CN113759728B - 一种数字化网络控制系统建模方法 - Google Patents
一种数字化网络控制系统建模方法 Download PDFInfo
- Publication number
- CN113759728B CN113759728B CN202111162878.1A CN202111162878A CN113759728B CN 113759728 B CN113759728 B CN 113759728B CN 202111162878 A CN202111162878 A CN 202111162878A CN 113759728 B CN113759728 B CN 113759728B
- Authority
- CN
- China
- Prior art keywords
- reliability
- control system
- performance
- network
- network control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种数字化网络控制系统建模方法,其特征在于,上述方法包括如下步骤:建立数字化网络控制系统的性能指标参数;获取所述性能指标参数对应的函数及状态空间表达并进行变采样的离散化;获取所述性能指标参数对应的函数的性能评价函数,并且离散化处理;加权平均获取控制回路的权重系数,获得所述数字化网络控制系统性能模型;建立系统可靠性模型;根据网络连通可靠性的要求和每种状态对应的网络故障判据,获得网络可靠度;通过系统的控制模型确定系统性能与系统内外因集合之间的函数关系,确定系统参数集与可靠度的关系,获得性能与可靠度一体化模型。实现对数字化网络控制系统的迭代优化,完善数字化网络控制系统的设计。
Description
技术领域
本发明属于数字化网络控制评估领域,具体是一种数字化网络控制系统性能与可靠性一体化建模方法,保证数字化网络控制系统的性能和可靠性。
背景技术
数字化网络控制系统是指建立在数据网络基础之上的控制系统,其特征是控制系统的命令及回授是在网络中通过数据通信网络传送。典型的数字化控制系统包括感知单元、计算 /控制单元、执行单元和网络单元,其中,感知单元用于监测获取数据信息;计算/控制单元用于决策计算及提供命令;执行单元用于执行控制命令;网络单元用于进行信息交换。
随着通信技术的不断进步,网络控制系统有了越来越多的应用场景。网络控制系统中的信号通过网络传输,不仅可以实现资源共享、远程操作与控制,同时也省去了不必要的配线,减少系统复杂度,能有效减少系统的重量和体积,也降低了设计及架设系统需要的成本。
控制系统对于装置来说至关重要,主要用于维持装置运行控制和管理。具体而言,采用有效控制方法,以维持装置正常运行,控制系统属于典型复杂控制系统,其组成设备众多,包括测量装置、运算采集装置、监控台、保护装置、控制屏等各种需要控制的节点,针对装置控制系统可靠性分析在现有技术中主要以定性、逻辑推理为主,上述定性的性能评价方法存在不足,现有失效评估手段不适用于控制系统可靠性评估的问题,也不利于实现对数字化控制系统的失效特性的定量评估。数字化网络控制系统的性能设计和可靠性设计彼此隔离,尚未形成系统的综合设计方法,已成为制约数字化网络控制系统发展的技术瓶颈。
发明内容
为解决上述问题,本发明提出一种数字化网络控制系统的建模方法,根据控制系统需求,通过数字化网络控制系统节点与链路设计,完成建模方法的完善和检验,形成一套控制系统性能和可靠性建模方法,以支撑高性能的数字化网络控制系统研发,同时解决性能和可靠性设计彼此隔离所导致的设计效率低、可靠性不高、性能得不到保障的问题。
本发明公开一种数字化网络控制系统建模方法,其特征在于,上述方法包括如下步骤:
建立数字化网络控制系统的性能指标参数;获取所述性能指标参数对应的函数及状态空间表达并进行变采样的离散化;
获取所述性能指标参数对应的函数的性能评价函数,并且离散化处理;
加权平均获取控制回路的权重系数,获得所述数字化网络控制系统性能模型;
建立系统可靠性模型,根据所述系统功能逻辑关系建立可靠性框图,自底向上计算数字化控制系统可靠度;
使用两端可靠度、K端可靠度和全端可靠度作为所述数字化网络控制系统可靠性指标,实现网络拓扑建模,再在拓扑模型的基础上,根据部件可靠度,可以算得网络处于每种状态的概率;根据网络连通可靠性的要求和每种状态对应的网络故障判据,获得网络可靠度;
通过系统的控制模型确定系统性能与系统内外因集合之间的函数关系,确定系统参数集与可靠度的关系,获得性能与可靠度一体化模型。
通过所述性能与可靠度一体化模型,方便于形成对数字化网络控制系统的失效性能进行定量的评估,尤其是应用在给水协调控制系统中,其中上述系统中不仅包括有各种控制装置,以及各种给水装备,和其它设备,这些设备作为整体网络控制中的部件节点,将性能模型和可靠性模型一体化进行建模分析,能够对系统的性能和给水设备、各类控制装置的设置提供更加优化的配置。
进一步地,所述性能指标参数包括超调量、峰值时间、调节时间、稳态误差、稳态精度等单一性能指标以及偏差绝对值积分、偏差平方积分、偏差绝对值与时间乘积积分、时间乘偏差平方积分。
进一步地,所述网络两个节点之间的两端连通可靠性的计算方法为:
利用邻接矩阵,建立网络拓扑结构图G(V,E,Φ);
确定网络中每条链路所对应的可靠度值Ri。以及两端可靠度的源节点vs和目的节点vd;
