-
公开(公告)号:CN108521350A
公开(公告)日:2018-09-11
申请号:CN201810216852.2
申请日:2018-03-16
Applicant: 重庆邮电大学
Abstract: 本发明公开一种基于XML测试脚本驱动的工业网关设备自动化测试方法,所属领域为测试技术领域。针对工业测试系统测试系统的复用性低、扩展性差、整体测试流程冗杂,提出一种基于XML测试脚本驱动的高扩展性自动化测试方法。本发明将复杂的测试流程抽象封装为一系列测试动作,并按照XML描述格式对整个测试动作进行分层描述,测试步骤通过解析输入的XML测试脚本来驱动测试整个测试流程中各个测试步骤的进行。本发明将多个测试设备进行统一建模分组,利用XML描述测试设备输出的多个测试设备的复杂组合数据类型。将测试流程与测试程序相互分离,增加测试系统扩展性、灵活性和可维护性。
-
公开(公告)号:CN109557809A
公开(公告)日:2019-04-02
申请号:CN201811365942.4
申请日:2018-11-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于克隆免疫粒子群算法的多电机协同控制PID参数优化方法,涉及到使用克隆免疫算法对粒子群算法的改进。PID控制是,过程控制中应用最广泛的控制方法,其关键在于PID参数的优化。在本发明中,首先使用克隆选择算法对粒子群算法进行优化:在粒子群算法的基础上加了克隆免疫操作,当粒子群算法陷入局部最优解时,对外部最优解集中的粒子进行克隆复制、克隆变异和克隆选择操作,提高粒子的多样性,帮助算法跳出局部最优解,避免早熟收敛,提高解的精度。该方法与单独使用粒子群算法相比,能有效解决粒子群算法整定PID控制参数时出现的局部最优现象。
-
公开(公告)号:CN109298682A
公开(公告)日:2019-02-01
申请号:CN201811366572.6
申请日:2018-11-16
Applicant: 重庆邮电大学
IPC: G05B19/41
Abstract: 本发明请求保护一种基于抛物线插值算法的双机器人协同轨迹优化方法,在双机器人协同工作有效工作空间内和一定约束下,选取优化变量,确定其可行域。基于运动平稳性思想,以抛物线插值算法搜索优化变量的最优值,进而获取最优的协同轨迹。在进行轨迹规划时,首先将各个运动路径点利用逆运动学方程转变为关节路径点,其次通过各关节对应的关节路径点进行拟合光滑函数。这些关节轨迹函数分别表明各关节从起始位置开始,通过所有路径点,最后抵达目的地的运动轨迹。
-
公开(公告)号:CN108228774A
公开(公告)日:2018-06-29
申请号:CN201711462634.9
申请日:2017-12-28
Applicant: 重庆邮电大学
IPC: G06F17/30
Abstract: 本发明提出了一种关系模型到XML的转化方法,涉及定义关系数据的结构模型、XML模式定义、映射规则字典和映射规则字典构造算法。该方法解决了关系模型与XML之间结构的关键问题,即如何定义有效的映射,主要应用于各个领域中的关系模型到XML模型的转化,完成从扁平的二维结构到嵌套层次结构的映射。该方法定义了关系模型中包含的数据结构、数据操作方法集合和数据完整性约束信息以及XML中包含的元素声明、属性声明、命名空间等的相关信息,设计了一种映射规则字典,通过算法构造映射规则字典,实现关系数据到XML的转化。该方法与传统方法相比,大大提高了转化效率,并尽可能完整地保有关系模式中约束信息,从转化效率和转化质量方面优化了传统转化方法。
-
公开(公告)号:CN109551478A
公开(公告)日:2019-04-02
申请号:CN201811365950.9
申请日:2018-11-16
Applicant: 重庆邮电大学
IPC: B25J9/16
Abstract: 本发明请求保护一种基于集散控制系统的双机器人主从协调控制方法,该方法针对目前双机协调策略存在的问题,提出了基于集散控制系统的主从协调控制方法,设计了三级构架,给出了双机器人坐标系建立过程;然后给出了双机器人协调运动中末端位姿的相对运动轨迹约束关系,并提出了双机器人轨迹规划计算方法,保证末端位姿保持时间上的同步和空间上的约束;最后针对主从协调控制策略中的机器人碰撞检测问题,提出了改进方法,经试验结果表明,采用改进的主从控制策略方法的双机器人协调系统执行效率高。
-
公开(公告)号:CN108429753A
公开(公告)日:2018-08-21
申请号:CN201810216882.3
申请日:2018-03-16
Applicant: 重庆邮电大学
IPC: H04L29/06
Abstract: 本发明提出一种快速特征匹配的工业网络DDoS入侵检测方法,涉及工业网络通信领域,属于信息安全方面,该方法主要利用深度学习模型替换了传统的入侵检测所使用的数据库查找特征匹配模型,完成工业网络中入侵检测系统的设计。该方法首先提取数据包特征,进行特征筛选和构建特征矩阵,再将特征矩阵输入到深度学习模型中进行判别,模型经KDD99数据集训练,对DDoS攻击类型具有极高的识别率。该方法对传统的数据库查找特征匹配速度慢的缺陷做出改进,使系统不再需要等待查找数据库的耗时,极大的提高了匹配速率,另外匹配的精确度高,误报率低,并且部署方便,有效的降低了系统资源的使用,符合工业网络对网络实时性的要求。
-
-
-
-
-