配电网可靠性的多模型评估指标

通过实施自愈控制能够有效提高配电网的供电可靠性.对可靠性进行评估能够为自愈控制策略的制定提供决策依据.分析了网络结构、电源分布、开关状态和负荷分布对配电网可靠性的影响,在此基础上提出一个评估配电网可靠性的指标,并采用多模型方法进行计算.利用某配电网的数据进行仿真分析,结果表明,提出的配电网可靠性多模型评估指标具有一定的应用价值.     

基于油液光谱数据的综合传动装置的可靠性

综合传动装置具有高可靠性的特点,其在可靠性试验中经常出现失效数据少甚至零失效的现象。油液的光谱分析技术可以记录综合传动装置寿命试验过程中的产品性能退化信息,油液光谱数据可以用来建立性能退化可靠性模型。本文采用基于性能退化数据的可靠性评估方法,通过对传动装置油液光谱分析中Cu元素浓度进行退化轨道建模,实现了综合传动装置的可靠性评估。     

桥梁结构静荷载实验的物理与虚拟仿真研究

桥梁仿真实验是研究桥梁结构性能的重要手段,其中的对静载实验仿真是评价桥梁质量和评估实际承载力的有效方法。采用1?25的精细化车辆模型与有机玻璃桥梁缩尺模型对实际桥梁的静载实验进行了物理与虚拟仿真,其中,虚拟仿真采用 MIDAS 有限元软件分析,而物理仿真采用缩尺模型实验研究。将物理仿真与虚拟仿真实验结果进行比较,发现两者基本一致,验证了此种方法的精确性与有效性。     

基于MVC的雷电信息系统设计

针对雷电定位系统用户不断增加和系统应用业务日渐复杂的情况,采用模型视图控制器(model view controller,MVC)开发模式,使应用程序的输入、处理和输出分开,对雷电信息系统从表现层、业务逻辑层、数据层进行了全新设计.解决了海量雷电数据的处理效率问题.研发出了基于MVC 3层架构的甫电信息用户系统.系统应用表明,新系统的开发效率、可维护性和可扩展性大大提高,同时也提高了电网的雷击预警与应急处理能力.保障了电网的安全运营.     

一种定量的网络安全评估模型

安全评估是解决如何更好地对计算机网络系统进行管理的有效途径,准确掌握系统的安全水平对于保障网络系统的正常运行具有重要意义.当前大多数网络安全评估模型局限于定性或半定量的方法,难以对网络安全状况进行客观有效的评判.采用聚类分析法量化网络系统的原始风险数据,决策分析法量化评估参数对安全评估的影响,建立了一种基于模糊理论的网络安全评估模型,根据此模型初步实现了一个的风险评估系统.     

考虑部件相关性的斜拉桥状态评估

为提高斜拉桥评估可靠性,开展考虑部件相关性的斜拉桥状态评估研究.首先建立斜拉桥系统各部件故障传递有向图,基于Pagerank算法分析各部件相关性,得到部件的影响度和被影响度;其次,针对人工检查指标,建立分段线性扣分评定标准,针对健康监测指标,根据力学模型设定主梁挠度和索力的评定标准;最后,考虑部件单独产生的故障率和其他...     

二部件温贮备可修系统的可靠性分析

对由2个部件组成的温贮备可修系统作了可靠性分析，建立了该系统模型，给出了可靠度R（t）和首次故障前的平均时间MTTF的解析表达式。     

基于移动Agent的分布式网管系统安全认证机制

在实现基于移动Agent的分布式网管基本系统的基础上,分析了Agent系统所面临的安全威胁.针对Agent系统的特点,提出了一个完整的3层相互信任关系模型.深入研究了Agent系统的认证机制,提出并实现了具有系统授权Tickets功能的证书签发协议及其安全迁移认证方法.采用该方法,可以在不显著增加移动Agent系统的复杂性的前提下加强其安全可靠性.     

