123,123

HART調(diào)制解調(diào)芯片高速通信接口設(shè)計(jì)[其他][其他]

為適應(yīng)當(dāng)下工廠設(shè)備間，針對(duì)設(shè)備量以及傳輸數(shù)據(jù)量龐大問題，設(shè)計(jì)了一種新型的HART調(diào)制解調(diào)芯接口，通過AXI4總線接口代替?zhèn)鹘y(tǒng)的UART接口，加速HART調(diào)制解調(diào)芯片與CPU之間的通信速度。相比于URAT傳統(tǒng)接口按位傳輸，AXI4總線接口可并行傳輸32位8個(gè)字節(jié)，數(shù)據(jù)傳輸速度可達(dá)到納秒級(jí)別。通過AXI4總線模塊與CPU的互聯(lián)，實(shí)現(xiàn)結(jié)構(gòu)功能配置與數(shù)據(jù)的交互。HART調(diào)制解調(diào)芯片高速通信接口設(shè)計(jì)基于FPGA平臺(tái)進(jìn)行原型驗(yàn)證，結(jié)果表明，該架構(gòu)能有效識(shí)別HART通信協(xié)議，CPU與HART芯片數(shù)據(jù)交互達(dá)到納秒級(jí)別，調(diào)制解調(diào)正確率高達(dá)100%，滿足HART通信協(xié)議要求。

發(fā)表于：4/2/2022 9:20:00 AM

工業(yè)以太網(wǎng)網(wǎng)絡(luò)互聯(lián)技術(shù)與發(fā)展[通信與網(wǎng)絡(luò)][工業(yè)自動(dòng)化]

隨著信息技術(shù)的發(fā)展，工業(yè)以太網(wǎng)覆蓋率日益提高，工業(yè)網(wǎng)絡(luò)互聯(lián)互通成為現(xiàn)代工廠向智能化、數(shù)字化轉(zhuǎn)型的基礎(chǔ)。首先對(duì)我國(guó)工業(yè)互聯(lián)網(wǎng)發(fā)展政策、工業(yè)網(wǎng)絡(luò)市場(chǎng)現(xiàn)狀和工業(yè)以太網(wǎng)協(xié)議類型進(jìn)行闡述，分析了目前工業(yè)網(wǎng)絡(luò)互聯(lián)的障礙。其次探索新技術(shù)推動(dòng)工業(yè)以太網(wǎng)實(shí)現(xiàn)網(wǎng)絡(luò)互聯(lián)的新方法。最后針對(duì)我國(guó)工業(yè)以太網(wǎng)和工業(yè)互聯(lián)網(wǎng)的發(fā)展現(xiàn)狀，提出建設(shè)性意見，助力我國(guó)工業(yè)以太網(wǎng)的應(yīng)用和工業(yè)互聯(lián)網(wǎng)的發(fā)展。

發(fā)表于：4/2/2022 9:14:00 AM

基于差量特征與AdaBoost的家用負(fù)荷識(shí)別方法研究[其他][其他]

針對(duì)家用負(fù)荷提出了一種使用智能電表進(jìn)行數(shù)據(jù)采集的非侵入式負(fù)荷在線識(shí)別方法。該方法使用智能電表計(jì)算出負(fù)荷的差量特征向量預(yù)先建立特征庫，訓(xùn)練以決策樹作為弱分類器的AdaBoost分類器模型，利用負(fù)荷投切時(shí)電表的告警信息中包含的特征向量進(jìn)行分類以實(shí)現(xiàn)負(fù)荷在線識(shí)別，實(shí)時(shí)性好且提高了單一決策樹模型的識(shí)別效果。實(shí)驗(yàn)結(jié)果證明了該方法的可行性，實(shí)現(xiàn)了負(fù)荷使用信息的獲取，具有較好的實(shí)際應(yīng)用價(jià)值。

發(fā)表于：3/16/2022 5:25:00 PM

基于C3D的化學(xué)實(shí)驗(yàn)室人員不安全行為模式識(shí)別[通信與網(wǎng)絡(luò)][信息安全]

