4H-SiC无线无源高温压力传感器设计

高温压力传感器研制的主要目的是解决高温恶劣环境下的压力测量问题,SiC是制造高温压力传感器的理想材料,结合薄膜技术与陶瓷厚膜技术,提出了一种新型的4H-SiC无线无源电容式高温压力传感器设计方案。应用Ansys有限元分析软件进行仿真,600℃时灵敏度为2.65 MHz/bar,说明传感器在高温下具有较高的灵敏度,对制备过程中的关键工艺——SiC深刻蚀进行了验证,刻蚀深度达到124μm,满足传感器制备要求。     

改进的无线传感网混沌Hopfield盲检测算法

在密集部署的无线传感器网络中,相邻传感器的信号可能高度相关。在无线传感网传输模型分簇的基础上,针对Hopfield神经网络极易陷入局部最优解、收敛速度慢等缺陷,利用混沌序列的遍历性和类随机性,提出一种改进的混沌Hopfield盲检测算法解决无线传感网簇内传感器信号盲检测问题。算法的思想是:利用混沌映射产生初始发送序列,并且在算法出现早熟收敛时进行小幅度的混沌扰动,借此降低算法的误码率。仿真结果表明,改进的混沌Hopfield神经网络算法所需数据量极短,从而成功实现簇内簇首传感器信号盲检测。     

基于浏览器 /服务器的橡胶加工网络测控系统

通过对客户机／服务器模式和浏览器／服务器模式的比较，选择浏览器／服务器模式组建了基于Internt/Intranet的远程橡胶加工网络测控系统，并介绍了系统的开发模式、方法和注意事项。     

PRIVACY LEAKAGE IN HEALTH SOCIAL NETWORKS

Members of health social networks may be susceptible to privacy leaks by the amount of information they leave behind. The threat to privacy increases when members of these networks reuse their pseudonyms in other social networks. The risk of re‐identifying users from such networks requires quantitative estimates to evaluate its magnitude. The estimates will enable managers and members of health social communities to take corrective measures. We introduce a new re‐identification attack, the social network attack, that takes advantage of the fact that users reuse their pseudonyms. To demonstrate the attack, we establish links between MedHelp and Twitter (two popular social networks) based on matching pseudonyms. We used Bayesian networks to model the re‐identification risk and used stylometric techniques to identify the strength of the links. On the basis of our model 7‐11. 8% of the MedHelp members in the sample population who reused their pseudonyms in Twitter were re‐identifiable compared with 1% who did not. The risk estimates were measured at the 5% risk threshold. Our model was able to re‐identify users with a sensitivity of 41% and specificity of 96%. The potential for re‐identification increases as more data is accumulated from these profiles, which makes the threat of re‐identification more serious.     

水泥回转窑的智能控制

文章介绍了PIT Navigator对水泥熟料生产自动化控制的实现,基于神经网络的自学习、自适应控制元件,将相关的过程数据记录下来,随后借助数据关联性进行分析,在预测和自学习过程模型(模型预测控制)中处理这些数据,并计算过程参数的实时预测,使用这些工具,可以实现更稳定的窑况,同时提高产量和降低能耗。     

基于动态朴素贝叶斯分类器的明渠水华风险评估模型

水华风险不仅是水利工程规划时需要考虑的环境问题,也是水利设施运营时不能忽视的监测项目。为了提高明渠水化风险等级预测的准确率,针对水华成因的不确定性和发展的时序性,基于动态朴素贝叶斯网络分类器提出一种应用于明渠的水华风险评估模型。模型用水华风险等级结点对应藻叶绿素a(Chla)的浓度,并考虑了9项影响水藻生长的因素。采用主成分分析法,处理专家咨询结果,进行参数的设计。在苏州河道北门桥2011年6月初至9月初观测的53例连续监测数据上,与基于朴素贝叶斯网络分类器的评估模型进行比较实验。混淆矩阵显示对中等风险情况的预测识别率提高了15.625%,单尾配对t检验表明在显著性水平0.05时,两模型预测识别率差异显著。考虑了时序特征的基于动态贝叶斯网络分类器的评估模型对明渠中等水化风险的预测识别率提高显著。     

管井和轻型真空井点组合 在某电厂深基坑降水中的应用

以某电厂翻车机室为研究对象, 针对其深基坑降水降深大, 工期紧等特点, 主要介绍了该工程的工程地质及水 文地质条件, 并且运用管井和轻型真空井点组合降水的方法, 设计了基坑降水处理的施工方案, 确定了降水的各个 参数。实践证明, 管井和轻型真空井点组合应用效果良好, 有效保证了工程的顺利进行, 加快了工程进度, 缩短了工 期。结合实例提出了降水过程中应注意的问题及应对措施。     

基于BP网络的保护渣性能预测模型的研究

结合BP网络计算机实验研究 ,建立了保护渣化学组成与性能的预测模型 ,并利用化学组成与性能的关系 ,对网络的实用性进行了检验 ,结果符合保护渣化学组成与性能的关系。保护渣粘度随着保护渣碱度的增大而减小 ,而半球点温度随碱度增大而增大 ;保护渣的半球点温度和粘度都随着渣中CaF2 含量的增加而减小。用BP网络的误差反向传播算法建立的保护渣的化学组成与性能的预测模型 ,得出的预测值与实际值的误差小 ,对保护渣的设计与应用都有一定的指导作用。     

面向水环境的传感网虚拟距离覆盖算法

针对水面传感器随机部署时网络覆盖率较低的问题,采用了一种面向水环境的无线传感网虚拟距离覆盖算法,在保证连通性的前提下提高网络的覆盖率。在虚拟距离算法中,每个传感器节点的运动受到3个虚拟距离的影响:节点之间的虚拟距离、未被覆盖区域格点与节点的虚拟距离以及边界与节点间的虚拟距离。仿真结果表明:该算法可以有效地提高网络覆盖率。可以得出以下结论:虚拟距离算法通过对节点位置的控制更新有效提高了网络覆盖率,使节点得到优化部署。