设备故障条件下流水线产能评估方法研究

为提升流水线产能评估的有效性, 采用基于设备运作的故障发生机制生成故障节点, 并按照可用度最大化原则确立预防性维护周期, 采用抽样仿真方法评估流水线系统的产能, 同时提出一种基于故障期望次数的近似方法以提升产能的评估效率. 仿真实验表明, 流水线产出率与系统配置密切相关, 设备数量越少, 缓存空间越大, 对应的产出率就越高, 但设备数量与缓存空间的边际影响逐渐下降; 而近似方法获得的产出率估值与仿真值之间的偏差可基本控制在5%以内, 评估准确性具有一定优势.     

无线信道统计模型识别

为准确地找到最符合快衰落特性的统计分布模型,论文基于概率论和信息论设计了Kullback-Leibler距离及信息准则表达式,对几种主要的统计分布模型进行了仿真和实验,得到了各统计分布模型的正确识别率,通过统计的方式对比了各种识别模型,发现基于直方图的KL方法识别模型的可靠性比其他方法要高,而韦伯衰落模型更加适合用来对无线信道进行建模。     

KeeLoq和SHACAL-1算法的差分故障攻击

研究了两个非平衡Feistel结构密码KeeLoq和SHACAL-1对差分故障攻击的免疫性.采用面向比特的差分故障攻击方法对KeeLoq算法进行分析,理论分析和实验结果表明平均需要诱导11个错误就可以恢复KeeLoq的1比特密钥信息;采用面向字的差分故障攻击方法对SHACAL-1算法进行分析,实验结果显示平均需要诱导6个错误即可恢复SHACAL-1的32比特密钥信息.这表明这两个分组密码算法对差分故障攻击是不免疫的.     

网络安全风险的模糊层次综合评估模型

针对网络安全风险评估中人为因素多、指标难以量化的问题，在分析网络安全要素的基础上，将模糊数学的方法运用于网络安全风险评估中，并结合层次分析方法，建立了网络安全风险的模糊层次综合评估模型．该模型首先建立逻辑的3级网络层次，即服务层、主机层和网络层．在服务层通过对资产、威胁和漏洞各因子的量化计算后得出各自的风险值，然后利用模糊评价方法逐级计算各层风险指数．实验数据测试表明：通过3个层次自下而上地递阶评价各安全要素，利用先局部后整体的评估策略能直观地给出系统的安全态势，并且能准确评估网络系统3个层次的安全状况．     

信息熵在教学水平调查问卷中的研究与应用

将信息熵引入教学水平评估中,利用信息熵度量不稳定信息的特性,降低了小部分错误和分歧对评价结论的影响,定义了评估因素覆盖较为全面完整的调查模型,权重采用信息熵法进行制定,根据信息稳定度来自动提高观点统一的评估项比重,使教学评估更为科学合理,符合客观实际情况。本研究成果可与现存研究方法相结合,弥补现存方法中的主观性过强的缺陷,对改进教师的教学水平、促进教学质量的提高具有一定的参考意义。     

信息产品人机界面设计方法探索

通过信息产品人机界面认知过程的分析，提出信息产品人机界面设计的方法：首先对信息产品人机界面进行分析，然后建立人机交互模型，最后从功能性、认知性、审美性和整体性几个方面进行设计．最后提出了信息产品人机界面设计的评价标准。     

N部件串联可修复系统的可靠性分析

在转换开关完全可靠情形下,首先分别讨论了两部件及三部件串联冷贮备、温贮备可修复系统。对于这几类系统,建立模型并提出若干合适的假设。对模型恰当的定义状态,列出系统所有可能的状态。根据马尔科夫过程理论的知识,得到系统的转移概率及其矩阵。然后利用Laplace变换这两类系统的可靠度以及首次故障前平均时间分布的Laplace变换式,再对其进行反Laplace变换即可得到可靠度以及首次故障前平均时间。系统的其他可靠性指标可以相应的讨论。最后在此基础上,对一般的部件情形进行了大概的分析,通过类似的假设建立了模型.应用马尔科夫过程理论分析出了系统所有可能的状态,进而利用Laplace变换、反Laplace变换等数学方法得出带有单冷贮备系统的可靠度的具体表达式。     

