基于智能终端和换相开关的台区三相不平衡治理方法研究

提出了智能终端结合换相开关的台区三相不平衡治理方法。构建了台区换相开关布局优化模型,提出了基于差分进化算法的计算台区换相开关最优布局的优化方法。基于模型、台区历史运行数据以及超短期功率预测数据,提出了计及负荷波动性的台区三相不平衡动态优化方法。最后,利用某测试台区历史运行数据对换相开关布局优化方法进行模拟验证,验证结果表明基于台区换相开关布局优化模型计算得到的最优布局,可以满足台区三相不平衡治理的要求。此外,考虑参与换相的开关数量、换相周期和换相开关寿命,在测试台区中进行了5种场景下的三相不平衡动态优化实验,实验结果表明：在最优布局条件下的换相开关动态优化策略,可以在降低换相动作次数的前提下,将台区的平均三相不平衡度降到治理目标之下,并且减少动作次数接近使用寿命上限的换相开关参与换相。验证了智能终端+换相开关动态优化台区三相不平衡的适用性。     

一种双轮自平衡小车的设计

双轮平衡智能避障小车具有行动灵活、便利、节能等优点,在医疗、服务、工业等多个领域得到广泛应用。为了提高小车避障和循迹性能,并降低设计与制造成本,本系统以STM32F103C8T6与TB6612FNG作为主控模块和驱动模块,并采用MPU6050传感器模块、HC-SR04超声波模块和IR20001红外模块实时监测小车的运行状态,实现了双轮平衡智能避障小车速度闭环PID控制,研究的小车具有有效避障,精准跟随等功能,并开发手机APP实现小车多模式切换。实验结果表明,所设计的平衡小车能够实现灵活避障与高精度循迹。     

基于深度学习的纹理布匹瑕疵检测方法

布匹瑕疵检测是纺织工业中产品质量评估的关键环节,实现快速、准确、高效的布匹瑕疵检测对于提升纺织工业的产能具有重要意义.在实际布匹生产过程中,布匹瑕疵在形状、大小及数量分布上存在不平衡问题,且纹理布匹复杂的纹理信息会掩盖瑕疵的特征,加大布匹瑕疵检测难度.本文提出基于深度卷积神经网络的分类不平衡纹理布匹瑕疵检测方法(Detecting defects in imbalanced texture fabric based on deep convolutional neural network, ITF-DCNN),首先建立一种基于通道叠加的ResNet50卷积神经网络模型(ResNet50+)对布匹瑕疵特征进行优化提取;其次提出一种冗余特征过滤的特征金字塔网络(Filter-feature pyramid network, F-FPN)对特征图中的背景特征进行过滤,增强其中瑕疵特征的语义信息;最后构造针对瑕疵数量进行加权的MFL (Multi focal loss)损失函数,减轻数据集不平衡对模型的影响,降低模型对于少数类瑕疵的不敏感性.通过实验对比,提出的方法能有效提升布匹瑕疵检测的准确...     

基于群智能的集中供暖系统水力管网控制策略优化

针对集中供暖系统管网水力失衡、流量供需失衡问题提出一种基于群智能的新型分布式优化算法.首先以系统输配送能耗最小为优化目标,将其分解为管网调节阀开度优化和换热站并联水泵运行优化两个子问题求解;其次建立调节阀模型和管网水力模型,在此基础上进行调节阀开度的优化,从而计算出系统最小供回水压差;然后基于改进的交替方向乘子法完成并联水泵的优化运行;最后以集中供暖系统实例验证算法性能.实验结果表明:相比传统集中式求解算法,该算法不受水利管网规模限制,利于实现工程中即插即用;相比其他分布式算法,该算法不仅求解速度快,而且可以得到较优的管网运行策略,节能效果较为显著.     

