【摘 要】
：
针对含有资源流动和信息交互的终端行为建模问题,提出了一种混合Petri网行为建模方法。引入活性变迁和惰性变迁两种变迁模式,描述终端行为的耦合、制约、异步关系。建立混合P
【机 构】
：
新疆大学电气工程学院,上海送变电工程公司
【基金项目】
：
国家自然科学基金资助项目（61164012）
论文部分内容阅读
针对含有资源流动和信息交互的终端行为建模问题,提出了一种混合Petri网行为建模方法。引入活性变迁和惰性变迁两种变迁模式,描述终端行为的耦合、制约、异步关系。建立混合Petri网模型,揭示化学羽流追踪终端各行为之间的交互关系,以Robotics模块为验证与分析工具,仿真机器人终端运动过程,同时获得六个关节角度变化的平稳曲线。最后,在六自由度串联机器人平台加以验证。实验结果表明,该混合Petri网模型客观真实地表达对象内部逻辑关系与交互作用机制,对自主式羽流追踪机器人终端行为建模是有效可行的。
其他文献
针对D-S算法中折扣因子不能准确度量证据重要性和一次合成不够精确等问题进行了研究,提出一种基于迭代合成的D-S改进算法。该算法使用复合折扣因子进行证据重要性度量,并用融
隐蔽信息流检测是开发可信计算机系统中的关键问题,而状态空间爆炸是基于状态机模型检测隐蔽信息流的主要障碍。提出一种多安全级系统中基于主体安全级的二维抽象方法,在此基
为了降低应用于突发事件监测的无线传感器网络的能量消耗,设计实现了一种基于事件驱动的动态免疫分簇路由算法。将生物免疫系统的工作机制应用到无线传感器网络事件驱动的动
已有算法采用固定后备任务上限,不能动态适应负载水平变化。针对该问题,提出了基于负载均衡的MapReduce后备任务上限自适应算法。通过计算空闲节点强度和网络带宽分析系统负载水平,不断调整后备任务上限,精确控制后备任务数量,避免因过多空闲节点空载导致资源浪费或过度执行后备任务导致网络拥塞。实验表明,该算法能有效感知系统负载水平,对后备任务数量作出合理调整,并且比原算法在负载均衡和作业响应时间上有明显
协同过滤推荐系统面临着托攻击的安全威胁。研究抵御托攻击的鲁棒性推荐算法已成为一个迫切的课题。传统的鲁棒性推荐算法在算法稳定性与推荐准确度之间难以权衡。针对该问题
路径搜索是测试用例自动生成的重要环节。针对遗传算法在测试用例生成中的早熟缺陷,提出一种改进的异质协同演化算法,将种群划分成两个子种群,分别采用遗传子群和差分子群进行演化,在演化的过程中两个子种群相互协作,通过改进迁移间隔代数和迁移率这两个参数增加扰动,更加均衡遗传算法的全局探索与差异演化算法的局部搜索。实验结果表明,该算法比遗传算法和传统异质协同演化算法在生成测试用例的收敛性能方面更具优势,因此该
时间序列分割是时间序列挖掘的重要任务之一。实时数据快速变化，数据量巨大，所以如何对实时数据进行快速而准确的分割很具有挑战性。提出基于指数平滑预测的滑动时间窗分割算法
针对传统的过采样算法在增加样本的同时可能使决策域变小和噪声点增加的问题进行了研究,提出了一种基于错分的混合采样算法。该算法是以SVM为元分类器,Ada Boost算法进行迭代,对每次错分的样本点根据其空间近邻关系,采取一种改进的混合采样策略:对噪声样本直接删除;对危险样本约除其近邻中的正类样本;对安全样本则采用SMOTE算法合成新样本并加入到新的训练集中重新训练学习。在实际数据集上进行实验,并与S
C/C＋＋语言中的动态内存管理机制自由且灵活,但动态内存的使用容易引入内存泄露,导致系统性能降低甚至系统崩溃。为了更加有效地检测内存泄露,提出了一个基于有界模型检测技术的
推断数据间存在的因果关系是很多科学领域中的一个基础问题。然而现在暂时还没有快速有效的方法对高维数据进行因果推断。为此,提出了一种基于互信息的适应于高维数据的因果推断算法,该算法采取将高维网络结构学习问题分解成每一个节点的因果网络结构学习问题的策略。在第一阶段,利用基于互信息的条件独立性测试算法寻找目标节点的父子节点;在第二阶段,利用一种混合的方向识别算法对目标节点与其父子节点之间的方向进行判别,所