带数据融合的无线传感器网络QoS路由算法

针对无线传感器网络以数据为中心的特点以及不同业务对QoS的不同要求,提出了一种结合数据融合的QoS路由算法(DAIQoS算法).该算法借鉴TopDisc协议的分簇路由过程对数据进行融合处理.在此基础上借鉴定向扩散(DD)协议中梯度路由的思想,通过维护簇内和簇间两个梯度场建立到sink节点的多条最短路径.选择既能满足数据的QoS要求,又能尽量时其进行融合处理的路径转发数据.仿真实验结果表明,DAIQoS算法能够在满足数据QoS要求的同时有效减少冗余数据,节约能源.     

基于树形结构的ZigBee能量均衡协议研究

在ZigBee网络的树形拓扑结构中,其网络高层节点面对大量业务时,容易过早耗尽电池能量.针对此问题,提出一种改进的能量均衡路由算法.在改进算法中,综合考虑了网络节点的层次和负载能力.通过计算路由代价,上层节点的功耗被降低,而负载则被分摊至下层节点.另外在路由选择的时候,尽量避开剩余能量较低的节点.仿真结果表明,改进算法可以平衡网络节点的整体耗能,延长关键节点的生存时间,从而提高了ZigBee网络整体的健壮性.     

基于网络拓扑优化的WSN最小跳路由算法

以节能为主要目标,基于最小跳路由的思想提出一种基于网络拓扑优化的WSN最小跳路由算法——MH-TO算法。该算法采用折半匹配的功率调整策略对网络拓扑进行优化,并引入“塔模型”实现节点的最小跳信息的学习,使得信息包路由时沿着最小跳的路径向sink节点传送。理论分析和仿真实验结果表明,与基于最小跳数场的自组织路由算法相比,该算法能够降低能量消耗并均衡能量负载,从而显著延长网络的生存期。     

I／A series集散系统在氧化铝拜耳法中的应用

主要介绍了Foxboro公司的I／A Series集散系统卓越的硬件性能,以及I／A Series的软件包所涵的自动化和有关智能信息管理的各种功能和分布式结构、标准化兼容的特点,以此来说明I／A在氧化铝厂拜耳法工艺（具体以蒸发工艺为例）的应用情况。     

基于ZIGBEE网络的ZiCL改进算法

针对ZigBee网络中使用的ZiCL算法可能造成节点过度耗能和网络能耗不均的问题,提出一种改进算法。该算法根据网络运行过程中簇成员能量状态来动态调整路由选择策略。仿真结果表明,改进算法提高了网络传输的可靠性,有效节约了能量。     

一种多模冗余结构存储器系统的容错设计研究

某型飞机代码转换器存储器用于存储ARINC419总线数据的地址,针对存储器数据易丢失影响数据传输的故障,提出了采用多模冗余结构的存储器系统容错设计方案;首先研究了三模冗余结构的可靠性,分析了存储器采用冗余结构设计的可行性,在此基础上,给出了多模冗余结构存储器实现方法和逻辑电路,并对其容错性进行了分析;实际工程应用表明,采用多模冗余结构存储器设计提高了国产化代码转换器的可靠性,降低了该设备的故障率。     

瓦级高效率中红外全固态3.8μm连续波Fe∶ZnSe激光器

报道了瓦级高效率中红外3.8μm连续波全固态激光器。采用自行研制的波长为2.8μm的光纤激光器泵浦Fe∶ZnSe晶体,并通过液氮对晶体进行制冷,获得了中心波长为3.8μm的连续激光输出。激光器的最大输出功率为0.97 W,斜率效率达到38.6%,泵浦阈值约为0.4 W。     

基于多尺度特征融合的绝缘子缺陷检测

绝缘子缺陷检测对于保障电网安全稳定运行具有重要意义。由于绝缘子缺陷区域的像素信息少、形状尺寸不一,造成识别效果不佳问题。为解决此问题,提出了一种基于多尺度特征融合的绝缘子缺陷检测网络（MSD2Net）。在该网络中,采用残差注意力网络用于获取不同分辨率的绝缘子缺陷特征,设计了基于反卷积和多分支检测的多尺度特征融合网络将深层特征图与浅层特征图逐步融合,生成更加丰富的图像语义信息,用于实现目标的分类与位置回归,并结合Focal损失和高斯非极大抑制方法进一步提升检测效果。在变电站绝缘子缺陷数据集和输电线路CPLID公开数据集上进行测试,结果表明所提方法具有较好的检测性能与泛化能力。     

基于改进YOLOv5的输电线路鸟巢检测方法研究

输电线路上的鸟巢会对电力设备的安全运行构成威胁,甚至影响整个电力系统的稳定性。针对复杂场景下输电线路鸟巢检测方法适用性较差的问题,提出一种基于改进YOLOv5的输电线路鸟巢检测方法。该方法结合通道注意机制和空间注意机制设计特征平衡网络,以通道权值和空间权值作为引导,实现检测网络不同层次特征之间语义信息和空间信息的平衡。同时,为了避免因网络层数增加导致特征信息不断被弱化的问题,设计特征增强模块以捕获与鸟巢相关的通道关系和位置信息。最后,利用输电线路无人机巡检图像建立鸟巢数据集进行训练和测试。实验结果表明,所提出的输电线路鸟巢检测方法具有较强的泛化能力和适用性,同时也为电力图像缺陷检测提供技术参考。     

抑制图像非语义信息的通用后门防御策略

目的 后门攻击已成为目前卷积神经网络所面临的重要威胁。然而,当下的后门防御方法往往需要后门攻击和神经网络模型的一些先验知识,这限制了这些防御方法的应用场景。本文依托图像分类任务提出一种基于非语义信息抑制的后门防御方法,该方法不再需要相关的先验知识,只需要对网络的输入进行编解码处理就可以达到后门防御的目的。方法 核心思想是在保持图像语义不改变的同时,尽量削弱原始样本中与图像语义不相关的信息,以此抑制触发器。通过在待保护模型前添加一个即插即用的U型网络(即信息提纯网络)来实现对图像非语义信息的抑制。其输入是干净的初始样本,输出命名为强化样本。具体的训练过程中,首先用不同的训练超参数训练多个结构不一的干净分类器,然后在保持强化样本被上述分类器正确分类的前提下,优化信息提纯网络使强化样本和原始样本之间的差异尽可能地大。结果 实验在MNIST、CIFAR10和Image Net10数据集上进行。实验结果显示,经过信息提纯网络编解码后,干净样本的分类准确率略有下降,后门攻击成功率大幅降低,带有触发器的样本以接近干净样本的准确率被正确预测。结论 提出的非语义信息抑制防御方法能够在不需要相关先验知识的...