蜜网系统中蜜墙的研究与设计

蜜网是一种高交互的蜜罐,是一个具有高度可控性的网络系统。蜜网的核心需求就是数据控制和数据捕获,而其关键部件就是蜜墙。本文将结合蜜网的核心需求尝试对蜜墙进行研究与设计。     

直接耦合放大器静态工作点的图解分析法

本文是属于《电子技术》这门课程的加深扩充内容。文中采用图解分析法对直接耦合放大器各级静态工作点相互影响的问题进行了分析讨论,可以从图解分析中形象具体地看到单独正常工作的放大电路直接联接以后静态工作点的变化情况,以便使读者建立起一个完整而清楚的概念。同时指出设计直接耦合放大器应该注意的问题和设计分析方法。     

不同负荷低加内部泄漏故障神经网络诊断研究

针对600MW火电机组低压加热器系统内部泄漏故障,提出一种基于神经网络的以最大故障分离度为目标的寻优技术。采用征兆模糊计算方法对典型故障样本进行规整化处理,建立了低加内部泄漏故障诊断的神经网络模型。结合征兆缩放优化技术和神经网络诊断模型,对不同负荷下不同程度低加内部泄漏故障进行实时仿真实验。实验表明上述方法对不同负荷下程度迥异的低加故障均可得到具有高故障分离度的正确诊断结果,可准确诊断低加内部泄漏故障,具有较好的工程实用性。     

基于神经网络的超临界锅炉四管泄漏故障诊断

四管泄漏是电站锅炉的常见故障,不仅导致非正常停炉和经济损失,严重时会危及运行人员的生命安全,深入研究四管泄漏故障规律并采用先进方法对四管泄漏故障类型和位置进行实时诊断具有重要意义;为此,借助火电机组全范围仿真系统,针对不同的协调运行方式,对某600 MW超临界机组锅炉四管泄漏故障的规律进行了详细的仿真研究;在此基础上,采用神经网络与征兆缩放技术相结合的智能诊断方法,实现四管泄漏故障的实时诊断;实验结果表明:该方法对不同协调运行方式下程度不同的四管泄漏故障均可得到具有较高故障分离度的正确诊断结果,具有较好的工程实用性。     

基于广义回归神经网络的风电机组性能预测模型及状态预警

提出了一种基于广义回归神经网络（GRNN）的风力发电机组性能预测及异常状态预警方法。通过分析运行中影响风机主轴转速和发电功率的主要因素,确定了性能预测模型的输入和输出参数。运用SCADA系统的真实历史数据,采用广义回归神经网络（GRNN）建立了风电机组的性能预测模型,通过比较模型的预测精度对GRNN的平滑因子进行了优选。以此模型为基础,采用滑动数据窗方法实时计算风电机组转速和功率的残差评价指标,当评价指标连续超过预先设定的阈值时,则可判断风电机组状态异常。采用某实际风电机组若干历史故障发生前后的真实SCADA数据进行模拟,验证了方法的有效性。     

基于G1法的公路施工环境保护评价

公路建设是国民经济发展的支柱，近些年来随着我国国民经济的飞速发展，公路的建设也得到了蓬勃的发展，公路总里程不断增长，汽车保有量持续增加。然而公路的高速发展也带来了严重的环境问题，突出表现在以下几方面：①因选线不当而造成的沿线生态环境的破坏；②因保护不当而造成的水土流失，如坡面侵蚀与泥沙沉淀等；③因公路带状延伸而造成的路域自然风貌的破坏和损失；④因公路施工造成的环境污染；⑤因公路通车营运而对沿线造成污染。随着近些年来我国对环境保护问题的日益重视，如上由公路施工问题带来的环境保护问题也已受到各方的重视，并提出了一系列的保护措施。     

基于Savitzky-Golay滤波的双向门控循环单元神经网络汽轮机热耗率预测

汽轮机热耗率是火电机组运行过程中的一项重要监测指标。为建立更加准确的汽轮机热耗率预测模型,借助某1 000 MW火电机组的真实历史数据,提出一种基于双向门控循环单元(gated recurrent unit,GRU)神经网络的汽轮机热耗率预测模型。针对火电机组现场运行数据噪声大的问题,采用SG(Savitzky-Golay)滤波器对所选变量数据进行降噪处理,将处理后的数据作为建模样本构建双向GRU神经网络汽轮机热耗率预测模型。并将其与BP(back propagation)神经网络、传统循环神经网络等2种算法的模型预测结果进行对比,结果表明:双向GRU神经网络热耗率预测模型的预测精度更高,泛化能力和鲁棒性更强,能够满足现场的实际需求。