基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

新型覆塑膜模板在框架柱中的应用效果分析

随着社会的快速发展和节能环保意识的不断增强,对建筑施工行业提出了更高的要求.在目前的施工中,仍以现浇混凝土结构为主,大量使用木模板,使用周转率较低,浪费资源.木模板周转后期,拆模后混凝土观感度欠佳,需要安排专人修补,造成修补材料与劳务资源的浪费.以新型覆塑膜模板在框架柱中的应用为例,简述了覆塑膜方柱模板在施工中的应用情况.从多方面进行应用效果分析,取得了较好的施工效果和经济效果,达到提高企业经济效益、保护环境的目的.     

铝合金模板全现浇夹心苯板混凝土外墙施工技术

以郑州高新区岳岗安置房建设项目为EPC总承包项目为例,对全现浇夹心苯板混凝土外墙施工技术的应用及施工技术要点展开讨论,通过墙体中间设置拉缝,减少墙体刚度,实现全现浇混凝土外墙,以提高建筑物的耐久性和安全性,减少后期使用风险和维保费用,为今后类似工程的施工提供理论依据和施工经验.     

风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic-to-noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。     

新型型钢背楞竖向加固模板施工工艺

建筑施工中的剪力墙框架系统主要采用木胶合模,其缺点是长度有限、接触面积小、木材使用时间短,既浪费了工时,又大大增加了施工成本.而与传统的加固系统相比,新型型钢背楞剪力墙模板加固体系的刚度有一定提高,不仅能有效提高材料周转率,还能进一步避免方木等材料的浪费.鉴于此,文章主要分析了竖向钢筋施工技术,旨在更详细地了解新型型钢背楞竖向模板加固施工工艺在建筑工程中的应用前景,从而促进相关施工工艺的发展.     

MOMEDA结合数学形态滤波的齿轮故障特征提取

为了实现齿轮故障特征的有效提取,针对齿轮早期故障振动信号非线性、非平稳且信噪比低的特点,提出了一种基于多点最优最小熵反卷积(MOMEDA)和数学形态滤波的齿轮故障特征提取方法。首先利用MOMEDA恢复信号中的周期性故障特征并实现信号的降噪,再运用形态差值滤波器对解卷积后的信号进行滤波以增强信号中的冲击特征,最后对滤波结果求取频谱以进行故障特征提取;通过对仿真结果和实验数据的分析验证了该方法的可行性和有效性。结果表明,该方法具有抑制噪声和提取周期性故障冲击特征的能力,能够实现齿轮故障特征的提取。     

房屋建筑施工中现浇梁模板施工技术分析

房屋建筑是日常生活、社会发展不可缺少的物质基础,近年来,随着我国经济发展水平的提升,房屋建筑数量不断增长、建设规模不断扩大,为了提高建设效率与质量,满足现代住房需求,也革新了施工技术,实现了现浇梁模板施工技术的广泛应用。文章以现浇梁模板施工技术为研究对象,分析了其在房屋建筑施工中的具体应用,以便保障现浇梁模板施工技术的科学合理运用。