网络环境下的恶意软件严重威胁着工控系统的安全，随着目前恶意软件变种的逐渐增多，给工控系统恶意软件的检测和安全防护带来了巨大的挑战。现有的检测方法存在着自适应检测识别的智能化程度不高等局限性。针对此问题，围绕威胁工控系统网络安全的恶意软件对象，本文通过结合利用强化学习这一高级的机器学习算法，设计了一个检测应用方法框架。在实现过程中，根据恶意软件行为检测的实际需求，充分结合强化学习的序列决策和动态反馈学习等智能特征，详细讨论并设计了其中的特征提取网络、策略网络和分类网络等关键应用模块。基于恶意软件实际测试数据集进行的应用实验验证了本文方法的有效性，可为一般恶意软件行为检测提供一种智能化的决策辅助手段

金属增材制造技术是一种短流程、近终形的新型材料成形技术.在金属增材制造技术中, 设备是载体, 材料是关键, 工艺是基础, 三者是影响金属增材制造技术发展的关键因素.本文通过对具有代表性的金属增材制造技术的特点进行总结, 分析了设备、材料和工艺之间的关系以及三者在金属增材制造技术中的重要作用; 综述了金属增材制造设备的原料供给系统、成形系统和控制系统的研究现状; 总结了金属增材制造材料中钛合金、镍合金、铝合金和钢铁材料的典型组织特点和力学性能; 论述了金属增材制造工艺参数对残余应力、孔洞、精度和组织的影响; 指出了目前金属增材制造技术在设备方面存在设备成本高、产品成形尺寸受限、成形效率低等问题, 在材料方面存在生产成本高、适用性差等问题, 在工艺方面存在参数匹配困难、热积累严重等问题; 从降低设备和材料成本、扩大产品成形尺寸范围、提高产品精度和成形效率、拓展材料种类和适用范围、减少工艺参数匹配难度、提升产品质量及综合性能、开发金属增材制造新技术方面展望了金属增材制造技术的发展方向

针对机器人谐波减速器关节在转动过程中存在的波动摩擦力矩, 提出一种基于傅里叶级数函数和BP神经网络的建模方法, 并完善机器人的动力学模型, 修正了因波动摩擦力矩带来的关节力矩计算误差. 通过研究谐波减速器关节的波动摩擦力矩在不同影响因素下的变化特性, 采用傅里叶级数与BP神经网络结合的方法对波动摩擦力矩进行建模. 通过添加傅里叶级数函数作为BP神经网络的辅助输入, 克服了力矩误差曲线因存在高频周期性波动而难以拟合的困难. 在离线环境下训练神经网络, 完成对关节波动摩擦力矩的建模, 进而完善机器人的动力学模型和修正关节中存在的波动摩擦力矩. 验证实验表明, 使用完善后的动力学模型可以有效计算谐波减速器关节的波动摩擦力矩, 并使修正后的力矩误差维持在[-0.5, 0.5] N·m的范围之内, 方差为0.1659 N2·m2, 是修正前的24.23%

将岩体破坏接近度指标(FAI)引入隧道支护设计，明确了围岩临界支护时机判别准则。基于有限差分数值计算程序，合理考虑岩体峰后应变软化特性，建立了一种隧道最优支护时机确定方法。通过算例分析，定量探讨了表征支护时机的重要参数，从工程角度阐释了支护时机的本质意义。结果表明：岩体地质强度指标GSI由75减小至25时，支护时机提前8.32 m；岩石材料常数mi由20减小至10时，支护时机提前5.85 m；岩石单轴抗压强度σci由80 MPa减小至40 MPa时，支护时机提前3.74 m；工程扰动参数D由0增加至0.8时，支护时机提前7.44 m。将建立方法在玉渡山隧道工程中进行应用，计算出研究区段的支护时机为3.3 m，经现场监测表明该方法有效、可行。该研究成果可为隧道支护体系的量化设计提供参考

基于国内外学者在宏观接触热阻领域的研究成果，阐述了宏观接触热阻的理论研究和工程应用现状，介绍了宏观接触热阻的理论计算方法、实验测量方法和数值模拟方法，明确了各种方法的优缺点.简述了宏观接触热阻的影响因素，基于中国聚变工程实验堆(CFETR)低温超导线圈的降温实验，创建界面接触热阻分析模型，详细分析了热流方向、温度、压力等因素对超导磁体不锈钢铠甲、介电绝缘材料、失超保护材料接触热阻的影响，并进一步探究了温度、压力等因素导致接触热阻发生变化的热力学原因.最后，结合工程计算中对准确性和便捷性的要求，指出了接触热阻的未来研究方向

以上各章中讨论了液体运动的基本规律,导出了 水力 学的基本方程——连续方程、能量方程及动量方程 并 水力学讲义 阐述了水头损失的计算方法,应用这些基本原理即 学可研 究解决工程中常见的水力计算问题,如有压管道中 的恒 定流、明渠恒定流及水工建筑物的水

一、机床夹具设计要求 1.保证工件加工的各项技术要求要求正确确定定位方案、夹紧方案,正确确定刀具的导向方式,合理制定夹具的技术要求,必要时要进行误差分析与计算

第一条为了规范金融资产(含单项或一组类似金融资产)转移 的确认和计量,根据《企业会计准则——基本准则》,制定本准则。 第二条金融资产转移,是指企业(转出方)将金融资产让与或 交付给该金融资产发行方以外的另一方(转入方)

融合手工特征和深度特征，提出了一种集成超限学习机心跳分类方法。手工提取的特征明确地表征了心电信号的特定特性，如相邻心跳时间间隔反映了心跳信号的时域特性，小波系数反映了心跳信号的时频特性。同时设计了一维卷积神经网络对心跳信号特征进行自动提取。基于超限学习机（Extreme leaning machine，ELM），将上述特征融合进行心跳分类。由于ELM初始参数的随机给定可能导致其性能不稳定，进一步提出了一种基于袋装（Bagging）策略的多个ELM集成方法，使分类结果更加稳定且模型泛化能力更强。利用麻省理工心律失常公开数据集对所提方法进行了验证，分类准确率达到了99.02%，实验结果也表明基于融合特征的分类准确率高于基于单独特征的分类准确率

一、大坝变形的组成 1 大坝变形包括那些方面? 3 那些是方便观测的,那些是不方便观测的?那些地方变形大,那些地方变形小,其特征点在什么地方? 3 变形是连续的,观测点一定是有限的用那些有限的指标就可以反映大坝的变形?