同步精度应满足的条件. 建立了无丢包情况下的EPA网络控制系统模型. 提出了EPA控制系统稳定时, 可以设置的最小通信宏周期的计算方法.     

基于NTP的uIP协议栈改进与实现

传统uIP协议栈使用系统定时器作为时钟信号,在面向同步控制时容易引起服务器端设备的循环读取。针对这一问题,引入NTP网络授时协议和估计误差系数k,并通过测试确定误差系数k。通过定制uIP协议栈中的UDP报文格式,实现了NTP客户端的功能。在AVR Network网络开发板上进行了时钟偏移测试。测试结果表明ping响应控制在1 ms以内,平均时钟精度提高至0.002 9 ms。     

分布式控制系统精确时钟同步技术

为了克服传统的分布式测量和控制系统存在的诸多缺点,提出了传输和同步系统时钟的新方案.该方案采用IEEE 1588精确时钟同步协议以及在控制系统中广泛应用的以太网来实现.实现过程中,由硬件辅助生成时间戳,保证了系统对主从时钟的偏移时间和报文传输的延迟时间的测量、计算和精确控制.测试结果表明,从时钟的同步精度能够满足系统的应用需求,减少了测控系统中的专用时钟线缆的连接数,对类似的时钟同步需求具有很好的推广应用价值.     

基于网络时间协议的省级消防通信指挥网时间同步

消防通信指挥网作为消防部队作战指挥的中枢平台,对系统进行时间同步,具有十分重要的意义.通过对目前常见的几种时间同步技术的对比分析,结合省级消防通信指挥网的特点,提出了应用NTP时间同步技术解决省级消防通信指挥网时间同步的方法.     

基于ORBUS时间系统的网络时间同步

分布式计算环境中计算机间高可靠、高精确的协同工作,时间同步是关键和基本的问题。基于ORBUS时间系统提出的应用NTP/SNTP协议的网络时间同步组织方式,能够有效减少跨网段时间同步节点数,降低网络开销。通过深刻分析和比较NTP和SNTP协议的网络时间同步方式,论证了在小型局域网中,SNTP协议的同步方式具有高精度、高性能的特点;NTP协议的同步方式更加适用于复杂的分布式网络中,以高精度和高稳定度进行网络时间同步。因此应用NTP/SNTP协议的网络时间同步组织方式对任何一种复杂的分布式网络可以得到很好的解决。     

基于D-S证据理论的区域交通自适应协调控制

针对城市区域交通控制问题,提出了一种基于D-S证据理论的实时协调控制方法.在交通调查基础上,依据交通量将区域交通状况分为若干类;采用交通分析软件对每一类的典型交通量数据进行仿真分析,从而获得最优配时方案;系统运行时检测交通量,并采用基于D-S证据理论的模式匹配方法,判断当前交通状况属于哪一模式,于是系统将运行相应的配时方案;与此同时,根据检测的交通量数据,定期更新系统存储的交通模式及其对应的最优配时方案。仿真结果表明本文提出的新方法是可行而有效的.     

基于agen t 的城市交通信号控制

利用agent技术对城市交通信号控制进行研究．首先给出了区域agent(ARA)的组成和结构，然后给出了城市交通控制的模型和协调算法．基于agent技术的城市交通控制系统能对交通状况进行实时反映和处理．在此模型基础上，应用博弈论的相关知识给出城市交通信号协调控制算法．最后通过仿真程序验证了该模型和算法的有效性和实用性．     

基于免疫遗传算法的区域交通自适应协调控制

提出一种基于改进免疫遗传算法的城市区域交通自适应协调控制方法.采用两层的递阶分布式结构;分阶段和分级优化控制参数(周期、相位差和绿信比),每个阶段长5~30分钟,周期、相位差由区域控制级每个阶段优化一次,绿信比由路口控制级每个周期优化一次;采用最小化平均延误时间或平均停车次数等为性能指标.周期、相位差和绿信比均采用改进的免疫遗传算法进行优化.仿真结果表明本文提出的方法是可行而有效的.     

