摘要：针对不可控影响子网为后向无同步前向无冲突网的广义互斥约束,给出基于约束转换的最优监控方法:根据路径代数法研究后向无同步前向无冲突网的结构,得到与可达性分析相关的若干性质;其次,根据这些性质得到约束转换算法,它将给定约束等价转换为一组"逻辑或"的允许的广义互斥约束;根据允许约束的性质,得到允许监控器存在性的充要条件和最大允许状态反馈控制策略的表达式,分析结果表明,该策略的在线计算能够在多项式时间内完成,及它能够满足实时性的要求;利用一个制造系统的实例演示了该监控方法.

摘要：针对农用无人机超低空表型遥感和喷药精准悬停易受地效扰动问题,提出了一种自适应ADRC姿态控制器。首先设计了基于ADRC的姿态控制器,结合四旋翼无人机平台在0.9~1.1、1.1~1.3、1.4~1.6、2.0~2.4、2.5~2.9、3.3~3.6m/s侧向水平风、0.9~1.1m/s(11°)、1.1~1.3 m/s(13°)、1.4~1.6 m/s(18°)、1.8~2.0 m/s(18°)、2.1~2.5m/s(18°)前俯向风和侧俯向风下进行干扰的预测和控制量的补偿实验。实验结果显示使用ADRC姿态控制器后无人机抗风性能有较大提升。然而在存在初始误差时,ADRC固定带宽无法满足要求,进一步设计了自适应ADRC姿态控制器(ILC-ADRC)。通过迭代学习控制在线优化自抗扰控制器带宽,实现了不同增益观测器的自适应整定。实验结合四旋翼无人机平台分别进行了机头实际方向与期望方向偏离55°、90°、180°,水平风速1.1~1.3、1.4~1.6、2.0~2.4、2.5~2.9 m/s下使用ADRC和ILC-ADRC的对比。实验结果显示采用ILC-ADRC姿态控制器,在150次控制周期内,偏航角误差均在-15°~15°之间,满足四旋翼无人机偏航角控制精度要求,同时调节时间分别缩短了40%,16.67%,12.5%,53.33%,10.34%,13.95%,27.27%,58.66%,11.86%。

摘要：针对BCI系统中分类精度和分类速度的设计需要,提出了一种基于深度自编码降维的主轴动态核聚类分类方法.首先,采用共空间模式算法对运动想像脑电信号进行特征提取,得到6维的特征向量;然后,为了进一步降低特征向量之间的相关性和计算的复杂度,引入深度自编码降维方法将该特征向量降为2维;最后,设计了基于主轴核函数的动态聚类分类器,对BCI竞赛2008数据集Dataset1中两类模式的脑电信号进行分类,平均识别正确率达到98.29%.该方法不仅能取得较高的分类正确率,而且能降低计算复杂度,可用于BCI系统的实时控制.

摘要：针对可编程逻辑控制器(PLC)的接通延时定时器(TON),提出了其普通Petri网建模方法。将状态变量描述为库所对,将TON中的指令运算描述为变迁,从而将TON模块描述为一个普通Petri网结构。结果表明该Petri网能够准确地描述TON的动态行为,从而为PLC梯形图程序的形式化设计或验证提供了建模方法。

摘要：私有协议不公开协议规约,构建Fuzzing的测试用例比较困难。针对此问题提出了一种西门子S7私有协议的Fuzzing漏洞检测方法。设计了针对私有协议S7模糊测试的字段分类测试方法和多字段关联测试方法,以及测试用例模块中变异字段生成算法;同时,为了使漏洞检测方法具有更好的泛化性,对不同的工控设备编写了独立嗅探脚本,使用SQLite建立了适用的CVE漏洞数据库。测试结果证明,该方法可扫描使用S7以及S7更高版本S7Comm plus协议的多种型号PLC,并输出其漏洞信息,且相较于通用漏洞扫描工具OpenVAS具有更高的效率。

摘要：强化学习能够通过自主学习的方式对机器人难以利用控制方法实现的各种任务进行训练完成,有效避免了系统设计人员对系统建模或制定规则。然而,强化学习在机器人开发应用领域中训练成本高昂,需要花费大量时间成本、硬件成本实现学习训练,虽然基于仿真可以一定程度减少硬件成本,但对类似Gazebo这样的复杂机器人训练平台,仿真过程工作效率低,数据采样耗时长。为了有效解决这些问题,针对机器人仿真过程的平台易用性、兼容性等方面进行优化,提出一种基于Spark的分布式强化学习框架,为强化学习的训练与机器人仿真采样提供分布式支持,具有高兼容性、健壮性的特性。通过实验数据分析对比,表明本系统框架不仅可有效提高机器人的强化学习模型训练速度,缩短训练时间花费,且有助于节约硬件成本。

摘要：传统统计局部核主元分析(statistical local kernel principal component analysis, SLKPCA)在构造改进残差时未考虑样本的差异性,使得故障样本信息易于被其他样本所掩盖,针对该问题,提出一种基于加权统计局部核主元分析(weighted statistical local kernel principal component analysis, WSLKPCA)的非线性化工过程微小故障诊断方法。该方法首先利用KPCA获取过程的得分向量和特征值并构建初始残差。然后设计了一种基于测试样本与训练样本之间距离的加权策略构建加权改进残差,对含有较强微小故障信息的样本赋予较大权值,以增强故障样本的影响。最后,采用基于测量变量与监控统计量之间的加权互信息构建贡献图以识别故障源变量。在连续搅拌反应釜和田纳西伊斯曼(Tennessee Eastman, TE)化工过程上的仿真结果表明,所提方法具有良好的微小故障检测与识别性能。

摘要：针对当前泛在电力物联网建设中数据采集所面临的开放式环境对数据完整性、传输安全性和设备真实性的挑战,提出了建立树形结构的数据采集节点互连方案,并结合Merkle树形成采集节点的身份验证链。此方案能够较好地避免DoS攻击,确保节点身份的可靠,减少恶意节点对智能电网系统的恶意攻击。