某风电工控网络安全防护设计

本文通过对某风电公司的风电场和集控中心的横向边界防护和综合安全防护现状分析后,按照能源局36号文附件4《发电厂监控系统安全防护方案》的要求,从横向边界防护、入侵检测、监测与审计、主机与网络设备、应用安全控制、安全管理等方面进行安全防护设计。该设计已在辽宁某风电公司进行了应用实施,经过近半年的运行情况来看,具有很好的网络安全防护效果,因此在风电行业具有很高的推广应用价值。     

医院网络安全管理和监测的实用技术分析

医院作为我国社会的基础民生工程建设,对于人民生活水平有着巨大的影响效果,将其同相关网络智能技术结合,能够大大提高工作效率,更好地服务于人民群众。但是,网络自身也具有两面性,在提升工作质量的同时,也存在着安全漏洞,对于实际医院工作有着巨大的消极影响。基于此,对医院网络安全管理和监测是十分必要的。对此,本文首先叙述医院网络安全管理的原则,随后详细阐释医院网络安全管理和监测的实用技术,供相关人士参考。     

2种灰色模型在矿区地表沉陷预计中的适用性

目前矿区地表单点沉陷动态预计方法主要基于传统的水准测量数据,监测方法单一,成本高,观测点易破坏,不能保证地表形变信息的实时性,且采用灰色模型进行地表沉陷预计时只针对单一模型的应用,没有结合模型自身特点分析其适用性。以袁店二矿7221工作面为试验区域,采用合成孔径雷达差分干涉测量技术监测矿区地表沉陷量,分别建立了描述沉陷量与时间关系的GM(1,1)与灰色Verhulst模型进行地表沉陷量预计,实现了矿区地表沉陷监测与动态预计一体化。通过比较、分析GM(1,1)与灰色Verhulst模型对地表沉陷量的拟合及预计结果,得出了2种灰色模型在矿区地表沉陷预计中的适用性:在矿区开采沉陷开始至活跃前期,若地表单点沉陷量曲线呈近似单峰型,则宜采用GM(1,1)进行短期预计;当矿区地表沉陷进入衰退阶段,单点沉陷量曲线呈平底饱和状态,则宜采用灰色Verhulst模型进行中长期预计。     

煤矿智能监测与预警技术研究现状与发展趋势

从物联网、大数据、云计算及人工智能方面综述了我国煤矿智能监测与预警技术的研究现状。针对煤矿智能监测技术的实际应用情况,指出了煤矿智能监测与预警存在井下煤矿监测设备前兆信息采集可靠性差、云端平台集成应用融合深度不够、数据库安全性较弱、人工智能技术在煤矿监测中的应用尚不成熟等问题。展望了煤矿智能监测与预警技术的发展趋势:煤矿智能监测系统应用石墨烯/氧化石墨烯光纤传感器可实现多源信息感知,提升前兆信息采集的可靠性;研究多技术深度交叉融合技术,以探究监测数据的深层价值;构建基于区块链技术的煤矿监测数据库,保证数据库不可篡改,且具有较好的读写性能;研发具备自适应和深度学习的煤矿智能安全监测预警系统,实现矿井自动监测、智能预警。     

矿用带式输送机智能监测系统研究

针对矿用带式输送机运行过程中存在的托辊、滚筒等关键部件与输送带摩擦发热,钢丝绳芯输送带内部损伤与撕裂,运行功耗大等问题,设计了一种矿用带式输送机智能监测系统。该系统包括基于弱磁检测法的钢丝绳芯输送带损伤监测系统、基于红外热成像温度检测法的带式输送机关键部件故障诊断与预警系统和基于视觉检测法的煤流监测、异物监测、胶带撕裂监测及人员安全监测系统,详细介绍了各系统的实现原理。对钢丝绳芯输送带内部损伤识别及带式输送机关键部件故障诊断预警进行了实验验证,结果表明该系统对钢丝绳芯输送带损伤识别的准确率约为98%,且可准确识别带式输送机关键部件故障并发出预警。     

基于深度学习技术的恶意APP软件动态检测技术

本文利用深度学习技术的方法提高检测恶意程序的能力,通过机器学习技术延伸出了机器学习技术,被广泛应用到图像处理、自然语言处理、计算机视觉与语言识别等领域中。深度学习中的卷积神经网络CNN具有良好的分类性能,还能够提高未知样本的预测能力。以此,本文就对将恶意学习技术作为基础的恶意APP软件动态检测技术进行分析。     

互联网背景下排队论构建机场候车区排队系统研究

本文是有关提高出租车收益以及提高总体乘车效益,维护机场正常运营的问题。基于车辆调度问题,对上车点进行设计。首先利用排队论构建机场候车区排队系统,然后设计出三种车道模式,并分别设定了适宜的上车点,最后据此设计一种出租车出行实时监测装置。     

基于模拟退火优化BP神经网络的变形监测数据预测方法

针对BP神经网络模型用于变形监测数据处理时容易陷入局部极小值并且收敛速度慢的问题，提出一种基于模拟退火(Simulated Annealing,SA)算法优化BP神经网络的建筑物变形预测方法，利用SA的全局寻优能力对BP神经网络的模型参数进行优化，使参数迭代过程始终保持较高的“温度”和“能量”，从而确保BP神经网络能够得到全局最优解的同时具备较高的预测精度和收敛速度。采用实际算例对所提SA-BP方法在低信噪比和小样本条件下的预测精度进行验证，结果表明所提方法相对于传统BP神经网络法和小波方法能够获得更高的预测精度，并且在小样本和低信噪比条件下优势更加明显。     

煤矿区生态塌陷风险远程监测与实时报警系统设计

传统系统采用定点式有线监控,受限于传输线路影响,导致煤矿区生态塌陷风险监测效率较低,为了避免人们生命安全受到威胁,设计远程监测与实时报警系统。在协同环境下分析不同层次关系,设计总体结构,为系统报警提供正确决策支持。采用TQ2440开发板设计的LCD液晶显示接口电路具有25针2.0 mm和20针0.5 mm两种接口,能够接各种单色和彩色液晶屏。采用TLP521-3型号芯片作为信息采集器的主要芯片,可通过按钮连接信息通道,为监测装置提供数据。采用SIM900A型号的监测装置可通过UART端口发送监测指令,使用敏感重力加速度计求解地势信息,获取塌陷风险最大值,根据监控风险报警实施流程完成系统设计。由实验对比结果可知,该系统风险报警预测与实际报警误差保持在-0.01～0.03范围内,具有精准监测与报警效果,为煤矿区人们生命安全提供保障。     

高抽巷束管监测采空区瓦斯浓度试验研究

为了探究采煤工作面采空区不同深度瓦斯浓度分布情况,在高抽巷内布置6个测点,利用高抽巷与回风巷之间的穿透孔,将束管由高抽巷测点敷设至回风巷,随着工作面的回采,通过束管观测各测点进入采空区不同深度的瓦斯浓度,进而分析高抽巷瓦斯来源,为今后高抽巷布置层位与利用方式的选择提供参考。