汇编级顺序语句块的自动形式化规约及其验证

软件的形式化验证是保障软件可证明性、可靠性和安全性的重要手段,但传统形式化验证脚本的生成过程复杂且需要形式化验证专家的大量手工验证。为提高证明效率,构建一种自动证明模型,并在此基础上提出语义自动规约算法以及对所规约的语义自动生成证明脚本的算法。利用C++和Python并通过交互式定理证明器Isabelle 2017在基准数据中随机选择10个程序进行测试,结果表明,与完全人工操作相比,该算法具有较高的验证效率,可实现顺序语句块的自动化规约与验证。     

基于5G与CNN的智能电网稳定性预测

随着5G通信技术的研究以及新型基础设施的建设, 智能电网得到了快速发展. 同时, 在大数据时代, 万物互联导致海量的设备接入电力网络, 也给智能电网带来了较大的负担, 电力网络的稳定性问题亟待解决. 因此, 本文提出了一种基于CNN的智能电网稳定性预测算法, 通过收集电力网络产生的数据, 经过CNN模型的处理, 最后输出智能电网稳定性的判别结果. 经过仿真验证, 该算法与SVM、AdaBoost, 随机森林相比, 具有较高的准确率; 同时, 本文采用了4种不同的优化算法去改善CNN模型, 带有动量的SGD算法可以达到98.13％预测准确度, 利用该模型可以有效帮助电力系统对未知的问题提前预警, 降低了安全隐患并减少了电力事故的发生.     

一种无线传感器网络节点的故障检测算法

在无线传感器网络(WSN)中,容易因为故障节点存在冗余的故障属性、噪声数据以及数据可靠性等问题,从而产生传输错误数据,这将极大地消耗WSN节点中能量和带宽,向用户形成错误的决策。为此,提出了基于蚁群算法和BP神经网络模型的WSN节点故障检测方法。通过使用蚁群算法,使用户通过寻找优化路径来定位WSN节点的位置,通过这种随机搜索算法以及蚁群算法的搜索策略使用户对WSN故障节点的位置进行总体把握。然后又基于BP神经网络模型对获取的WSN故障节点信息进一步学习,在数据训练过程中,依据WSN故障节点预测误差,并进一步调整网络的权值和阈值,增加了故障诊断的精度。采用的算法对检测WSN故障节点具有较好的性能,使无线传感器网络的服务质量大大提高,增强了系统的稳定性,实验结果验证了算法的可行性和有效性。     

基于锚节点可靠路由的IMS电话呼叫分拣方法

传统的网络架构在会话过程常发生网络中断从而无法提供足够的安全保障, 针对现有的系统不能获取和组装通话记录, 以及电话终端无法及时可靠地查询员工的通话记录的情况. 提出了一种基于锚节点可靠路由协议的IMS电话呼叫分拣方法, 通过流量捕捉模块将捕获的流量进行端口镜像, 并解析SIP协议数据, 其中流量当前IP报文通过预测链路生命期之后的候选中继节点的存在来识别更可靠的链路进行转发, 以降低数据丢失的频率, 提高员工的行政办公效率. 将本文提出的优化的路由算法RRCP与GBSR和FMHR路由协议算法进行比较, 通过网络仿真技术搭建网络通信模型, 分析并验证上述路由优化协议在路由的故障数, 丢包率, 数据交付延时, 平均跳数上显示出更好的性能, 并在实际的监控系统测试中监控响应时长有效降低.     

基于Pytorch和神经网络的云数据中心故障检测

随着现代科技的迅猛发展, 数据中心已经成为信息化社会的IT基础设施, 存储管理大量关键数据. 当前, 数据中心的管理大多是依靠经验丰富的专业运维人员使用计算机自动监测机房设备各项指标, 并对设备做出多次检查, 耗时且繁琐. 深度学习和人工智能技术当前吸引了越来越多的注意力, 并在互联网和工业领域取得了许多成功应用. 本文设计了基于门控循环单元的深度学习框架对云数据中心机房设备故障进行自动化的诊断, 并联合时序信息基于过去设备的运行状态信息对未来状态进行预测. 其中, 序列数据以固定时间窗分割后输入双向GRU单元层, 使网络学习到数据点的前后时间依赖关系. 在GRU层输出基础上, 我们添加了自注意力层和embedding层, 让神经网络能够学习到对故障预测更有效的特征并进一步对特征进行降维. 最后, 多层感知机被用于对降维后的数据进行分类. 基于真实数据集的实验结果显示, 本文提出的基于GRU的深度学习框架相比LSTM, SVM和KNN等常用模型能够更准确地检测出云数据中心故障.     

基于调控云的电网接线图全息化展示技术应用

电网接线图采用调控云平台全网模型作为图形展示和交互的基础. 针对现有电网调度控制系统电网图形展示内容样式单一、不够灵活, 电网运行状态可视化展示不足等问题, 提出了一种基于调控云的电网接线图全息化展示技术, 能在不同时态下展示电网运行状况, 达到对电网的历史场景反演、实时状态监控及未来方式分析, 进而实现给用户提供基于图形的各种业务场景全息化展示. 该技术已在多个地区的省级及以上电网调度控制中心III区部署并正式上线, 可满足在图形上展示各种业务场景的需求, 提升了调控中心对电网运行状态的全过程管控能力.     

微前端化微应用管理控制台

微服务架构下开发时技术栈分离提升了开发效率以及运行时服务编排能力,但微应用数量倍增导致微应用管理控制台集成复杂度加大,跨微应用之间通信及操作交互体验差.本文给出一种微前端解决方案,结合典型微前端框架、管理控制台事件总线、微应用动态路由通信、微应用运行时上下文资源分离等技术机制,提高了管理控制台柔性与运行效率,降低了开发和运维成本,较好地实现了微应用管理控制台管理优化目标.经试验评估,柔性增强且代价更小,并在实际项目中验证了解决方案的有效性.     

面向网络隔离架构的业务流行为控制高可信交互框架

本文提出一种面向网络隔离架构的业务流行为控制的高可信交互框架,解决了企业互联网移动应用难以访问复杂安全架构下的高安全区业务数据的问题,确保了业务系统关键数据的安全.在网络安全防护要求下,引入移动接入网关,分解业务数据跨安全区交互过程,通过特殊的访问转换与通信方法,实现了业务数据通过各型隔离装置的安全、可信传输和业务流行为控制.该框架目前已在员工报销、考勤打卡、电力系统配网抢修、移动巡检等多个业务领域得到广泛应用.     

基于BIM的供水管网智能运维管理系统设计

常规供水管网智能运维管理系统存在运营管理有效性较低的问题,为此提出基于BIM的供水管网智能运维管理系统设计。对供水管网智能运维管理系统的硬件、软件进行设计。通过仿真试验表明,提出的供水管网智能运维管理系统,较常规供水管网智能运维管理系统运营管理有效性明显提升,具有较高管理能力。     

基于机器学习的配电网监控信息智能分析规则库构建方法

为构建一种具有实时性的配电网监控信息智能分析规则库,提出了基于机器学习的配电网监控信息智能分析规则库构建方法。将规则库中全部配电网监控规则头排序并设成主链,将规则导进链表里生成规则集,保证各个监控信息数据包都存在一个分析规则。使用基于机器学习的配电网故障数据分类方法,识别配电网监控信息中的故障数据,并提取故障数据频繁项...