工业互联网中增强安全的云存储数据访问控制方案

在工业互联网应用中,由于异构节点计算和存储能力的差异,通常采用云方案提供数据存储和数据访问服务.云存储中的访问控制如扩展多权限的云存储数据访问控制方案(NEDAC-MACS),是保证云存储中数据的安全和数据隐私的基石.给出了一种攻击方法来证明NEDAC_MACS中,被撤销的用户仍然可以解密NEDAC-MACS中的新密文;并提出了一种增强NEDAC-MACS安全性的方案,该方案可以抵抗云服务器和用户之间的合谋攻击;最后通过形式密码分析和性能分析表明,该方案能够抵抗未授权用户之间以及云服务器与用户之间的合谋攻击,保证前向安全性、后向安全性和数据保密性.     

边缘计算助力工业互联网:架构、应用与挑战

工业互联网通过整合5G通信、人工智能等先进技术,将各类具有感知、控制能力的传感器与控制器融入工业生产过程,来优化产品生产工艺,降低成本,提高生产率。传统的云计算模式由于集中式部署的特点,计算节点通常离智能终端较远,难以满足工业领域对高实时性、低延迟的需求。边缘计算通过将计算、存储与网络等资源下沉到工业网络边缘,可以更加便捷地响应设备请求,满足工业互联网环境下智能接入、实时通信、隐私保护等关键需求,实现智能绿色通信。文中首先介绍了工业互联网的发展现状和边缘计算的相关概念,然后系统地论述了工业互联网边缘计算架构及推动工业互联网边缘计算发展的核心技术,最后总结了边缘计算在工业互联网领域的成功应用案例,并阐述了当下工业互联网边缘计算的现状与挑战。     

基于双级对齐部分迁移网络的旋转设备故障诊断

随着智能制造和工业大数据的快速发展,迁移学习在旋转设备故障诊断领域得到了广泛研究.在工业现场,存在大量目标域标签空间为源域标签空间子集的场景,现有迁移学习方法在处理此类场景时,无法消除源域离群类别对目标域分类产生的负迁移影响.部分迁移学习通过限制源域不同类别数据在特征对齐过程的贡献度,实现源域和目标域共享类别特征对齐.然而,现有部分迁移学习方法仅考虑源域和目标域共享类别边缘分布对齐,未考虑源域和目标域共享类别各子类间的状态分布对齐,诊断正确率仍有待提高.为此,本文以Vision Transformer网络为基础网络架构,提出基于双级对齐部分迁移网络的故障诊断方法：一方面构造加权平衡机制促进源域和目标域共享类别间的边缘分布对齐,另一方面利用度量学习实现源域和目标域共享类别各子类间的状态分布对齐.利用滚动轴承故障数据对所提方法进行验证,结果表明：所提方法在所有诊断案例中的准确率均在95%以上,相比其他对比方法表现出更优的诊断效果.     

自相关结合灰色关联度的轴承早期故障诊断方法

针对滚动轴承性能衰退指标敏感度低且退化起始点难以检测的问题,本文提出了自相关函数结合灰色关联度(Autocorrelation function and gray relational degree,AF-GRD)的轴承早期故障诊断方法。首先,基于希尔伯特变换和自相关函数处理轴承全寿命数据样本组获得自相关系列函数。然后,提取轴承运行初期的第一组数据作为参考样本,计算其余样本和参考样本的灰色关联度并构建轴承性能衰退指标。最后,根据该指标的变化趋势和健康阈值确定轴承早期故障发生的时间段,截取该时段的数据样本进行希尔伯特包络谱分析实现轴承早期故障诊断。利用实验室数据库完成对轴承早期故障诊断,结果表明：所提方法敏感度高而且可以完成轴承早期退化检测。     

碳达峰碳中和背景下低碳制造研究现状与技术路径研究

通过对国内外低碳制造发展分析，系统探讨低碳制造内涵、低碳制造理论体系，从碳排放核算与碳足迹评估、产品低碳设计与开发、低碳制造工艺与装备、数据驱动的碳排放动态监测、制造系统低碳优化运行、制造过程碳效率优化与精益管控以及低碳制造模式等几个方面分析了国内外低碳制造技术创新现状，进而针对我国碳达峰碳中和需求，提出基于工业互联网、大数据等新一代信息技术的“碳核算、碳诊断、碳减排”低碳制造技术路径，建立了工业双碳大数据平台。     

