时间Petri网在渗透测试中的应用

渗透测试攻击模型作为渗透测试的重要环节,受到学术界和工业界的共同关注。现有的渗透测试攻击模型未考虑渗透测试攻击过程中的动态参数,无法描述漏洞的发生时间。本文以漏洞为基本单元,以时间Petri网中库所的时间区间表示漏洞的发生区间,构建以时间Petri网为基础模型的渗透测试攻击模型。首先,将漏洞列表作为输入来构建单漏洞模型;然后,将单漏洞模型集合通过模型整合算法形成完整的渗透测试攻击模型;最后,给出渗透攻击路径选择算法,并通过模拟实验验证本文所提渗透攻击路径选择算法的有效性。     

滚动转子式压缩机故障的在线检测

探讨了滚动转子式压缩机故障的在线检测技术,通过对其工作过程的分析,确定了用壳体振动作为故障分析信号,并结合小波包和神经网络方法将正常与异常压缩机区分开来,现场的检测结果表明本文方法准确可靠,具有较高的检测效率。     

梯度算子对反向合成梯度算法的影响

反向合成梯度算法是一种基于局部指向性的反向合成图像对齐算法。与传统的反向合成图像对齐算法相比,该算法可有效地克服光照变化对匹配结果的影响[1]。由于局部指向性的计算在本质上是梯度的计算,而图像梯度的计算可以采用不同的梯度算子,因此采用4种不同的梯度算子（一阶差分算子,Roberts算子,Sobel算子和Prewitt算子）来计算局部指向性,并通过实验比较分析了4种梯度算子对反向合成梯度算法的影响。     

基于PIC单片机的测井系统激励信号源研制

设计了一种基于PIC单片机的井下仪器发射信号源，单片机利用内部功能模块产生PWM脉；中序列，经过D类功放放大。然后将滤波解调出的标准正弦波作为微电阻率扫描成像（简称FMI）测井系统极板的激励信号源。基于PIC单片机的集成化模块为测井仪器中信号源的研制提供了新的方法。     

声音定向传输中的失真分析

对声音定向传输中的失真问题进行分析和实验。从理论上分析了声音在空气中传播时声源信号的幅值与谐波失真的关系;实验验证说明了这一失真现象及其数值关系;提出了利用预处理方法减小失真的解决方案。     

应用于主动噪声控制的实时DSP系统

本文基于实时数字信号处理系统理论，讨论主动噪声控制系统的电子设计方法。通过对控制时序的分析，设计了一实时多通道自适应控制系统，该系统以PC为主控机，以DSP TMS320－C30为从处理机，具有多路传感器同时输入和扬声器同时输出通道。该系统被应用于国产某型螺桨飞机的舱内噪声控制，取得了满意的降噪效果。     

基于改进LSTM的航空发动机气路参数预测方法

以航空燃气涡轮发动机气路故障诊断为导向,提出了一种用于发动机气路参数预测的特征注意力增强型长短时记忆网络(Feature Attention Enhanced Long Short-Term Memory Network, FAE-LSTM)。FAE-LSTM是具有编码-解码结构的动态网络,首先通过编码器中的特征注意力单元对工况序列进行动态特征提取,然后通过特征拼接层融合编码器输出序列、工况序列和历史性能参数,最后通过解码器实现最终的参数预测。FAE-LSTM基于发动机飞行过程数据建立发动机在健康状态下的动态模型,从而作为参数预测模型应用于基于残差的故障诊断系统中。针对网络的预测性能和应用方式进行了仿真分析,结果表明,相比于其他常用多变量时间序列预测模型,FAE-LSTM的长期预测误差最低减少24.5%;相比于使用串-并联结构,故障检测系统使用并联结构的FAE-LSTM网络能够获得更精确的检测结果。     

应用EMD分解下的Volterra模型提取机械故障特征

将混沌时间序列的Volterra模型引入到机械故障诊断中,提出了采用EMD与Volterra模型相结合的方法提取机械故障特征。该方法较传统的特征提取方法,具有提取特征明显,计算简单等优点。仿真实验表明,此法能够有效地提取特征参数。将其应用于机械转子故障特征提取中,取得了较为满意的结果。     

Volterra模型预测在EMD端点延拓中的应用

经验模态分解(empirical mode decomposition,简称EMD)的端点效应使得EMD分解结果产生严重失真,为了减小端点效应在分解过程中产生的影响,将混沌序列模型引入EMD,提出采用Volterra模型解决分解中产生的端点效应问题。论述了基于Volterra模型的数据延拓技术原理,即先对原始数据进行Volterra建模,然后利用该模型对数据进行延拓。该方法使端点处的延拓更加合理,从而使得三次样条曲线在端点处不会发生大的摆动,实现了准确的EMD分解。通过对仿真信号的研究表明,延拓抑制了分解的端点效应。把该技术应用于转子横向裂纹振动信号的EMD分解中,取得了良好效果。     

欠定无人机发动机开车声音信号盲源分离

针对无人机发动机开车实验,设计了一个四通道声音信号采集系统并对采集信号进行盲源分离。首先以相关系数为标准采集4路信号,其次选取其中3路信号利用EMD-NLPCA盲源分离算法进行欠定盲源分离,最后得到发动机螺桨噪声、排气噪声、试验间的风机噪声和其他背景噪声等4种信号,为进一步进行发动机故障定位和诊断提供了必要的数据基础。