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.     

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。     

陶板用棕红色抗污釉料的研究

为了解决棕红色通体陶板生产过程中颜色受天然陶土的影响,生产控制比较困难,尤其作为外墙装饰,墙面色差影响美观,板面吸污清洗困难。笔者以微晶玻璃为主要原料结合铁矿为辅助原料配制棕红无光抗污釉料。以综合热分析仪ZCT—B进行差热分析,结果表明陶都宜兴一种铁矿土骨中含有较高铁,微量铬,钴,钛,锰等元素,加入量在1%~20%,能使无光抗污釉呈黄绿—黄—棕红—咖啡色。     

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。     

基于检修要素感知的检修方案智能生成模型研究

水电站检修是电力安全生产中不可或缺的一环,现有检修模式是提前确定检修项目以及工期,项目和工期编排,关系着检修质量、成本以及进度等多方面因素,其中检修方案的制定直接决定了检修工作的成效。本课题主要通过收集历年检修数据,建立检修知识库,通过检修需求画像、模糊聚类、寻优算法建立一套检修方案智能生成模型,可根据生产管理系统下达的消缺通知或检修通知,通过智能匹配知识库中关键字,对检修人员、工器具、消耗性材料、防范措施、工期、成本等检修要素寻优,生成检修方案,对完成的检修工作生成检修绩效指标进行后评价,可通过检修数据存储并输出最优流程,不断实现检修流程最优化迭代,有利于智慧检修知识库建立,体现智慧检修决策支持。     

基于音频特征的工程车辆工况识别研究

高效率地使用工程车辆是工程项目管理中节约成本的有效方法，无人监管环境下工程车辆的工况识别，是实现工程车辆高效率使用的有效手段。目前以GPS等技术为核心的车辆智能管理系统未对工程车辆进行工况识别，提出一种基于GRU循环神经网络的工程车辆工况识别方法，通过对工程车辆在不同工况下产生的音频信号进行分析，从中提取Mel倒谱系数作为主要特征，构建GRU循环神经网络模型进行训练和识别。实验结果表明，该方法可以实现对工程车辆工况的有效识别。     

空间曲线的特征识别与高质量非均匀采样

为避免传统均匀采样方法因忽视曲线重要特征而生成不理想的采样结果,获得给定数量且由特征点和辅助点组成的采样点序列,提出基于特征识别的高质量空间曲线非均匀采样方法.首先使用抛物线插值法得到曲线上所有曲率极大值点和挠率极大值点的近似位置,经筛选后产生特征点,以更好地抓住空间曲线的轮廓特征.然后定义基于弧长、曲率和挠率加权组合的特征函数,并以此自适应地选取曲线上的辅助点.与3种主流采样方法比较的实验结果表明,该方法能够获得更高质量的采样结果且具有更好的实用性,从而进一步改善空间曲线的B样条拟合效果.