青藏铁路GSM-R数字移动通信系统无线网络规划

介绍青藏铁路GSM—R数字移动通信系统无线网络规划的设计标准、设计方法和设计重点及采用的规划工具和弱场解决方案。     

CRH380CL高速列车网络控制系统

文章介绍了CRH380CL高速列车网络控制系统的拓扑结构,阐述了该系统列车总线和车辆总线的通讯协议及轮询策略,详细说明了该系统的硬件构成、主要功能及故障诊断策略,为该型动车组的运用及维护保养提供了技术支撑。     

大型企业全球广域网建设模型研究

随着国家加大对海外市场的投资和开拓,中国企业越来越需要抓住机遇“走出去”,以使业务得到更大的拓展。因此,中国企业需要在国外进行更多的网点布局,以满足日益增长的海外业务需求。目前,国内许多企业的全球广域网不能满足现今的全球化互联需求,文章基于大型企业全球广域网的特点,提出一种大型企业全球广域网建设的模型,希望为中国企业建设全球化网络系统提供参考。     

一种基于工效学的列车网络控制系统显示屏设计及应用

基于工效学中视野、听觉及人为习惯等领域的研究,对某海外市场项目的列车网络控制系统显示屏界面进行了设计及优化。通过对显示界面按钮布局、色彩及字体的优化设计,提高了显示界面的友好性,使列车司机可以快速准确地读取列车运行状态信息并有效地执行相应操作,进而提高了列车网络控制系统及列车的安全性。可见在显示屏设计中有效利用工效学理论,可大大提高整个系统的友好性及功能性。     

基于ZigBee网络的船舶周围环境信息采集系统

为获得理想的船舶周围环境信息采集结果,提出基于ZigBee网络的船舶周围环境信息采集系统。该系统包括了ZigBee网络模块、传感器模块、AD模块、信号处理模块以及输出接口模块等,采用ZigBee网进行信息测量和搜集,采用VXI总线技术实现船舶周围环境信息的总线测量和时钟采样,对各个功能模块进行电路设计,仿真测试结果表明,该系统能准确测量船舶周围环境信息,能达到满意的信息采集效果,具有较强的抗干扰能力。     

船舶无线传感网络的能耗均衡路由算法设计

为了提高船舶无线传感网络的连通性能,针对传统量化传导协议容易导致路由冲突的问题,提出一种基于能耗均衡的路由算法。构建船舶无线传感网络的节点分布拓扑结构,根据传感网络各个节点的能量开销构建路由连通性代价约束参量模型,采用拥塞控制方法进行船舶无线传感网络路由的防冲突设计,以能耗均衡为控制目标函数,实现船舶无线传感网络的能耗均衡拓扑控制,实现路由优化设计。仿真结果表明,采用该方法进行船舶无线传感网络的路由算法设计,能有效降低各个节点的能量开销,提高网络的寿命和连通性。     

网络环境下无人水面艇航向控制器设计

无人水面艇自主航行中受到外部环境干扰及在控制中心-执行器网络通道中存在网络诱导特性(如网络诱导时延、数据丢包等)的影响,会降低系统性能,影响航向控制系统的稳定性。为了能使无人艇按照设定航向快速、稳定地航行,提出一种基于网络的无人艇航向控制策略。首先,建立基于网络的无人艇航向控制系统模型。基于这个模型,运用Lyapunov稳定性理论和凸分析方法导出能使网络环境下无人水面艇航向控制系统渐进稳定的控制律,并设计基于网络的航向控制器。通过仿真验证所提出方法和设计控制器的有效性。     

嵌入式Web服务器在船舶网络监测系统设计中的应用

船舶间通信的日益频繁提高了船舶网络系统的复杂度,进而提高了对船舶复杂局域网监测系统的要求。传统监测系统价格昂贵,且难以监测跨操作系统的局域网。本文针对船舶网络的特点,提出使用嵌入式Web服务器设计船舶网络监测系统。通过使用LibPcap实现监控层,使用CGI实现应用层,使用JavaScript和REST实现用户层。本文设计的监测系统,降低了网络监测的延时,提高了威胁识别的成功率。     

六自由度Stewart平台运动学遗传神经网络正解

近年来,舰载相控阵雷达发展迅速,对其隔振措施和隔振机构的要求也越来越高。Stewart平台为一种通常的空间六自由度并联机器人,在舰载相控阵雷达中具有广泛的应用。为了解析Stewart平台工作空间和设置机构误差步长,必须运动学求解。本文针对当前Stewart平台正解法存在的问题,基于传统的正解法和Stewart平台结构,提出一种遗传神经网络正解算法,通过仿真验证可知,该方法具有较高的收敛性和较快的速度,有进一步推广应用的潜力。     

基于ATT-LSTM模型的高速公路交通事件持续时长预测

为揭示交通事件对高速公路运行状态持续时间的影响规律,研究了高速公路交通事件持续时长预测方法。考虑高速公路交通事件时间序列特性,基于循环神经网络理论,从时间序列数据中提取交通事件时间依赖关系;通过引入长短时记忆网络,结合特征、时序注意力层挖掘历史时刻信息和当前时刻数据间的相关性,构建基于注意力机制-长短时记忆网络的高速公路交通事件持续时长预测模型。以2018年西安绕城高速公路交通监测数据集为例,开展了高速公路交通事件持续时长预测模型验证,对比了所提模型与反向传播神经网络、随机森林、支持向量机、长短时记忆网络模型这4种典型算法的预测精度,并分析了事件类型、天气条件、车辆类型、交通量等不同影响因素对持续时长的影响程度。结果表明：使用同一数据集,注意力机制-长短时记忆网络预测模型的预测结果平均绝对误差为24.43,平均绝对百分比误差为25.24%,均方根误差为21.17,预测精度优于其他4种预测方法。在模型的各影响因素权重中,事件类型所占权重最大为0.375,其次分别为车道数、车辆类型、天气等;采用立交出入口小时交通量作为修正参数,可以进一步提升预测精度,预测结果的绝对误差、平均绝对百分比误差和均方根误差可分别降低21.3%、7.5%和16.9%。研究结果能进一步提高高速公路交通事件持续时长预测的精度,为公路安全高效运行提供技术支持。