摘要：为提高二进制变种协议字段格式划分的准确率,提出一种基于深度学习的方法,能够自动挖掘协议报文序列的深层字段特征完成协议的字段格式划分。引入一种字段列特征数据集的提取方法,在传统的双向长短期记忆条件随机场网络模型的基础上增加协议字段列特征提取模块,搭建一种专门解决二进制变种协议字段格式划分的神经网络PRO-BILSTM-CRF。与二进制未知协议字段格式划分方法以及几种主流网络模型的对比实验结果表明,在变种协议字段格式划分任务上,提出模型能够取得更高准确率。

摘要：为解决传染病检测现场人员密集、传染风险大的问题,设计一款检测现场秩序维护机器人,可以在队伍拥挤时提醒检测人员进行调整,同时附加有口罩识别、自动避障、远程遥控等功能。以STM32F103为主控芯片,通过PID算法控制机器人精确移动,使用六轴陀螺仪实现姿态的获取和调整;搭配OpenMV4视觉识别模块,实现人员位置信息采集,进而达到提醒人员保持合理距离的目的;配合K210开发板利用卷积神经网络模型运行YOLO(You Only Look Once)目标检测算法实现口罩识别,实时提醒人员佩戴口罩;设置扫码模块,可以对检测人员出示的身份码进行扫描记录。经测试,机器人能够稳定运行,能够通过蓝牙APP有效控制,实用性强。

摘要：为了提高电动汽车行驶的稳定性,提出了一种集成的汽车和车轮稳定性控制系统,并对汽车行驶的稳定性控制效果进行仿真。创建电动汽车模型简图,给出电动汽车动力学方程式。采用模型预测控制技术,设计了一种集成的汽车和车轮稳定性控制器。采用MATLAB软件对电动汽车横摆角速度、行驶速度和侧滑角进行仿真,与无模型预测控制器输出结果进行对比。结果显示:采用无模型预测控制器,电动汽车横摆角速度、行驶速度跟踪误差较大,振动幅度较大,产生的侧滑角较大。采用模型预测控制器,电动汽车横摆角速度、行驶速度跟踪误差较小,振动幅度较小,产生的侧滑角较小。采用模型预测控制器,能够提高电动汽车行驶的稳定性,避免汽车在突然转弯时发生侧翻现象。

摘要：火电机组主蒸汽压力系统为典型的大惯性过程,其控制策略的设计存在着响应速度慢、抗干扰能力不足的问题。为解决主蒸汽压力系统的上述控制难点,提出了一种基于预补偿自抗扰控制的优化设计方法,将控制量通过预补偿结构后再送入被控对象,从而对常规自抗扰控制结构进行改进。在介绍基于预补偿自抗扰控制结构的基础上,通过单一变量法分析各个参数对于控制效果的影响,从而给出了其参数整定的流程。仿真结果表明:所提方法的跟踪状态、抗干扰状态和包含跟踪以及抗干扰状态下的绝对误差积分指标分别占对比方法的52.38%、60.75%和57.88%,从而验证了所提方法在提升主蒸汽压力系统的跟踪和抗干扰能力方面的优势;通过蒙特卡洛实验验证了所提方法能够很好地应对系统的不确定性。

摘要：卷积神经网络(Convolutional Neural Networks,CNN)已被广泛应用于图像处理领域.基于CNN的目标检测模型,如YOLO,已被证明在许多应用中是最先进的.CNN对计算能力和内存带宽要求极高,通常需要部署到专用硬件平台,FPGA因其高性能、低功耗和可重配置性成为CNN的有效硬件加速器.以往的基于FPGA的目标检测加速器主要采用传统卷积算法,然而,传统卷积算法的高运算复杂度限制了加速器的性能.基于此,本文设计了一种基于Winograd算法的目标检测加速器.考虑到各模块间的联系,采用模块融合策略融合卷积层和池化层模块,降低数据移动次数,减少片外存储器访问次数,提高加速器整体性能.以YOLO2模型为例,对数据访问模式、池化内核、参数重排序、数据通路优化进行分析设计,并部署在U280板卡上.实验结果表明,量化后mAP降低了0.96%,性能达249.65 GOP/s,是Xilinx官网所给数据的4.4倍.