基于层级控制的宏观基本图交通信号控制模型

针对城市交通子区内部与边界交叉口的协调控制问题,提出基于分层多粒度与宏观基本图的交通信号控制模型HDMF.首先利用城市交通系统的分层多粒度特性与粗糙集理论描述交通要素的实时状态;然后结合基于背压算法的分布式交叉信号控制和交通元素的动态特性,计算交叉口相位压力并对相位进行决策;最后使用宏观基本图(MFD)实现区域驶出总流...     

基于WPD-PSO-ESN的城市交通感应信号控制系统设计

传统城市交通感应信号控制系统缺少对交通车流量的预测,导致信号控制效果较差。为此,设计基于WPD-PSO-ESN的城市交通感应信号控制系统。在系统硬件设计中,将?PC作为上位机,?PLC作为下位机。使用S7-226型号PLC控制器连接EM221数字输入模块与EM223组合输入/继电器,移除?I/O终端;选择AT89S51型号采集器,将其接收到的指令向S7-226PLC控制器发送数据信息;安装单环自愈RS-485多机通信接收发送器,自动修复单回路。在软件设计中,设计手动、闪光控制模块子程序流程,实现信号控制系统状态检测。建立WPD-PSO-ESN交通流量预测模型,结合PSO算法优化参数,以交通流量预测结果为依据,分析交叉口的通行能力,确定不同信号相位绿灯时间,设计感应信号控制流程。由实验结果可知,该系统车流量共计为310,与交叉口历史平均交通流量统计结果一致,说明系统信号感应较为精准,对实现实时交通控制具有现实意义。     

基于ε-支持向量回归理论的区域交通信号智能控制

城市交通信号控制是当前智能交通领域的研究热点之一.针对区域交通信号协同控制的实时性和准确性,提出一种基于ε-支持向量回归(SVR)非线性回归理论的智能控制方法(ICSRTS).该方法在无线传感网络结构的基础上结合已有的数据汇聚算法,并采用分簇策略将区域交通控制系统建模成一类集成信息调度与控制的离散切换系统.在离散切换系统中,不仅考虑了数据包传输的网络时延和丢包率,而且观测器利用改进的ε-SVR训练方法实现对多数据源融合的交通信号状态的在线预测并通过控制器进行总体协调控制.运用Lyapunov函数方法验证了该系统的渐近稳定性及其可调度性.仿真结果表明,ICSRTS方法相比普通模糊神经网络控制和普通ε-SVR预测算法在交叉口平均延误时间方面具有较好的性能.因此,该方法能实时、有效地对区域交通信号进行协调控制,从而减少了区域内的交通拥堵和能源消耗.     

基于深度强化学习的城市交通信号控制算法

针对城市交通信号控制中如何有效利用相关信息优化交通控制并保证控制算法的适应性和鲁棒性的问题，提出一种基于深度强化学习的交通信号控制算法，利用深度学习网络构造一个智能体来控制整个区域交通。首先通过连续感知交通环境的状态来选择当前状态下可能的最优控制策略，环境的状态由位置矩阵和速度矩阵抽象表示，矩阵表示法有效地抽象出环境中的主要信息并减少了冗余信息；然后智能体以在有限时间内最大化车辆通行全局速度为目标，根据所选策略对交通环境的影响，利用强化学习算法不断修正其内部参数；最后，通过多次迭代，智能体学会如何有效地控制交通。在微观交通仿真软件Vissim中进行的实验表明，对比其他基于深度强化学习的算法，所提算法在全局平均速度、平均等待队长以及算法稳定性方面展现出更好的结果。其中，与基线相比，平均速度提高9%，平均等待队长降低约13.4%。实验结果证明该方法能够适应动态变化的复杂的交通环境。     

基于双向并行灾变粒子群算法的区域交通控制

针对基本粒子群优化算法易陷入局部极值点、搜索精度低等缺点,引入灾变模型,采用双向并行策略,提出一种双向并行灾变粒子群优化算法（BPC-PSO）,并将其成功应用于城市区域交通控制信号参数配时优化。仿真结果表明：双向并行灾变粒子群算法相对于基本粒子群算法大大提高了寻找全局最优解的能力,使车辆平均延误和平均停车率都比基本粒子群算法有明显地降低。