由每条链路只有故障和正常两种状态,用0表示链路故障,1表示链路正常,枚举出图中n条边所由状态序列SK=e1e2··ei··en,其中ei取值为0或1,且1≤k≤2n;
利用深度优先遍历算法,求得图G(V,E,Φ)中节点vs和vd之间的所有路集{Ti};
逐一判断2n种状态序列所对应的网络状态是否包含于路集{Ti},包含则属于满足条件的网络状态;
得到所有满足条件的网络状态,根据每条链路的可靠度,求出每种状态对应的概率Pi;
累加Pi,即为所求的两端可靠度。。
按照本发明实现的数字化网络控制系统的建模方法,能够获得如下有益效果:
通过分析数字化网络控制系统的需求,确保不存在信息孤岛,研究数字化网络控制系统的信息传输路径,确定数字化网络控制系统的拓扑关系,根据数字化网络控制系统的信息传输路径与网络控制系统的拓扑关系,枚举出图中n条边所由状态序列,得到所有满足条件的网络状态,根据每条链路的可靠度,求出每种状态对应的概率P,累加Pi,即为所求的网络控制可靠度;
能够实现对数字化网络控制系统的可靠性评估,对数字化网络控制系统的设计可以进行迭代优化,完善数字化网络控制系统的设计,满足数字化网络控制系统可靠性快速设计的需求,能够评估数字化网络控制系统的性能,掌握控制系统的性能,满足控制需求。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显然易见的,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为按照本发明实现的数字化网络控制系统结构示意图;
图2为按照本发明实现的数字化网络控制系统拓扑结构图。
具体实施方式
这里将详细地对示例性实施例执行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所概括的范围详述的、与本发明的一些技术方案相一致的装置和方法的例子。
性能与可靠性的一体化设计是近年来可靠性工程中的一个新兴研究领域,针对不同的设计对象,也有许多不同的方法。该研究尚处于探索阶段,还没有形成完整的系统理论体系。由于性能参数并不直接影响网络控制系统的可靠性,目前研究思路是寻找性能与可靠性的共同影响参数,作为中介来进行性能与可靠性的一体化建模。
表1综合设计参数表
序号 | 综合设计参数 | 备注 |
1 | vs | 信号采集速度 |
2 | m | 精度 |
3 | c | 控制计算速度 |
4 | tp | 数据传输协议 |
5 | tmax | 传输性能上限 |
6 | f | 运算处理能力 |
设定:
X=(vs,m,c,tp,tmax,f)
建立系统性能模型:
Step1:数字化控制系统的性能要求主要围绕系统控制性能展开,包括超调量、峰值时间、调节时间、稳态误差、稳态精度等单一性能指标以及偏差绝对值积分、偏差平方积分、偏差绝对值与时间乘积积分、时间乘偏差平方积分等综合性能指标;
Step2:不同数字化控制系统对性能要求的范围差异较大,需根据不同系统的特点明确其性能指标要求;
Step3:控制系统连续时间的状态空间表达式为:
y(t)=Cx(t)
u(t)=Hz(t)
式中,
Step4:进行变采样的离散化:
式中:。
ta,k被控对象端时刻
tc,k控制器端时刻
Step5:令:
ta,k+1-ta,k=τsc(k)+τca(k)=Ta(k)
tc,k+1-tc,k=τca(k)+τsc(k)=Tc(k)
式中:
τsc(k)反馈网络延迟时间
τca(k)网络控制延迟时间
Ta(k)被控对象离散化时的采样周期
Tc(k)控制器离散化时的采样周期
Step6:则:
y(k)=Cx(k)
u(k)=Hz(k)
Step7:在寻求最优采样周期时需要确定一个控制系统的性能指标,通常情况下每个控制回路的指标可以用误差泛函积分评价指标来衡量,它是以控制系统的瞬时误差e(t)为泛函的积分评价,包括IE,ISE,ISTE,IEA及ITAE等,这里可以采用常用的IAE指标来衡量,第i个控制回路的IEA可以表示为:
Step8:经离散后得:
式中:Ti第i个控制回路的采样周期。
Step9:对于整个系统的性能可以简单地取加权平均来表示:
根据相应控制回路的重要性赋予的权重系数。
Step10:数字化控制系统进行建模,观察在不同系统设计下输出响应随时间的变化,计算得到数字化控制系统性能。
建立系统可靠性模型:
首先确定元器件可靠性,再根据系统功能逻辑关系建立可靠性框图,自底向上计算数字化控制系统可靠度。
一般使用两端可靠度、K端可靠度和全端可靠度作为数字化控制系统可靠性指标。在数字化控制系统设计中,应提出明确的可靠性指标要求。
网络控制系统可靠性建模,需要实现网络拓扑建模,再在拓扑模型的基础上,完成可靠性建模与分析。
其主要思想是假设网络中每个部件有“正常”与“故障”两种状态,通过枚举出网络正常工作的所有状态而计算相应的可靠度。对于n个部件的网络,则该网络共有2n种状态,该方法需要遍历网络的所有状态,逐一分析是否满足网络连通需求,其计算复杂度是O(2n)。对于中大型网络,随着网络构件数目的增加,网络状态数目以指数形式增加。因此,通过枚举所有网络状态来求解网络可靠度是很困难的。
若网络G(V,E,Φ)含n个部件,由于前文假设每个部件只有2种状态,则该网络共有2n种状态,根据部件可靠度,可以算得网络处于每种状态的概率。根据网络连通可靠性的要求和每种状态对应的网络故障判据,就能判别网络的状态为“正常”或“故障”。累加所有使网络处于“正常”状态的概率,即得到网络可靠度:
式中,pe——构件正常的概率;
