基于IEC 60870-5-104协议的调度命令发送方法研究

对IEC 60870-5-104协议的调度命令进行了研究，提出了一种基于现有IEC 60870-5-104协议的调度命令发送新方法。此技术充分利用了IEC 60870-5-104协议的文件发送功能，通过远程终端单元（RTU）向电厂发送包含调度命令的文本文件。考虑到调度命令在电力系统和电力市场结算系统安全方面的重要性，将该方法应用在电网调度自动化 SCADA 系统中，可以实现交换数据的更高可用性。     

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.     

负极添加NMP对电池性能的影响

锂离子电池负极浆料中添加N-甲基吡咯烷酮(NMP),在极片加热干燥时不能完全除去.残留的NMP吸附在石墨表面,使得SEI膜与石墨结合不牢固.研究了其对电池性能的影响,结果显示,在电池的循环过程中,SEI膜逐渐脱落,导致电池循环寿命缩短,但对电池的容量、内阻、倍率、存储等初期性能不影响.     

工作面快速掘进工艺及设备优化研究

为保证掘进效率与采煤效率相匹配、保证煤炭的产出率,在分析当前掘进工艺和掘进设备现状的基础上,分别对自动化、可靠性、生产效率较低的掘进设备进行优化,并对掘进设备相配套的掘进工艺(打眼、支护、运输等)进行优化,从根本上提升掘进工作面的效率和安全性.     

基于全局优化与深度学习的条形码识别方法

提出了一种在深度神经网络的基础上结合全局优化方法的条形码识别算法,利用卷积循环网络提取出条码中各字元的特征并进行分类,较传统方法具有更强的适应性与泛化能力,再进一步结合全局优化的方法,以达到充分利用条码结构性先验信息的目的,能显著提升方法的效果,尤其是将全局优化方法引入到神经网络中进行端到端学习,不仅保持了两者的优势同时还进一步提高了识别精度.实验结果证明了所提方法的有效性,达到约99.48％的识别精度,超越了传统的图像处理方法.     

水杨酸处理诱导采后甜瓜抗坏血酸-还原型谷胱甘肽循环代谢清除过氧化氢的作用及机制

目的：研究抗坏血酸（ascorbic acid，AsA）-还原型谷胱甘肽（reduced glutathione，GSH）循环代谢在水杨酸处理采后甜瓜诱导的过量H2O2清除过程中的作用。方法：用4 mmol/L水杨酸浸泡‘玉金香’厚皮甜瓜10 min，测定处理后果实常温贮藏过程中丙二醛（malondialdehyde，MDA）含量，分析活性氧的积累水平、超氧化物歧化酶（superoxide dismutase，SOD）和过氧化氢酶（catalase，CAT）活力，以及AsA-GSH循环过程相关酶活力及产物和底物含量。结果：水杨酸处理降低了果实MDA含量，第10天处理组MDA含量较对照组降低14.6%；显著提高了果实O2－·的产生速率和H2O2含量（P＜0.05），其中处理后第2天O2－·的产生速率高出同期对照组的1.9 倍，第6天H2O2含量高出对照组果实29.7%；提高了果实SOD活力，但抑制了CAT活力，说明H2O2的清除可能是依赖于除酶促系统外的其他系统。此外，水杨酸处理提高了果实抗坏血酸过氧化物酶、单脱氢抗坏血酸过氧化物酶、脱氢抗坏血酸还原酶和谷胱甘肽还原酶的活力，增加了AsA和氧化型谷胱甘肽的含量，降低了脱氢抗坏血酸和GSH的含量。结论：水杨酸处理诱导了厚皮甜瓜果实的氧爆，抑制了MDA产生，由水杨酸诱导产生的过量H2O2主要依靠AsA-GSH循环系统清除。     

指挥调度系统在急诊科室的应用及其仿真分析

提出了一种基于指挥调度系统的医疗资源调度模型.调度模型综合考虑了内部和外部影响因素,构建了资源需求的优先顺序,并采用Petri网对对系统进行模块化建模,得出了一些符合要求的调度方案,根据采用指挥调度系统选择最优调度方案.仿真结果表明,提出的方法实现资源的动态管理,满足医院随时进行资源调度应急指挥的需求.     

基于NR-Transformer的集群作业运行时间预测

高性能集群的作业调度通常使用作业调度系统来实现，准确填写作业运行时间能在很大程度上提升作业调度效率。现有的研究通常使用机器学习的预测方式，在预测精度和实用性上还存在一定的提升空间。为了进一步提高集群作业运行时间预测的准确率，考虑先对集群作业日志进行聚类，将作业类别信息添加到作业特征中，再使用基于注意力机制的NR-Transformer网络对作业日志数据建模和预测。在数据处理上，根据与预测目标的相关性、特征的完整性和数据的有效性，从历史日志数据集中筛选出7维特征，并按作业运行时间的长度将其划分为多个作业集，再对各作业集分别进行训练和预测。实验结果表明，相比于传统机器学习和BP神经网络，时序神经网络结构有更好的预测性能，其中NR-Transformer在各作业集上都有较好的性能。     

速率加载历史对铁磁性材料压磁磁场演变规律的影响

以往的研究已经证明加载速率会对铁磁性材料的力学行为和周围压磁磁场产生影响，为了进一步研究历史加载速率对后续压磁磁场演变规律的作用，对Q345工程结构钢进行了一系列循环拉伸试验，采用磁通仪对试件压磁磁场进行在线监测，研究试件在经历不同的历史加载速率后，其压磁磁场的演变规律。结果表明：加载速率历史是影响压磁磁场演变的重要因素之一。     

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。