基于FPN推理的多Agent网络故障诊断系统的研究

多Agent诊断系统是一种分布式系统,现已在故障诊断中得到广泛应用.提出一种基于FPN推理的多Agent网络故障诊断模型,该模型利用各部分Agent模块来完成故障诊断过程中的信息搜集与分析,故障的确定以及对故障的处理,其中故障的确定由模糊Petri网推理算法来完成.该模型综合了FPN推理算法的并行性以及多Agent技术对故障诊断与处理的智能性的特点,为实现网络故障的快速诊断提供了一条全新的思路.     

Windows Vista操作系统安全性技术研究

为提高操作系统的安全性,Windows Vista对早期版本的一些安全特性进行了增强,并增加了很多全新的安全特性,如:用户账户控制、最小权限策略、数据保护、安全启动、网络访问保护等.通过研究这些安全特性的机制原理和实现过程,对Vista操作系统的安全性做了一个整体的概括,并分析了一些安全机制可能存在的脆弱性.     

基于微加速度计的鼠标系统设计

设计了一种新型的输入设备--微加速度计鼠标系统,该系统融合了MEMS微加速度计和无线射频技术,能够实现传统鼠标的功能.该系统由用户控制和信号接收两部分组成.无线射频技术使得用户控制模块能够摆脱线缆的束缚,在空中自由运动,并可通过人体任何部位进行控制.二维旋转角算法和按键模拟算法的提出,使该鼠标系统能达到比传统鼠标更高的控制精度、更高的DPI,实现无按键的操作.     

利用CPU时间戳实现局域网时间同步的新机制

当前在网络应用中,经常需要多台计算机协同工作,因而要有一个统一时钟。提出一种利用CPU内部高精度时间戳实现局域网时钟同步的新机制,并用VC++语言编写了服务端与客户端软件,且在Windows XP 和Windows 2000环境的小型局域网进行测试。结果表明,该算法同步精度较高,且系统运行稳定。     

手机MMI自动化测试系统的关键技术研究

在分析了实现手机人机界面(MMI)软件自动化测试的原理和技术难点的基础上,通过游程长度编码算法对屏幕数据进行压缩和一些数据比较技巧来解决屏幕数据传输与比较问题;通过一系列容错处理来保证ATS系统在无人参与的情况下自动运行;通过对系统软硬件进行抽象和加入TCL脚本解释器来增强系统的可扩展性和可重用性;最后应用这些技术方案实现了一个实际可用的ATS系统;应用结果表明,该系统能大幅提高手机MMI的测试效率。     

在信息技术课程中开展过程性评价的探索与实践

过程性评价就是在在学习一评价一学习的过程中,引导学生积极主动地学习,促使学生全方位地良性发展,以学生综合素质为目标,采取灵活多样的评价方法,注重学生学习过程和学习结果的评价。在信息科技课程的评价过程中我们要探索新的评价原则和评价方法,促进学生的发展和信息科技课程的改革。     

异构多子网的以太网物理拓扑发现算法研究

针对异构网络的特点,在分析了网络拓扑发现相关协议的基础上,本文提出了一种依赖SNMP协议、基于异构多子网的以太网物理拓扑发现算法。实验显示,该算法可以准确、高效地进行物理拓扑发现,准确识别链路连接类型,是解决该问题的一种有效方法。     

考虑有功协调优化的配电网动态电压控制

配电网电压动态变化特征日益凸显,对配电网动态优化控制提出了新的要求。除此之外,配电网有功与无功的耦合特性也使得仅基于无功/电压的控制方法效果降低。因此,提出了一种考虑有功/无功快速协调优化的配电网动态电压控制方法,实现在秒级时间尺度内关键节点的电压恢复。首先建立配电网有功/无功控制设备动态模型,并基于模型预测控制理论建立了动态电压控制系统预测模型。设计了面向配电网电压协调控制的多目标自适应优化策略,基于配电网同步相量测量单元动态测量数据实现有功/无功控制设备出力的动态协调。仿真结果表明,该方法能够实现配电网电压波动的秒级抑制,并将目标节点电压快速无差地恢复至扰动前水平。     

基于XGBOOST-PSO提高受端电网电压暂态稳定的发电机无功优化方法

考虑发电机稳态输出无功对其支撑暂态电压恢复稳定能力的影响,基于机器学习研究优化发电机稳态输出无功提高电压对故障扰动保持暂态稳定能力的预防控制方法。该方法采用加权多二元表暂态稳定裕度指标量化母线暂态电压对不同预想故障扰动的综合稳定裕度,并基于指标排序确定稳定裕度薄弱母线。同时基于发电机无功调节对预想故障下各薄弱母线电压暂态稳定裕度综合作用灵敏度排序,选择作用灵敏发电机。在利用XGBoost建立根据系统稳态特征向量预测薄弱母线暂态电压稳定的分类模型基础上,以系统对预想故障扰动保持暂态电压稳定为约束、以减小发电机稳态无功调节对网损产生影响为目标,基于潮流计算寻优灵敏发电机稳态输出无功,以提高薄弱母线的暂态电压稳定性。最后采用雅湖直流接入江西电网的PSASP计算模型验证了所提方法的有效性。     

融合多尺度特征的脑电情感识别研究

基于单尺度二维、三维卷积的脑电情感识别算法存在原始信号映射到高维特征矩阵过程中信息易丢失、模型参数量大、提取特征相对单一等问题。提出多尺度金字塔交互注意力残差网络（MPIAResnet）。利用多尺度一维卷积核直接提取原始脑电信号的多尺度空间特征,将标准卷积替换为分组卷积,相比二维、三维卷积具有更少的参数量,同时利用通道交互注意力机制优化特征提取过程。在此基础上,与双向GRU(BiGRU)融合组成MPIAResnetBiGRU网络,进一步提取脑电信号的上下文语义信息,实现脑电信号的时空特征融合。基于公开数据集DEAP的实验结果表明:在受试者依赖实验中,该模型Valence和Arousal维度识别准确率达到97.60%和98.15%,相比单尺度模型提升8.56和8.36个百分点;在小批量训练集实验中,当训练集占比为30%时,测试集准确率依然可以保持在90%以上;在分频带实验中,2个高频带信号识别准确率优于低频带信号,证明了模型的有效性;而在受试者全部参与实验中,该模型的识别准确率也均优于对比方法。