导读:本文包含了事件驱动算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:事件,突触,状态,动态,系统,步进,算法。
事件驱动算法论文文献综述
曹巍巍,刘晨,韩燕波[1]（2019）在《一种关联驱动的服务事件动态路由算法及其在工业设备预测性维护中的应用》一文中研究指出预测性设备维护是在故障发生前主动进行设备维修,尽可能减少设备故障带来的损失.故障通常是由微小的异常沿着异常和故障之间的事件关联逐步传播演化所导致.由于事件关联的复杂多变,相同异常可能通过事件关联进行传播而形成不同的故障.针对这一问题,本文沿袭前期工作,将事件关联封装为服务超链,提出了一种基于服务超链的启发式事件传播方法,并通过实验来验证提出方法在电厂的预测性设备维护方面的有效性.(本文来源于《北方工业大学学报》期刊2019年02期）
常坤,武风波,张渤,刘海强[2]（2018）在《基于异常事件驱动的簇结构的检测算法》一文中研究指出有效地使用传感节点能量,并提高检测异常事件概率,成为无线传感网络应用研究热点。为此,提出基于异常事件驱动的簇结构的检测算法(AEDCTD)。AEDCTD算法通过异常事件位置建立簇,然后由簇内节点检测事件。在建立簇时,考虑了节点对事件的检测概率及节点剩余能量,只有当剩余能量大于能量阈值的节点才可能加入簇。同时,引用动态能量阈值,平衡能耗。实验数据表明,AEDCTD算法具有较低的漏检率,同时,AEDCTD算法与CCM和GEP-ADS算法的能耗相比分别降低了近4.1%和5.8%。(本文来源于《现代电子技术》期刊2018年20期）
赵中原,陈刚[3]（2019）在《基于事件驱动的二次凸优化问题分布式优化算法》一文中研究指出针对多智能体系统中等式约束下的二次凸优化问题,给出一种事件驱动机制下的分布式优化算法.该算法可以降低每个智能体控制协议的更新频率以及智能体之间的通信负担.基于图论和李雅普诺夫函数方法给出两种不同的事件触发条件,其中第2种事件触发条件不需要拉普拉斯矩阵的最大特征根的信息,可实现算法全分布式实施.两种事件触发条件均可实现算法渐近收敛到优化值,避免智能体控制协议的连续更新以及智能体之间的连续通信,同时保证每个智能体相邻事件触发时刻的时间间隔大于0,避免持续事件触发.将所提出的算法应用于Matlab仿真环境中进行仿真验证,仿真结果验证了所提出算法的有效性.(本文来源于《控制与决策》期刊2019年08期）
彭霞,王直杰,韩芳[4]（2018）在《基于虚拟突触-时钟事件混合驱动神经网络系统仿真算法研究》一文中研究指出逼真地仿真大规模生物神经网络系统对于生物神经系统及类脑智能等领域的研究都有重要的意义。本文针对生物神经网络仿真算法的两个重要问题(1)如何提出新的突触电流计算模型,有效降低突触电流计算的资源消耗(实际单个神经元突触数量可达10~4条[1],网络中突触的数量远大于神经元的数量,因此突触电流的计算主导了网络仿真计算的计算量);(2)如何有效增强生物神经网络海量状态之间的计算独立性,增强算法的并行性能。首先,深入分析了突触动力学特性,结合与突触前神经元状态相关的突触状态(如电导系数)的计算特点以及传统突触电流计算模式,提出虚拟突触的概念模型,实现突触电流计算分离机制,避免了传统时钟驱动算法[2]突触电流计算中与突触前神经元状态相关的突触状态变量(如电导系数)的重复计算,降低了网络中突触电流计算的资源消耗;接着,基于虚拟突触概念模型,利用生物神经网络放电特性和普遍现象,提出突触电流计算的共同衰减过程,在实际网络仿真过程中,设计事件驱动机制[3],通过神经元放电事件触发时钟驱动算法中突触电流计算的修正计算过程,提出了一种新的基于虚拟突触-时钟事件混合驱动算法。通过对大规模生物神经网络进行串行和并行仿真实验结果表明,该算法有效减少突触电流计算量,提高大规模生物神经网络并行仿真效率,具有应用范围广、并行性能好、仿真效率高等特点。(本文来源于《第四届全国神经动力学学术会议摘要集》期刊2018-08-06）
