摘要：通过高分子辅助溶胶凝胶自旋涂沉积法在(100)取向的SrTiO_(3)衬底上制备出LaCoO_(3)/LaMnO_(3)双层膜。在LaMnO_(3)表面生长一层LaCoO_(3)膜后,由于二者结构对称性差异,最终会在膜层界面处形成非对称界面耦合。由于非对称耦合作用,双层膜的铁磁转变温度从单层LaMnO_(3)的262 K下降为200 K。此外,由于界面处Mn-O-Co的双交换作用,与单层LaMnO_(3)薄膜的矫顽场相比,双层膜的矫顽场增大了约500%。研究结果表明,不同结构和性质的薄膜重组为多层膜的基础研究和高性能功能材料的应用提供了一种新的结构设计途径。

摘要：虚假数据注入攻击(FDIA)因其高隐蔽性和破坏性,对电网的安全稳定运行构成严重威胁。攻击样本与正常样本的不平衡特性会影响模型的攻击检测精度,同时多类型FDIA的出现使得现有算法在识别攻击种类上具有局限性。针对上述问题,文中提出基于过采样和级联机器学习的电网多类型FDIA识别方法。首先,探究了电网耦合交互过程中的FDIA攻击路径,分析了多类型攻击行为;然后,通过聚类、过滤和线性插值过程生成攻击伪样本,设计基于K均值合成少数类过采样技术(K-means-Smote)的量测数据平衡算法;最后,结合细粒度特征扫描和多个分类器的集成学习策略,构建基于改进级联机器学习的多类型FDIA识别模型。仿真实验表明,所提识别方法可有效辨识多种FDIA类型,且辨识精度高、误报率较低、性能稳定,在小样本下性能仍然出色。