摘要：提出了一种基于规则推理的大规模无线传感器网络智能能量管理算法。该算法的核心思想是根据被监测实体以往情况以及当前状态信息,通过基于规则的推理推测出下一个时间段内实体可能发生异常或者期待事件的区域,让监测该区域的传感器节点工作,监测其他区域的节点休眠,从而提高能量效率。最后通过模拟实验对该算法进行了验证。

摘要：有线和无线网络上的实时流媒体传输技术已成为研究热点而其中组包策略的选取是其中的一个关键问题。本文首先设计了一种基于RTP的H.264实时流媒体传输系统模型,在此基础上提出了适用于H.264实时视频流传输的RTP组包算法HMP。该算法针对H.264NAL视频流特点,在考虑到视频流关联性的同时加入了对重要信息的保护。实验结果证明,HMP算法在网络丢包率较大的情况下仍能获得良好视觉质量。

摘要：提出了基于传感器网络环境的上下文感知应用开发中间件原型的体系结构MidCASE,重点阐述了中间件的体系结构设计和软件运行时基于服务的分布式运行架构。讨论了上下文感知过程中的两个关键问题,包括上下文信息建立的方法和感知过程中上下文信息与高层通信的调度模型。最后,以该中间件原型为基础,通过在医疗护理的场景下实现上下文感知应用并证明了其易用性与支撑作用。

摘要：当前的风力发电机组故障诊断预警模型设置的矩阵一般为单元式的,预警的范围受到限制,导致预警响应时间延长,为此提出对基于支持向量机的风力发电机组故障诊断预警模型的设计与验证分析。根据当前的测定需求及标准,提取故障诊断预警特征量,采用多目标的方式,打破预警范围的限制,设计多目标诊断预警矩阵,以此为基础,构建支持向量机故障诊断预警结构,采用阶次分析实现故障诊断预警处理。测试结果表明:对比传统机器学习风力发电机组故障诊断预警模型测试组、传统MSK-CNN和多源机电信息融合风力发电机组故障诊断预警模型测试组,此次所设计的支持向量机风力发电机组故障诊断预警模型测试组最终得出的预警响应时间被较好地控制在0.25 s以下,说明在支持向量机的辅助下,所设计模型对故障诊断预警的效率较高,针对性更强,具有实际的应用价值。

摘要：杆(索)是边坡治理中常用土工结构,在进行边坡设计时《建筑边坡工程技术规范:GB50330—2013》[1]仅给出不同滑面边坡稳定性的计算方法,并未给出加固治理后边坡稳定性的计算方法。基于瑞典条分法及简化Bishop边坡稳定性分析方法,推导出含锚杆(索)的边坡稳定性计算公式。通过Excel表格进行对边坡稳定性中的抗力、下滑力及锚杆(索)作用力进行分析,然后与理正边坡商业软件计算结果进行对比,验证其正确性。最后对锚杆(索)产生的贡献是作为增加抗力还是减少下滑力进行探讨。研究成果可较直观地理解边坡稳定性计算中的瑞典条分法及简化Bishop法分析方法,对边坡设计初学者具有一定的参考意义。