qe——构件故障的概率。其中:pe+qe=1。
假设网络中的节点都绝对可靠,链路只有故障和正常两种状态。求解网络中两个节点 vs和vd之间的两端连通可靠性。计算流程如下:
Step 1:利用邻接矩阵,建立网络拓扑结构图G(V,E,Φ);
Step 2:确定网络中每条链路所对应的可靠度值Ri。以及两端可靠度的源节点vs和目的节点vd;
Step 3:由每条链路只有故障和正常两种状态,用0表示链路故障,1表示链路正常,枚举出图中n条边所由状态序列SK=e1e2··ei··en,其中ei取值为0或1,且1≤k≤2n;
Step 4:利用深度优先遍历算法,求得图G(V,E,Φ)中节点vs和vd之间的所有路集{Ti};
Step 5:逐一判断2n种状态序列所对应的网络状态是否包含于路集{Ti},包含则属于满足条件的网络状态;
Step 6:得到所有满足条件的网络状态,根据每条链路的可靠度,求出每种状态对应的概率Pi;
Step 7:累加Pi,即为所求的两端可靠度。
性能与可靠性一体化模型:
性能与可靠性的一体化设计是近年来可靠性工程中的一个新兴研究领域,针对不同的设计对象,也有许多不同的方法。由于性能参数并不直接影响网络控制系统的可靠性,目前研究思路是寻找性能与可靠性的共同影响参数,作为中介来进行性能与可靠性的一体化建模。主要思路是在已知系统控制模型和系统性能参数分布的前提下,通过系统的控制模型确定系统性能与系统内外因集合之间的函数关系:
pc=f1(X)=f1(vs,m,c,tp,tmax,f)
其中Yi是性能参数,X为系统内外因集合,如系统温度、湿度、工作频率、振动等等。并寻找系统参数集与可靠度的关系:
R=f2(X)==f2(vs,m,c,tp,tmax,f)
以此得到性能与可靠度一体化模型。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实例对本发明进行了详细说明,所属领域的技术人员应当理解:依然可以对本发明的具体实施方案进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (2)
1.一种数字化网络控制系统建模方法,其特征在于,上述方法包括如下步骤:
建立数字化网络控制系统的性能指标参数;获取所述性能指标参数对应的函数及状态空间表达并进行变采样的离散化;
获取所述性能指标参数对应的函数的性能评价函数,并且离散化处理;
加权平均获取控制回路的权重系数,获得所述数字化网络控制系统性能模型;
根据所述数字化网络控制系统功能逻辑关系建立可靠性框图,自底向上计算数字化控制系统可靠性;
使用两端可靠度、K端可靠度和全端可靠度作为所述数字化网络控制系统可靠性指标,实现网络拓扑建模,再在拓扑模型的基础上,依据部件可靠度,计算获得相应故障下的网络两个节点之间的概率;依据所述网络所有节点概率计算获得网络可靠性模型;
通过所述数字化网络控制系统性能模型进一步确定系统性能与系统内外因素参数集合之间的函数关系,通过所述网络可靠性模型建立与所述系统内外因素参数集合之间的关系,由此获得性能与可靠度一体化模型;
所述网络两个节点之间的两端连通可靠性的计算方法为:
利用邻接矩阵,建立网络拓扑结构图G(V,E,Φ);
确定网络中每条链路所对应的可靠度值Ri,以及两端可靠度的源节点vs和目的节点vd;
由每条链路只有故障和正常两种状态,用0表示链路故障,1表示链路正常,枚举出图中n条边所由状态序列SK=e1,e2,...,ei,...,en,其中ei取值为0或1,且1≤k≤2n;
利用深度优先遍历算法,求得图G(V,E,Φ)中节点vs和vd之间的所有路集{Ti};
逐一判断2n种状态序列所对应的网络状态是否包含于路集{Ti},包含则属于满足条件的网络状态;
得到所有满足条件的网络状态,根据每条链路的可靠度,求出每种状态对应的概率Pi;
累加Pi,即为所求的两端可靠度。
2.如权利要求1中所述的数字化网络控制系统建模方法,其特征在于,所述性能指标参数包括超调量、峰值时间、调节时间、稳态误差、稳态精度指标以及偏差绝对值积分、偏差平方积分、偏差绝对值与时间乘积积分、时间乘偏差平方积分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111162878.1A CN113759728B (zh) | 2021-09-30 | 2021-09-30 | 一种数字化网络控制系统建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111162878.1A CN113759728B (zh) | 2021-09-30 | 2021-09-30 | 一种数字化网络控制系统建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113759728A CN113759728A (zh) | 2021-12-07 |
CN113759728B true CN113759728B (zh) | 2023-08-25 |
Family
