基于改进CGANs的入侵检测方法研究

近年来,机器学习算法在入侵检测系统(IDS)中的应用获得越来越多的关注。然而,传统的机器学习算法更多的依赖于已知样本,因此需要尽可能多的数据样本来对模型进行训练。遗憾地是,随着越来越多未知攻击的出现,且用于训练的攻击样本具有不平衡性,传统的机器学习模型会遇到瓶颈。文章提出一种将改进后的条件生成对抗网络(CGANs)与深度神经网络(DNN)相结合的入侵检测模型(CGANs-DNN),通过解决样本不平衡性问题来提高检测模型对未知攻击类型或只有少数攻击样本类型的检测率。深度神经网络(DNN)具有表征数据潜在特征的能力,而经过改进后的条件CGANs,能够通过学习已知攻击样本潜在数据特征分布,来根据指定类型生成新的攻击样本。此外,与生成对抗网络(GANs)和变分自编码器(VAE)等无监督生成模型相比,CGANsDNN经过改进后加入梯度惩罚项,在训练的稳定性上有了很大地提升。通过NSL-KDD数据集对模型进行评估,与传统算法相比CGANs-DNN不仅在整体准确率、召回率和误报率等方面有更好的性能,而且对未知攻击和只有少数样本的攻击类型具有较高的检测率。     

带式输送机煤流量自适应检测方法

针对现有带式输送机煤流量检测方法存在检测精度易受环境影响、实现过程复杂、信息提取耗时较长等问题,提出了一种基于机器视觉的带式输送机煤流量自适应检测方法。首先,采用基于小波变换的融合算法对带式输送机运输煤料原始图像进行增强处理,并采用OTSU算法将增强图像分割为胶带图像和煤料图像;然后,对煤料图像进行空洞填充、轮廓检测和面积计算等处理,获取煤料图像面积信息;最后,采用基于数学建模的煤流量检测算法,通过计算煤料瞬时体积获得煤流量检测值。试验结果表明,该方法平均检测时间约为30ms,检测结果与电子胶带秤测量结果的误差约为5%,满足带式输送机自动调速控制系统对煤流量检测实时性和准确性的要求。     

基于压电陶瓷传感器的管道裂纹敲击定位法

如何科学确定裂纹所在位置和裂纹大小一直是油气管道检测面临的难题。为便于检测管道上的裂纹位置,提出了一种基于压电陶瓷传感器(PZT)信号识别的裂纹检测新方法——敲击定位法。该方法简单易行,通过获取管道上4个不同位置的信号值,可以方便地确定裂纹位置和周向裂纹长度范围。为验证该方法的可行性,在理论分析的基础上,选取1根长2. 1 m的钢制管道进行试验,通过粘贴在管道上的压电陶瓷传感器拾取敲击信号,获得应力波的传播特征。应力波在健康管道上传播时会不断衰减,但经过管道上的裂缝时衰减程度显著增大,因而可藉此识别裂纹所在位置。研究结果表明,管道上裂纹周向位置已知和周向位置未知两种情况下,裂纹与PZT传感器之间的计算距离与实测距离误差较小,因此该方法能有效识别裂纹位置。研究结果为油气管道裂纹的无损检测提供了新方法。     

基于光纤光栅应变传感测量的囊式扩体锚杆检测技术

光启未来中心项目采用支护桩加锚索支护形式。场地北侧与东侧由于距离现有已建成建筑较近,为确保基坑安全及土方顺利开挖,锚杆形式为囊式扩体锚杆。囊式扩体锚杆成孔技术分为机械成孔技术与旋喷成孔技术,由于锚杆成孔与工程地质情况有密切联系,正式施工前在场地内采用旋喷及机械扩孔方式分别进行3条囊式扩体锚杆施工,并利用光纤光栅应变传感测量技术和分布式光纤测量技术,进而获得沿全长的扩体锚杆轴力、摩阻力的表现,从而确定适合于本工程的锚杆扩孔方式。     

近红外荧光探针的合成、表征及应用分析

近红外荧光探针的发射波长能避免生物组织的干扰,对生物成像有较高的效率。文章对钯检测、N_2H_4检测、苯硫酚检测作为近红外荧光探针的合成、表征及具体在细胞中应用的分析。希望能为近红外荧光探针的更多应用和发展趋势做出不一样的分析方向。     

基于Faster R-CNN的颜色导向火焰检测

基于深度特征的目标检测方法Faster R-CNN在火焰检测任务上存在检测效率低的问题,因此提出了基于颜色引导的抛锚策略。该策略设计火焰颜色模型来限制锚的生成,即利用火焰颜色约束锚的生成区域,从而减少了初始锚的数量,提升了计算效率。为了进一步提高网络的计算效率,将区域生成网络中的卷积层替换成掩膜卷积。为了验证所提方法的检测效果,采用BoWFire和Corsician数据集进行验证。实验结果表明,该方法实际检测速度相较于原Faster R-CNN提高了10.1%,BoWFire上该方法的火焰检测F值为0.87,Corsician上该方法的准确度可达99.33%。所提方法可以提高火焰检测的效率,并能够准确检测图像中的火焰。