Optimized PI+ load–frequency controller using BWNN approach for an interconnected reheat power system with RFB and hydrogen electrolyser units

This paper investigates a renewable energy resource’s application to the Load–Frequency Control of interconnected power system. The Proportional-Integral (PI) controllers are replaced with Proportional-Integral Plus (PI+) controllers in a two area interconnected thermal power system without/with the fast acting energy storage devices and are designed based on Control Performance Standards (CPS) using conventional/Beta Wavelet Neural Network (BWNN) approaches. The energy storing devices Hydrogen generative Aqua Electroliser (HAE) with Fuel cell and Redox Flow Battery (RFB) are incorporated to the two area interconnected thermal power system to efficiently damp out the electromechanical oscillations in the power system because of their inherent efficient storage capacity in addition to the kinetic energy of the generator rotor, which can share the sudden changes in power requirements. The system was simulated and the frequency deviations in area 1 and area 2 and tie-line power deviations for 5% step- load disturbance in area 1 are obtained. The comparison of frequency deviations and tie-line power deviations of the two area interconnected thermal power system with HAE and RFB designed with BWNN controller reveals that the PI+ controller designed using BWNN approach is found to be superior than that of output response obtained using PI+ controller. Moreover the BWNN based PI+ controller exhibits a better transient and steady state response for the interconnected power system with Hydrogen generative Aqua Electroliser (AE) unit than that of the system with Redox Flow Battery (RFB) unit.     

Systematic packaging design tools integrating functional and environmental consequences on product life cycle: Case studies on laundry detergent and milk

This study presents systematic packaging design tools integrating functional and environmental consequences on product life cycle. To design packaging for sustainability, the trade-offs between functional and environmental aspects of packaging throughout the product life cycle should be considered. However, it is difficult for packaging designers to understand the overall trade-offs because the extent of the design consequences on the entire life cycle of packaging and its contents is unclear. We developed two tools for packaging design: the Life Cycle Association Matrix (LCAM) and the Function Network Diagram (FND). The following three steps, based on literature reviews and interviews with industrial experts, were applied. Firstly, we listed the product functions and design variables related to the functions as the attributes allocated to the product life cycle. Secondly, the attributes were connected appropriately based on causal relationships. Lastly, we identified the factors to support decision making in the packaging design procedure. As a result, the LCAM depicts the design consequences on the life cycle, and the FND determines the stakeholders affected by the design consequences. Two case studies were demonstrated to analyze the trade-offs by using our tools. In the case studies, a liquid laundry detergent bottle and a milk carton were redesigned. The tools identified the design consequences and stakeholders affected by the redesign of the usability and protective function for the detergent and milk cases, respectively. The results showed the significance of understanding the design consequences on the product life cycle by integrating the functional and environmental aspects.     

基于哈希链的软件定义网络路径安全

针对软件定义网络中，控制器无法保证下发的网络策略能够在转发设备上得到正确执行的安全问题，提出一种新的转发路径监控安全方案。首先以控制器的全局视图能力为基础，设计了基于OpenFlow协议的路径凭据交互处理机制；然后采用哈希链和消息验证码作为生成和处理转发路径凭据信息的关键技术；最后在此基础上，对Ryu控制器和Open vSwitch开源交换机进行深度优化，添加相应处理流程，建立轻量级的路径安全机制。测试结果表明，该机制能够有效保证数据转发路径安全，吞吐量消耗比SDN数据层可信转发方案（SDNsec）降低20%以上，更适用于路径复杂的网络环境，但时延和CPU使用率的浮动超过15%，有待进一步优化。     

基于RFID标签阵列的睡眠期间呼吸量连续监测系统

睡眠期间连续且准确的呼吸量监测有助于推断用户的睡眠阶段以及提供一些慢性疾病的线索。现有工作主要针对呼吸频率进行感知和监测,缺乏对呼吸量进行连续监测的手段。针对上述问题提出了一种基于商用无线射频识别(RFID)标签的无线感知用户睡眠期间呼吸量的系统——RF-SLEEP。RF-SLEEP通过阅读器连续收集附着在胸部表面的标签阵列返回的相位值及时间戳数据,计算出呼吸引起的胸部不同点的位移量,基于广义回归神经网络(GRNN)构建胸部不同点的位移量与呼吸量之间的关系模型,从而实现对用户睡眠期间呼吸量的评估。RF-SLEEP通过在用户肩膀处附着双参考标签,消除用户睡眠期间翻转身体对胸部位移计算造成的误差。实验结果表明,RFSLEEP对不同用户睡眠期间的呼吸量连续监测的平均精确度为92.49%。     

