针对通过无线通信网络实现远程控制的地面无人系统,分析了地面无人系统在工作的过程中,网络时延对系统的影响。基于网络时延的分布特性,提出了一种贝叶斯算法(Bayesian algorithm,BO)优化的长短期记忆(long-term and short-term memory,...针对通过无线通信网络实现远程控制的地面无人系统,分析了地面无人系统在工作的过程中,网络时延对系统的影响。基于网络时延的分布特性,提出了一种贝叶斯算法(Bayesian algorithm,BO)优化的长短期记忆(long-term and short-term memory,LSTM)神经网络时延预测模型,在Matlab软件中搭建了该模型,并通过网络时延训练集数据对模型进行了训练,在网络时延测试集数据上对训练好的模型进行了测试,最后,就R2、RMSE和MAE评价指标对测试效果和GRU、BO-GRU以及LSTM预测方法进行了对比,结果表明,BO算法优化的LSTM神经网络时延预测模型RMSE和MAE评价结果更低,预测精度更高,预测效果更好,验证了提出的网络时延预测模型的有效性。展开更多
为了提高EPA(Ethernet for plant automation)系统的网络诱导时延性能,研究了系统中功能执行和网络通信的内在运行机理和相互作用机制,提出了它们的协同方法。该方法通过给执行控制功能的用户层功能块和执行通信功能的链路层分组传输设...为了提高EPA(Ethernet for plant automation)系统的网络诱导时延性能,研究了系统中功能执行和网络通信的内在运行机理和相互作用机制,提出了它们的协同方法。该方法通过给执行控制功能的用户层功能块和执行通信功能的链路层分组传输设定相互协同的时间片,以及对功能块执行时间和次数的确定,实现了EPA系统中控制与通信的协同。当设备巡回扫描周期较小或需要通信的功能块较多时,能够有效降低EPA系统的网络负载,提高网络诱导时延性能。展开更多
文摘针对通过无线通信网络实现远程控制的地面无人系统,分析了地面无人系统在工作的过程中,网络时延对系统的影响。基于网络时延的分布特性,提出了一种贝叶斯算法(Bayesian algorithm,BO)优化的长短期记忆(long-term and short-term memory,LSTM)神经网络时延预测模型,在Matlab软件中搭建了该模型,并通过网络时延训练集数据对模型进行了训练,在网络时延测试集数据上对训练好的模型进行了测试,最后,就R2、RMSE和MAE评价指标对测试效果和GRU、BO-GRU以及LSTM预测方法进行了对比,结果表明,BO算法优化的LSTM神经网络时延预测模型RMSE和MAE评价结果更低,预测精度更高,预测效果更好,验证了提出的网络时延预测模型的有效性。
文摘为了提高EPA(Ethernet for plant automation)系统的网络诱导时延性能,研究了系统中功能执行和网络通信的内在运行机理和相互作用机制,提出了它们的协同方法。该方法通过给执行控制功能的用户层功能块和执行通信功能的链路层分组传输设定相互协同的时间片,以及对功能块执行时间和次数的确定,实现了EPA系统中控制与通信的协同。当设备巡回扫描周期较小或需要通信的功能块较多时,能够有效降低EPA系统的网络负载,提高网络诱导时延性能。