基于互补滤波的两轮自平衡小车的实现

要使两轮自平衡小车协同运动、平衡稳定、有效控制,最为关键的首要因素是准确、快速地解算出其运动姿态信息。该文针对姿态信息解算的卡尔曼滤波解算复杂、运算量大等缺点,采用互补滤波将倾角、加速度传感器信息进行数据融合、优化,得到与实际姿态信息相一致的最优估计值。再综合视觉传感器,两轮自平衡小车自动调整运动姿态、及时修正并回归至平衡位置,实现平稳控制。提出利用传感器—倾角、加速度、磁力计、视觉,互补滤波,ARM微控制器,4G通信等多种技术,设计出基于互补滤波的两轮自平衡小车。详细阐述了工作原理、系统架构、硬件设计及姿态信息检测、互补滤波、方向检测等算法。实践表明,基于互补滤波的两轮竞速自平衡小车姿态解算准确快速、运动控制精准、转弯快速。     

800kV对接式直流穿墙套管缺陷分析及应对策略研究

本文针对对接式结构高压直流穿墙套管回路电阻异常的缺陷事件,根据力矩平衡原则,对套管关键部位受力情况进行了分析,并通过有限元仿真进行了验证。在此基础上,提出了一种端部新增接线端子的结构优化整改方案,通过仿真验证了方案的有效性。     

二进制代码安全分析综述

近几十年来,计算机硬件性能和软件规模技术已不同以往,其承载了人类社会生活生产的方方面面.计算机技术的飞速发展,也带来了人们对程序安全问题的关注.由于市面上存在着较多的遗留软件,这些软件无人维护且缺乏源代码支持,其安全性令人担忧,而二进制分析技术被用来解决该类软件问题.二进制分析技术根据其检测方式不同可分为:基于静态的二进制代码分析技术、基于动态的二进制代码分析技术和动静态混合的二进制代码分析技术.本文调研了近年来的二进制代码安全分析领域上相关研究,分别详细阐述了这3类技术中的主要方法,并对其关键技术进行详细介绍.     

基于能量优化的Windows模糊测试系统

为解决模糊测试在Windows平台执行过程缓慢、漏洞识别误报率与漏报率均较高的问题,提出一种基于动态能量优化的模糊测试系统。利用静态污点分析在敏感位置进行风险判定与标记;依据不同属性标准将输入文件划分为3种状态进行样本能量的动态优化;设计一种有效性度量机制针对低效输入截断。通过对4类应用进行实验,验证了在覆盖率和漏洞检测方面相较目前先进的模糊测试引擎最高提升67.6%与50.8%,并发现了5个未公开漏洞,其中两个获得CNVD编号,一个获得CVE编号,验证了系统的有效性。     

RTDMiner: 基于数据挖掘的引用计数更新缺陷检测方法

在Linux内核等大型底层系统中广泛采用引用计数来管理共享资源.引用计数需要与引用资源的对象个数保持一致,否则可能导致不恰当引用计数更新缺陷,使得资源永远无法释放或者被提前释放.为检测不恰当引用计数更新缺陷,现有静态检测方法通常需要知道哪些函数增加引用计数,哪些函数减少引用计数.而手动获取这些关于引用计数的先验知识过于费时且可能有遗漏.基于挖掘的缺陷检测方法虽然可以减少对先验知识的依赖,但难以有效检测像不恰当引用计数更新缺陷这类路径敏感的缺陷.为此,提出一个将数据挖掘技术和静态分析技术深度融合的不恰当引用计数更新缺陷检测方法 RTDMiner.首先,根据引用计数的通用规律,利用数据挖掘技术从大规模代码中自动识别增加或减少引用计数的函数.然后,采用路径敏感的静态分析方法检测增加了引用计数但没有减少引用计数的缺陷路径.为了降低误报,在检测阶段再次利用数据挖掘技术来识别例外模式.在Linux内核上的实验结果表明,所提方法能够以将近90%的准确率自动识别增加或减少引用计数的函数.而且RTDMiner检测到的排行靠前的50个疑似缺陷中已经有24个被内核维护人员确认为真实缺陷.     

车/铣双机加工自动化生产线的节拍平衡研究

生产线中节拍的均衡是保证生产线运行顺畅的基本要求。论文对车铣两台机床加工的基本时间、机器人搬运时间进行了分析,为了保证节拍的平衡,一般可通过调整工序和机器人搬运时间来完成。基于遗传算法对机器人搬运时间进行了优化,通过一组零件加工的自动线节拍的设计,验证了优化后的时间能够保证生产线节拍的平衡。