改进GDOI以支持TESLA的组播安全解决方案

现阶段组播安全研究主要集中在组密钥管理和组播源认证两大独立的领域。一个整合两种技术的完整解决方案成为很多用户的迫切需要。选用两个成熟的组播安全技术组密钥管理GDOI和源认证TESLA,对GDOI的报文进行改进,可以完美实现对TESLA的初始化参数分发的支持,从而满足了组播安全整体解决的要求。通过分析和计算论证了用GCKS代替组播源的方法以及在方案中所选用的各参数值的合理性。     

IPv6组播技术研究

组播技术随着高带宽一对多多媒体应用的普及而逐渐成为人们关注的技术。IPv6中通过组播代替了IPv4中的广播,更加坚定了组播技术的地位。研究IPv6下组播技术的有关问题,主要包括组播地址,组播管理协议,组播路由协议,以及有关组播安全等,从而为IPv6环境下实施组播技术提供理论和应用基础。     

保护电网故障诊断系统

设计了一种电网故障诊断系统，它通过电流、电压传感器将电网两侧这两种物理量测出，再经过变换器将其值送到计算机。计算根据这些数据分析、判断电网有无故障。若有，给出故障位置，并报警，打印等。     

脑微观重建系统研究

本文旨在研究如何利用硬件,软件,算法的系统工程的方案解决脑微观结构重建的高通量自动化数据分析的难题.通过实现样片制备,自动切片,显微成像,三维重建以及软件平台等分阶段工作,建立符合神经结构生物学特征的模式识别和机器学习分类方法,解决海量畸变图像拼接配准,密集神经结构识别,歧义神经联结,多源数据融合等限制分析效率的关键问题,为搭建大体量神经结构重建工程平台提供理论基础和解决方案,满足脑科学研究对高通量神经回路网络重建的需求.     

基于网络模体特征攻击的网络抗毁性研究

真实网络如生物神经网络、食物链网络中含有模体结构。但对于这种含有模体特征的网络,并没有一种针对性的攻击策略与之对应,在此基础上提出了模体度代数算法和一种模体攻击失效方式,设计了不同于传统攻击的模体攻击策略。对已检验出的具有明显模体特征的2个仿真网络,5个不同规模的实证网络利用该策略进行模体攻击,并与传统的点攻击方式进行对比研究。仿真结果表明:含有模体特征的网络在模体攻击下的抗毁性明显低于传统的点攻击策略,且在模体特征较明显的网络中模体攻击策略对网络的破坏性更加显著。     

基于CPLD的数字电子钟仿真研究

本文介绍了基于CPLD数字电子钟的设计方法,在CPLD内部规划了秒脉冲发生电路、两个60进制计数器(秒、分计数)、1个12进制计数器(时计数)。在MAX+PLUSⅡ软件中此电路得到了仿真验证。     

R410a制冷剂性能参数的显式快速计算模型Ⅰ. 饱和线方程

在Martin-Hou方程的基础上,提出了R410a制冷剂在饱和线的热力学性能参数和传输特性参数的显式快速计算模型.该模型不存在迭代,在保证较高计算精度的同时,可以保证模型的计算速度和稳定性.以热力学性能参数计算软件REFPROP 7的数据源作为原始数据,在饱和线（139.00~343.32 K）范围内,对R410a制冷剂的性能参数进行拟合,并将该模型的计算结果与REFPROP 7数据源进行对比.结果表明：所有快速计算模型的总平均误差均小于1.174%,最大误差小于13.218%;其计算速度比REFPROP 7提高了2~4个数量级.     

R410a制冷剂性能参数的显式快速计算模型 Ⅱ. 过 热 区 方 程

在Martin-Hou方程的基础上,提出了R410a制冷剂在过热区（压力4~4 355 kPa,过热度0~100 K）的热力学性能参数和传输特性参数的计算模型,以REFPROP 7的数据源作为原始数据,在过热区范围内对R410a制冷剂的热力学性能参数进行拟合,并将该模型的计算结果与REFPROP 7数据源进行对比.结果表明,所提出的显式计算模型的平均误差小于1.24%,最大误差小于14.30%,计算速度比REFPROP 7提高了2~4个数量级.     

HEF-4752V组件在微机矢量控制中的应用

在矢量控制的基础上,采用价格低可靠性好的HEF-4752V组件与8位机相结合的方法对交流异步机进行控制,不但有效地解决了8位机运行速度慢的缺点,而且整个系统具有较好的快速响应和较高的可靠性。     

Path Recognition Algorithm of Tracking Robots Based on Image Sensor

Path recognition is an inevitable core technology in the development of tracking robot. In this paper,the path tracking system of tracking robot can be realized by image sensor module based on camera to obtain lane image information,and then extract the path through visual servo. The whole system can be divided into seven modules: micro control unit( MCU) processor module,image acquisition module,debugging module,motor drive module,servo drive module,speed sensor module,and voltage conversion module.In image pre-processing part,there is an introduction of binarization processing and the median filtering to strengthen the image information. About recognition algorithm,three key variables which are changed in the movement state are discussed and there are also many auxiliary algorithms that help to improve the path recognition.The experiment can verify that the whole system can accurately abstract the black guide lines from the white track and make the robot moving fast and stable by following the road parameters and conditions.