课程文献中心 更多>>

关键词： 空间信息网络   网络架构   资源分配   数据传输  

摘要： 现阶段空间信息网络中各卫星子系统各成体系且相互割裂，使得网络呈现封闭、分裂态势，形成严峻资源壁垒，造成空间资源协同应用能力弱以及网络扩展能力低等难题。传统架构设计采用对现阶段空间网络架构的“完全颠覆”的思路，大大增加了实际部署的难度。为此，该文立足于卫星网络现状，采取“按步骤分阶段升级”的思路，促进现有网络架构的演进，从任务驱动角度开展动态可伸缩空间信息网络架构模型研究，实现空间资源在各卫星子系统间高效动态共享，促进空间资源根据任务需求变化而动态高效汇聚。首先，提出分阶段实现的网络架构模型，旨在兼容和升级现有网络架构。随后，介绍核心部件网络资源协调器的详细设计，包括网络结构与工作协议、超帧结构以及高效的网络资源动态分配策略，实现空间数据的高效传输。仿真结果表明，所提网络架构实现了网络资源高效共享，大大提升空间信息网络的网络性能。

关键词： 深度神经网络   对抗攻击   眩光效应   模型鲁棒性   对抗训练  

摘要： 随着对抗攻击算法的不断更新，深度神经网络面临的安全风险愈加严峻。由于光学现象在真实世界中出现频繁，对光学对抗攻击的抗干扰能力直观反应了深度神经网络在实际应用中的安全性。然而，目前光学对抗攻击方面的研究普遍存在光学对抗扰动失真和优化不稳定的问题。为此，提出了一种新型光学攻击方法AdvFlare，以便于探究眩光扰动对深度神经网络安全性的影响。AdvFlare构造了一种参数化的眩光仿真模型，该模型对眩光的形状和颜色等多个属性进行建模，仿真效果好。在此基础上，提出了参数空间限制、随机初始化和分步优化的策略，解决了对抗扰动失真与收敛困难的问题。实验结果表明，与现有方法相比，AdvFlare能够以极高的成功率的让深度神经网络误分类，具有稳定和扰动逼真度高的优点。此外，还发现，无论在数字域还是物理域，利用AdvFlare进行对抗训练能够显著提高深度神经网络的抗干扰能力，对提高公共交通场景下的模型鲁棒性有启发作用。

关键词： 动载荷识别   物理嵌入式神经网络   可解释神经网络   模态分析   参数校正   凸优化  

摘要： 针对传统动载荷识别方法中频响函数矩阵求逆运算导致的不适定性问题，以及深度学习方法缺乏物理可解释性的局限，提出了一种全新的物理嵌入式神经网络（Physical Embedded Neural Network, PENN）动载荷识别模型与方法。通过将结构动力学参数（如模态质量、模态刚度、模态阻尼等）直接嵌入神经网络中，构建出具有物理可解释性的PENN动载荷识别模型。PENN模型能够以正向计算过程直接识别动载荷的功率谱密度，避免了传统方法的频响函数矩阵求逆运算，并能够对其内部的物理参数进行自适应修正，保证了在先验物理参数不准确时仍能实现动载荷的高精度识别。详细阐述了方法机理、PENN模型构建规则、参数设定及训练流程，并对多种工况下的动载荷进行了数值仿真与实验验证，结果表明，本方法在动力学系统先验参数不准确和仅有1组训练样本的情况下，识别动载荷的皮尔逊相关系数均不低于95%，展现出较好的鲁棒性和工程应用潜力。

关键词： IPv6   双栈   DMZ   SDN   数据中心网络  

摘要： 信息化网络是支撑企业发展的重要基础设施。随着数字化技术不断深入企业发展的各个环节，在云计算平台建设、工业互联网建设、智慧园区建设以及网络安全管控等方面，对企业网络基础设施提出了更高的要求。主要聚焦于企业基础网络、数据中心网络以及IPv6地址规划3个维度进行方案研究，为传统企业网络的IPv6升级改造提供指引和参考。

关键词： 上报数据   资源分配   数据信度系数   综合贴近度  

摘要： 提出一种通信网络规划上报数据处理方法、资源分配方法，获取待分配单位的历史资源数据，包括预设的若干个网络指标的上报值和实际值；根据历史资源数据，计算待分配单位的数据信度系数和综合贴近度；提出的一种abc信度系数算法，能够较好地解决数据准确性与资源分配精度的关联；提出改进的综合贴近度分配法，从历史资源数据中挖掘网络指标与网络资源目标函数之间的特征关联，比现有技术普遍采用的相关性分析方法，在表征网络指标与目标函数资源之间的重要程度、影响程度方面的技术效果、准确性以及处理灵活性方面均有显著提升。

关键词： 安全工程   储能系统   热失控火灾   热阻网络   PyroSim  

摘要： 作为现代能源领域的重要一环，电池储能系统为可再生能源的存储和利用提供了有力支持，但电池发生热失控（Thermal Runaway，TR）产生的连锁反应会加重火灾事故后果。为探究储能系统TR火灾演化规律，利用MATLAB搭建电池热阻网络模型，结合PyroSim仿真软件对锂电池TR燃烧进行数值模拟，分析了储能系统火灾过程中温度、热释放速率（Heat Release Rate，HRR）和一氧化碳（CO）的变化规律。结果表明：100%充电状态（State of Charge，SOC）下，280 Ah的磷酸铁锂(LiFePO4，LFP)电池热失控产生的HRR峰值为84.06 kW；电池模组和储能舱电池TR产生的HRR峰值分别为174.36 kW和5 184 kW，舱内中心温度最高为805 ℃，CO体积分数最大为0.001 86，z方向火焰传播速度最大，其次为x方向和y方向。仿真结果能为不同尺度下LFP电池热失控火灾的数值模拟提供理论指导。