林浩申,李思嘉,刘刚[5]（2018）在《基于事件驱动的容积卡尔曼滤波定位算法》一文中研究指出以网络化非线性滤波系统为研究对象,为了平衡系统的通信率和滤波精度之间的矛盾,引入随机事件驱动(stochastic event-triggered)的思想,并在此基础上建立了基于残差检测的事件驱动(detected event-triggered)模型。针对系统的强非线性,将线性随机事件驱动滤波系统中的更新结论推广至非线性系统,推导了两种事件驱动机制在容积卡尔曼滤波(CKF)算法框架中的滤波更新过程,得到了检测事件驱动CKF(DECKF)和随机事件驱动CKF(SECKF)两种算法。最后,通过天基平台空间目标跟踪问题对算法性能进行检验。仿真结果表明,当通信率下降20.64%时,DECKF算法的位置跟踪精度和速度跟踪精度相比标准CKF仅下降了5.50%和7.74%。此外,在通信率相同的情形下,DECKF比SECKF的精度高40%以上,证明检测事件驱动模式优于随机事件驱动模式。(本文来源于《中国空间科学技术》期刊2018年04期）
曹鹏飞,郝矿荣,丁永生[6]（2018）在《面向多机器人动态任务分配的事件驱动免疫网络算法》一文中研究指出为实现多机器人系统的动态任务分配与协作,提出了一种面向多机器人动态任务分配的事件驱动免疫网络算法。将生物免疫网络的工作机理应用到多机器人动态任务分配算法中,借鉴Jerne的独特型免疫网络假说和Farmer提出的抗体激励动态方程,设计了多机器人任务分配与自主协作模型;基于事件驱动机制,设计了多机器人动态任务分配算法,并引入焦躁模型来解决任务死锁问题。仿真和实际多机器人系统实验结果表明,基于本文算法的多机器人系统在动态任务场景中具有较强的适应性和自主规划协调能力。(本文来源于《智能系统学报》期刊2018年06期）
秦补枝[7]（2017）在《基于事件驱动的多智能体移动目标跟踪算法》一文中研究指出目前,相互协作的多智能体完成跟踪目标时通常需要连续的通讯,这种通讯包括至少一个智能体与被跟踪目标之间的通讯和相邻智能体之间的通讯。然而在实际络中,随着多智能体数量的增加以及节点之间紧密的联系,会导致这种网络通讯拥堵,不易实现。因此,提出了一种新型的基于事件驱动策略的多智能体移动目标跟踪算法,当且仅当被跟踪的目标在某个智能体的感测范围内时和智能体之间的状态差超过某个预定的阈值时,触发事件驱动函数,施加相应的控制策略。然后通过构建李亚普诺夫函数对该算法进行分析,证明了算法的有效性。最后,对一个由200个智能体组成的网络,其跟踪目标为所有智能体的平均值和感测范围分别为0.5和5.5,事件驱动函数触发的次数分别为538和5201。仿真表明系统均能完成跟踪任务,这样显着减少通讯量,克服了拥堵现象,而且容易实现。(本文来源于《自动化与仪器仪表》期刊2017年10期）
杨祎,赵争鸣,檀添,李帛洋,袁立强[8]（2017）在《离散状态事件驱动仿真方法及自适应预估校正算法》一文中研究指出在电力电子系统分析中,需要对带间断和刚性的常微分方程组进行仿真计算。然而,采用传统的时间离散算法来求解此类方程组时会遇到诸多困难。Kofman等基于离散事件系统规范(DEVS)提出了量化状态系统(QSS)算法,它不是对时间进行离散,而是将状态量进行离散。QSS算法可以有效求解带间断和刚性的常微分方程组。基于离散事件算法思想,提出适合于电力电子仿真的离散状态事件驱动(DSED)仿真方法;同时,为提高DSED方法的精度,提出基于DSED的预估校正算法;为大幅减少计算量,通过研究计算步数与状态量幅值和频率的关系,提出自适应方法。仿真算例证明了所提算法的有效性。(本文来源于《电工技术学报》期刊2017年12期）
