Ultra DMA模式下硬盘数据加密系统的设计及FPGA实现*

设计了基于FPGA芯片的硬盘数据加密系统。该加密系统运行在Ultra DMA传输模式下,其加密核支持常用对称密码算法（AES、DES、3DES）和用户自主开发的各种对称密码算法。测试结果表明,在Ultra DMA模式2下系统运行速度为32 Mbps,对计算机正常运行没有任何影响。     

不可逆量子斯特林热泵循环性能分析与优化

建立了以一维无限深势阱中极端相对论粒子为工质的不可逆量子斯特林热泵循环模型。考虑高低温热源之间的热漏,导出了循环的性能系数与无量纲泵热率的表达式。分析了循环性能与各性能参数之间的关系。研究发现,热泵的性能系数与无量纲泵热率都随粒子在状态1进处于激收态上的占有几度单调递减,性能系数与无量纲泵热率都是势阱宽度比的凸单调函数。无量纲泵热率关于性能系数的关系曲线为回原点的扭叶型,并确定了该不可逆量子斯特林热泵的最优运行区间。     

基于博弈论准确性和差异性兼优的选择性集成建模方法及其应用

集成学习相较于单模型具有更好的预测精度和泛化能力,被广泛应用于工业过程的质量预测.基学习器之间的多样性和基学习器的准确性对集成的泛化能力影响极大.为了进一步提高集成模型的泛化能力,提出一种同时考虑准确性和差异性的选择性集成建模方法.以在线极限学习机作为基学习器,将基学习器的准确性和基学习器对集成模型多样性的贡献率作为博弈双方,利用博弈论原理求解得出使集成模型准确性和多样性都达到最优的选择方案,使集成模型的准确性和多样性兼优;模型预测完成后,综合当前误差和历史记录误差对基学习器的权重进行在线更新,实现在线测量阶段对建模对象特性的动态自适应.最后,使用公开数据集和实际工业数据验证了所提算法的合理性和有效性.     

基于改进GWO-ELM的热轧带钢卷取温度预测

卷取温度控制精度是影响带钢产品性能的主要因素之一,提高卷取温度控制精度和保证卷取命中率是热轧领域的重点问题.针对某钢厂现有的卷取温度设定模型中存在个别钢种命中率低的问题,结合数据挖掘及现场专家经验,提出了一种基于灰狼优化极限学习机的新建模思路,并引入Henon映射、小孔成像策略和权重因子策略来改进灰狼算法,建立了基于改进灰狼优化极限学习机(IGWO-ELM)的热轧带钢卷取温度预测模型,并与ELM模型、GA-ELM模型和GWO-ELM模型进行对比.模型结果表明:建立的IGWO-ELM模型,预测卷取温度在士3℃之内的命中率为91.1％,在士4℃之内的命中率为96.7％,均好于对比模型,具有广泛的实际应用前景.     

中空玻璃与节能

能源的高耗费和高成本是时下建筑业越来越关注的问题，具有美观外在的玻璃幕墙建筑更要具备好的热效率。中空玻璃的问世使建筑节能朝前跨了一大步。由于荷载、应力和极端环境等因素的影响，中空玻璃从单元玻璃的生产和镀膜的应用，间隔条和密封胶生产，最终到成品组装都必须通过各个优质的单元构件来实现高质量的最终成品。本期泰姆巴伐朗尼论坛围绕中空玻璃与建筑节能，走访了两家知名的中空玻璃密封件生产商，就中空玻璃的节能和持久性进行探讨。     

极端干旱区小城镇绿地土壤水分入渗性能研究——以阿拉尔市为例

为进一步促进阿拉尔生态城市建设和保证城市可持续发展,以阿拉尔市绿地土壤为研究对象,选取校园、市政、居民区、道路绿化带4个功能区绿地土壤,用环刀法测定土壤水分入渗过程并做了模型拟合和分析。结果表明:4个功能区绿地土壤水分入渗性能存在明显差异,稳定入渗率为道路绿化带绿地(0.31 cm/min)校园绿地(0.05 cm/min)市政绿地(0.02 cm/min)居民区绿地(0.01 cm/min);应用常用的入渗模型进行了拟合,通用模型及Kostiakov模型能较好地描述4个功能区的绿地土壤入渗特征,Philip模型在本区的适用性最差。研究结果为阿拉尔市绿地土壤的管理提供一定依据。     

网络结构增长的极端学习机算法

针对极端学习机(extreme learning machine,ELM)结构设计问题,基于隐含层激活函数及其导函数提出一种前向神经网络结构增长算法.首先以Sigmoid函数为例给出了一类基函数的派生特性:导函数可以由其原函数表示.其次,利用这种派生特性提出了ELM结构设计方法,该方法自动生成双隐含层前向神经网络,其第1隐含层的结点随机逐一生成.第2隐含层的输出由第1隐含层新添结点的激活函数及其导函数确定,输出层权值由最小二乘法分析获得.最后给出了所提算法收敛性及稳定性的理论证明.对非线性系统辨识及双螺旋分类问题的仿真结果证明了所提算法的有效性.     

基于加权极限学习机的异常轨迹检测算法

针对现有异常轨迹检测中分类不平衡造成难以确定最优分类面的问题,提出一种基于加权极限学习机（ELM,Extreme Learning Machine）的异常轨迹检测算法。该算法采用加权ELM克服轨迹数据不平衡造成的分类面偏移,通过对正、负两类样本合理分配权重,并构造最优分类面获得较好的异常检测效果。仿真实验表明,加权ELM算法在训练速度,准确率,整体性能等方面均优干传统SVM和BP网络分类方法。     

一种基于簇的极限学习机的在线学习算法

针对传统的批量学习算法学习速度慢、对空间需求量高的缺点,提出了一种基于簇的极限学习机的在线学习算法。该算法将分簇的理念融入到极限学习机中,并结合极限学习机,提出了一种基于样本类别和样本输出的分簇标准;同时提出了一种加权的Moore-Penrose算法求隐层节点与输出节点的连接权重。实验结果表明,该算法具有学习能力好、拟合度高、泛化性能好等优点。     

打好绿色低碳发展“组合拳”

自从工业革命以来,主要发达国家在过去两百多年来大量消耗煤炭、石油等化石燃料,向大气中排放二氧化碳等温室气体,导致气温不断升高,极端气候频繁发生,人类的生存和发展受到严峻挑战。向绿色低碳发展转型迫在眉睫。