利用离散正交多项式组合神经网络建立聚合物分子量分布灰箱模型

聚合物分子量分布（MWD）是反映产品性能最重要的指标之一,它是典型的二元建模对象,聚合物分子量分布（MWD）是反映产品性能最重要的指标之一,它是典型的二元建模对象,采用组合神经网络对MWD的空间和时间变量进行分解建模。首先利用离散正交多项式神经网络在链长空间上建立分布与链长的模型,然后将MWD与时间变量的关系转换为网络权向量与输入变量之间的函数,利用递归神经网络建立两者之间的模型,最后组合两个网络达到建模目标。分布函数的模型表达式可写成状态方程形式,为进一步设计控制策略提供了基础。在链长空间上建立模型时,实现了神经网络的权向量与MWD相应阶次矩值之间的等价关系,网络权向量由单纯的拟合数据转变为有意义的物理量,实现了神经网络模型的灰箱化,为精确预测网络隐层节点数问题提供了解决途径。提出的方法应用于实验室规模的苯乙烯聚合过程,证明了建模方法的可行性,同时网络权值与矩值的等价关系也得到验证。     

车联网安全监管策略研究

车联网作为信息化与工业化深度融合的重要领域,对促进汽车、交通、信息通信产业的融合和升级,对相关产业生态和价值链体系的重塑具有重要意义。当前伴随车联网智能化和网联化进程的不断推进,车联网网络安全形势日趋严峻。安全作为关系到车联网能否快速发展的重要因素,是车联网健康发展的基础和保障。在此背景下,通过梳理分析当前我国车联网安全监管面临的需求、现状与不足,提出适应我国车联网发展的安全监管对策。     

面向车联网环境的异常行为检测机制研究综述

以智能网联汽车为核心的下一代智能交通系统逐渐深入城市居民生活，但也暴露出如远程恶意控制车辆、泄露车主个人信息等安全威胁。相较于车端设备与车联网服务平台层面的安全问题，文章重点关注车联网通信层面面临的安全问题。基于此，文章对近年来车联网环境中异常行为检测机制的相关研究进行了梳理。首先，分析了异常行为定义，并总结了常见威胁模型；然后，从基于消息内容的异常检测、基于消息处理行为的异常检测和结合传感器的异常检测3个方面，讨论了异常行为检测机制的分类；最后，总结了当前车联网通信异常行为检测机制中尚未解决的技术问题和未来研究趋势。