T型Z源拓扑结构及其性能研究

T型Z源逆变器是一种新的逆变器拓扑结构,是将低漏感变压器替代传统Z源逆变器中的电感,以简化拓扑结构,提升性能。先介绍了多种T型Z源拓扑结构,分析对比其主要性能指标,最后利用Matlab/Simulink软件对T型Z源逆变器和传统Z源逆变器进行仿真。仿真结果表明,T型Z源逆变器比传统Z源逆变器在升压能力上更有优势,仿真验证了T型Z源拓扑的可行性。     

PLC在油田无线远程监控中的应用

针对现有无线超短波通信的局限性 ,提出一种新的油田无线远程监控系统的组成和控制方式 ,并阐述其无线通信的实现方法。     

针对眼部掩模的人脸识别对抗贴片研究

随着深度学习技术的快速发展,人脸识别技术被广泛应用于现实世界的工作与生活中。然而深度神经网络对于对抗样本表现出极大的脆弱性。鉴于用对抗贴片进行黑盒攻击比白盒攻击更加困难,且黑盒攻击性能性能较差,同时由于眼部区域包含了较多的特征信息,该文提出一种新的针对眼部掩模的对抗贴片生成方法(Adversarial Eye Mask, AdvEyeMask),来实现人脸识别系统的黑盒攻击。首先,对输入图像进行添加随机噪声、随机调整亮度以及随机放缩等多样性变换,在采用集成模型生成贴片的迭代优化过程中,借助动量思想求得目标损失,而后对损失梯度矩阵进行高斯核卷积处理,从而提高对抗贴片的黑盒攻击性能。基于CASIA-Facev5数据集,AdvEyeMask与AdvHat方法相比,平均相似度提升了34.46%,平均攻击成功率提升了64.40%,实现了较好的黑盒攻击效果。最后,从实用性角度出发,AdvEyeMask方法生成的对抗贴片在物理场景下对某商用人脸识别设备进行了黑盒攻击测试。     

针对图像分类的鲁棒物理域对抗伪装

深度学习模型对对抗样本表现出脆弱性.作为一种对现实世界深度系统更具威胁性的攻击形式,物理域对抗样本近年来受到了广泛的研究关注.现有方法大多利用局部对抗贴片噪声在物理域实现对图像分类模型的攻击,然而二维贴片在三维空间的攻击效果将由于视角变化而不可避免地下降.为了解决这一问题,所提Adv-Camou方法利用空间组合变换来实时生成任意视角及变换背景的训练样本,并最小化预测类与目标类交叉熵损失,使模型输出指定错误类别.此外,所建立的仿真三维场景能公平且可重复地评估不同的攻击.实验结果表明,Adv-Camou生成的一体式对抗伪装可在全视角欺骗智能图像分类器,在三维仿真场景比多贴片拼接纹理平均有目标攻击成功率高出25%以上,对Clarifai商用分类系统黑盒有目标攻击成功率达42%,此外3D打印模型实验在现实世界平均攻击成功率约为66%,展现出先进的攻击性能.     

复合式卷烟分拣效率提升的技术改造

本文依据复合式卷烟分拣系统的组成和工作原理,针对现有分拣系统存在问题和不足之处,给出复合式卷烟分拣系统效率提升的软硬件升级方法并完成技术改造,改造后的分拣系统与原系统相比,不仅分拣效率大大提升,而且提高了分拣稳定性。