模块化可重构机器人动力学研究进展

模块化可重构机器人由于其构型多变,运动形式丰富等特点,可以在非结构化环境或未知环境中执行任务,在最近几年迅速成为机器人研究领域的前沿和热点. 模块化可重构机器人在军事、医疗、教育等众多工程领域具有广泛的应用前景,其典型代表包括仿生多足模块化机器人、模块化可重构机械臂、晶格式模块化机器人等. 模块化可重构机器人丰富的构型设计、多样的连接特征、不断拓展的应用范围,给动力学建模与控制带来了很多挑战和机遇. 本文首先阐述了模块化可重构机器人的研究背景和意义,并概述了其构型分类与设计、构型描述与运动学建模方法.随后,本文系统回顾了模块化可重构机器人动力学研究中相关问题的最新进展,包括：(1)系统整体动力学建模;(2)结合面以及对接机构动力学建模;(3)基于动力学模型的控制方法. 本文最后提出了模块化可重构机器人动力学研究中若干值得关注的问题.     

水下光声图像空间配准算法研究综述

水下光声图像配准是水下设备实现信息融合的关键技术。在简述了水下光声图像配准的概念及实例的基础上,分析了目前水下光声图像重建与复原的相关算法,详细综述了水下异源图像基于区域和特征的配准算法研究进展,重点论述了基于图像域和形状特征相似度的两个准确度较高的研究方向的发展现状,并根据其他领域的异源图像配准的研究热点,从增加成像模型的结构性约束、引入相位一致性和生成对抗网络等算法提高配准精度,展望了水下声光图像配准研究的发展趋势。     

社交媒体文本数据的抑郁症检测研究综述

近年来,机器学习被逐渐运用到基于社交媒体文本数据的抑郁症检测中并凸显重要应用价值。为梳理其应用现状和发展方向,对用于抑郁症检测的社交媒体文本数据集、数据预处理和机器学习方法进行整理分类。在数据特征表示方面,对比分析了基础特征表示、静态词嵌入和语境词嵌入。全面分析了利用不同基础特征和不同算法类型的传统机器学习以及深度学习进行抑郁症检测的性能和特点。总结并建议未来在中文数据集的创建、模型的可解释性、基于隐喻的检测和轻量级预训练模型方面做进一步的探索。     

完全在线的双目直接法视觉SLAM算法

视觉SLAM在机器人的室外作业如野外探索、定位侦察中扮演了重要角色.为了使得机器人可以更好地进行室外作业,提出一种不受词袋模型的固定词汇限制的完全在线实时双目直接法视觉SLAM算法.作为直接法视觉SLAM,所提到的系统可以利用任何具有足够强度梯度的图像像素,使其在缺少特征点的区域仍具有很强的鲁棒性.在系统算法中引入双目静态残差约束并去除遮挡的滑窗优化来增强系统的跟踪精度,增加闭环检测和位姿图优化模块,并建立在线词袋模型,使得系统在大规模且陌生的环境中依然可以进行工作.将此算法在公开的EuRoC数据集和KITTI数据集上进行性能评估,结果表明,所提出的系统的定位精度优于最先进的直接法视觉SLAM系统,且室内场景和室外场景均具有鲁棒性.     

一种针对TomcatFilter型的MemShell检测技术研究

近些年来,随着计算机技术的不断发展和应用,Web应用技术也在快速更迭,与其一起发展的还有木马后门技术,但传统的木马后门技术已经不能满足攻击者的需求,因而基于内存攻击的方式不断涌现,包括powershell内存载入攻击、.NET assembly托管代码注入攻击以及内存马(Memory WebShell,MemShell)攻击等,这些攻击方式为现有的安全防御检测机制带来了极大的挑战。因而业界对面向解决基于内存的攻击尤其是内存马的攻击展现出了强烈的需求。但当前业内针对内存马的检测能力较弱,学术界也缺乏对该领域的研究工作,所以本文提出了一种针对Tomcat Filter型的内存马检测方法。通过研究发现,内存马其最核心技术便是无文件(Fileless)及不落地(Living off the Land),但尽管如此,内存马最终会在内存中展现其功能并执行命令,所以内存是所有威胁的交汇点,因此本文将Java虚拟机(Java Virtual Machine,JVM)作为起始点,首先利用JVM内存扫描技术遍历出JVM内存中加载的所有Filter类型对象,但需要注意的是这些对象并非都是有威胁的,并且每一个对象都具有一定的特征,所以可以对这些特征通过人工经验进行分类并且筛选出具有代表性的特征向量,然后获取每一个Filter类型对象的所有代表特征向量,并根据特征向量的值梳理出异常表现序列;最后,利用朴素贝叶斯算法将大量正常和异常的Filter对象的异常表现序列作为训练样本,计算出对应项的条件概率并形成贝叶斯分类器。利用训练出的贝叶斯分类器就可以构建出一个内存马检测模型,该模型能够有效得针对该类型的内存马进行检测。实验结果表明,本文提出的方法针对Tomcat Filter型内存马的检测,实现了零误报率和94.07%的召回率。     

基于程序模块化建模的智慧电站一体化平台构建

为实现在智慧电站高度一体化融合的同时,提高电站报警响应时效性和准确性,开展基于程序模块化建模的智慧电站一体化平台构建。通过电子式互感器选型、全站智能组件装置整合等硬件设计和基于程序模块化建模的三维一体化信息模型构建、电站门禁管理与人员轨迹跟踪、电站危险源识别与动态预警等软件设计,提出一种全新的智慧电站一体化平台。通过将新的平台应用到某电站火电厂中,验证了该平台能够实现对电站异常故障问题的快速响应,并保证误报警次数始终为0,在促进智慧电站安全性不断提升的同时,实现高度一体化融合。     

基于边权表示学习的乌克兰互联网变化感知

2022年2月至7月期间,网络攻防频繁发生,乌克兰部分地区间接受到断网影响,其境内和边界网络连通情况发生了改变,通过对时间变化拐点的感知和变化区域的分析可敏锐捕捉网络异常变化的细节,为网络威胁预警、网络关键基础设施风险评估等提供重要的信息支持。本文针对2022年2月至7月期间乌克兰自治系统的路由变化进行研究,构建乌克兰自治系统动态网络拓扑,介绍动态网络分析方法,监测乌克兰网络变化,分析断网的时间、地点,并感知断网后网络发生异常的地区。通过与现实事件的对比分析,映射出互联网结构变化感知结果与实体军事冲突的相关性,为从互联网空间观测复杂战场态势提供了信息支撑。     

Adaptive non-singular fast terminal sliding mode based on prescribed performance for robot manipulators

A fast convergent non-singular terminal sliding mode adaptive control law based on prescribed performance is formulated to solve the uncertainties and external disturbances of robot manipulators. First, the tracking error of robot manipulators is transformed by using the prescribed performance function, which improves the transient behaviors and steady-state accuracy of robot manipulators. Then, a novel fast convergent non-singular terminal sliding mode surface is brought up according to the transformed error, and the control law is derived to meet the stability requirements of robot manipulators. In practice, the upper boundary of the lumped disturbances cannot be accurately obtained. Therefore, an adaptive prescribed performance control (PPC) controller to lumped disturbances is brought up to ensure the stability and finite-time convergence of robot manipulators. Finally, the system stability of robot manipulators is proved by the Lyapunov theorem. Simulation results and comparative analysis demonstrate the superiority and robustness of the raised strategy.