光伏发电功率的准确预测对于优化能源管理和电网规划及优化调度具有重要的意义。针对以往光伏发电功率预测方法预测精度不高,传统混合网络模型存在参数选择不确定性和收敛速度较慢的问题,基于历史气象数据和光伏发电数据,提出一种结合...光伏发电功率的准确预测对于优化能源管理和电网规划及优化调度具有重要的意义。针对以往光伏发电功率预测方法预测精度不高,传统混合网络模型存在参数选择不确定性和收敛速度较慢的问题,基于历史气象数据和光伏发电数据,提出一种结合向量加权平均(weighted mean of vectors,INFO)算法、卷积网络(convolutional neural network,CNN)和双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)的光伏发电功率预测方法。首先,选取与光伏发电功率预测相关的多种气象因素,含太阳辐射、温度、湿度、风速、气压等气象参数,并分析它们与光伏发电功率之间的关系,然后使用INFO算法对CNNBiLSTM混合网络预测模型的隐藏层节点数、初始学习率和L2正则化系数进行优化,INFO算法通过自适应调整这些参数,缩短了手动调制参数的时间,提高了超参数设置的精度和效率。实验结果表明,通过INFO算法优化的CNN-BiLSTM混合网络相比传统CNN-BiLSTM混合网络具有更高的预测精度。展开更多
【目的】工业控制系统(industrial control system,ICS)中设备间通信过程高度依赖工控协议来实现,协议安全性对保障ICS稳定运行起到关键作用。漏洞挖掘与入侵检测等作为ICS安全防御体系的核心技术组件,其有效性依赖于对工控协议结构及...【目的】工业控制系统(industrial control system,ICS)中设备间通信过程高度依赖工控协议来实现,协议安全性对保障ICS稳定运行起到关键作用。漏洞挖掘与入侵检测等作为ICS安全防御体系的核心技术组件,其有效性依赖于对工控协议结构及语义功能的精确解析。协议逆向分析作为解析协议结构与语义功能的关键技术,其核心环节语义推断精度直接决定协议理解的准确性。然而,受限于工控协议文档缺失、格式异构性强等现实条件,现有语义推断方法普遍依赖专家经验,存在自动化水平不足、跨协议泛化性能有限等固有瓶颈,难以适应实际工业环境中多源异构协议的高精度解析需求。【方法】为解决上述问题,本文提出mBERT协同多源领域自适应与结构化掩码策略的语义推断方法。通过mBERT模型实现跨协议通用语义表示;利用结合注意力权重与位置编码设计的结构化掩码策略,增强模型对协议结构和语义内在联系的表示能力,提高语义推断方法的自动化程度和效率;利用结合对抗训练的多源领域自适应逐步微调策略,提升模型对多个源协议的语义通用表示能力,增强其在多种工控协议上的适用性,实现关键字语义的有效推断。【结果】在辽宁省石油化工行业信息安全重点实验室的典型能源企业攻防演练靶场中开展实验验证,采集了S7comm、Modbus/TCP和EtherNet/IP三种工控协议数据,并利用协议复杂度评分机制组建训练数据集。结果表明,多源领域自适应逐步微调策略能够显著提升模型性能,将其与结构化掩码策略结合,进一步提高了语义推断精度,且本文方法在精确度、召回率与F_(1)分数指标上均显著优于现有基线方法。【结论】本文提出了mBERT协同多源领域自适应与结构化掩码策略的语义推断方法,在语义推断中采用高维球面映射与多任务损失函数,增强了不同语义类别的区分度与模型对协议语义的深层辨识能力。本文方法不仅显著降低了对人工先验知识的依赖,也提升了语义推断效率与跨协议适用性,为工控协议逆向分析及工业系统安全防护提供了具备理论支撑的新路径。展开更多
针对齿轮箱振动信号复杂多变,导致现有的齿轮箱故障诊断方法诊断精度不高、较弱故障特征容易被噪声淹没等问题,提出了一种基于向量加权平均优化算法(weighted mean of vectors,INFO)、变分模态分解(variational mode decomposition,VMD...针对齿轮箱振动信号复杂多变,导致现有的齿轮箱故障诊断方法诊断精度不高、较弱故障特征容易被噪声淹没等问题,提出了一种基于向量加权平均优化算法(weighted mean of vectors,INFO)、变分模态分解(variational mode decomposition,VMD)和卷积神经网络(convolutional neural network,CNN)的齿轮故障诊断方法。该方法首先采用熵权法将不同位置的振动传感器信号信息进行融合,利用INFO对VMD算法中参数进行优化,并设计一个复合评价指标作为参数优化的评价标准,使用奇异峭度差分谱的方法对敏感分量进行重构;其次,从重构的信号中提取时域、频域特征并输入到CNN模型中进行分类;最后通过Shap(Shapley additive explanations)值法对模型输入特征的重要性进行排序,分析不同特征组合对模型分类和特定故障识别的影响。在东南大学行星齿轮数据集上进行验证,结果表明,利用所提特征组合进行故障诊断,CNN模型故障诊断准确率为98.24%,高于其他特征组合,为行星齿轮箱的故障诊断提供了一组有效的特征指标。展开更多
