水利输配水压力钢管多运行工况下水锤数值模拟及设计优化与应用

本文以海外某水利输配水工程为例,通过在管径DN1600压力钢管上设置液控缓闭止回蝶阀、三阶段防水锤复合排气阀、开式双向调压塔等技术措施,并应用Pipe2016 Surge软件对不同运行工况下的水锤进行数值模拟,计算钢管应力,在满足招标技术要求的同时优化泵站及输配水压力钢管设计,取得了良好的经济效益和社会效益.     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

基于有限元分析的轮胎振动特性优化

轮胎的振动特性对汽车驾驶室内产生的噪声有显著影响,对轮胎振动特性进行优化有重要意义.以某型轮胎为研究对象,基于有限元方法建立轮胎的动力学模型,求解三种振动条件下的模态固有频率,并通过调整轮胎的结构参数优化轮胎的振动频率,进而有效抑制共振,达到降低汽车驾驶室内噪声的目的.     

基于MFD的多路网子区协调交通控制策略

为了缓解大规模路网的交通拥堵，提出了一种基于宏观基本图的多路网子区协调控制策略。首先，将实际路网划分为城市道路网络的核心区域和相邻区域，并以此以获得不同区域的宏观基本图特征。假设在路网核心区域采用控制策略，进而得到核心区域的预期溢出车辆数；计算出当相邻区域可增加的车辆数量接近核心区域的溢出车辆数量时路网核心区域的绿灯压缩时间。之后对核心区域采取应用了压缩绿色时间的控制策略，使得促进核心区域和邻近区域的交通状况趋于一致，改善整个路网的交通性能。通过实际道路网络建立了仿真路网，并利用仿真工具SUMO对上述区域控制策略的效果进行评估。仿真结果表明，基于MFD的多路网子区协调交通控制策略的实施可以提高整个路网的运行指标。     

uBlock算法的低代价门限实现侧信道防护方法

在传统的基于黑盒模型的密码分析中,攻击者仅可以利用密码算法的输入输出信息进行攻击,现有密码算法在黑盒模型下的安全性已经得到较为充分的论证.但是在灰盒模型下,攻击者的能力得到提高,其不仅可以获取密码算法的输入输出信息,还可以获得密码算法实际执行过程中泄露的功耗、电磁、光等物理信息,这些物理信息和密码算法的中间状态具有相关性,敌手可以利用这种相关性进行秘密信息的恢复,这种攻击被称为侧信道攻击.侧信道攻击自提出以来,由于其相对低的实现代价以及较高的攻击效率对于密码算法的实现安全性造成了严重的威胁.u Block算法是2019年全国密码算法设计竞赛分组密码一等奖获奖算法,同样受到了侧信道攻击的威胁.目前针对u Block算法的研究较少,在硬件实现方面主要考虑低延迟高吞吐量的实现,缺乏针对资源受限情况下的低代价优化实现,不利于侧信道防护方案的构造.目前公开的文献中指出其S盒适用于基于门限实现的侧信道防护方案构造,存在3-share的无需新随机数的门限防护方案,但是没有给出具体的实现方案.针对这样的现状,本文首先基于流水线和串行化的思想设计并实现了一种适用于u Block算法的低代价硬件实现方案;...     

基于Fluent软件的除尘器性能分析及结构优化

某厂5?000 t/d窑尾电改袋除尘器在运行过程中烟气发生偏风，导致该设备一侧的运行负荷增加，同时该侧滤袋经常出现破袋。针对此种情况，采用Fluent软件对设备进行内部流场分析，找出问题的原因并提出合理的导流装置布置方案，均化内部气流，进而提高设备的运行效率，避免破袋。通过结构优化后，气流分布发生明显的改善，偏风情况得到有效的“诊治”，提高了设备的运行性能。     

基于改进Canny算法在工件质检仿真系统中的应用

检测工件表面缺陷主要方法有人工视觉、机械装置接触检测法、机器视觉检测法等,但上述几种方法在现实应用中都存在缺陷,造成人力和物料的浪费.改进Canny算法,使用二维中值滤波器,椒盐环境中检测效果更佳、自适应能力更强.并在计算梯度幅值中增加135度和45度两个卷积核,最后通过计算标准差来减少误差.通过仿真测试,改进后的算法在检测电路板中的精度提高了0.1到0.3.     

更正

《食品科学》2020年10期生物工程栏目172-179页刊登的《黑曲霉发酵产木糖苷酶工艺优化》,由于作者笔误,误将第二作者“丁泓皓”姓名写为“丁鸿皓”,现更正为“丁泓皓”,特此说明。