我国典型城市氢能经济性和低成本氢源探索分析

氢能经济性一直是氢能与燃料电池汽车产业发展关注的重点。本文构建了一种简洁、有效的加氢站氢气成本计算模型,可适用于现阶段已投入运行的加氢站经济性研究计算。应用该成本计算模型,通过实地调研,本文得到了张家口、郑州、盐城、佛山等地典型加氢站的氢气成本,经对比分析可知,由于氢气来源、储运距离、应用端市场规模等现实条件不同,加氢站的氢能经济性具有很大差异。为进一步提升氢能经济性、探索加氢站氢气成本低于40CNY/kg的可行性,本文以张家口市氢气来源于风电电解水制氢的某加氢站为例,详细分析其氢气成本构成情况,得出低成本氢源开发对于降低加氢站氢气成本具有重要意义。本文还根据氢能产业发展现状和在交通领域的应用前景,从降低氢气制取成本、氢气储运成本、加氢站固定资产折旧及运营成本等方面为进一步提升氢能经济性、降低加氢站氢气成本提出建议。     

车联网下大数据安全采集机制研究

现存的物联网协议不能够直接应用于大数据采集场景,并且常规动态网络结构和车辆节点的复杂性会随着数据量增多而加大,对安全性要求变得越来越高。本文针对于车辆数据资源传输的安全性保证问题,提出了一个新的大数据收集安全机制。车辆信息通过大数据注册中心连接到网络后进行联合,以“身份验证”和“单点登录”的方式实现大数据中心算法；提出新的安全的大数据收集方案,处理大型车辆数据结构与汇聚节点数据,进行二次登录再到数据安全收集存储,完成安全性能评估。研究结果表明：新的数据安全交换算法使消息和随机密钥开销降低,车联网中大数据的效率提升了21.67%,车辆节点方式可以提升26.41%。     

智能汽车信息安全技术发展现状与展望

随着智能化水平及车联网技术的不断发展,智能汽车应运而生,被视为能够彻底解决交通拥堵、提高出行效率、减少事故发生率的绝佳方式。科技的发展带来高效与便捷的同时也带来了极大的不安全性,黑客利用智能汽车存在的漏洞实行远程或近程攻击,造成车辆失控、隐私数据泄露等威胁。从智能汽车通信安全、操作系统及应用安全、感知层安全等角度出发,针对各个层面的安全威胁及安全防护技术发展现状进行总结梳理,并在此基础上对智能汽车信息安全技术发展趋势进行展望。     

基于主侧链合作的区块链访问控制策略

传统区块链技术处理交易能力弱、吞吐量低,不仅难以处理工业环境下的海量数据,而且其访问控制策略权限管理效率低,安全性不足。针对上述问题,提出一种基于主侧链合作的工业物联网访问控制策略。通过Plasma Cash框架构建高性能DPOS侧链,并根据合约将侧链与主链双向锚定,实现区块链的主侧链扩容。根据工业物联网的节点特点和主侧链区块链的运行环境,设计适用于主侧链环境的访问控制模型,访问控制模型内的主客体信息收集点阻隔外部实体直接访问,信息处理点实现访问控制策略执行与存储分离。将模型编写成图灵完备智能合约后放至侧链上,侧链负责合约的执行并通过稀疏默克尔树算法与主链进行数据的批量同步验证。实验结果表明,该策略可对基于工业物联网的区块链传输速度和稳定性进行有效优化,提高了控制策略的管理效率和安全性,可满足工业物联网中的使用需求。     

基于聚类和奖惩用户模型的协同过滤算法

根据用户体验为其推荐感兴趣的项目是推荐系统中最重要的问题. 本文提出了一种新的易于实现的CBCF (Clustering-Based CF)算法, 该算法基于激励/惩罚用户(IPU)模型进行推荐. 本文旨在通过IPU模型深入研究用户间偏好的差异来提高准确率、召回率和F1-score方面的性能. 本文提出了一个约束优化问题, 目标是在给定的精度下最大限度地提高召回率(或F1-score). 为此, 根据实际评分数据和皮尔逊相关系数, 将用户分为若干用户簇, 然后根据同一用户簇的偏好倾向, 对每个项目进行奖励/处罚. 实验结果表明, 本文提出的算法在给定准确率的条件下, 召回率可以显著提高50%左右.     

循环盐雾中两种聚氨酯涂层冷轧板腐蚀行为

为了解决冷轧板耐蚀性差的问题,常在其表面制备聚氨酯涂层。本文以电泳聚氨脂涂层冷轧板(ESPCC)和粉末喷涂聚氨脂涂层冷轧板(PSPCC)为研究对象,进行42 d的循环盐雾试验后,通过扫描电镜、X射线衍射分析和电化学测试来考察其在循环盐雾试验环境中的腐蚀形貌、腐蚀产物组成和电化学行为。结果表明,ESPCC和PSPCC经过42 d循环盐雾腐蚀后的单边扩蚀宽度分别为0.45 mm和0.25 mm。ESPCC比PSPCC的腐蚀颗粒更大,二者的腐蚀产物都是Fe₃O₄、α-FeOOH、γ-FeOOH和β-FeOOH,但是ESPCC的腐蚀产物的峰值强度高于PSPCC。ESPCC的腐蚀电流密度最大为1.08×10^-5A·cm^-2,大于PSPCC的最大腐蚀电流密度1.34×10^-9A·cm^-2;且其腐蚀42 d后电荷转移电阻只有2.88×10⁴Ω?cm²,小于PSPCC腐蚀42 d后的电荷转移电阻1.35×10¹⁰Ω?cm²。     

基于凸优化的无人驾驶汽车转向角安全性验证

无人驾驶汽车系统过大的输入-输出空间(即输入和输出的所有可能组合)使得为其提供形式化保证变成一项具有挑战性的任务.在本文中,我们提出了一种自动验证技术,通过结合凸优化和深度学习验证工具DLV来保障无人驾驶汽车的转向角安全.DLV是一个用于自动验证图像分类神经网络安全性的框架.我们运用故障安全轨迹规划中的凸优化技术解决预测转向角的判断问题,然后拓展DLV来实现无人驾驶汽车转向角安全性的验证.我们在NVIDIA的端到端无人驾驶架构上说明所提出方法的优势,这个架构是许多现代无人驾驶汽车的关键组成部分.我们的实验结果表明,对于给定区域和操作集,如果存在对抗性错误分类(即不正确的转向决策),我们的技术可以成功地找到.因此,我们可以实现安全验证(如果在所有DNN层都没有发现错误分类,在这种情况下网络关于转向决策可以说是稳定或可靠的)或证伪(在这种情况下,这些对抗性反例可以用于后续微调网络).     

虚拟评审在汽车人机工程方面的应用

随着消费者对于汽车舒适性、方便性方面要求的提高,虚拟现实技术在汽车人机工程方面的应用逐步兴起,本文以汽车人机工程学为基础,分析虚拟评审在汽车研发过程中人机工程方面的功能及优势。