ID=78798633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111162878.1A Active CN113759728B (zh) | 2021-09-30 | 2021-09-30 | 一种数字化网络控制系统建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113759728B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6754843B1 (en) * | 2000-06-13 | 2004-06-22 | At&T Corp. | IP backbone network reliability and performance analysis method and apparatus |
CN103179001A (zh) * | 2013-04-17 | 2013-06-26 | 重庆邮电大学 | 一种基于工作路径信息的电力通信网可靠性评估方法 |
JP2014023064A (ja) * | 2012-07-20 | 2014-02-03 | Nippon Telegr & Teleph Corp <Ntt> | ネットワーク信頼性評価装置及び方法及びプログラム |
US8665731B1 (en) * | 2008-06-30 | 2014-03-04 | The Boeing Company | Reliability estimation methods for large networked systems |
CN106789190A (zh) * | 2016-12-05 | 2017-05-31 | 国网河南省电力公司信息通信公司 | 一种电力通信网脆弱性评估及路由优化方法 |
CN107018011A (zh) * | 2017-03-08 | 2017-08-04 | 北京航空航天大学 | 一种保持网络性能可靠度的网络简化方法 |
CN107483231A (zh) * | 2017-07-27 | 2017-12-15 | 中国船舶重工集团公司第七二四研究所 | 一种多协议数据传输网络层与传输层可靠性监测方法 |
CN108322334A (zh) * | 2018-01-04 | 2018-07-24 | 浙江大学 | 一种电力通讯系统可靠性评估方法 |
CN108847969A (zh) * | 2018-06-05 | 2018-11-20 | 北京航空航天大学 | 基于信息流的网络业务可靠性分析方法 |
CN112087384A (zh) * | 2020-08-03 | 2020-12-15 | 国网甘肃省电力公司信息通信公司 | 一种基于sdn环境的数据传输方法及系统 |
CN112637006A (zh) * | 2020-12-15 | 2021-04-09 | 深圳供电局有限公司 | 一种电力通信网关键节点及影响域分析方法 |
CN112688812A (zh) * | 2020-12-23 | 2021-04-20 | 浙江大学 | 应用于电力数据传输的可靠性感知时间敏感网络路由方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8121042B2 (en) * | 2008-06-30 | 2012-02-21 | The Boeing Company | Reliability estimation methods for large networked systems |
-
2021
- 2021-09-30 CN CN202111162878.1A patent/CN113759728B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6754843B1 (en) * | 2000-06-13 | 2004-06-22 | At&T Corp. | IP backbone network reliability and performance analysis method and apparatus |
US8665731B1 (en) * | 2008-06-30 | 2014-03-04 | The Boeing Company | Reliability estimation methods for large networked systems |
JP2014023064A (ja) * | 2012-07-20 | 2014-02-03 | Nippon Telegr & Teleph Corp <Ntt> | ネットワーク信頼性評価装置及び方法及びプログラム |
CN103179001A (zh) * | 2013-04-17 | 2013-06-26 | 重庆邮电大学 | 一种基于工作路径信息的电力通信网可靠性评估方法 |
CN106789190A (zh) * | 2016-12-05 | 2017-05-31 | 国网河南省电力公司信息通信公司 | 一种电力通信网脆弱性评估及路由优化方法 |
CN107018011A (zh) * | 2017-03-08 | 2017-08-04 | 北京航空航天大学 | 一种保持网络性能可靠度的网络简化方法 |
CN107483231A (zh) * | 2017-07-27 | 2017-12-15 | 中国船舶重工集团公司第七二四研究所 | 一种多协议数据传输网络层与传输层可靠性监测方法 |
CN108322334A (zh) * | 2018-01-04 | 2018-07-24 | 浙江大学 | 一种电力通讯系统可靠性评估方法 |
CN108847969A (zh) * | 2018-06-05 | 2018-11-20 | 北京航空航天大学 | 基于信息流的网络业务可靠性分析方法 |
