摘要：针对现有虚拟电厂分布式经济调度算法只关注收敛性和最优性而忽视隐私保护功能的问题,提出了一种离散系统边加零和噪声的隐私保护策略,通过在通信信道中注入一组零和扰动信号来掩盖原始传输信号。第1次迭代时,该算法要求每个智能体生成一些预先设计好的扰动信号并将其添加到网络的通信链路上。从第2次迭代开始,所有代理都简单地采用传统经济调度算法。该策略与已有经济调度算法相比,可以在不泄露原始传输信息真实值的情况下实现精确的共识收敛,且不需要额外的通信带宽。从隐私保护功能角度分析,该算法可以防止内部诚实但好奇的节点以及外部窃听者窃取隐私;同时,与已有研究相比,放宽了针对内部诚实好奇节点隐私保护的拓扑约束条件。最后通过仿真验证了所提隐私保护机制的有效性。

摘要：为精确反映钢板表面应力的变化趋势,本研究详细阐述了基于磁各向异性的钢板应力检测原理,优化了多维度检测探头结构,并通过COMSOL仿真软件对探头进行建模,采用对称磁导率模型模拟应力分布形态,得到了检测线圈电压感生信号与钢板主应力大小及方向的相关关系。同时,基于STM32主控制器设计了激励电路、信号采集处理电路以及检测电路等模块,并通过带有焊缝的Q235钢板模拟应力分布。实验结果表明,所建立的应力检测系统能够有效识别钢板应力信号,并可准确反映应力集中区的所在位置,为后期工程应用和产业化提供强有力的支撑。

摘要：工业控制协议(ICP)由于缺乏认证、授权和加密等安全措施,存在大量漏洞,对工业控制系统(ICS)的安全构成重大威胁。模糊测试作为一种主流的漏洞挖掘技术,在ICP中的应用存在测试用例接收率低和多样性不足的问题。为了解决这些问题,提高ICP漏洞挖掘效率,提出了基于多尺度潜在特征表示(multi-scale latent feature representation)的工业控制协议模糊测试方法。该方法将Transformer与生成对抗网络(GAN)在潜在空间中相结合,使用Transformer获取协议报文潜在特征的向量表示,并通过一个动态的多尺度判别器捕捉潜在表示序列中ICP不同尺度的语义信息,融合局部字段特征和全局语义特征,提升测试用例的接收率。此外,引入自对抗学习策略对生成对抗网络进行训练,降低潜在特征表示的冗余,增加测试用例的多样性。基于上述方法,设计了一个通用的ICP模糊测试框架MLFRFuzzer,采用S7comm、Ethernet/IP和Modbus/TCP三种ICP对其性能进行评估,实验结果表明MLFRFuzzer生成的测试用例接收率更高并且更具多样性,异常触发率相较于DCGANFuzzer、WGANFuzzer和PeachFuzzer分别提高23.76%、44.07%和71.96%,验证了MLFRFuzzer的有效性与普适性,与传统的ICP模糊测试方法相比,具有更强的漏洞挖掘能力。

摘要：无线传感器技术网络具有制造量产成本低、局域网传输可靠性高、测量结果精度高等特点,被广泛应用于人们生活的各行各业。随着社会经济和生活水平的不断发展提高,人们对于自身健康的关注度也在持续不断地提高。如何将已趋近成熟的无线传感网络应用技术与人们日益增长的健康管理需求相结合,成为市场前景广阔的产业方向。文中基于以上技术基础与市场需求,设计构建了基于无线传感器技术的健康云平台监控系统。该系统整体架构设计包括无线传感器的数据采集、云平台的数据存储与分析、用户个人健康数据的实时追踪等模块。通过搭建实验室条件下的云平台监控系统并进行实际测试,证明了该系统具有用户健康数据的精准采集、数据集的实时分析及用户健康数据汇总等功能。该系统能切实满足用户对自身健康状况需求,能为医疗机构提供全面、准确的健康数据,以辅助医生对用户进行个性化诊断和治疗。

摘要：近年来,信息物理系统网络安全问题成为一大研究热点.以攻击者角度研究攻击设计问题可有效评估系统对网络攻击的脆弱性并为设计网络保护措施提供理论依据.鉴于此,在?-隐性下研究针对信息物理系统远程状态估计的最优欺骗攻击设计问题.首先,与需要额外滤波器和历史数据在线计算真实新息的相关结果不同,提出一种利用离线生成的攻击信号篡改传感器测量值以降低系统性能的自生成攻击模型,使攻击更易实现.随后,推导得出该攻击下远程估计误差以量化攻击效果,并将攻击设计问题转化为多变量受限二次优化问题.不同于相关结果的恒定均值,模型采用更具一般性的时变均值,使优化问题包含更多决策变量且相关结果中的攻击优化方法无法直接求解.因此,利用K-L (Kullback-Leibler)散度和互信息的相关统计学性质将问题等价转化.再结合拉格朗日乘数法和所提出的参数特征关联覆盖法得到最优攻击策略,使其在?-隐性下最大化远程估计误差.最后,通过仿真实例验证结果的有效性.