摘要：为了解决卷积神经网络(CNN)在语义分割特征提取阶段容易丢失空间信息以及边界信息不明确的问题,基于U-Net基线网络提出空间全局上下文信息网络(NC-Net).增加再编码阶段(ReEncoder),以增强空间信息识别能力.在Decoder阶段输出多尺度特征,与ReEncoder阶段结合获取全局上下文信息.保留边界损失函数,设计多尺度损失函数级联方法,优化整体网络.在GID以及WHDLD数据集上的实验结果表明,该方法的总体准确度达到最好成绩,明显优于其他基线模型.

摘要：针对短波复杂信道环境下信号所属协议识别困难的问题,提出一种基于Swin-Transformer神经网络模型的短波协议信号识别算法。首先使用时频分析方法得到信号的灰度时频图作为神经网络的输入;其次设计一种基于Swin-Transformer的神经网络模型,对信号时频图进行特征提取;最后将特征与协议建立映射关系,从而实现信号协议的识别。仿真实验结果表明,在信噪比大于−4 dB的高斯信道下,所提算法的识别准确率接近100%,高于现有算法。此外,在强干扰以及多径时延衰落的信道条件下,所提算法仍具有较高的短波协议信号识别率。

摘要：为了提高机载激光通信系统在机体振动和机械摩擦等扰动下的视轴对准精度,提出了一种基于滑模观测器的反步滑模控制方法。首先建立了机载激光通信系统的数学模型,然后通过设计的滑模观测器对扰动值进行估计,同时针对指令转换模块、激光通信模块和电机模块逐步设计了反步滑模控制律,实现对机载激光通信系统视轴的高精度控制。实验结果表明:提出的方法与分数阶PID控制方法相比突出了更优的快速性和准确性,响应时间仅为0.4 s,最大空间对准误差仅为0.3 m,设计的滑模观测器能够快速、准确地估计出扰动值,响应时间仅为0.3 s,最大估计误差分别仅为0.1 m/s、0.06 (°)/s;和0.07 A/s,大幅提高了机载激光通信系统中视轴的对准精度。

摘要：具有多源扰动、强非线性、大滞后等特性的燃煤机组脱硝系统一直面临着如何提高控制品质的挑战.为提高脱硝系统的跟踪性能和抗干扰性能,本文提出了一种结合改进自抗扰控制与前馈设计的复合控制策略,并在330 MW亚临界机组的脱硝系统中进行了成功应用.首先,通过分析改进自抗扰控制参数对控制效果的影响,提出了一种适用于脱硝系统的实用参数整定方法,并利用数据驱动的方法,通过扰动量的相关性分析设计合理的前馈控制策略.现场运行数据表明,提出的复合控制策略具有更强的扰动抑制能力和消除反应器两侧出口浓度偏差的能力,显示了很强的应用潜力.

摘要：恐怖主义受到世界各国的普遍关注,众多学者在事件模型上进行了大量探索,但现有事件模型的恐怖主义概念层次特征不够突出,时序、空间和语义关系相对缺失,且知识图谱模式层的概念和关系类型固定,难以满足事件的多样化描述信息,因此,亟需以事件为中心并结合时空和语义特征构建事件表示模型。在分析事件组成要素的基础上,结合知识图谱前沿技术,提出并设计了模式、事件、数据三层结构的恐怖主义事件表示模型。无须在模式层扩充概念和关系类型,即可在数据层实现事件类型和描述信息的拓展,在事件层实现时序、空间和语义关系表示,并在原型系统中以宏观概览、时序回溯和语义展示3个场景为例,验证了模型的可行性和有效性。