針對(duì)因人的不安全行為導(dǎo)致化學(xué)實(shí)驗(yàn)室安全事故的預(yù)防問題，提出了基于三維卷積網(wǎng)絡(luò)(Convolutional 3D，C3D)的化學(xué)實(shí)驗(yàn)室人員不安全行為模式識(shí)別方法。定義了5種典型的人員不安全行為模式，以某高校化學(xué)實(shí)驗(yàn)室作為研究區(qū)域，構(gòu)建了人員不安全行為模式數(shù)據(jù)集，建立了基于C3D的人員不安全行為模式識(shí)別模型，并對(duì)模型在不同應(yīng)用場(chǎng)景下的性能進(jìn)行了評(píng)估。結(jié)果表明：在特定人員于特定實(shí)驗(yàn)場(chǎng)景中出現(xiàn)上述5種不安全行為時(shí)，該模型在測(cè)試集上得到的F1指數(shù)平均值均能達(dá)到97%以上；在非特定人員與非特定場(chǎng)景中出現(xiàn)不安全行為時(shí)，模型能夠有效識(shí)別部分不安全行為。該研究成果預(yù)期可以為化學(xué)實(shí)驗(yàn)室人員不安全行為的預(yù)測(cè)、預(yù)警、預(yù)防提供技術(shù)支持。

發(fā)表于：3/16/2022 5:18:00 PM

PLC控制系統(tǒng)的上下位機(jī)安全通信方案[其他][其他]

隨著科技的發(fā)展和社會(huì)的進(jìn)步，工業(yè)控制網(wǎng)絡(luò)與互聯(lián)網(wǎng)日益融合，工控通信所面臨的安全隱患日益增多。針對(duì)工控通信安全事件頻發(fā)的問題，以PLC控制系統(tǒng)為例，對(duì)PLC控制系統(tǒng)的上下位機(jī)的系統(tǒng)結(jié)構(gòu)、通信安全隱患等方面進(jìn)行分析；從通信協(xié)議選擇、安全連接建立、傳輸數(shù)據(jù)加密方式、通信過程等方面進(jìn)行了方案設(shè)計(jì)，提出了一種基于SCTP協(xié)議的安全保密通信方案。

發(fā)表于：3/16/2022 5:06:00 PM

基于雙向GRU與殘差擬合的車輛跟馳建模[其他][其他]

為了提高微觀交通仿真中車輛跟馳建模的準(zhǔn)確性與泛化能力，將物理類模型與深度學(xué)習(xí)相結(jié)合，提出一種基于雙向GRU(門控循環(huán)單元)與殘差擬合的跟馳模型框架。該框架使用雙向GRU網(wǎng)絡(luò)對(duì)物理類跟馳模型預(yù)測(cè)值與真實(shí)值的殘差進(jìn)行學(xué)習(xí)，并在NGSIM公開數(shù)據(jù)集上進(jìn)行測(cè)試。通過對(duì)比IDM、GIPPS、GM三種跟馳模型下的殘差擬合效果，表明雙向GRU網(wǎng)絡(luò)可以對(duì)原模型預(yù)測(cè)結(jié)果的偏差進(jìn)行有效的修正。選用IDM作為本框架的物理類模型，提出了Bi-GRU-IDM模型，與現(xiàn)有SVR模型、BPNN模型、GRU模型進(jìn)行對(duì)比，結(jié)果表明Bi-GRU-IDM在預(yù)測(cè)精度、泛化性能上明顯優(yōu)于其他三種模型。

發(fā)表于：3/16/2022 5:02:00 PM

基于ResNet50對(duì)地震救援中人體姿態(tài)估計(jì)的研究[其他][其他]

調(diào)查發(fā)現(xiàn)，地震中死亡人數(shù)增加的原因主要是錯(cuò)過救援的黃金時(shí)間，因此可通過救援無人機(jī)自動(dòng)對(duì)受災(zāi)人員進(jìn)行行為識(shí)別與狀態(tài)分析。人體姿態(tài)估計(jì)是指對(duì)圖像中人體關(guān)節(jié)點(diǎn)和肢體進(jìn)行檢測(cè)的過程，在人機(jī)交互和行為識(shí)別應(yīng)用中起著重要的作用，然而由于背景復(fù)雜、肢體被遮擋等因素導(dǎo)致標(biāo)注人體關(guān)節(jié)點(diǎn)和肢體十分困難。因此提出一種結(jié)合ResNet50及CPM的模型，該模型通過獲取圖像特征和精調(diào)機(jī)制，計(jì)算出關(guān)節(jié)點(diǎn)依賴關(guān)系，最后劃分到對(duì)應(yīng)人體。實(shí)驗(yàn)表明，該模型與其他模型對(duì)比能夠提高復(fù)雜場(chǎng)景下人體姿態(tài)估計(jì)的效果。

