基于多维异构特征与反馈感知调度的SDN内生安全控制平面

为弥补现有研究在软件定义网络(Software-Defined Networking,SDN)控制平面未知漏洞防御方面的空白,本文提出了一种基于多维异构特征与反馈感知调度的内生安全控制平面的设计方案.该方案以"冗余、异构和动态"为切入点,通过组合执行体冗余集构建策略、多维异构元素着色策略和动态反馈感知调度策略,有效增加SDN控制平面对攻击者所呈现的执行体时空不确定性(逆转攻防不对称性).相关仿真结果表明该方案可以收敛全局执行体数目、增加执行体之间的多维异构度并降低系统全局失效率.     

兰州化物所与美国加州大学洛杉矶分校合作制备出强收缩高能量密度水凝胶材料

环境响应型水凝胶,也称为“刺激响应”或者“智能”水凝胶,因为其高的含水量、弹性、渗透性、外界刺激响应性和大的变形等优点,被广泛应用于生物医学、软体机器人等领域。目前,大多数智能水凝胶的响应变形均凭借凝胶体内和体外渗透压的变化。然而,在这种渗透驱动机制下,凝胶材料的驱动力和响应速度间相互矛盾。要打破这个矛盾,需要从分子尺度设计并且提出一种异于传统“渗透型”水凝胶的非常规驱动机制。     

光敏剂在光动力治疗中的应用研究进展

光动力疗法（PDT）以其超高时空分辨率、非侵入性及低毒副作用的优点，被认为是治疗癌症和各种非恶性疾病的有效疗法之一。本文主要综述了几类光敏剂发展历史、主要结构、特点及研究进展，分析了高性能光敏剂的开发动态，包括化学修饰；与具有特定细胞受体的其他配体缀合成复合光敏剂；采取纳米技术，如纳米颗粒输送，基于富勒烯的光敏剂等。基于此，指出具有临床应用前景的高性能光敏剂的基本特征、设计原则及发展趋势。     

大型球铁水表壳加工工装设计与加工

针对表壳具有较多复杂曲面及三端加工特点及需求,通过对球铁水表壳的外形及加工特点进行分析,提出合理的设计加工工序方案,选用特种加工设备及专业的工装夹具.通过针对表壳外形及加工工艺特点设计专业的工装夹具达到一次装夹多工序同时加工,有效解决了传统加工工艺的多工序多道加工,提高加工效率并确保加工质量.     

多特征检测人形识别安防摄像机设计

针对高准确率和快速跟踪摄像功能的需求,基于机器视觉设计了人形识别安防摄像机。首先,确定了整体工作方案;其次,提出一种多特征组合人形识别方法,通过训练3个分类器,分别识别人形正身、侧身和背身,并采用haar特征+adaboost算法实现人形识别和定位功能,再利用PID算法控制步进电机和舵机实现人形跟踪;最后,开发了安卓手机端APP。测试结果表明:多特征组合识别方法能够快速识别人形目标,帧率不低于20Hz;与单特征人形识别方法相比,识别准确率提高27.3%;人形目标追踪时间不超过1.7s;摄像机能够流畅实现WiFi控制、无线监视和录像下载等功能。     

淠史杭灌区量测水设施建设的实践

文章介绍了淠史杭灌区量测水工程建设布局,几种形式的量测方法在灌区的应用,提出了加强量测水设施运行管理的措施.     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.     

煤泥燃烧过程中汞的迁移行为研究

采用在线汞测试方法，以山西省低热值煤电厂中掺烧的煤泥为研究对象，利用实验室小型流化床，研究煤泥中汞的热转化行为差异及共性特征、影响煤泥热转化过程中汞迁移的关键因素，以揭示煤泥热转化过程中汞污染物的迁移机理。结果表明，同一种煤泥，相同气氛，800、900、1 000 ℃下，燃烧温度对煤泥中的汞的释放比例没有变化；相同温度，汞的释放比例为氮气>空气>氧气。3种煤泥在相同燃烧条件下，汞的释放特征相似，元素汞的释放量和释放比例差异较大。释放量与煤泥中的汞含量正相关，释放比例与煤泥中汞的赋存形态有一定关系。     

基于GR4J-LSTM混合模型的洪水预报研究

为提高洪水过程预报的准确性，将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中，构建了GR4J-LSTM混合模型，并与GR4J、LSTM模型进行对比。基于2012～2019年陆水水库汛期与洪水事件相关的数据集，并结合欧洲中期天气预报中心的3 h预报降水产品，驱动GR4J-LSTM混合模型，预报陆水水库3～12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明：GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力，但GR4J-LSTM混合模型的预报性能最优，既可以学习GR4J模型的产汇流过程，又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。