DSRC协议的LLC子层状态转移分析

本文分析了智能交通(ITS)领域中使用的专用短距离通信(DSRC)协议的基本协议结构、LLC子层的主要功能及其服务类型,并着重论述了LLC子层的协议进程,画出了相应的有限状态转移图,为数据链路层的进一步开发做了基础性的工作。     

基于BP神经网络的模型参考自适应控制

基于BP神经网络的误差反向传播机制,探讨了建立在BP神经网络基础上的模型参考自适应控制方法。该方法用2个BP神经网络分别作辨识器和控制器,其中辨识器兼作间接传递误差的通道,从而解决了控制器权值的修正问题。仿真结果表明, 经过学习控制结构具有较好的有效性。     

基于Simulink的列车横向半主动悬挂系统建模与仿真

利用Simulink软件建立17个自由度的列车横向半主动悬挂系统模型,并设计了PID控制器。以美国六级轨道谱为输入,利用Matlab7.0进行仿真。结果表明,摇头振动是影响列车横向平稳性的主要因素,与被动悬挂相比,半主动悬挂PID控制效果明显好于被动悬挂。     

DSRC协议中 ASN.1的分析与编解码实现

作为智能交通系统(ITS)核心技术之一，专用短距离通信(DSRC)技术得到了广泛的引用．本文主要对欧洲DSRC标准CEN／TC278协议中各种数据类型的BER编码规则进行了分析，详细描述了BER编码中标识符(T）、长度(L)、内容(C)部分产生方法，并利用面向对象中虚函数的多态性及继承性实现对DSRC中的应用协议数据单元(APDU)的编解码．     

Identification Simulation for Dynamical System Based on Genetic Algorithm and Recurrent Multilayer Neural Network

Introduction　　Inpracticalapplication ,thereexistmoreorlessnonlinearphenomenainamajorityofphysicalsystems .Inordertostudythesekindsofphysicialsystems ,anonlinearsystemmodelmustbesetupfirstofall,andthensomeparametersidentificationofthepredefinedmodelmustb…     

用B样条神经网络控制非线性系统的混沌运动

采用B样条神经网络，通过选取混沌系统不稳定周期轨道的不动点附近的数据作为参数扰动模型输入样本的学习，把该模型训练成神经网络混沌控制器，从而预测出混沌系统将来时刻的时间序列，获得控制混沌系统的扰动信号。用该扰动信号，将嵌入在混沌吸引子中不稳定周期轨道镇定到稳定的不动点处．通过对Henon映射的数值仿真实验，证明采用B样条神经网络控制非线性混沌运动是有效的．     

高温超导磁悬浮测试系统总体设计——数据采集与控制

给出了高温超导磁悬浮测试系统控制与数据采集部分的总体设计方案,并从硬件和软件两方面进行了深入细致的探讨。该方案较好地解决了如何在各种测试条件下对高温超导块材的性能进行自动测试的问题,在实际应用过程中取得了非常满意的效果。