王岳朋[9]（2016）在《步进事件驱动的3D打印机反馈控制算法设计与实现》一文中研究指出随着科学技术的日益发展,3D打印机逐渐融入到了人们的生活中,在各个行业的应用越来越广泛。我们所研究的是一类以步进电机为运动执行机构的3D打印机,这类3D打印机的运动控制方法往往采用开环控制。3D打印机在工作过程中,由于步进电机往往会存在失步或堵转现象、传动带与齿轮的间隙、机械架构的动态变化也经常会引入较大的误差,因此由步进电机驱动的、开环控制的3D打印机往往打印精度低、打印速度慢。考虑到传统的步进电机闭环控制方法与实现过于复杂而并不适用于3D打印机控制系统,我们提出了一种步进事件驱动的3D打印机闭环控制方法,并且设计和搭建了 3D打印机闭环控制系统用于控制算法的验证。我们的研究以熔融沉积成型3D打印机为基础,首先针对步进电机的运动特性,将步进电机每运动一步刻画为一个事件,设计了步进电机的反馈控制算法。通过搭建物理实验平台对该算法进行了初步验证。在此基础上,我们设计了步进事件驱动的3D打印机闭环控制系统,给出了控制系统总体设计方案并建立了多轴协调控制机制。我们选定了能够直接检测喷头实际位置的直线位置传感器,以克服3D打印机在工作中因步进电机失步或堵转、传动带与齿轮的间隙、机械架构的动态变化等因素而导致的控制误差。同时我们详细阐述了3D打印机闭环控制系统的硬件设计和软件设计,给出了详细的算法流程图和电路设计方案。最后对3D打印机控制系统进行了性能测试,测试结果表明,我们所提的算法能够有效地提高3D打印机的打印精度和速度。(本文来源于《东北大学》期刊2016-12-01）
王文杰[10]（2016）在《基于事件驱动的动态免疫分簇路由算法》一文中研究指出无线传感网络广泛应用于物联网,在基于事件驱动下的路由监测算法能耗较大,不利于设备的长期使用。本文通过引入生物免疫机制,将突发事件、监测节点与抗原、免疫细胞一一对应,利用免疫细胞对历史入侵病毒有记忆功能的特点,将现在发生的事件与历史事件相对比,若满足条件,则直接调用历史事件簇结构,从而实现降低能耗的目的。(本文来源于《智能城市》期刊2016年08期）
事件驱动算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
有效地使用传感节点能量,并提高检测异常事件概率,成为无线传感网络应用研究热点。为此,提出基于异常事件驱动的簇结构的检测算法(AEDCTD)。AEDCTD算法通过异常事件位置建立簇,然后由簇内节点检测事件。在建立簇时,考虑了节点对事件的检测概率及节点剩余能量,只有当剩余能量大于能量阈值的节点才可能加入簇。同时,引用动态能量阈值,平衡能耗。实验数据表明,AEDCTD算法具有较低的漏检率,同时,AEDCTD算法与CCM和GEP-ADS算法的能耗相比分别降低了近4.1%和5.8%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
事件驱动算法论文参考文献
[1].曹巍巍,刘晨,韩燕波.一种关联驱动的服务事件动态路由算法及其在工业设备预测性维护中的应用[J].北方工业大学学报.2019
[2].常坤,武风波,张渤,刘海强.基于异常事件驱动的簇结构的检测算法[J].现代电子技术.2018
[3].赵中原,陈刚.基于事件驱动的二次凸优化问题分布式优化算法[J].控制与决策.2019
[4].彭霞,王直杰,韩芳.基于虚拟突触-时钟事件混合驱动神经网络系统仿真算法研究[C].第四届全国神经动力学学术会议摘要集.2018
[5].林浩申,李思嘉,刘刚.基于事件驱动的容积卡尔曼滤波定位算法[J].中国空间科学技术.2018
[6].曹鹏飞,郝矿荣,丁永生.面向多机器人动态任务分配的事件驱动免疫网络算法[J].智能系统学报.2018
[7].秦补枝.基于事件驱动的多智能体移动目标跟踪算法[J].自动化与仪器仪表.2017
[8].杨祎,赵争鸣,檀添,李帛洋,袁立强.离散状态事件驱动仿真方法及自适应预估校正算法[J].电工技术学报.2017
[9].王岳朋.步进事件驱动的3D打印机反馈控制算法设计与实现[D].东北大学.2016
[10].王文杰.基于事件驱动的动态免疫分簇路由算法[J].智能城市.2016
论文知识图
