基于多维异构特征与反馈感知调度的SDN内生安全控制平面

为弥补现有研究在软件定义网络(Software-Defined Networking,SDN)控制平面未知漏洞防御方面的空白,本文提出了一种基于多维异构特征与反馈感知调度的内生安全控制平面的设计方案.该方案以"冗余、异构和动态"为切入点,通过组合执行体冗余集构建策略、多维异构元素着色策略和动态反馈感知调度策略,有效增加SDN控制平面对攻击者所呈现的执行体时空不确定性(逆转攻防不对称性).相关仿真结果表明该方案可以收敛全局执行体数目、增加执行体之间的多维异构度并降低系统全局失效率.     

界首水文站自动流量比测分析

文章通过对二线能坡法流量自动监测系统获取的流量数据与实测流量数据进行比测和分析,证明了自动流量数据的可靠性,为获取流量数据提供了新的途径.     

基于电沉积法回收废水中铝离子的最佳工艺参数分析

基于电沉积法,针对某铝箔生产企业所产生的高含铝离子废水,通过不同峰值电流密度下形成的电沉积试样的相关电化学曲线测试结果和镀层中的Al质量分数分析,确定所采用电沉积法的最佳峰值电流密度为9 A·dm-2,此时沉积层中铝质量分数为33.21％,原子数量占比为24.69％.     

巴斯夫推出基于可再生原料的增塑剂产品组合

巴斯夫已开始向PVC行业提供部分基于循环原料的增塑剂组合。对于这种新的增塑剂组合,在价值链的开始阶段,使用可再生或化学循环原料代替化石资源。替代原料根据质量平衡法分配到销售产品中。巴斯夫的生物质平衡(BMB)增塑剂基于可再生原料,名称为Hexamoll■DINCH BMB、Palatinol■N BMB、Palatinol■10-P BMB和Plastomoll■DOA BMB,使用所需数量的生物石脑油或沼气代替化石资源。这些材料来自有机废物或植物油。生物质平衡增塑剂比传统增塑剂的碳足迹更低,有助于节约化石资源。巴斯夫的质量平衡方法和BMB增塑剂都是根据REDcert2认证的。     

多晶硅表面金属催化化学腐蚀法制绒研究现状

在多晶硅太阳能电池的生产过程中, 金刚线切割技术(Diamond wire sawn, DWS)具有切割速度快、精度高、原材料损耗少等优点, 受到了广泛关注。金刚线切割多晶硅表面形成的损伤层较浅, 与传统的酸腐蚀制绒技术无法匹配, 金属催化化学腐蚀法应运而生。金属催化化学腐蚀法制绒具有操作简单、结构可控且易形成高深宽比的绒面等优点, 具有广阔的应用前景。本文总结了不同类型的金属催化剂在制绒过程中的腐蚀机理及其形成的绒面结构, 深入分析和讨论了具有代表性的银、铜的单一及复合催化腐蚀过程及绒面结构和电池片性能。最后对金刚线切割多晶硅片表面的金属催化化学腐蚀法存在的问题进行了分析, 并展望了未来的研究方向。     

视准线法在乌江站水平位移观测中的应用

文章以驷马山引江工程乌江抽水站为例,介绍了视准线法在大型泵站水平位移观测中的应用.     

多特征检测人形识别安防摄像机设计

针对高准确率和快速跟踪摄像功能的需求,基于机器视觉设计了人形识别安防摄像机。首先,确定了整体工作方案;其次,提出一种多特征组合人形识别方法,通过训练3个分类器,分别识别人形正身、侧身和背身,并采用haar特征+adaboost算法实现人形识别和定位功能,再利用PID算法控制步进电机和舵机实现人形跟踪;最后,开发了安卓手机端APP。测试结果表明:多特征组合识别方法能够快速识别人形目标,帧率不低于20Hz;与单特征人形识别方法相比,识别准确率提高27.3%;人形目标追踪时间不超过1.7s;摄像机能够流畅实现WiFi控制、无线监视和录像下载等功能。     

供水管网DMA优化分区设计方案

实施独立计量分区(district metered area,DMA)是辅助供水管网管理和漏损识别的重要手段.图划分算法是进行DMA分区的方法之一,常规图划分算法应用中,存在解空间受限、分区后原水流状态易发生较大改变、形成较多串联分区(对流量计算不利)的缺点.在常规图划分算法基础上进行了改进:粗化阶段按照特定规则匹配、合并非输水干管两端的节点,形成简化的管网拓扑结构;分区阶段得到管网初步分区方案;细化阶段提出基于贪心算法、枚举算法、蒙特卡洛算法的分区调整方法,结合改进的仪表安置方法、水力模拟、优劣解距离法(technique for order preference by similarity to an ideal solution,TOPSIS),对分区方案进行调整.将该方法应用于YX市供水管网,成功进行了分区.     

ZnMn2O4/Mn2O3/CNT复合正极材料的制备及其在水系锌离子电池的应用

锰基化合物具备高容量、高能量密度和高工作电压等特性，是水系锌离子电池（AZIBs）商业应用过程中的首选正极材料。然而，材料存在的电导率低、锰溶解、静电斥力效应和结构稳定性差等缺点，严重阻碍其大规模应用。采用表面活性剂辅助溶剂热法成功合成了碳纳米管（CNT）包覆ZnMn2O4/Mn2O3（ZMO/MO）复合材料，并探究了CNT包覆量对材料电化学性能和动力学过程的影响。采用X射线衍射和扫描电子显微镜对材料的结构和形貌进行表征。与纯相ZMO/MO相比，经CNT包覆的正极在0.1 A g-1电流密度下具有良好的循环稳定性和更高的倍率性能。并用循环伏安曲线和电化学阻抗探究了电极的动力学特性，两相复合提高了Zn2 扩散速率，CNT的包覆改善了材料的电荷传递。     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.