针对传统多重信号分类(multiple signal classification,MUSIC)算法在低信噪比环境和小型化麦克风阵列影响下的性能下降问题,提出了一种结合第一主向量法和子空间加权法的改进MUSIC算法。首先利用第一主向量法对传统MUSIC算法进行优化,...针对传统多重信号分类(multiple signal classification,MUSIC)算法在低信噪比环境和小型化麦克风阵列影响下的性能下降问题,提出了一种结合第一主向量法和子空间加权法的改进MUSIC算法。首先利用第一主向量法对传统MUSIC算法进行优化,得到改进的空间谱函数,以降低噪声对定位精度的影响:其次利用基于双指数模型的最小二乘法修正特征值,并对信号子空间和噪声子空间进行加权处理。仿真结果表明,改进后的MUSIC算法能够有效提升小型化麦克风阵列在低信噪比条件下对相近声源波达方向的估计精度,为声源定位系统的小型化应用提供了新的解决方案。展开更多
针对畜禽疫病文本中特征项权重分配不准导致诊断准确率较低的问题,利用提出的TF-IIGM-NW(Term Frequency-Improved Inverse Gravity Moment With Normalization and Weighting)改进算法结合Word2vec词向量进行文本向量化表示。该方法在T...针对畜禽疫病文本中特征项权重分配不准导致诊断准确率较低的问题,利用提出的TF-IIGM-NW(Term Frequency-Improved Inverse Gravity Moment With Normalization and Weighting)改进算法结合Word2vec词向量进行文本向量化表示。该方法在TF-IIGM(Term Frequency-Improved Inverse Gravity Moment)算法的基础之上,对其进行归一化处理并结合基于关键词抽取算法设定的规则,进一步提升文本内核心关键词权重,然后将其与结合Word2vec词向量获取的文本向量化表示结果输入支持向量机(Support Vector Machine,SVM)进行畜禽疫病诊断。为了验证算法的有效性,基于自建的羊疫病文本数据集,将改进算法与现有词向量常见处理方式进行对比分析。结果表明,基于TF-IIGM-NW算法的macro-F1值与micro-F1值分别达到96.73%,96.76%;与传统经典算法TF-IDF(Term Frequency-Inverse Document Frequency)相比,分别提升2.25%,2.26%;与TF-IIGM算法相比,分别提高0.90%,0.97%。改进算法能够有效提升疫病诊断性能。通过SVM在每类疫病上的实验结果分析表明,羊口疮疫病类别最易被错判。展开更多
轨道交通LTE-M(Long Term Evolution-Metro,基于轨道交通的长期演进)同频干扰检测关乎列控信号传输的可靠性,提出一种基于INFO(weIghted meaNoFvectOrs,基于向量加权平均)算法的盲源分离方法,即INFO-BSS。该方法以混合信号的最大化负熵...轨道交通LTE-M(Long Term Evolution-Metro,基于轨道交通的长期演进)同频干扰检测关乎列控信号传输的可靠性,提出一种基于INFO(weIghted meaNoFvectOrs,基于向量加权平均)算法的盲源分离方法,即INFO-BSS。该方法以混合信号的最大化负熵为目标函数,用INFO优化算法替代牛顿迭代法,解决了牛顿迭代法初始参数易设置不当以及容易陷入局部最优的问题。仿真结果对比表明,在不同分辨率带宽、不同信干比等条件下,INFO-BSS的检测性能都要优于常规算法。展开更多
文摘光伏发电功率的准确预测对于优化能源管理和电网规划及优化调度具有重要的意义。针对以往光伏发电功率预测方法预测精度不高,传统混合网络模型存在参数选择不确定性和收敛速度较慢的问题,基于历史气象数据和光伏发电数据,提出一种结合向量加权平均(weighted mean of vectors,INFO)算法、卷积网络(convolutional neural network,CNN)和双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)的光伏发电功率预测方法。首先,选取与光伏发电功率预测相关的多种气象因素,含太阳辐射、温度、湿度、风速、气压等气象参数,并分析它们与光伏发电功率之间的关系,然后使用INFO算法对CNNBiLSTM混合网络预测模型的隐藏层节点数、初始学习率和L2正则化系数进行优化,INFO算法通过自适应调整这些参数,缩短了手动调制参数的时间,提高了超参数设置的精度和效率。实验结果表明,通过INFO算法优化的CNN-BiLSTM混合网络相比传统CNN-BiLSTM混合网络具有更高的预测精度。