信息隐藏的空间概念模型构建

为弥补目前基于信息论的信息隐藏模型缺陷，充分利用信息隐藏活动离散化特点，提出了信息隐藏的空间概念模型．该模型利用集合论和矩阵空间概念对信息隐藏各元素进行了空间概念表示，同时对信息隐藏过程进行了空间转换描述，然后推导出了隐藏评价指标的定量计算公式．结果表明该模型能有效阐释现有信息隐藏技术，在隐藏系统的歼发中更具有可操作性．     

存储区域网络中冗余路径的研究

应用马尔科夫可用性模型得出了冗余路径的带故障切换时间的状态转换图，分析了平均无故障时间、平均故障修复时间以及故障切换时间对可用性的影响，冗余路径提高了系统的可用性．应用排队系统建立了冗余路径的I／O处理模型，分析表明采用冗余路径驱动程序的负载均衡算法后，I／O平均响应时间随着吞吐能力的提高而降低．实验数据证实了这一结论．     

专家系统在汽车厂压力机故障诊断中的应用

介绍了一种基于专家系统的汽车厂压力机故障诊断方法。该方法采用人工智能领域中专家系统的框架结构,通过对压力机故障信息进行分类汇总,选用高效的故障树进行知识的获取,建立包含专家经验的大容量知识库,使用RETE算法进行规则推理和模式匹配,实现了对压力机的快速故障诊断和分析提示。实例结果表明了,该方法具有较好的执行效率,能快速地诊断和分析故障原因,减少故障维修时间。     

一种基于跨层感知的网络安全态势评估方法

本文从跨层感知的概念出发,将网络的多个层面和多个角度的态势信息作为评估工作的数据源,并建立了反映网络各方面态势信息的完整指标体系.采用模糊层次分析法构建了网络不同层次的安全态势模糊一致性判断矩阵,计算各网络层内安全评估指标的权重;对网络态势的评估结果划分了表示网络态势的5个级别;利用D-S证据理论法对网络层内的评估结果进行Dempster组合规则作用,获得网络总体的态势评估结果.整体的跨层评估过程解决了数据源的单一性与片面性,分层评估的方式加快了计算速度,多种评估算法的采用互相弥补了不足,所得结果能比较准确全面地反映网络的态势信息.     

基于并行的F-LSTM模型及其在电力通信设备故障预测中的应用

电力通信网设备时序故障预测的目标是通过过去设备告警数据,预测设备在下一个时间段是否发生故障,这对设备的管理和维护起着重要作用。为了预测电力设备未来的状态,提出一种Forward-LSTM(F-LSTM)学习模型,对设备故障的时序特征和非时序特征(静态信息)进行并行训练,探索出一种新的对静态-时序数据的训练方法,将其应用在电力通信网故障预测中。F-LSTM结合了两个组件,一个学习时序特征的长短期记忆神经网络(LSTM)与一个处理静态数据的前向全连接神经网络(forward full connection neural networks,FC),数据的静态/时序属性被自动判断并传递给FC或LSTM来并行训练。对于具有同时产生动态数据与静态数据的电力通信网络,Forward-LSTM(F-LSTM)模型能以较高速度与精度预测其故障发生的位置。此外,本文采用一种加权的损失函数,可以更好地捕捉设备故障的时序规律。选取某电力通信网络系统中2016—2017年设备故障数据,对本方法进行测试。实验结果显示,与Xgboost模型相比,F-LSTM模型对故障预测的召回率提高5%,同时F-LSTM模型较LSTM模型缩减了计算量,加快了模型的训练速度。