基于频谱增强和卷积宽度学习的音乐流派分类

针对频谱图对于音乐特征挖掘较弱、深度学习分类模型复杂且训练时间长的问题,设计了一种基于频谱增强和卷积宽度学习(CNNBLS)的音乐流派分类模型.该模型首先通过SpecAugment中随机屏蔽部分频率信道的方法增强梅尔频谱图,再将切割后的梅尔频谱图作为CNNBLS的输入,同时将指数线性单元函数(ELU)融合进CNNBLS的卷积层,以增强其分类精度.相较于其他机器学习网络框架, CNNBLS能用少量的训练时间获得较高的分类精度.此外, CNNBLS可以对增量数据进行快速学习.实验结果表明:无增量模型CNNBLS在训练400首音乐数据可获得90.06%的分类准确率,增量模型Incremental-CNNBLS在增加400首训练数据后可达91.53%的分类准确率.     

基于工业控制系统安全测试的研究

随着工业4.0的持续推进,信息化与工业化高速融合,处于物理隔离环境的工业控制系统（ICS）逐步与外部网络进行数据交互,使其原本存在的漏洞面临新技术的安全攻击威胁。这也使得攻击者通过各种方式将工业控制系统列为目标,对其进行勒索或破坏,否则,攻击者会对工业控制系统造成宕机甚至毁灭影响。现有的安全防护技术通过增加安全防护产品对工业控制系统进行防护,如同在危险地区建立隔离区,而未从源头对工业控制系统中存在的漏洞进行修复,长此以往,漏洞不会消失,安全防护负担会随着攻击技术的演变而加重。通过研究安全测试工作尽可能有效地发现工业控制系统中存在的漏洞,帮助运营者掌握自身存在问题的严重性,以更有针对性的举措逐步解决安全问题,以多种方式提供局限性的见解,以供各方进行研究。     

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。     

公共支路阻抗耦合对碳化硅MOSFET器件并联电流分配的影响及优化

为了评估公共支路阻抗耦合效应对碳化硅MOSFET器件并联动静态电流分配的影响,改善并联器件间电流分配的一致性,首先建立包含关键寄生电阻和寄生电感的等效电路模型,分析公共支路阻抗耦合对并联器件动态和静态电流分配的影响。然后,针对不同应用工况下并联器件个数不同的问题,提出n个器件并联支路阻抗补偿的方法。通过对并联器件的漏极测和源极侧阻抗进行补偿,可以消除公共支路阻抗耦合效应对并联器件动静态电流分配的影响。最后,搭建支路阻抗补偿前和补偿后的仿真电路和实验平台。结果表明,通过对并联器件支路阻抗进行补偿,可提升并联器件动静态电流分配的一致性,验证了该方法的有效性。     

基于最大转子储能的风电场风机变利用率的 有功功率分配策略优化

风机采用最大功率追踪控制时无功率备用量,当系统供需发生变化时,易对系统稳定性造成较大影响。提出了一种风场变利用率的有功功率分配策略,在满足系统调度命令的同时,减少风能的损失,提高风能利用率。考虑到风场的尾流效应,所提方案通过改变每台风力机的利用率来控制风机的有功功率输出。其中,每台风力机的利用率根据其自身转速而自适应调整。当风机转速较高时,风力机的利用率则较高。当风机转速较低时,则降低风力机的利用率,这样风电场可存储更多的旋转动能,可在系统需要时释放回系统。通过在基于双馈风机的风电场中对所提变利用率策略进行研究,结果表明,在满足调度需求的同时,所提控制策略比传统的等利用率方案更加节能。     