文摘【目的】工业控制系统(industrial control system,ICS)中设备间通信过程高度依赖工控协议来实现,协议安全性对保障ICS稳定运行起到关键作用。漏洞挖掘与入侵检测等作为ICS安全防御体系的核心技术组件,其有效性依赖于对工控协议结构及语义功能的精确解析。协议逆向分析作为解析协议结构与语义功能的关键技术,其核心环节语义推断精度直接决定协议理解的准确性。然而,受限于工控协议文档缺失、格式异构性强等现实条件,现有语义推断方法普遍依赖专家经验,存在自动化水平不足、跨协议泛化性能有限等固有瓶颈,难以适应实际工业环境中多源异构协议的高精度解析需求。【方法】为解决上述问题,本文提出mBERT协同多源领域自适应与结构化掩码策略的语义推断方法。通过mBERT模型实现跨协议通用语义表示;利用结合注意力权重与位置编码设计的结构化掩码策略,增强模型对协议结构和语义内在联系的表示能力,提高语义推断方法的自动化程度和效率;利用结合对抗训练的多源领域自适应逐步微调策略,提升模型对多个源协议的语义通用表示能力,增强其在多种工控协议上的适用性,实现关键字语义的有效推断。【结果】在辽宁省石油化工行业信息安全重点实验室的典型能源企业攻防演练靶场中开展实验验证,采集了S7comm、Modbus/TCP和EtherNet/IP三种工控协议数据,并利用协议复杂度评分机制组建训练数据集。结果表明,多源领域自适应逐步微调策略能够显著提升模型性能,将其与结构化掩码策略结合,进一步提高了语义推断精度,且本文方法在精确度、召回率与F_(1)分数指标上均显著优于现有基线方法。【结论】本文提出了mBERT协同多源领域自适应与结构化掩码策略的语义推断方法,在语义推断中采用高维球面映射与多任务损失函数,增强了不同语义类别的区分度与模型对协议语义的深层辨识能力。本文方法不仅显著降低了对人工先验知识的依赖,也提升了语义推断效率与跨协议适用性,为工控协议逆向分析及工业系统安全防护提供了具备理论支撑的新路径。
文摘针对齿轮箱振动信号复杂多变,导致现有的齿轮箱故障诊断方法诊断精度不高、较弱故障特征容易被噪声淹没等问题,提出了一种基于向量加权平均优化算法(weighted mean of vectors,INFO)、变分模态分解(variational mode decomposition,VMD)和卷积神经网络(convolutional neural network,CNN)的齿轮故障诊断方法。该方法首先采用熵权法将不同位置的振动传感器信号信息进行融合,利用INFO对VMD算法中参数进行优化,并设计一个复合评价指标作为参数优化的评价标准,使用奇异峭度差分谱的方法对敏感分量进行重构;其次,从重构的信号中提取时域、频域特征并输入到CNN模型中进行分类;最后通过Shap(Shapley additive explanations)值法对模型输入特征的重要性进行排序,分析不同特征组合对模型分类和特定故障识别的影响。在东南大学行星齿轮数据集上进行验证,结果表明,利用所提特征组合进行故障诊断,CNN模型故障诊断准确率为98.24%,高于其他特征组合,为行星齿轮箱的故障诊断提供了一组有效的特征指标。
文摘针对传统多重信号分类(multiple signal classification,MUSIC)算法在低信噪比环境和小型化麦克风阵列影响下的性能下降问题,提出了一种结合第一主向量法和子空间加权法的改进MUSIC算法。首先利用第一主向量法对传统MUSIC算法进行优化,得到改进的空间谱函数,以降低噪声对定位精度的影响:其次利用基于双指数模型的最小二乘法修正特征值,并对信号子空间和噪声子空间进行加权处理。仿真结果表明,改进后的MUSIC算法能够有效提升小型化麦克风阵列在低信噪比条件下对相近声源波达方向的估计精度,为声源定位系统的小型化应用提供了新的解决方案。
文摘轨道交通LTE-M(Long Term Evolution-Metro,基于轨道交通的长期演进)同频干扰检测关乎列控信号传输的可靠性,提出一种基于INFO(weIghted meaNoFvectOrs,基于向量加权平均)算法的盲源分离方法,即INFO-BSS。该方法以混合信号的最大化负熵为目标函数,用INFO优化算法替代牛顿迭代法,解决了牛顿迭代法初始参数易设置不当以及容易陷入局部最优的问题。仿真结果对比表明,在不同分辨率带宽、不同信干比等条件下,INFO-BSS的检测性能都要优于常规算法。
