台达C2000变频器在数控加工中心上的应用

本文主要介绍台达变频器产品在数控加工中心上的使用情况,除了变频器,其他伺服和数控系统在数控加工中心上也得到了广泛的应用。     

量子粒子群和最小二乘支持向量机相结合的网络异常检测

为了提高网络安全性的异常入侵检测的准确率,提出一种量子粒子群算法（QPSO）优化最小二乘支持向量机（LSSVC）的网络异常检测方法（QPSO-LSSVC）.首先利用量子粒子群处算法对LSSVC模型参数进行搜索,选出最优参数,然后采用泛化性能力优异的LSSVC对网络入侵进行建模和检测.选取KDDCUP99数据对QPSO-LSSVC性能进行测试,实验结果表明,QPSO-LSSVC提高了网络异常检测准确率,降低了误报率,为网络安全提供了有效保证.     

一种超级电容储能的双向逆变电路及其控制策略

为解决数控机床加工中意外掉电退刀、伺服单元外接制动电阻产生能耗等问题,提出了一种超级电容储能的双向逆变电路,使得伺服系统在突然断电状态下,储能模块能够继续短时地给数控机床系统供电,完成断电回退的功能。该电路可以提供更高的输出电压和占空比,且在应用中可以取消伺服单元外接制动电阻而将制动能量循环利用,同时提出了相应的控制策略。该电路包括Buck/Boost电路、信号采样电路、PWM逻辑控制电路和互锁驱动电路,通过调节两路互为180°的PWM波占空比及充、放电信号来实现升、降压闭环控制,从而完成能量的双向传递。该拓扑简单、高效,性能稳定,以最少的功率器件实现大功率转换及输出。最后,实验波形验证了所提方案的可靠性。     

基于国产密码算法的数控网络的认证与验证模型研究及安全评估

该文针对工业控制系统安全,提出面向数控系统(NCS)网络安全保护技术框架,选用国产密码系列算法中的SM2, SM3, SM4算法,设计并建立了数控网络(CNC)认证与验证模型(AUTH-VRF),分内外两层为数控网络提供安全防护。外层为数控网络设备间通信与传输进行安全认证实现网段隔离,内层验证通信协议完整性以确保现场设备接收运行程序的正确性与有效性;通过基于SM2, SM3, SM4算法设计和部署的外层防护装置,为分布式数控(DNC)设备与数控系统之间的通信提供身份认证与文件加密传输;同时针对工业控制网络的S7Comm工业通信协议数据,通过SM3算法验证专有工业协议数据完整性。通过网络攻击实验证明,AUTH-VRF模型可以为数控网络中工业生产数据提供有效的安全认证和资源完整性保护,为满足我国关键基础设施“国内、国外工业控制系统产品共同安全可控”和“安全技术深入工业控制系统各个层级”的需求提供了实际可行的技术参考方案。     

印制电路板钻铣工序金属回收的探讨

本文探讨了印制电路板生产中钻、铣和磨刷工序产生铜粉回收技术,包括分离装置和原理。     

图像和机器视觉技术概述

图像和机器视觉系统是一项快速发展中的应用技术,介绍了机器视觉系统的组成和基本工作原理,及机器视觉在半导体制造领域中的应用。     

UG NX7.5在数控加工中的实例应用

在数控加工中简单零件可以通过手工编程完成,但是对于复杂曲面很难完成编程工作。UGNX7.5软件可以辅助完成程序编辑,提高了生产效率,降低了生产成本。本文以一个复杂曲面模型的加工为例,加以分析。     

基于路径特征和支持向量机算法的硬件木马检测技术

硬件木马攻击成为当前集成电路(IC)面临的严重威胁。针对硬件木马电路具有隐蔽、不易触发以及数据集不均衡等特点,该文提出对门级网表进行静态分析的硬件木马检测技术。基于电路可测性原理建立涵盖节点扇入数、逻辑门距离、路径数、节点扇出数的硬件木马路径特征,简化特征分析流程;基于提取的路径特征,使用支持向量机(SVM)算法区分电路中的木马节点和正常节点。提出训练集双重加权技术,解决数据集不均衡问题,提升分类器的性能。实验结果表明,分类器可以用于电路中的可疑节点检测,准确率(ACC)达到99.85%;训练集静态加权有效提升分类器性能,准确率(ACC)提升5.58%;与现有文献相比,以36%的特征量,真阳性率(TPR)降低1.07%,真阴性率(TNR)提升2.74%,准确率(ACC)提升2.92%。该文验证了路径特征和SVM算法在硬件木马检测中的有效性,明确了数据集均衡性与检测性能的关系。     

Hybrid internet traffic classification technique

Accurate and real-time classification of network traffic is significant to network operation and management such as QoS differentiation, traffic shaping and security surveillance. However, with many newly emerged P2P applications using dynamic port numbers, masquerading techniques, and payload encryption to avoid detection, traditional classification approaches turn to be ineffective. In this paper, we present a layered hybrid system to classify current Internet traffic, motivated by variety of network activities and their requirements of traffic classification. The proposed method could achieve fast and accurate traffic classification with low overheads and robustness to accommodate both known and unknown/encrypted applications. Furthermore, it is feasible to be used in the context of real-time traffic classification. Our experimental results show the distinct advantages of the proposed classification system, compared with the one-step Machine Learning (ML) approach. Communication author: Li Jun, born in 1971, female, Ph.D. candidate, Associate Professor. Nanjing University of Posts and Telecommunications, Nanjing 210003, China.     

基于LANDMARC与压缩感知的双段式室内定位算法

鉴于已有室内定位算法定位精度与运算效率之间的矛盾,该文提出一种将LANDMARC区域定位与基于模拟退火优化正则化正交匹配追踪(SROMP)的压缩感知位置估计相结合的双段式定位算法(LANDMARC- SROMP CS)。首先,利用LANDMARC定位算法快速锁定目标所在区域范围;在锁定的区域内,再引入压缩感知理论实现目标位置估计。此部分,首先根据锁定区域范围建立虚拟参考标签;然后由新型组合核函数相关向量机算法训练得到室内传播损耗模型,计算获得虚拟标签处接收信号强度值,构建测量矩阵;最后利用SROMP压缩感知重构算法求解出目标的位置索引矩阵,对索引矩阵中的位置相关点加权平均得到目标的位置信息。实验结果表明,所提定位算法平均定位误差为0.6445 m,算法运算效率相对较高,可以较好地满足室内定位的要求。