摘要：针对传统加密网络流量分类方法准确率较低、泛用性不强、易侵犯隐私等问题,提出了一种基于卷积神经网络的加密流量分类方法,避免依赖原始流量数据,防止过度拟合特定应用程序的字节结构。针对网络流量的数据包大小和到达时间信息,设计了一种将原始流量转换为二维图片的方法,直方图中每个单元格代表到达相应时间间隔的具有相应大小数据包的数量,不依赖数据包有效载荷,避免了侵犯隐私;针对LeNet-5卷积神经网络模型进行了优化以提高分类精度,嵌入Inception模块进行多维特征提取并进行特征融合,使用1*1卷积来控制输出的特征维度;使用平均池化层和卷积层替代全连接层,提高计算速度且避免过拟合;使用对象检测任务中的滑动窗口方法,将每个网络单向流划分为大小相等的块,确保单个会话中训练集中的块和测试集中的块没有重叠,扩充了数据集样本。在ISCX数据集上的分类实验结果显示,针对应用流量分类任务,准确率达到了95%以上。对比实验结果表明,训练集和测试集类型不同时,传统分类方法出现了显著的精度下降乃至失效,而所提方法的准确率依然达到了89.2%,证明了所提方法普适于加密流量与非加密流量。进行的所有实验均基于不平衡数据集,如果对数据集进行平衡化处理,准确率可能会进一步提高。

摘要：本文以AD250为例,建立了铰接式自卸车的橡胶悬架系统及整车的非线形数字化模型,在ADAMS中生成了等级路面后,以不同车速在空载和满载工况下对样机进行了车辆平顺性的仿真分析。结果表明前悬架橡胶弹簧刚度的非线性特性能满足驾驶室在不同载荷下具有等支承频率从而保持稳定的行驶平顺性要求;而后悬架系统在轻载荷下较之重载荷时具有较高的支承频率,从而会影响到车辆的整体行驶平顺性。本文的分析结果可为该系统进一步的优化设计提供理论和技术支持。

摘要：建立了一个铰接式自卸车9自由度线性动力学模型,并用Matlab语言编写了基于Simpson算法的仿真程序,来仿真它对路面随机输入的响应,用以计算数种工况下座椅总加权加速度均方根值。仿真结果表明,所建模型能较好地吻合座椅的实际振动,不仅可以正确评估系统的平顺性性能,还可为新型铰接车辆悬架系统、橡胶弹簧的优化设计提供理论和方法支持。

摘要：以AD250铰接式自卸车橡胶弹簧悬架系统为研究对象,运用虚拟样机技术,在不同载荷和车速下对其进行了动力学仿真分析,仿真结果与实验结果具有很好的一致性,表明所建模型是准确的;分析表明,前悬架橡胶弹簧刚度的非线性特性能满足前悬架在不同载荷下具有等支承频率,从而保持稳定的行使平顺性要求;而后悬架系统在轻载荷下较之重载荷时具有较高的支承频率。分析的结果为橡胶弹簧悬架系统进一步优化设计提供了理论支持。