红岭矿18线南西翼通风系统技术改造

针对矿山18线南西翼矿体开采过程中存在的通风系统不完善、风量欠缺、污风无法及时排出等问题，运用风压平衡原理、网络优化技术、机站优化技术以及计算机网络模拟技术展开研究，拟定了3种可行的通风方案。经技术经济比较，确定了新掘18线905～855 m回风井（1.5 m），保留该井905 m 水平回风机站，并在855 m 水平新设1台K45 6 №12风机（18.5 kW）方案。数值模拟结果表明：18线南西翼通风系统总风量达到20.5 m3/s，井下风流的可调性和稳定性增强，为矿山的安全生产提供了有力保障。     

ATSP:时态网络可视化的自适应时间片划分方法

现有的时态网络可视化方法大多采用等量时间片来可视化网络的演变，不利于时态模式的快速挖掘和发现。为此，根据时态网络固有的特征提出自适应时间片划分方法（Adaptive Time Slice Partition method，ATSP）。在时态网络的两种表示方式（基于事件的表示方式和基于快照的表示方式）的基础上，构建了ATSP的基础模型，同时提出了一种改进模型用来描述事件间隔时间服从长尾分布的时态网络。为了实现时间片的不等量划分，针对探索任务的不同提出了基于时态模式的ATSP规则和基于中心节点的ATSP规则，并提出了实现算法--层次划分算法（Hierarchical Partition algorithm，HP）和增量划分算法（Incremental Partition algorithm，IP）。实验结果表明，ATSP方法比传统的时间片划分方法更能准确地表示网络的时态特征，且该方法应用于可视化时，能有效归纳并展示网络的特征，明显提高了视觉分析的效率。     

采用八叉树和OSG分页结点的海量点云三维可视化

针对现有海量点云可视化方法存在索引构建时间长、内存占用大等问题，研究一种八叉树索引结合OSG分页结点的快速可视化方法，可在占用较小内存的基础上快速建立点云索引并实时调度。采用八叉树索引结构对海量点云进行数据组织，建立各层级的八叉树结点并以文件映射的方式分块保存，对结点文件重组织转换为支持OSG渲染引擎的多分辨率点云数据。采用基于OSG分页结点的实时调度技术，对海量点云进行高质量可视化。与目前两款主流的点云数据处理商业软件进行实验对比分析，结果表明所提方法具有索引建立速度快、内存占用小等优点，同时可视化交互更加流畅，适用于各种配置计算机下海量点云数据的调度管理与实时可视化。     

基于时频域的卷积神经网络运动想象脑电信号识别方法

针对目前运动想象脑电（EEG）信号识别率较低的问题，考虑到脑电信号蕴含着丰富的时频信息，提出一种基于时频域的卷积神经网络（CNN）运动想象脑电信号识别方法。首先，利用短时傅里叶变换（STFT）对脑电信号的相关频带进行预处理，并将多个电极的时频图组合构造出一种二维时频图；然后，针对二维时频图的时频特性，通过一维卷积的方法设计了一种新颖的CNN结构；最后，通过支持向量机（SVM）对CNN提取的特征进行分类。基于BCI数据集的实验结果表明，所提方法的平均识别率为86.5%，优于其他传统运动想象脑电信号识别方法；同时将该方法应用在智能轮椅上，验证了其有效性。     

面向电信承载网的监控系统设计与实现

面对电信承载网连接的日益增长的海量终端设备，运营商需要结合网络拓扑对终端设备产生的数据进行高效的汇聚统计、异常分析、故障定位处理等操作。针对已有系统存在的操作困难、分析效率低等问题，设计与实现了一个面向电信承载网的高效监控系统，提供实时与离线数据分析和多维可视化分析的能力。对网管、认证、终端等系统及设备采集的数据进行结构化存储，对采集的数据进行拓扑相关性和时间序列方法分析，根据分析结果实现基于动态阈值控制的异常实时告警、定位等操作，并提供多维度可视化分析对网络状态进行实时监控。实际应用结果表明，该系统性能优异，具有良好交互性，能较好地满足承载网运维人员业务分析需求。     

基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。