基于循环一致性对抗网络的室内火焰图像场景迁移

基于深度学习的视频火灾探测模型的训练依赖于大量的正负样本数据,即火灾视频和带有干扰的场景视频。由于很多室内场合禁止点火,导致该场景下的火灾视频样本不足。本文基于生成对抗网络,将其他相似场景下录制的火焰迁移到指定场景,以此增广限制性场合下的火灾视频数据。文中提出将火焰内核预先植入场景使之具备完整的内容信息,再通过添加烟雾和地面反射等风格信息,完成场景与火焰的融合。该方法克服了现有多模态图像转换方法在图像转换过程中因丢失信息而造成的背景失真问题。同时为减少数据采集工作量,采用循环一致性生成对抗网络以解除训练图像必须严格匹配的限制。实验表明,与现有多模态图像转换相比,本文方法可以保证场景中火焰形态的多样性,迁移后的场景具有较高的视觉真实性,所得结果的FID与LPIPS值最小,分别为119.6和0.134 2。     

区域控制器的安全需求建模与自动验证

轨道交通区域控制器（ZC）是我国轨道交通信号系统选型的主流制式——基于通信的列车控制系统（CBTC）的核心子系统，其突出的安全性使得安全需求的形式化验证成为一个非常重要的问题.但是ZC自身的复杂性以及领域知识的繁杂难以掌握，使得形式化方法很难应用到安全需求的验证中去.针对这些问题，提出一种安全需求的自动验证方法，使用半形式化的问题框架方法（PF）来建模和分解安全需求，根据需求模型自动生成安全需求的验证模型和验证性质，在此基础上自动生成验证模型的Scade语言实现，并通过Design Verifier验证器对需求进行组合验证.最后，使用了某个实际案例ZC的一个子问题CAL_EOA进行了研究，实验结果证明了该方法的可行性与有效性，它能自动地将安全需求模型进行组合验证，改善了验证的效率.     

一种面向网络连通性的关键网络元素脆弱性分析方法

准确评估网络系统脆弱性对于网络安全规划和风险管理至关重要.现有网络脆弱性分析方法大多利用单一特性识别脆弱元素,随着网络系统复杂化进程加快,多元化的脆弱性识别显得尤为重要.从攻击者的角度出发,提出一种面向网络连通性的关键元素脆弱性分析方法,识别网络中具有多重重要身份且破坏代价小的网络元素,利用局部分析措施确定网络关键元素并将网络连通性作为脆弱性衡量指标,以识别出关键元素中可致使网络连通性特定降级的最小代价集合.仿真结果表明,所提出方案对脆弱元素的定位更加准确,可为网络安全防护措施的制定提供有效且可靠的参考.     

基于变分模态分解与快速谱峭图的齿轮箱滚动轴承故障特征提取

针对齿轮箱的滚动轴承故障信号因噪声干扰,难以进行有效提取的问题,提出了基于变分模态分解与快速谱峭图相结合的轴承故障特征提取方法。首先,利用变分模态分解(Variational Mode Decomposition,VMD)将振动信号分解成若干个本征模态分量(Intrinsic Mode Function,IMF),通过相关峭度计算选取故障信息最突出的分量信号;然后,利用快速谱峭图自适应地确定带通滤波;最后,对滤波后的信号进行平方包络谱分析,提取出故障信息。通过公开数据分析和齿轮箱轴承故障实验,证明了该方法的有效性和可行性。     

最大相关峭度反褶积与傅里叶分解方法相结合的滚动轴承故障诊断

针对强背景噪声环境下滚动轴承故障特征难以提取的问题,提出一种基于最大相关峭度反褶积(MCKD)与傅里叶分解方法(FDM)相结合的滚动轴承故障诊断方法。首先采用MCKD对振动信号去噪、提取与故障相关的冲击成分;其次,采用FDM对去噪信号进行分解,得到若干个瞬时频率具有物理意义的傅里叶固有频带函数和一个残余分量之和;第三,依据各个模态与去噪信号的相关性提取包含故障信息的最优模态分量,并对它们进行重构;最后,计算重构信号的包络谱,从谱图中读取故障信息。将所提故障诊断方法应用于滚动轴承故障仿真和实验数据分析,并通过与现有方法进行对比,结果表明,该方法优于所对比的方法。     

基于多层感知器的气液两相流流型识别方法

通过对电阻层析成像数据采集原理和深度学习网络的研究,提出了一种基于阵列电阻值和多层感知器深度学习网络相结合的流型识别方法。利用电阻层析成像系统中的16个电极传感器来获取流型样本数据,并构建出流型识别数据库,然后对多层感知器深度学习网络进行训练,获得可以识别不同流型的网络。实验结果表明,采用阵列电阻值结合多层感知器网络对流型进行学习和识别的方法,流型识别准确率可以达到95%,解决了流型图像生成过程与数据特征预选过程中流型特征损失的问题,流型识别性能得到了提高。     

主流开源爬虫框架比较与分析

网络爬虫是搜索引擎与信息检索的基础工具,在信息采集、信息过滤等场景中有着广泛的应用。本文首先介绍了URL链接库、文档内容模块、文档解析模块等爬虫基础概念,然后对比分析了Nutch、Heritrix、Larbin、Scrapy等主流开源爬虫框架。