摘要：在全光网络中,不同的物理损害如光纤非线性效应等可在光传输系统中发生,同一节点到控制中心的不同光通路的性能也存在区别,物理损害和链路性能波动会在光通路上累积并造成严重的信号衰减.在路由和波长分配算法的设计中需要考虑这些物理损害、性能波动和衰减,以提供服务质量（quality of service,QoS）感知的服务.软件定义网（Software－defined networking,SDN）被认为是下一代控制和管理框架,控制平面和数据平面的分离大大促进了网络可编程性,基于软件定义的光传输网络（Software－defined optical transport network,SD－OTN）,可以灵活设计QoS感知的路由算法.本文于SD－OTN设计了一种QoS感知算法,根据实时的物理损害和链路性能波动情况对路由进行及时调整,以实现阻塞概率降低近30%和频谱消耗降低近20%,全网性能得以更优化.

摘要：随着信息技术的不断发展和完善,为整个电力网络信息安全水平提升创造了有利条件,对未知的突发风险进行有效预测和处理。文章根据以往工作经验,对风险预警系统总体设计及应用进行总结,并从风险分析算法、定量评估指标、实例分析三方面,论述了电力网络安全风险的定量分析内容,希望对相关工作可以起到一定帮助作用。

摘要：无线通信技术作为智能电网(Smart Grid,SG)双向通信网的重要组成部分,其服务质量(Quality-of-Service,QoS)瓶颈问题急需得到解决。为了提升网络QoS性能,实现不同优先级数据分级服务,给不同优先级匹配合适的资源,在保障高优先级性能前提下提升中等优先级数据的公平性,提出了一种具有QoS感知的可实现多重优先级性能划分的级联潮汐排队模型。通过OPNET仿真验证,模型在高优先级数据性能上与DiffServ算法极限最优接近,而中优先级数据的性能较DiffServ算法提升近20%。证明该模型适用于智能电网无线通信环境,并能实现优先级感知和QoS性能提升。

摘要：为解决在工业大数据条件下,有标签样本少导致机械故障诊断准确率低的问题,提出了一种半监督神经网络模型。该方法采用协同训练的方式,从时域和频域两个维度训练教师网络(T),将无标签数据转化为高质量的伪标签数据。再利用转化后的伪标签数据训练学生网络(S),通过对数据进行评判和计分,避免网络过拟合。最后通过得分函数,对伪标签数据进行阶梯筛选成为有标签数据。齿轮故障诊断结果表明:TS网络在仅有少量有标签数据的情况下,故障分类准确率达90.31%,与其他半监督方法相比,准确率高出15%~20%。在信噪比(SNR)为5、0、-5的条件下,模型可以达到86.81%、78.00%、52.78%的诊断准确率。