几何绕射理论下楔形障碍物衍射

应用几何绕射理论,研究不同角度和不同频率情况下楔形障碍物衍射衰减规律,并结合90°楔形障碍物现实应用,模拟楔形建筑物下声音传播衰减。得出了楔形障碍物插入损失与楔形角度和声波频率的关系,结果与Maekawa实测值比较并进行精度分析。针对现实场景下楔形建筑物的遮挡,应用空间剖分和声线束追踪生成声音路径,模拟楔形建筑物区域的声音衰减。结果显示声音衰减随楔形角度减小和频率增加而增大,几何绕射理论可应用于大区域建筑物群声传播衰减计算中。     

信号控制对交通噪声的影响分析

用实验方法测定三种不同车型单辆车在参考距离处的噪声排放量及加减速噪声修正值。然后结合微观交通仿真、车辆噪声排放量和传播衰减模型分别对信号控制下的间断流交通噪声和无控制的连续流交通噪声进行动态模拟。最后对两种不同交通流状况下的等效声级、噪声标准差、交通噪声指数和噪声的频数分布进行对比分析,得到两种不同交通流状况下交通噪声的若干重要差别。     

高架复合道路交通噪声的动态模拟及特征分析

基于高架复合道路的噪声及其对周围环境的各种影响因素,结合声波的传递衰减建立动态的仿真模型。由此计算实时噪声的等效声级及统计声级;为取得高架复合道路一侧垂直面和水平面的声场分布,在模拟分析中,也考虑多车道、车速、交通量、声屏障高度、林带布置等各种因素影响。     

基于交通流特征的实时行车速度估计方法

针对城市道路的实时行车速度估计问题,提出一种行车速度实时估计模型,采用基于城市交通流特征匹配方法,通过对交通流特征建立有效索引保证行车速度估计的实时性。利用在杭州市区部分主干道采集的数据作为测试集,与数据回归法以及主曲线建模法进行对比,结果表明,本模型在行车速度估计方面具有实用性和优越性。     

任务及中断负载下实时操作系统性能评估研究

针对现有实时操作系统Benchmark在任务及中断混合负载下的评估“失真”问题,从RTOS内核中断响应模型分析入手,提出一种面向任务及中断混合负载环境下的内核性能评估方法,并以Rhealstone和ThreadMetric两种典型的Benchmark为基础实验平台进行改造与修正,通过对VxWorks、RTEMS、uC/OSII等系统的性能评测,实验结果表明,该评估方法对任务及中断混合负载下的RTOS内核性能评估更具合理性。     

燃煤电厂静电除尘器改造方案

随着我国环保标准日益严格，很多燃煤电厂静电除尘器已不能满足排放标准的要求，需进行改造。该文首先分析了造成静电除尘器除尘效率低下的主要原因；提出3种改造方案：增加电场；改造为袋式除尘器；改造为静电袋式复合除尘器。并从技术性能和经济性2个方面对3种改造方案进行了比较．以郑州热电厂200MW机组静电除尘器改造为例对3种方案进行了对比分析．结果表明：改造为静电袋式复合降尘器的方案是静电除虫器改造的最佳方案，并认为静电袋式复合除尘是我国除尘技术来来的发展方向之一。     

基于圆柱型结构的中药材提取动力模型

针对目前中药有效成分提取过程建模研究较少，且模型多以球型假设为前提的问题，根据中药材多以根、茎的形式直接提取的实际情况，利用Fick第二扩散定律，假设中药材有效成分由径向扩散忽略轴向扩散，且以内扩散为主，提出了一种能反映圆柱型结构中药材的提取动力学模型.依据丹参中有效成分丹参素提取过程实验数据，通过温度和液固比的变化，优化参数，得到提取动力学模型. 利用该模型对丹参药材的工业提取过程进行模拟，得到了与生产结果较为吻合的计算结果，预测误差为10％左右. 结果表明，模型预测效果佳，可用于中药材的工业提取过程研究.     

增量式频繁闭合序列挖掘算法

在许多场合挖掘频繁闭合序列时,输入串数据库呈现实时动态增长的特点.分析Bide算法,给出并证明了闭合序列前缀中任意一个项目的后向扩展事件（BEE）项目交集随前缀的生长单调不增的定理,据此对BEE累计操作进行了优化,使其性能平均提高了48%.定义了闭合序列树作为频繁闭合序列的表示形式,并阐述了它的3个性质.分析发现,当新增输入串不同时包含前缀串和频繁项目时,两次连续挖掘的结果是相同的,给出了相应的定理和证明,据此实现了增量式频繁闭合序列挖掘算法BideInc.实验验证了BideInc算法的正确性,使用该算法后挖掘性能平均提高了47%.     

基于多维Fuzzing的缓冲区溢出漏洞挖掘技术研究*

缓冲区溢出漏洞一直是计算机安全威胁中最为严重的漏洞之一,在黑客发现利用前检测出漏洞并及时修复极为重要;基于多维Fuzzing设计和实现了一种缓冲区溢出漏洞挖掘模型MFBOF,应用输入样本结构知识、结合静态二进制分析技术和动态输入/输出测试技术,运用自适应模拟退火遗传算法生成测试用例进行测试,并以挖掘Libpng的漏洞为实例说明了该模型的有效性;最后,提出了模型需要优化的地方和下一步研究方向。