改性环氧带锈涂料的研究

研究了以改性环氧树脂和聚乙烯醇缩丁醛为基料的钢铁带锈涂料 ,通过对成膜物质、转化剂、渗透剂、颜料等的研究 ,得到了集稳定、转化、渗透为一体的多功能涂料。经过实验测试 ,该涂料的各项性能指标均达到了设计要求 ,并且本工艺方案简单易行、省时高效 ,具有较高的实用价值。     

UHMWPE改性PP共混物的力学性能

研究了UHMWPE型号及UHMWPE的用量对PP材料力学性能的影响。结果表明:在PPH/PPR/PPB为60/20/20时分别加入UHMWPE2401和UHMWPE2402,可起到增强增韧的效果,在开炼机上制试样UHMWPE2402的效果要好于UHMWPE2401,注射制样为UHMWPE2401好于UHMWPE2402;随UHMWPE含量的增加,PPH/PPR/PPB共混物的缺口冲击强度大体呈直线上升趋势,在UHMWPE2401为20份时,达到29 4kJ/m2。     

基于MapWinGIS的海缆故障数据全方位可视化仿真

针对海缆部署环境复杂,不利于现场检测的问题,设计了基于MapWinGIS的海缆故障数据全方位可视化系统.为了准确有效检测出新型多模光纤海缆故障,在系统底层构建了布里渊分析模型,利用布里渊特性分析将采集到的数字信息转换成具有实际意义的关联信息,根据温度与应变计算海缆的全方位状态数据,包含各类故障数据及其波形.系统中间层对数据做特征提取、重构,降低数据的冗余度,得到海缆故障的类型和位置.系统上层实现海缆数据分析结果和模拟波形的显示.通过仿真海缆故障,验证了布里渊特性分析具有良好的抗噪和拟合效果,能够准确捕获到各类故障造成的参数异常情况,设计的海缆故障可视化系统能够全面准确的监测海缆的故障类型及其故障位置,提高海缆故障监测的整体性能.     

软件检验中的六性要求探讨

针对大型复杂软件可靠性低、重大任务运行过程中出现软件故障的问题,从软件的全生命周期角度研究软件可靠性设计方法;从软件可靠性检验、软件维修性检验、软件保障性检验、软件测试性检验、软件安全性检验和软件环境适应性检验等方面探讨软件六性检验方法.针对软件可靠性检验,从软件失效、功能剖面、失效模式和影响度分析、可靠性定义、可靠性模型选择和指标分配,涵盖了软件需求、概要设计、详细设计及测试设计等不同阶段,最后以实例进行验证.     

淤地坝监测场景下边缘计算协作式任务调度方法

针对目前我国西北地区淤地坝实时监测问题,研究了淤地坝监测与预警任务的调度方法.为避免淤地坝坝体隐患发现不及时,提高预警系统的时效性,本文考虑了任务卸载至边缘服务器的平均等待时间,提出了一种淤地坝监测场景下边缘计算协作式任务调度方法.根据任务计算量、边缘服务器计算能力等信息建立计算任务完成时间模型,然后采用模拟退火算法优化计算任务卸载位置,设计了一种多个边缘计算服务器相互协作的任务调度策略.实验结果表明,该方法有效降低了监测任务的计算时间,提高了监测预警的时效性.     

基于高精度流线生成的交互流场可视化

高效准确的流线绘制一直是流场可视化的重要研究内容,流线可以对流场的重要特征进行有效的稀疏表示,但流线需要长期的粒子追踪过程及大量的积分计算,在面向大规模流场可视化时时间效率较低,需要高性能计算设备进行辅助计算.本文通过设计一种基于深度学习的高精度流线生成算法,将初始的低精度流线快速映射为稠密的高精度流线,可以在较短的时间内快速生成可靠的流线可视化结果,并在此基础上设计了交互式实时流场可视化系统,涵盖了流场的特征检测,属性关联分析,信息论分析等,帮助用户快速了解流场数据,找到自己感兴趣的区域进行后续进一步深度分析,避免了获取过多冗余数据,同时优化了分析工作的效率,满足用户对于流场结构,特征属性等多维度进行关联分析的需求.     

