To improve the computational efficieney of optimization based control methods, a new kind of Segmentized Optimization Strategy is presented,aiming at achieving more economical computation as well as comparatively sati...To improve the computational efficieney of optimization based control methods, a new kind of Segmentized Optimization Strategy is presented,aiming at achieving more economical computation as well as comparatively satisfactory performance. Its profitability is examined. And the effectiveaess is shown in the simulation.展开更多
Depending on the excitability of the medium, a propagating wave segment will either contract or expand to fill the medium with spiral waves. This paper aims to introduce a simple mechanism of feedback control to stabi...Depending on the excitability of the medium, a propagating wave segment will either contract or expand to fill the medium with spiral waves. This paper aims to introduce a simple mechanism of feedback control to stabilize such an expansion or contraction. To do this, we lay out a feedback control system in a block diagram and reduce it into a bare, universal formula. Analytical and experimental findings are compared through a series of numerical simulations of the Barkley model.展开更多
为提升随机路面与局部脉冲激励路面下的悬架平顺性,提出语义分割路面识别的主动悬架显式模型预测控制(Explicit Model Predict Control,EMPC)方法。建立2自由度主动悬架动力学模型;搭建基于空洞空间金字塔池化的DeepLabV3语义分割路面...为提升随机路面与局部脉冲激励路面下的悬架平顺性,提出语义分割路面识别的主动悬架显式模型预测控制(Explicit Model Predict Control,EMPC)方法。建立2自由度主动悬架动力学模型;搭建基于空洞空间金字塔池化的DeepLabV3语义分割路面识别网络,对网络进行训练及验证;设计基于路面识别的主动悬架EMPC控制策略,将悬架动力学模型转化为预测模型,确定代价函数和约束条件,根据路面识别结果匹配代价函数最优加权权重;离线划分系统状态参数区域,求解各状态分区内系统的最优控制律;在随机路面和脉冲路面下,将所设计的控制策略与被动悬架、线性二次高斯控制(Linear-quadratic-gaussian Control,LQG)进行仿真分析对比。相较于LQG控制,基于路面识别的主动悬架EMPC控制策略可在随机路面下改善悬架性能,且在脉冲路面下对悬架的调节时间降低20%以上,悬架的平顺性得到有效提升。展开更多
随着互联网规模扩展和拓扑结构的变化,网络管理面临巨大挑战。分段路由(segment routing,SR)协议,特别是SRv6(segment routing over IPv6),因其高可编程性和可扩展性,成为研究热点。基于SRv6的路径优化控制机制,解决多需求、多场景下特...随着互联网规模扩展和拓扑结构的变化,网络管理面临巨大挑战。分段路由(segment routing,SR)协议,特别是SRv6(segment routing over IPv6),因其高可编程性和可扩展性,成为研究热点。基于SRv6的路径优化控制机制,解决多需求、多场景下特定节点规避与中转问题,以提高网络性能。提出了针对完全部署SRv6网络的路径转移方案,通过分叉路径优化减少路由开销。针对部分部署网络,定义关键路径并设计规避与中转路径转发方案,优化路径转发效率。实验结果表明,完全部署SRv6时,优化方案能有效减小段列表深度,减少路由开销;在部分部署网络中,仅少量SRv6节点即可实现接近全SRv6网络的性能,成功解决特定节点规避与中转问题。研究结果为SRv6在不同网络部署中的应用提供了有效支持。展开更多
工业物联网(industrial Internet of things,IIoT)正面临着日益严峻的安全威胁,传统边界型安全模型已无法应对复杂多变的需求.零信任作为一种新兴的安全模型,以“绝不信任,始终认证”为核心原则,逐渐受到关注.然而,零信任在IIoT中的研...工业物联网(industrial Internet of things,IIoT)正面临着日益严峻的安全威胁,传统边界型安全模型已无法应对复杂多变的需求.零信任作为一种新兴的安全模型,以“绝不信任,始终认证”为核心原则,逐渐受到关注.然而,零信任在IIoT中的研究与应用仍处于起步阶段,亟需更加全面且系统的探索.系统综述了近年来工业领域零信任的发展与应用,重点分析其核心技术与实践场景,并明确当前研究趋势和未来方向.首先介绍了工业零信任的基本概念和原则,为后续讨论奠定理论基础.随后,系统梳理了工业零信任架构的迁移与评估方法,并总结了身份认证、软件定义边界、微隔离、信道安全及信任评估等关键技术,这些技术构成了工业零信任的核心支撑体系.此外,深入探讨了访问控制在零信任中的关键作用及其在权限管理中的价值.结合IIoT的典型应用场景,进一步分析零信任在复杂环境中的实践优势,最后总结了工业零信任的现存挑战和未来发展.展开更多
针对通用分词方法在专业领域的中文分词任务中,由于跨领域的数据分布不匹配和大量未登录的专业词汇限制导致分词准确率低的问题,提出基于XLBMC(XLNet-BiGRU-Multi-head Self-attention-Conditional Random Field)的专业领域分词方法。...针对通用分词方法在专业领域的中文分词任务中,由于跨领域的数据分布不匹配和大量未登录的专业词汇限制导致分词准确率低的问题,提出基于XLBMC(XLNet-BiGRU-Multi-head Self-attention-Conditional Random Field)的专业领域分词方法。首先通过改进的XLNet预训练模型生成包含上下文语义信息的动态词向量,使模型能更好地利用边界特征和语义知识;然后将获取的词向量输入BiGRU中进行特征提取,得到每个字符的隐藏状态表示。在BiGRU编码的基础上,引入稀疏多头自注意力机制(Multi-head Self-attention)对每个字符加权表示,提高模型在受限内存预算下细粒度和强长期依赖性的时间序列的预测准确性。最后由CRF(Conditional Random Field)解码相邻标签之间的依赖关系,输出最佳的分词序列。在自建的控制工程语料上进行分词实验。结果表明,该分词模型准确率为94.27%,召回率为93.24%,F 1值为95.52%,证明其在专业领域中文分词任务中的可靠性。展开更多
文摘To improve the computational efficieney of optimization based control methods, a new kind of Segmentized Optimization Strategy is presented,aiming at achieving more economical computation as well as comparatively satisfactory performance. Its profitability is examined. And the effectiveaess is shown in the simulation.
