灰色模型的病态问题研究

针对灰色模型在参数辨识过程是否出现病态问题利用矩阵条件数进行了研究,研究结果表明:只有在原始序列首项不为零其它各项近似为零的常数序列的情况下灰色模型才会发生病态性问题,对于这类序列在进行预测时是没有实际意义的.因此在灰色预测所建立的灰色GM(1,1)模型是不会存在病态问题.     

渤海某石油平台氮气系统安全稳定性分析及故障的排除

利用“关联图”的方式进行海洋平台氮气系统负荷高影响因素的分析,找出5个末端因素后,通过现场试验、查阅记录、实地调查和核算完成要因选择,最终确认导致氮气系统负荷高的主要原因为制氮空压机加卸载频繁。现场针对要因应用5W1H原则制定了将膜组之前的隔离球阀更换为一台调节阀对策,方案实施后切实提升了渤海某海洋石油平台氮气系统的安全稳定性。     

天堂寨景区语言景观调查与提升研究

实地考察了天堂寨景区的官方语言景观,通过摄像记录和观察,并利用SPSS软件进行较为全面的描述与分析。从语言使用情况、语言标牌的物理特征和语言景观功能三个方面分析了天堂寨官方语言景观的现状、存在的问题,并针对这一系列问题提出了相应的提升建议。     

自适应事件触发机制下饱和系统的跟踪问题

为了减少饱和非线性特性对闭环系统稳定性及性能的不良影响,采用复合非线性反馈控制镇定闭环系统,实现对阶跃信号的跟踪;采用自适应事件触发机制进行信号传输设计,减少数据传输次数,节约通信资源;针对饱和系统的跟踪问题,提出一种新型的基于自适应事件触发机制的复合非线性反馈控制律,运用Lyapunov理论,得到系统输出可以渐近跟踪参考输入的充分条件。结果表明,所提出的充分条件在保证实现饱和系统跟踪问题时,具有较少的调节时间和超调量,自适应事件触发复合反馈控制器在改善饱和系统暂态性能的同时,可以有效节约系统通信资源。     

基于秘密共享的本地多节点联邦学习算法

深度学习技术在各个领域中的应用越来越广泛,而深度学习模型的准确性需要依靠大量的训练数据。由于数据安全和法规限制,许多领域存在无法集中数据进行训练的情况,导致“数据孤岛”的现象。对此,谷歌提出能使大量客户端在数据保存本地的情况下与可信服务器联合训练模型的联邦学习。目前,联邦学习的研究主要集中在安全性和训练效率的问题上,针对跨数据库联邦学习场景,文章将分层联邦学习和基于安全多方计算的隐私保护机制结合,提出了一种基于秘密共享的本地多节点联邦学习算法Mask-FL,以保证联邦学习安全性的同时提高训练效率。主要工作包括：(1)提出本地多节点的跨数据库联邦学习框架,客户端利用本地计算资源生成多个本地节点,并且根据基于计算能力的数据划分方法进行分配数据资源,每个客户端代表局部所有节点参与全局联邦学习训练,从而构成3层级的分层联邦学习;(2)提出基于秘密共享的自适应掩码加密协议,在前面提出的联邦学习框架基础上,通过秘密共享的方式生成可复用的安全参数掩码,本地节点在训练过程的上行通信中对模型添加掩码从而保护模型参数安全。经过安全性假设分析证明,该算法可保护客户端的数据隐私安全。在通用数据集的实验表明,该...     

基于DQN的机场地服人员动态排班研究

针对在繁忙机场的地面服务人员动态排班问题,提出一种基于深度Q网络(DQN)的排班方法．首先以最大化任务执行率和最小化员工工作时间作为目标,建立了优化模型;然后根据目标提出了两种不同的排班方法,进而采用DQN算法,根据生成的航班动态数据,提取6个状态特征作为网络的输入,并拟定合适的奖励机制,使得训练后的模型能够动态地选择最好的分配方法,最终对模型进行求解．将该方法应用在连续7 d的实际排班中,实验结果表明：与人工排班结果相比,该方法平均每天的任务完成数增加了0.43个,员工的总工作时长减少了53 min,DQN的排班结果具有明显优势,提高了机场地面服务的工作效率．     

工人不安全行为智能识别与矫正研究

针对当前基于行为安全(BBS)的研究存在不安全行为数据未充分利用、分析能力不足、矫正缺乏针对性等问题,构建了基于BBS和机器视觉的工人不安全行为智能识别与矫正框架体系．该框架体系主要包括不安全行为智能识别、行为安全个性化培训和不安全行为智能预测,并被应用于武汉两湖隧道工程．研究结果表明：该框架系统从基于场景的不安全行为自动化识别、基于自适应学习的行为安全个性化培训和基于现场工人运动轨迹的不安全行为预测三个方面,实现了对工人不安全行为的“事中-事后-事前”管理,为探索机器视觉技术支持的行为安全管理提供了新思路．     

基于国密SM2的智能网联汽车安全认证方法研究

由于车载CAN(Controller Area Network)总线是网络攻击源头,车载数据以明文形式传输易被监听、篡改,无认证域的消息和总线仲裁机制易遭受网络攻击,为解决汽车信息安全问题,提出基于SM2非对称加密算法。运用多倍点运算策略,采用公钥加密,私钥解密,开展车载节点身份认证和数据加解密,根据车载CAN总线特性,采用报文分组协议传输SM2算法密文。将国密SM2算法移植到国产GD32F103为核心的嵌入式设备,模拟智能网联汽车重要部件TBOX(Telematics-BOX)与PEPS(Passive Entry Passive Start)的CAN通信,通过Kavaser CANKING和Sealaselogic8平台分析验证SM2算法应用于嵌入式设备是有效可行的,并保证节点数据合法性和机密性,且适合车载设备的单次身份认证场合。国密SM2算法对智能网联汽车安全认证方法研究提供了新的路径。     

基于主成分聚类法的安徽省土地生态安全评价

为了明确土地生态状况,找出土地生态安全的影响因素,利用主成分分析和聚类分析方法,基于经济-环境-社会(EES)模型选取12个代表性指标,构建土地生态安全评价指标体系,对安徽省16个地级市的土地生态安全进行综合评价和等级划分.结果显示,安徽省16个地级市的土地生态安全综合得分排名为：合肥、芜湖、滁州、蚌埠、阜阳、亳州、马鞍山、淮北、六安、宣城、安庆、淮南、宿州、铜陵、黄山、池州;处于安全状态地级市有1个,临界安全状态的有6个,极不安全状态的9个;经济密度、农药施用强度、人均道路面积、城镇化水平、农业机械总动力是影响土地生态安全状况的主要因素.因此,安徽省应重视临界安全状态和极不安全状态地区的生态文明建设,利用科学合理的方法来提高土地生态安全水平.