CN112087384A (zh) * | 2020-08-03 | 2020-12-15 | 国网甘肃省电力公司信息通信公司 | 一种基于sdn环境的数据传输方法及系统 |
CN112637006A (zh) * | 2020-12-15 | 2021-04-09 | 深圳供电局有限公司 | 一种电力通信网关键节点及影响域分析方法 |
CN112688812A (zh) * | 2020-12-23 | 2021-04-20 | 浙江大学 | 应用于电力数据传输的可靠性感知时间敏感网络路由方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113759728A (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2013208051A (ja) | 電力系統のバスの状態を求める方法及びシステム | |
US11982410B2 (en) | Methods and smart gas internet of things (IoT) systems for remote control of ultrasonic metering devices | |
CN116545954A (zh) | 基于物联网的通信网关数据传输方法及系统 | |
CN110502842B (zh) | 功率半导体模块的热模型建模方法及其应用方法和装置 | |
CN113759728B (zh) | 一种数字化网络控制系统建模方法 | |
Chen et al. | A novel combined estimation method for state of energy and predicted maximum available energy based on fractional-order modeling | |
Li et al. | Event-triggered non-fragile state estimation for discrete nonlinear Markov jump neural networks with sensor failures | |
CN112333147B (zh) | 一种核电厂dcs平台网络运行态势感知方法及系统 | |
Zhang et al. | Sensor/actuator faults detection for networked control systems via predictive control | |
CN116627028B (zh) | 交联电缆生产线控制方法 | |
Li et al. | A survey on set-membership filtering for networked control systems under communication protocols | |
CN116046018B (zh) | 一种应用于mems陀螺仪的温度补偿方法 | |
CN106789163A (zh) | 一种网络设备用电信息监测方法、装置和系统 | |
CN117310361A (zh) | 一种基于智能感知和设备画像的配电网故障巡检定位方法 | |
CN113904933B (zh) | 数字化网络控制系统性能与可靠性同步优化方法 | |
CN113110321B (zh) | 基于事件触发的网络化工业控制系统的分布式估计方法 | |
Wu et al. | Optimal temperature and humidity control for autonomous control system based on PSO‐BP neural networks | |
CN108134680B (zh) | 一种基于贝叶斯网络的系统测量节点优化配置方法 | |
Zhang et al. | Design of agricultural greenhouse environment monitoring system based on internet of things technology | |
Dobrescu et al. | Using IoT communication infrastructure for improving performance of power microgrids | |
Zhao et al. | Multi-sensor data fusion algorithm based on adaptive trust estimation and neural network | |
CN113128038A (zh) | 一种蒙皮阵列单元热源过载的智能感知方法 | |
Dimple et al. | Diffusion least mean square algorithm for identification of iir system present in each node of a wireless sensor networks | |
CN113534834A (zh) | 一种多无人机协同跟踪定位方法 | |
CN110460376B (zh) | 评估垂直腔面发射激光器l-i故障诊断模型的优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |