针对采用以太网控制自动化技术(EtherCAT)工业总线的感应电机交-直-交变频矢量控制系统的入侵检测技术进行了研究. 首先通过对EtherCAT总线协议进行深度解析, 结合目前为止已经发现的EtherCAT工业总线常见协议漏洞, 提取协议数据包的关键特征并构建EtherCAT总线协议入侵检测规则库, 采用三维指针链表树作为针对EtherCAT总线协议规则库的检索数据结构; 其次, 根据感应电机交-直-交变频矢量控制系统的物理模型, 进行模型参数仿真计算, 并根据仿真计算值, 构建矢量控制模型入侵特征的最小二乘支持向量机(least square support vector machine, LSSVM)分类器, 使用混沌粒子群优化(choatics particle swarm optimization, CPSO)算法对分类器的参数进行优化, 二者共同构成了CPSO-LSSVM入侵检测分类算法. 异常数据包在被分类后, 会被传递给Suricata入侵检测引擎进行精确规则匹配; 最后为该入侵检测系统搭建物理实验环境, 经过测试, 本文中的交-直-交变频矢量控制模型仿真结果动态性能良好, 与实际矢量控制系统参数的波形变化趋势相近. 通过抽取KDD Cup99测试数据集中的一部分对该入侵检测系统实施DOS攻击、R2L、U2R以及PROBING攻击行为, 验证该入侵检测系统的有效性

首先对喷管内流动特性进行了研究，结果表明传统拉瓦尔喷管在喷管内部易形成大量明显的波系结构，抑制了超音速氧气射流的初始冲击效果，而利用特征线设计的曲线拉瓦尔喷管可有效解决该问题。其次，分析了不同供氧流量下，传统拉瓦尔喷管及曲线拉瓦尔喷管在高温条件下的射流马赫数分布、动压及射流卷吸特性。研究结果表明基于特征线法设计的曲线拉瓦尔喷管应用于转炉氧枪喷头时，可延长氧气射流核心段长度，增大氧气射流对熔池的搅拌能力，并提高氧气在熔池内的传质效果

通过工业试验对202不锈钢进行系统取样，分析试样中夹杂物的变化特征，结合热力学计算，研究了202不锈钢中非金属夹杂物的形成机理。在进行硅锰脱氧后，LF精炼过程中钢液内以球型Ca?Si?Mn?O夹杂物为主。对于硅锰脱氧钢，钢液中残余铝质量分数为1×10?5时，可以扩大Mn?Si?O相图的液相区，但铝质量分数超过3×10?5会导致钢中容易形成氧化铝夹杂物并减小液相区。在连铸坯中以Mn?Al?O类夹杂物为主，相较于LF精炼过程试样，连铸坯试样中夹杂物的MnO和Al2O3含量明显增加，CaO和SiO2含量明显减小，夹杂物个数则由LF出钢试样的5.5 mm?2增加到11.3 mm?2。结合热力学计算发现，凝固过程中会有Mn?Al?O夹杂物形成，这也使其成为连铸坯中主要的夹杂物类型

上一节我们利用行列式的性质把一个行列式化为上三角 或下三角行列式,然后根据定义算出行列式的值,或者把一 个行列式化成其中含有尽量多个零的行列式,然后算出行列 式的值。本节我们沿着另一条思路来计算行列式的值,即通 过把高阶行列式转化为低阶行列式来计算行列式的值

针对如何识别无人机的问题，提出了一种基于卷积神经网络的声音识别无人机的方法。首先，对100 m范围内的无人机、鸟和人的声音进行采集、预处理和提取MFCC+GFCC特征值，将其特征参数作为卷积神经网络学习和识别的数据集；然后分别设计了支持向量机和卷积神经网络两种模型对无人机等声音进行识别实验。实验结果表明，运用支持向量机识别无人机的准确率为91.9%，卷积神经网络识别无人机的准确率为96.5%。为了进一步验证设计的卷积神经网络的识别能力，在部分UrbanSound8K数据集上进行测试，准确率达到90%。实验结果表明运用卷积神经网络识别无人机具有可行性，且识别性能优于支持向量机

提出了基于双偏心误差齿轮副的驱动齿面与齿背面（双齿面）无负载传动误差计算模型，建立与时变侧隙计算公式的等价关系，从理论上证明了基于双齿面传动误差的侧隙测量方法。通过实验方法测量不同负载力矩、不同初始啮合面的双面传动误差并获得相应载荷下的初始回差。基于双齿面传动误差实验曲线，实现了对齿轮副整个大周期侧隙的连续测量与预测。结果表明，连续侧隙曲线与机械滞后回差法测量结果吻合良好，而侧隙预测较好地反应了侧隙值变化范围和变化趋势。同时，侧隙连续测量方法及侧隙预测均证明了理论模型的正确性，提高了侧隙测量效率并获得了更全面的侧隙数据，对齿轮传动的非线性研究、消隙控制以及齿轮精度研究等均具有指导意义和参考价值

巡线机器人延迟容忍传感器网络(delay tolerant mobile sensor networks for inspection robot,DTMSNR)用于输电线路巡线机器人远程电网数据收集,具有节点稀疏、异构、随机移动性、间歇连通性和延迟容忍性.针对传统传感器网络数据传输算法机器人数据传输成功率低与网络可靠性差等问题.提出一种基于巡线机器人位姿信息的数据传输(mobile robot position-based delivery,MPD)策略.为准确计算巡线机器人网络位姿信息,建立机器人路径约束随机运动模型.MPD采用机器人相对网络位姿信息计算传输概率,进行消息传输路径选择.对网络异构消息引入机器人消息优先传输、消息失效机制进行消息队列管理.仿真实验表明,相较现有的几种延迟容忍传感器网络(delay tolerant mobile sensor network,DTMSN)数据传输策略,针对巡线机器人网络MPD能在适当的传输能耗下达到更高的传输成功率与更低的传输延迟

直接用定义计算行列式是很麻烦的事,本节要导出行列式运算的一些性质,利用这些性质,将使行列式的计算大为简化

(1)测钟。当地下水位埋深较浅时,常用测钟。当测钟接触到地下水面时,发出嗡嗡声,此时测量测钟绳长,即为地下水位埋深 (2)电测水位计或万用电表。电测水位计或万用电表是目前常用的测量地下水位的工具,其优点是简便、准确、不受地下水位埋深的限制。但测量时必须测绳伸直,应反复试测,准确地找到水面位置

深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径