基金Project supported by the National Natural Science Foundation of China (Grant Nos. 11105074 and 11005026)the Natural Science Foundation of the Higher Education Institutions of Jiangsu Province, China (Grant Nos. 11KJB140004 and 11KJA110001)the Qing Lan Project of Jiangsu Province, China
文摘Depending on the excitability of the medium, a propagating wave segment will either contract or expand to fill the medium with spiral waves. This paper aims to introduce a simple mechanism of feedback control to stabilize such an expansion or contraction. To do this, we lay out a feedback control system in a block diagram and reduce it into a bare, universal formula. Analytical and experimental findings are compared through a series of numerical simulations of the Barkley model.
文摘为提升随机路面与局部脉冲激励路面下的悬架平顺性,提出语义分割路面识别的主动悬架显式模型预测控制(Explicit Model Predict Control,EMPC)方法。建立2自由度主动悬架动力学模型;搭建基于空洞空间金字塔池化的DeepLabV3语义分割路面识别网络,对网络进行训练及验证;设计基于路面识别的主动悬架EMPC控制策略,将悬架动力学模型转化为预测模型,确定代价函数和约束条件,根据路面识别结果匹配代价函数最优加权权重;离线划分系统状态参数区域,求解各状态分区内系统的最优控制律;在随机路面和脉冲路面下,将所设计的控制策略与被动悬架、线性二次高斯控制(Linear-quadratic-gaussian Control,LQG)进行仿真分析对比。相较于LQG控制,基于路面识别的主动悬架EMPC控制策略可在随机路面下改善悬架性能,且在脉冲路面下对悬架的调节时间降低20%以上,悬架的平顺性得到有效提升。
文摘随着互联网规模扩展和拓扑结构的变化,网络管理面临巨大挑战。分段路由(segment routing,SR)协议,特别是SRv6(segment routing over IPv6),因其高可编程性和可扩展性,成为研究热点。基于SRv6的路径优化控制机制,解决多需求、多场景下特定节点规避与中转问题,以提高网络性能。提出了针对完全部署SRv6网络的路径转移方案,通过分叉路径优化减少路由开销。针对部分部署网络,定义关键路径并设计规避与中转路径转发方案,优化路径转发效率。实验结果表明,完全部署SRv6时,优化方案能有效减小段列表深度,减少路由开销;在部分部署网络中,仅少量SRv6节点即可实现接近全SRv6网络的性能,成功解决特定节点规避与中转问题。研究结果为SRv6在不同网络部署中的应用提供了有效支持。
文摘工业物联网(industrial Internet of things,IIoT)正面临着日益严峻的安全威胁,传统边界型安全模型已无法应对复杂多变的需求.零信任作为一种新兴的安全模型,以“绝不信任,始终认证”为核心原则,逐渐受到关注.然而,零信任在IIoT中的研究与应用仍处于起步阶段,亟需更加全面且系统的探索.系统综述了近年来工业领域零信任的发展与应用,重点分析其核心技术与实践场景,并明确当前研究趋势和未来方向.首先介绍了工业零信任的基本概念和原则,为后续讨论奠定理论基础.随后,系统梳理了工业零信任架构的迁移与评估方法,并总结了身份认证、软件定义边界、微隔离、信道安全及信任评估等关键技术,这些技术构成了工业零信任的核心支撑体系.此外,深入探讨了访问控制在零信任中的关键作用及其在权限管理中的价值.结合IIoT的典型应用场景,进一步分析零信任在复杂环境中的实践优势,最后总结了工业零信任的现存挑战和未来发展.
文摘针对通用分词方法在专业领域的中文分词任务中,由于跨领域的数据分布不匹配和大量未登录的专业词汇限制导致分词准确率低的问题,提出基于XLBMC(XLNet-BiGRU-Multi-head Self-attention-Conditional Random Field)的专业领域分词方法。首先通过改进的XLNet预训练模型生成包含上下文语义信息的动态词向量,使模型能更好地利用边界特征和语义知识;然后将获取的词向量输入BiGRU中进行特征提取,得到每个字符的隐藏状态表示。在BiGRU编码的基础上,引入稀疏多头自注意力机制(Multi-head Self-attention)对每个字符加权表示,提高模型在受限内存预算下细粒度和强长期依赖性的时间序列的预测准确性。最后由CRF(Conditional Random Field)解码相邻标签之间的依赖关系,输出最佳的分词序列。在自建的控制工程语料上进行分词实验。结果表明,该分词模型准确率为94.27%,召回率为93.24%,F 1值为95.52%,证明其在专业领域中文分词任务中的可靠性。