基于深度学习的软件安全漏洞挖掘

软件的高复杂性和安全漏洞的形态多样化给软件安全漏洞研究带来了严峻的挑战.传统的漏洞挖掘方法效率低下且存在高误报和高漏报等问题,已经无法满足日益增长的软件安全性需求.目前,大量的研究工作尝试将深度学习应用于漏洞挖掘领域,以实现自动化和智能化漏洞挖掘.对深度学习应用于安全漏洞挖掘领域进行了深入的调研和分析.首先,通过梳理和分析基于深度学习的软件安全漏洞挖掘现有研究工作,概括其一般工作框架和技术方法;其次,以深度特征表示为切入点,分类阐述和归纳不同代码表征形式的安全漏洞挖掘模型;然后,分别探讨基于深度学习的软件安全漏洞挖掘模型在具体领域的应用,并重点关注物联网和智能合约安全漏洞挖掘;最后,依据对现有研究工作的整理和总结,指出该领域面临的不足与挑战,并对未来的研究趋势进行展望.     

基于重用信息的非易失性缓存动态旁路策略

非易失性存储器具有能耗低、可扩展性强和存储密度大等优势,可替代传统静态随机存取存储器作为片上缓存,但其写操作的能耗及延迟较高,在大规模应用前需优化写性能。提出一种基于缓存块重用信息的动态旁路策略,用于优化非易失性存储器的缓存性能。分析测试程序访问最后一级缓存（LLC）时的重用特征,根据缓存块的重用信息动态预测相应的写操作是否绕过非易失性缓存,利用预测表进行旁路操作完成LLC缺失时的填充,同时采用动态路径选择进行上级缓存写回操作,通过监控模块为旁路的缓存块选择合适的上级缓存,并将重用计数较高的缓存块填充其中以减少LLC写操作次数。实验结果表明,与未采用旁路策略的缓存设计相比,该策略使4核处理器中所有SPLASH-2程序的运行时间平均减少6.6%,缓存能耗平均降低22.5%,有效提高了整体缓存性能。     

基于反演算法的严格反馈非线性系统固定时间跟踪控制

针对一类严格反馈非线性系统,研究固定时间跟踪控制问题.基于反演控制策略及Lyapunov稳定性理论,给出使系统全局固定时间稳定的充分条件和设计步骤.所提出的反演控制方案可以消除控制器存在的奇点问题,保证系统的跟踪误差在固定时间内收敛于原点的一个小邻域内,且收敛时间与系统的初始状态无关.最后,通过一个数值仿真示例验证了所提出设计方案的有效性.     

基于多特征融合与ResNet的海面溢油区识别研究

近年来,合成孔径雷达（SAR）在改善溢油检测方面得到了广泛应用。然而,由于其特殊的成像机理,乘性相干斑噪声和其他物理现象引起的暗斑一直影响着溢油检测的精度。单独使用一种特征很难对图像上的油膜和类油膜现象进行区分,针对这一问题提出了利用多特征融合结合深度残差网络（ResNet）的方式来区分全极化图像上的油膜和类油膜现象。实验中将C波段的三种极化特征：极化散射熵（Entropy）、平均散射角（Alpha）和单次散射特征值相对差异度（SERD）组合在一起,形成一个优化特征子集,在确定的三种极化特征对应的特征图上选取多个感兴趣区域作为ResNet网络的训练集和测试集。该实验所用训练集由3 600个原油样本、3 600个生物油样本和3 600个乳化油样本（共计10 800个）组合而成。测试集由600个原油样本、600个生物油样本和600个乳化油样本（共计1 800个）组合而成,最终得到97.56%的分类精度。用同样的实验数据采用同是深度学习的VGG和AlexNet分类算法进行油膜和类油膜的分类,并与ResNet算法分类结果进行对比分析。为了减弱过拟合现象以及获得更可靠的实验结果,分别进行了[K]-交叉验证和ROC曲线实验。结果表明所提出的算法是有效的。