组合脉冲激光铝等离子体的数值模拟研究

为了获得组合脉冲激光诱导等离子体光谱性能增强的物理机制, 基于FLASH程序模拟计算了预脉冲参数对组合脉冲激光诱导的铝等离子体参数时空分布的影响, 获得了在不同预脉冲波长和不同预主脉冲延时下产生的铝等离子体电子温度、电子密度和烧蚀质量的空间演化规律。结果表明, 在预主脉冲总能量相同的情况下, 随着预脉冲波长从0.266μm变化到1.064μm, 高温环境氦气等离子体羽辉的空间范围从0.7cm增大到3.0cm, 但组合脉冲对靶材的烧蚀效率严重下降, 而铝等离子体的最大电子温度保持稳定; 此外, 组合脉冲的时间延迟低于100ns。该研究可为组合脉冲激光诱导击穿等离子体光谱增强技术提供理论参考。     

回路压降冲激法的研究

常见的电路分析方法有很多,如叠加定理、戴维南定理和回路电流分析法等。为简化电路分析的复杂程度和减少求解电路方程的运算量,在回路电流法和线性叠加定理的基础上,提出一种简便的电路分析方法——回路压降冲激法。在分析线性网络的电路中,通过实验对比分析得出该电路分析方法可以简化分析过程,并且运算量明显减少。     

基于时空图卷积网络的交通事故风险预测研究

交通事故的预测是通过对过去路段发生的交通事故进行分析,在综合考虑影响交通事故的相关因素后,对未来路段的交通事故发生状态进行预测。以往的大多数研究通常采用传统机器学习方法或单一深度学习模型预测法,利用网格化确定预测空间的单位,忽略了影响交通事故的天气、路况等外部因素,导致模型的预测性能不佳。提出一种基于时空特性的城市交通事故风险预测模型,在模型中使用改进的时空图卷积网络,利用图卷积网络（GCN）提取空间相关特征,并加入批标准化层解决梯度消失爆炸问题。在时间维度上采用门控线性单元（GLU）实现一维卷积操作,提取时间相关特征,并将GCN和GLU组合成时空卷积模块提取时空相关特征,使用均方误差损失函数解决样本数据零膨胀问题。实验结果表明,与GLU、SDCAE和ConvLSTM模型相比,该模型的RMSE指标分别降低了28%、4.87%、4.19%,能有效捕获时空相关性,综合性能得到较大提升。     

Ce对Al-Zn-Mg-Cu合金亚快速凝固铸造组织的影响

通过XRD,DSC,SEM,EDS等现代分析方法,研究了稀土元素Ce在不同凝固冷却速率下对Al-Zn-Mg-Cu合金显微组织、凝固温度的影响,分析讨论了Ce对合金晶粒细化和熔体净化作用的原理。结果表明,合金的主要析出相为α-Al和MgZn_2型共晶相,MgZn_2固溶了Al,Cu,Mg等元素并形成了Mg(Zn,Cu,Al)_2相,在晶界上溶质元素浓度较高,与α-Al基体共晶形成层片状共晶组织。添加Ce能使合金枝晶间距减小,并减小共晶层片间距和细化共晶组织,显著细化晶粒,并抑制铝合金中的杂质相Al7Cu2Fe的出现。Ce还将合金α-Al基体和共晶相的析出温度分别降低了6.4℃和5.6℃。     

7B04铝合金超塑性变形行为

针对7B04铝合金开展了变形温度为470~530℃,应变速率为0.0003~0.01s~(-1)的高温超塑性拉伸实验,研究了材料的超塑性变形行为和变形机制。结果表明,7B04铝合金的流动应力随着变形温度的升高和应变速率的降低而逐渐减小,伸长率随之增加;在变形温度为530℃,应变速率为0.0003s~(-1)时,7B04铝合金的伸长率达到最大1105%,超塑性能最佳;应变速率敏感性指数m值均大于0.3,且随变形温度的升高而增加;在500~530℃的变形温度范围内,m值大于0.5,表明7B04铝合金超塑性变形以晶界滑动为主要变形机制;变形激活能Q为190kJ/mol,表明7B04铝合金的超塑性变形主要受晶内扩散控制;7B04铝合金超塑性变形中在晶界附近有液相产生,且适量的液相有利于提高材料的超塑性能。