两步升温热轧工艺对AZ31镁合金薄板各向异性及成形性能影响（英文）

采用两步梯度升温轧制工艺对AZ31镁合金板材进行轧制，探究轧制过程对镁合金板材显微组织织演化、各向异性及成形性能的影响。第I步轧制在300℃开展，其每道次压下量为15%；第II步轧制在550℃进行，其每道次压下量为40%。经过共4道次轧制后，最终获得厚度为1 mm的镁合金薄板。结果显示，第I步低温轧制过程不更换轧制方向时，试样中生成大量剪切带；而更换轧制方向时，组织内部主要为孪晶和再结晶晶粒。随着II步轧制温度的升高，由于动态再结晶急剧激发，剪切带数量及尺寸逐渐减小，晶粒明显细化。根据IGMA分析得出，非基面滑移，特别是棱柱面滑移活动增强。轧制退火后的AZ31镁合金薄板的力学性能得到提高，各向异性减小，冲压成形性能得到明显改善。     

基于混合Petri网的蓝宝石衬底生产线碳流动态建模与应用

蓝宝石衬底广泛用作LED产品的衬底材料，其加工精度高且工序复杂，主要包括切片、倒角、研磨、退火、上蜡、铜抛、软抛、清洗环节。蓝宝石衬底在加工过程中存在设备能耗高、能效低且辅料回收利用率低等问题，从而导致生产成本高且对环境产生不利影响。以碳排放为表征量，对蓝宝石衬底生产线碳流动态建模开展研究。首先，定义了蓝宝石衬底生产线碳流系统边界，分析了蓝宝石衬底生产线中能量流、物料流和碳流，建立了蓝宝石衬底生产线碳流动态模型，并提出了基于生产性能与经济效益的两种碳效率评价指标；其次，根据碳排放与工艺过程的强耦合特性，基于混合Petri网对蓝宝石衬底生产线碳流动态特性进行了建模与仿真；最后，通过应用实例验证并求解了生产线的碳效率。     

结合注意力机制与深度强化学习的超短期光伏功率预测

针对传统光伏（PV）功率预测模型受功率随机波动性影响以及易忽略重要信息导致预测精度低的问题，将注意力机制分别与深度确定性策略梯度（DDPG）和循环确定性策略梯度（RDPG）相结合提出了ADDPG和ARDPG模型，并在此基础上提出一个PV功率预测框架。首先，将原始PV功率数据以及气象数据标准化，并将PV功率预测问题建模为马尔可夫决策过程（MDP），历史功率数据和当前气象数据则作为MDP的状态；然后，将注意力机制加入DDPG和RDPG的Actor网络，赋予状态中各个分量不同的权重来突出重要且关键的信息，并通过深度强化学习智能体和历史数据的交互来学习数据中的关键信息；最后，求解MDP问题得到最优的策略，作出准确的预测。在DKASC、Alice Springs光伏系统数据上的实验结果表明，ADDPG和ARDPG在均方根误差（RMSE）、平均绝对误差（MAE）和决定系数（R2）上均取得了最优结果。可见，所提模型能够有效提高PV功率的预测精度，也可以推广到其他预测领域如电网预测、风力发电预测等。     

基于切削加工性能的螺杆转子成形砂轮安装参数二次优化设计方法EI北大核心

传统的螺杆转子成形砂轮设计研究主要集中在成形砂轮廓形精度提升方面,成形砂轮的切削加工性能与成形砂轮安装参数之间的耦合关系没有得到足够的关注,导致设计出来的螺杆转子成形砂轮切削加工性能不高,从而致使螺杆转子的成形磨削表面质量差、加工效率低。本文提出了一种新的基于切削加工性能的螺杆转子成形砂轮安装参数二次优化设计方法。首先,基于空间啮合原理设计螺杆转子成形砂轮安装参数优化设计程序,获得不干涉条件下的螺杆转子成形砂轮安装参数范围;其次,对不同安装参数下成形砂轮与螺杆型面的接触特性,以及不同安装参数条件下成形砂轮的轮廓特性、切削加工特性进行系统的分析和研究,获得了螺杆转子成形砂轮安装参数选择策略。以某型号三螺杆泵阳转子为例对该方法进行验证,结果表明,在保证加工质量的前提下,该方法可以显著降低螺杆转子精密磨削成本,具有较好的理论创新性与工程应用价值。