关键词： 重要节点   LeaderRank   Adaptive GraphRank   背景图   H指数  

摘要： 社交网络中的重要节点对网络结构和功能具有决定性影响，开发精度更高的重要节点排序算法成为当前的研究热点之一。其中，LR(LeaderRank)引入一个背景节点明显提升了经典PageRank排序算法的性能，但仍面临着网络中小出度用户的投票权偏见问题。因此，提出背景图增强的社交网络重要节点自适应排序算法AGR(Adaptive GraphRank)，构建多节点背景图替代LR的单一背景节点，基于H指数设计有偏向的随机游走，缓解投票权偏见。调参实验初步确定了背景图的最优规模和结构，与K-TOPSIS等现有优秀算法进行对比实验，验证了AGR在传播、瓦解、鲁棒性三个关键维度上的性能提升，实际案例检验了算法在真实场景下的有效性。综上，AGR有效缓解了投票权偏见，提高了排序精度，展示出较优的性能和应用潜力。

关键词： 数据中心   波长交换网络   波长转换   路由、波长和时隙分配  

摘要： 【目的】全光脊叶数据中心网络采用多级波长选择开关级联的架构，波长易在波长选择开关的端口处出现波长冲突，导致光通道建立失败，从而严重影响了网络的频谱使用效率。为解决这一问题，可以在其脊层波长选择开关的输入端口处放置可调谐波长转换模块，进行任意波长之间的转换，提高网络灵活性。然而，这将导致全光脊叶数据中心网络的组网成本极大增加。为此，本文希望通过提出有限波长转换全光脊叶数据中心网络架构在网络性能与组网成本之间找到平衡。【方法】本文提出了两种有限波长转换方案，包括部分端口允许波长转换和部分波长允许转换。其中部分端口允许波长转换是只在部分脊层波长选择开关前放置可调谐波长转换模块，且各模块均可实现全波长转换。而部分波长允许转换则在全部脊层波长选择开关前放置可调谐波长转换模块，且各模块仅允许特定波长转换。此外，本文也针对这两种网络架构的静态光通道业务部署问题，提出了相应的路由、波长和时隙分配算法。【结果】仿真结果表明，本文提出的两种网络架构都能在总业务完成时间和总波长选择开关重配次数等方面获得接近具备全波长转换能力的全光脊叶数据中心网络性能。【结论】因此，本文提出的有限波长转换全光脊叶数据中心网络降低组网成本的同时有效保障了网络的性能。

关键词： 测试时自适应   动态适应   低熵样本   加权集成  

摘要： 测试时自适应旨在不依赖于任何源数据的前提下，将源预训练模型泛化到目标域。以往的测试时自适应技术多针对静态目标域进行优化，然而实际应用中目标域的分布往往随时间动态变化，这要求模型具有更强的实时适应能力。尽管已有研究尝试通过自训练和熵最小化策略来应对持续测试时自适应挑战，但这些方法容易过度依赖于样本伪标签，而伪标签中的噪声可能加剧模型的误差累积，甚至导致模型崩溃。此外，由于实际环境中目标域的变化程度各不相同，现有的持续测试时自适应方法往往难以有效地处理不同程度的域偏移，从而影响模型的性能。针对这些问题，本文提出了一种基于均值教师网络的连续测试时自适应方法。该方法主要包括三个部分，首先，本文会估计当前目标域的偏移程度进行自适应。然后，利用平均教师模型预测结果的优势，选择低熵样本作为可靠数据源，对学生模型进行知识蒸馏，有效减少由伪标签噪声引起的模型误差积累。最后，为了进一步增强模型的鲁棒性，本文对师生模型的输出进行了加权集成作为最终的预测。本文在四个数据集上的大量实验证明了本文方法的有效性和稳定性。

关键词： 配电网系统   拓扑结构辨识   数据驱动   深度学习   卷积神经网络  

摘要： 网架结构的拓扑辨识是配电系统优化与控制的基础。随着风能和太阳能等可再生能源发电的高比例接入，配电网的拓扑结构变得更加复杂并且变化频繁，显著增加了拓扑辨识的难度。为了提高拓扑辨识的准确率，本文结合配电网的结构和运行特点，提出了一种基于自组织映射(SOM)和卷积神经网络(CNN)深度学习框架的配电网拓扑辨识方法。考虑到配电网数据的高维特性，该方法首先利用主成分分析(PCA)对高维电压幅值和有功功率数据进行降维，进而使用SOM提取数据特征，将其转换为二维特征图，并通过CNN学习输入特征与拓扑标签之间的映射关系，从而实现配电网拓扑结构的精准辨识。通过在33、69和123节点配电网算例上进行仿真实验，验证了所提方法的有效性，并且相较于其他方法，该方法在辨识准确率和鲁棒性等性能上具有明显优势。