摘要：为了从与日俱增的车间生产数据中提取调度规则来指导生产调度任务,提出一种基于数据挖掘的调度算法。将最小化最大完工时间设置为性能指标,从作业车间的离线生产数据中建立合适的调度样本集;将建立的调度样本集按合适的比例分为训练集和测试集;用数据挖掘算法中的分类回归树(CART)从训练集中获取有效的调度知识,形成CART树状调度规则库;为了验证所得调度规则的有效性,将调度规则与遗传算法结合,设计了一种基于数据挖掘和调度规则的遗传算法作为调度算法来求解作业车间调度问题。通过对不同作业车间经典算例进行仿真与测试,验证了所提调度规则和调度算法的有效性与优越性。

摘要：为解决动态环境下作业车间调度问题,提出了一种基于改进Q学习算法和调度规则的动态调度算法。以“剩余任务紧迫程度”的概念来描述动态调度算法的状态空间;设计了以“松弛越高,惩罚越高”为宗旨的回报函数;通过引入以Softmax函数为主体的动作选择策略来改进传统的Q学习算法,使改进后的Q学习算法在前期选择不同动作的概率更加平等,同时改善了贪婪策略在学习后期还会选择次优动作的现象。仿真结果表明:该调度算法相较于改进前,性能指标平均提升约6.5%;相较于IPSO算法和PSO算法,性能指标平均提升分别约为38.3%和38.9%,调度结果明显优于使用单一调度规则以及传统优化算法等常规方法。

摘要：针对老年人使用步行训练机器人康复过程中,因步行速度与机器人指定速度不协调而引发的跌倒事故问题,本文提出了一种人机速度协调防跌倒方法,该方法由跌倒预测模型和防跌倒控制方法两部分组成。首先,由惯性传感单元(IMU)采集受试者步行姿态信号,利用长短期记忆网络(LSTM)和注意力机制构建老年人跌倒预测模型;其次,在跌倒预测的基础上,设计多元相空间重构(PSR)速度预测模型,用于防跌倒控制器的设计;最后,将受试者的速度预测结果作为目标速度,利用PSR理论和模型预测控制技术(MPC),设计步行康复训练机器人的防跌倒控制器,实现对受试者步行速度的精确跟踪,避免在康复训练过程中因人机速度不协调引发的跌倒事故。仿真对比分析和实验研究结果表明,跌倒预测模型的预测准确率可达到95.2%,且跌倒预测的前置时间可达1.82 s,人机速度协调防跌倒方法可有效防止受试者步行速度与机器人指定速度不协调而发生跌倒事故,使受试者安全地完成步行康复训练。

摘要：为了在特定的作业条件下找到最优调度规则,提高调度规则在不确定动态条件下的自适应、自寻优能力,提出一种调度规则与Q学习算法集成的作业车间动态调度算法。考虑车间中作业随机到达的动态情况,以最小化最大延迟时间为调度目标,在Q学习框架下设计了新的状态特征、奖励机制以及以Boltzmann采样函数为主体的搜索策略,提高了算法探索和利用规则的能力;以最短加工时间优先和最早交货期等经典调度规则构成动作集,继承了调度规则的可解释性,使智能体能实时处理随机到达的作业任务,通过持续学习和迭代更新获得不同作业场景下的最优调度规则。仿真研究和对比测试验证了所提算法的优越性。

摘要：针对麻雀搜索算法容易陷入局部最优、迭代后期种群多样性单一等缺点,提出一种多策略结合的麻雀搜索算法。首先利用低差异序列、混沌映射对种群精英化,提高初始种群的质量,加快算法的收敛速率并提高跳出局部最优值的能力。对于经典麻雀搜索算法探索者探索能力不足的问题,利用种群之间的距离平衡搜索的精度和广度,引入d维超球面均匀分布的随机单位向量,提高种群的游走性;引入精英化思想对最优点实行保留,提高收敛速度和精度;引入遗传算法的轮盘赌思想改进跟随者的跟随策略。此外,利用改进高斯变异和改进逐维反向学习在最优解的位置进行扰动和精确搜索,以提高算法性能。与9种算法在24个基准测试函数、CEC2017测试函数的仿真对比实验、经典压力容器设计问题的实际工程应用以及Wilcoxon秩和检验结果表明,多策略改进的麻雀搜索算法有更好的寻优能力。