嵌入式系统的安全启动机制研究与实现

针对目前移动智能平台系统面临的安全威胁,利用可信计算技术解决嵌入式系统的安全问题,是一种可行且高效的安全解决方案。在不改变现有移动设备硬件架构的前提下,提出了一种嵌入式平台系统的安全启动机制,将安全TF卡作为外置可信平台模块,构建了一条从Bootloader到上层应用程序的完整的信任链,该信任链的起点保护在安全TF卡的安全区域内,启动过程中各个组件的度量标准值由安全TF卡中的密钥签名存放。描述了该机制的实现过程,并对其安全性、效率进行了详细的分析测试。实验结果显示,该机制能够抵御针对嵌入式平台的多种攻击,有效保护嵌入式系统安全。     

基于可信模块的云存储用户密钥管理机制研究

云存储为用户提供了方便的在线数据存储服务。但是,云存储服务商并不能完全保障用户隐私数据的安全。目前针对云存储用户隐私数据的保护又缺乏对密钥的保护,本文提出一种基于可信模块的云存储用户密钥管理机制,通过引入可信硬件模块,基于无证书密码学基本原理生成和存储用户密钥信息,建立安全高效的密钥备份和恢复机制,同时,采用数据分割理论提高基于可信硬件模块密钥管理的数据保护效率。文章描述了基于可信模块的密钥管理机制的实现方法,并进行了安全性和效率测试分析,实验表明,该机制具有很好的安全性和数据保护效率。     

分液联箱内有机工质气液分离过程数值模拟及对比研究

为获得不同工质对分液联箱内气液分离过程的影响作用,以相同的进口流量和进口干度作为对比基准开展数值模拟研究。基于VOF （Volume of Fluid）多相流模型,模拟6种工质气液分离过程,物性变量为密度、黏度和表面张力。结果表明,受液气密度比的影响,工质的气液分离状态会发生转变,R134a气液分离性能最好;而根据对工质环保性能的要求,R1234ze （E）对R134a具有良好的可替代性,并给出了其他工质提高气液分离性能的优化方向。     

基于神经网络的有机朗肯循环过程及循环性能计算方法

有机朗肯循环（ORC）是中低温热能-电能转换中最具前景的技术之一,近年来受到越来越多的关注。工质是ORC实现的载体,由于热源及可选工质的多样性,工质筛选及系统的优化对于提升ORC综合性能非常重要,而物性及过程特性的准确预测是关键。提出了基于神经网络-基团贡献法的ORC系统性能计算方法,建立了涵盖11个基团的基团表,从REFPROP中调用51种工质7958组数据进行神经网络训练,获得了ORC中各个热力过程能量转换和熵差的计算关联式。计算了21种常用工质在1584组工况下的ORC系统性能,并与基于传统方法计算的ORC系统性能参数进行了对比。结果显示预测得到的ORC系统热效率、净输出功和系统?效率与用REFPROP计算得出的结果相比误差分别为1.01%、1.02%和1.61%,相比传统方法,预测精度有显著提高。     

基于神经网络的有机朗肯循环过程及循环性能计算方法

有机朗肯循环(ORC)是中低温热能-电能转换中最具前景的技术之一,近年来受到越来越多的关注。工质是ORC实现的载体,由于热源及可选工质的多样性,工质筛选及系统的优化对于提升ORC综合性能非常重要,而物性及过程特性的准确预测是关键。提出了基于神经网络-基团贡献法的ORC系统性能计算方法,建立了涵盖11个基团的基团表,从REFPROP中调用51种工质7958组数据进行神经网络训练,获得了ORC中各个热力过程能量转换和熵差的计算关联式。计算了21种常用工质在1584组工况下的ORC系统性能,并与基于传统方法计算的ORC系统性能参数进行了对比。结果显示预测得到的ORC系统热效率、净输出功和系统?效率与用REFPROP计算得出的结果相比误差分别为1.01%、1.02%和1.61%,相比传统方法,预测精度有显著提高。     

考虑员工学习效应的MOS指派优化研究

人工作业系统（MOS）是我国中小型企业广泛采取的生产作业模式。在MOS中,员工是决定生产效率的关键因素。分析了生产进度受员工技能差异和变化的影响,以最小化完工期为目标,考虑员工学习效应建立员工指派优化模型。通过一个算例对模型效果进行分析,比较了员工学习效应以及员工异质性对完工期和指派策略的影响。得知员工学习、倦怠效应对完工期及指派策略具有显著影响。对员工异质性的关注有助于缩小理论研究与生产实践之间的差距。与生产实践中的两种现实指派模式--基于初始技能的指派和基于学习率的指派进行对比,表明所建立的优化模型有助于缩短完工期、优化员工配置。进一步分析了指派策略对生产批量的敏感性。结果表明,存在一个指派策略的转折点x*,当批量xx*时,基于学习率的指派最优。