發(fā)表于：3/16/2022 4:56:00 PM

基于聚類的雙溫度優(yōu)化控制基站空調(diào)節(jié)能算法[其他][其他]

基站空調(diào)的節(jié)能是電信行業(yè)節(jié)能減排十分重要的一環(huán)，通過數(shù)據(jù)挖掘方法從空調(diào)系統(tǒng)運(yùn)行數(shù)據(jù)中找到提升運(yùn)行性能的規(guī)則和手段，具有重要的現(xiàn)實(shí)意義和研究?jī)r(jià)值。針對(duì)基站空調(diào)的節(jié)能減排問題，對(duì)基站實(shí)時(shí)采集到的數(shù)據(jù)流，首先建立空調(diào)節(jié)能模型找到目標(biāo)約束條件下最優(yōu)控制溫度；隨后針對(duì)空調(diào)啟停次數(shù)頻繁的問題繼續(xù)提出雙溫度控制模型，減少空調(diào)啟動(dòng)次數(shù)的同時(shí)進(jìn)一步降低了空調(diào)能耗；最后為了應(yīng)對(duì)室外溫度、設(shè)備能耗等一些不確定因素的變化，提出了基于聚類的空調(diào)溫度分段控制算法并加以改進(jìn)，通過聚類結(jié)果分析得到對(duì)應(yīng)的用電模式，對(duì)不同用電模式分別設(shè)計(jì)相應(yīng)控制策略，最終實(shí)現(xiàn)了基站空調(diào)能耗降低25%的效果，為企業(yè)空調(diào)節(jié)能控制提供了可靠依據(jù)。

發(fā)表于：3/16/2022 4:46:00 PM

利用LMedS算法與特征值法的點(diǎn)云平面擬合方法[其他][其他]

針對(duì)三維點(diǎn)云數(shù)據(jù)中存在的異常點(diǎn)會(huì)對(duì)平面擬合過程產(chǎn)生不利的影響，提出了一種將最小平方中值算法(Least Median of Squares，LMedS)與特征值法相結(jié)合的點(diǎn)云平面擬合新方法。首先，通過LMedS算法進(jìn)行多次迭代確定最佳閾值并剔除點(diǎn)云數(shù)據(jù)中的異常點(diǎn)。然后，采用特征值法對(duì)剔除完異常點(diǎn)后的點(diǎn)云數(shù)據(jù)進(jìn)行平面擬合，以獲得更加精確的擬合平面參數(shù)解。最后，分別采用最小二乘法、特征值法、RANSAC+主成分分析法與所提出方法對(duì)仿真和實(shí)測(cè)點(diǎn)云數(shù)據(jù)進(jìn)行平面擬合計(jì)算。實(shí)驗(yàn)結(jié)果表明，相比于其他方法，該方法的平面擬合精度更高，適用于對(duì)含有異常點(diǎn)的點(diǎn)云數(shù)據(jù)進(jìn)行平面擬合，具有較高的魯棒性。

發(fā)表于：3/16/2022 4:42:00 PM

AES緩存碰撞攻擊在美國(guó)太空安全挑戰(zhàn)賽中的應(yīng)用[通信與網(wǎng)絡(luò)][航空航天]

通過對(duì)美國(guó)太空安全挑戰(zhàn)賽中AES破解挑戰(zhàn)的分析，提出了使用AES緩存碰撞時(shí)間攻擊的破譯思路，分析了AES緩存碰撞時(shí)間攻擊的原理，將密鑰可能空間縮小至6 700萬，成功利用密鑰已知部分推測(cè)出未知部分，最終實(shí)現(xiàn)該攻擊，驗(yàn)證了AES緩存碰撞時(shí)間攻擊的實(shí)踐可行性。

發(fā)表于：3/16/2022 4:39:00 PM