“三位一体”的计算机学科创新人才培养模式探索

针对地方师范类院校计算机学科人才培养面临的多方困境,探索以科研项目为引导、大创项目为纽带、学科竞赛为载体的“三位一体”创新人才培养模式,并介绍该模式的具体实施过程,教学实践证明,将教师科研资源有效融入到本科生科技创新能力培养的过程中,能够助推研赛深度融合和科研育人。     

基于异构导频能量估计的边缘节点导频攻击检测算法

针对边端协同联邦学习中边缘服务器与设备终端频繁交互更新模型和梯度参数时,窃听者容易通过导频攻击干扰信道估计,从而达到降低模型更新效率和窃取模型参数的问题,基于异构导频能量估计提出一种导频攻击检测算法。首先,通过深入分析导频攻击对系统安全速率的影响,构建联邦学习导频攻击系统模型。进而,基于随机分割和加密方法提出一种信号平均能量差的导频攻击检测方法,能够准确地检测出潜在的导频攻击并进行污染信道的恢复。实验结果表明,与其他已有算法相比,所提算法适用于检测发射功率小、隐蔽性强的导频攻击,基于恢复的信道状态信息进行预编码可以大幅度提高边缘服务器的数据传输速率。     

风电场中嵌入式通信服务模块设计

针对风电场原有组件因受自身硬件与软件资源的局限而不能与下一代风电机组实现无缝通信的问题,提出在风电场各组件中遵循风电场监控通信标准IEC61400-25的嵌入式通信服务模块的解决方案,设计ARM+Linux+J2ME平台并采用MMS技术与Web服务的方法提供统一的通信方式与通信接口,结果证明该方案能有效解决工程中监控系统难以兼容、风电场统一操作和维护困难的问题。     

基于Blackfin 的锂电池管理系统

针对目前锂电池管理系统的荷电状态（SOC）估算精度低、可扩展性差的问题,设计基于Blackfin数字信号处理器的电池管理系统。该系统实现了锂电池数据实时监测、剩余电量估计、通过CAN总线通信扩展多组锂电池、锂电池危险状态报警和自动保护等功能。在剩余电量估计算法上,提出一种遗传算法与蚂蚁算法相结合的GAAA算法优化BP神经网络的方法。实验结果表明：该算法比基于遗传算法的BP神经网络具有更高的SOC估算精度和更快的运算速度。     

一种估算锂电池SOC的新型方法

SOC（荷电状态）的预测和估算是锂电池管理系统中的一个重要部分。根据GAAA算法充分利用了遗传算法和蚁群算法各自的优势,提出一种GAAA算法优化BP神经网络的SOC估算方法。使用MATLAB进行编程,将锂电池的实时工作电流、电压、温度、健康度、安时积分值作为输入,实现对SOC的估算。实验结果表明,该算法在估算精确度和运算速度上都优于传统的BP神经网络和基于遗传算法的BP神经网络。     

风电场SCADA系统边界安全模型设计

针对风电SCADA系统边界安全体系架构问题,将防火墙和入侵检测系统(intrusion detection system,IDS)功能集于一体,融入入侵容忍技术、诱骗系统和数字取证等网络安全技术,设计出风电SCADA系统边界安全模型。该模型提供了多层屏障,可实现风电SCADA网络和外部网络间的深度防御,增加网络的安全性,对解决电力企业进行远程控制和通信的网络安全问题具有参考和应用价值。     

水平井中固体示踪剂缓释特性实验分析

为了解决长水平井和多分支水平井产液剖面监测的难题,采用固体示踪剂在水平井产液剖面长期实时监测.该方法利用不同层段不同示踪剂产出浓度的相对比例来解释产液分布,这种等速释放模型会导致水平井不同层段产液解释差异较大.基于自主研制的固体示踪剂,通过核磁共振实验和扫描电镜了解固体示踪剂的微观结构,设计宏观室内实验,深入分析固体示踪剂的释放机理.通过示踪剂样品的核磁共振实验与扫描电镜微观图像分析,发现示踪剂骨架表现为与岩石骨架相似的连通孔喉结构,填充于其中的示踪成分经过外部流体的接触与冲刷逐渐溶解,向外缓慢扩散与运移.室内实验主要探究环境温度与外部流体冲刷速度对示踪剂缓释速度的影响规律,环境温度越高,外部流体对固体示踪剂的冲刷速率越大,示踪成分累积释放量越大且释放速率越快.研究结果可为采用固体示踪剂监测水平井产液剖面解释模型的进一步优化提供实验依据与可靠基础.     

浅谈钢筋混凝土的施工裂缝及预防措施

混凝土在现代工程建设中占有重要地位。混凝土的裂缝较为普遍，在每项工程施工过程中裂缝几乎无所不在。尽管我们在施工中采取各种措施，小心谨慎，但裂缝仍然时有出现。     

室内抹灰工程的质量处理

抹灰工程指用砂浆抹在墙面、顶棚、楼地面上的装饰工程，抹灰工程是建筑施工中的一个薄弱环节，目前室内抹灰普遍存在开裂、空鼓、脱壳、罩面灰粗糙等现象。现将这些质量问题产生的原因和防治措施归纳如下：     

基于自适应局部搜索的进化多目标稀疏重构方法

在稀疏重构中,重构误差项和稀疏项通常使用一个正则化参数聚合成单目标函数,很难实现2个目标的均衡优化,这个缺陷通常导致稀疏重构精度低.为此,提出一种自适应局部搜索的多目标进化算法.首先,基于范数和l\\-1范数和l\\-{1/2}范数分别设计了2种梯度迭代软阈值法的局部搜索方法求得相应解,这2种局部搜索方法可以提高解的收敛速度和精确度;其次,通过比较对应的目标函数值来竞争选取每轮的优胜解;然后,采用基于竞争成功率的自适应择优局部搜索方法来产生后期解;最后,在帕雷托前沿面的膝盖区域上采用角度法选取最优解.实验结果表明:测量误差和稀疏项可以达到平衡,在重构精度方面,提出的方法远高于现有的传统单目标方法.相比于StEMO算法,当测量维度M=600时,该方法可以提高33.8%;当噪声强度δ=0.002时可以提高82.7%;当稀疏率K/N=0.3时可以提高7.38%.