复杂环境翼伞气动性能建模仿真研究北大核心CSCD

翼伞飞行环境复杂多变,常存在阵风与降雨干扰,对翼伞气动性能产生动态影响,造成系统失衡。传统模型忽视翼伞力矩失衡产生的俯仰运动,分析结果误差较大。针对时刻变化的流场环境与翼伞姿态,可借助CFD软件,通过网格速度模拟阵风、离散相模拟降雨、动网格模拟俯仰运动,对非定常Euler方程空间离散求解,得到阵风与降雨对翼伞气动性能的单独影响与耦合影响。利用修正后的翼伞模型进行仿真,结果表明,上述模型能较好描述翼伞气动性能在复杂环境中的变化规律,为翼伞精确建模与归航优化控制提供了参考。     

内模控制框架下时延系统扩张状态观测器参数整定

作为一种有效的控制设计方法, 自抗扰控制研究获得了广泛关注, 然而针对自抗扰控制器的参数整定方法则相对较少. 本文针对一阶惯性加延迟系统, 将线性自抗扰控制转化为内模控制结构, 导出了其中控制器、滤波器、乘性不确定性、互补灵敏度函数的对应表达式, 随后, 利用频域鲁棒稳定性判据, 分析了自抗扰控制器核心—–扩张状态观测器的参数对闭环系统稳定性的影响. 基于该分析, 总结出一阶惯性加延迟系统扩张状态观测器的两条参数整定准则. 数值仿真结果验证了该整定准则的有效性.     

随机森林在程序分支混淆中的应用

程序中的路径信息在程序执行过程中会被动态地泄露,基于路径敏感技术的逆向工程可自动地收集程序中的条件跳转指令,从而理解程序的内部逻辑.为了缓解路径信息泄露,提出了一种基于随机森林的路径分支混淆方法,将逆向分析路径分支信息的难度等价于抽取随机森林规则的难度.鉴于随机森林分类器可被视为一种黑盒,其内部规则难以被提取且分类过程与路径分支行为相似,因此经过特殊训练的随机森林可以在功能上替代路径分支.将该方法部署于SPECint-2006标准测试集中的6个程序进行实验,实验结果表明该混淆方法有效地保护了路径分支信息,引发的额外开销较低,具有实用性.     

基于LADRC的翼伞系统轨迹跟踪控制

为降低翼伞系统的非线性和强耦合特性以及环境扰动对其轨迹跟踪控制的影响,提出一种基于线性自抗扰控制(linear active disturbance rejection control,LADRC)的翼伞系统轨迹跟踪控制方法。该方法采用基于制导的2D轨迹跟踪控制策略,使用LADRC设计控制器对轨迹跟踪误差进行实时修正。将该控制方法应用于多种扰动下翼伞系统轨迹跟踪仿真和空投实验中,结果表明:基于LADRC的轨迹跟踪控制方法能够有效克服内扰和外扰的影响,实现高精度轨迹跟踪控制,与传统PID控制相比,LADRC具有更好的抗扰能力和鲁棒性。     

基于Web产品协同设计系统关键技术的解决

本文针对基于Web3D的协同设计系统中多用户协作冲突处理、设计操作实时同步显示和交互过程即时通讯3个关键问题进行研究.针对3个问题分别提出基于控制权限及优先级处理的冲突操作解决方案,基于约定语义规则库进行设计操作格式化与数据解析和基于node.js+socket.io即时通信框架的客户端与服务器通讯方案,从而实现基于Web3D的协同设计系统中操作与数据的一致性与即时性.     

基于HMM的动作识别结果可信度计算方法

针对当前动作识别可信度计算方法中混淆率高、不适用于迁移学习等问题,提出一种基于样本上下文信息的可信度计算方法（S-HMM, sliding windows hidden Markov model）。该方法使用隐马尔可夫模型（HMM, hidden Markov model）理论对识别结果序列建模,将样本所在序列识别正确的概率作为识别结果的可信度,避免了当前可信度计算方法依赖于样本在特征空间中分布的问题。实验使用真实场景中的数据进行仿真,结果表明,与现有方法相比,该方法可将可信度混淆率降低37%左右。     

基于信息物理融合系统的紧耦合网络控制方法

从信息物理融合系统(CPS,cyber physical system)的设计理念来看,要求系统中的通信计算部分和被控制物理对象进行紧密耦合操作。遵照这种紧耦合操作原则,针对无线网络控制系统(WNCS,wireless networked control system),提出一种紧耦合自适应模糊控制方法。模拟实验数据显示这种设计方法能根据实时的NCS紧迫度和网络的拥塞度有效地调整被控系统的采样周期及网络信道占用优先级,从而优化利用了有限的网络资源,改善了整个网络控制系统的性能。     

基于多类特征的JavaScript恶意脚本检测算法*

针对脚本样本集具有混淆、统计、语义等不同层面上的特征,设计基于多类特征的JavaScript恶意脚本检测算法,实现针对恶意JavaScript脚本的离线分析系统JCAD.首先提取脚本的混淆特征,使用C4.5决策树分析被混淆的脚本并解除混淆.然后提取脚本的静态统计特征,根据语义进行脚本序列化,构造危险序列树,提取脚本的危险序列特征.最后以三类特征作为输入,采用对脚本样本集的非均匀性与不断增加的特点具有较强适应能力的概率神经网络构造分类器,判断恶意脚本.实验表明,该算法具有较好的检测准确率与稳定性.     

基于结构相似度的大规模社交网络聚类算法

针对社交网络的有向交互性和大规模特性,该文提出一种基于结构相似度的有向网络聚类算法(DirSCAN),以及相应的分布式并行算法(PDirSCAN)。考虑社交网络中节点间的有向交互性,将行为结构相似的节点聚集起来,并进行节点功能分析。针对社交网络规模巨大的特点,提出MapReduce框架下的分布式并行聚类算法,在确保聚类结果一致的前提下,提高处理性能。大量真实数据集上的实验结果表明,DirSCAN比无向网络聚类算法(SCAN)在F1上可提高2.34%的性能,并行算法PDirSCAN比DirSCAN运行速度提升1.67倍,能够有效处理大规模的有向网络聚类问题。     

基于正则化矩阵分解的用户用电行为分析

针对细粒度、多类别的用户用电行为分析问题,提出了基于地理信息正则化矩阵分解的居民用户用电行为分析算法,探索用户用电的群体特点,为个性化的、更优的电力调度提供决策支持依据。该模型首先基于矩阵分解理论将用户映射到能表征其用电行为特点的潜在特征空间,然后采用k-means聚类算法在潜在特征空间上实现用电用户群的细分聚类。特别地引入了地理信息作为矩阵分解的正则化因子,使得学习到的潜在特征空间不仅满足用户群特征的正交,而且使得地理位置相近的用户在潜在特征空间的映射也相近,与真实物理空间保持一致。将所提方法应用于中新天津生态城智能电网采集到的真实居民用电数据分析挖掘任务中。实验结果表明,与基准的向量空间模型（VSM）和非负矩阵分解（NMF）算法相比,所提方法能够取得更好的用户细分聚类结果,挖掘出一定的用户群体用电模式,有助于辅助智能电网提升经营和服务水平。