28、基于时空角色的访问控制模型

基于时空角色的访问控制模型

1. 位置关系

不同位置之间可能存在多种关系,这里着重探讨包含关系。直观来讲,如果一个物理位置 plocj 中的所有点都属于另一个物理位置 plock,那么就称 plocj 包含于 plock,用数学公式表示为:∀pi ∈ plocj, pi ∈ plock,记为 plocj ⊆ plock。其中,plocj 被称为被包含位置,plock 被称为包含位置。

对于逻辑位置,若逻辑位置 llocm 对应的物理位置包含于逻辑位置 llocn 对应的物理位置,即 m′(llocm) ⊆ m′(llocn),则称 llocm 包含于 llocn,记为 llocm ⊆ llocn。

需要注意的是,物理位置可能包含于逻辑位置,反之亦然。此时,可通过映射函数将逻辑位置转换为物理位置,再判断包含关系。同时,假设存在一个名为“universe”的逻辑位置,它包含所有其他位置。后续讨论中,所提及的位置均为逻辑位置。

2. 时间表示

模型使用两种时间信息:时间点和时间间隔。
- 时间点 :时间点是时间轴上的一个离散点,其精确粒度取决于具体应用。例如,在某些应用中,时间点可能以纳秒为单位测量;而在另一些应用中,则可能以毫秒为单位。
- 时间间隔 :时间间隔是一组时间点的集合。若构成时间间隔的时间点是连续的,则称该时间间隔为连续时间间隔;否则,称为非连续时间间隔。例如,12 月 25 日上午 9:00 至下午 3:00 是连续时间间隔;3 月周一至周五上午 9:00 至下午 6:00 是非连续时间间隔。用 ti ∈ d 表示 ti 是时间间隔

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值