面向工业无线系统的实时聚合调度方法

工业无线系统中网络资源受限,如何确保大量控制指令的实时传输是工业无线网络面临的关键问题.聚合传输是提高网络资源利用率的有效手段,然而,现有方法主要面向树状拓扑网络,未考虑数据流目的节点不同导致的解聚点延迟问题,在网状拓扑中聚合后的网络系统实时性难以保障.为此,本文研究网状拓扑下的工业实时聚合调度问题,首先提出了考虑数据包聚合的最短截止时间算法(EDF-PA),EDF-PA在路径重叠区域采用被动聚合等待的方式对数据包进行聚合,以降低数据流间的传输冲突;在此基础上,为进一步提高重叠区域数据包聚合度,本文提出了一种改进的聚合调度算法(EDF-OPA),EDF-OPA采用主动聚合等待的方式,以数据流可调度性为约束,最大化特定重叠区域的数据包聚合度.仿真结果表明,本文提出的EDF-OPA算法可以有效提高工业无线系统性能,相比传统聚合调度方法的调度成功率可提升35%,在网络丢包严重时,性能仍可提升20%.

基于差异化设计技术的安全仪表系统共因失效分析方法研究

差异化设计技术是减小安全仪表系统(SIS)共因失效(CCF)发生概率的有效手段,它对系统可靠性评估技术提出挑战。为此,提出基于组件降级值(CDV)定量评估系统可靠性的新方法。先定义对组件失效行为有显著影响的4类影响因子(IFs),并针对每类影响因子的具体特点提出相应的差异映射方法;而后,基于权值影响向量和Alpha因子模型进行CCF分析,找出差异与系统CCF发生概率之间的数学关系。最后,以一个化学反应腔安全保护系统为例阐明所提出的方法。研究结果表明,系统CCF发生概率与差异存在相关性,用差异化设计技术能有效提高系统的可靠性。

面向网络入侵检测的GAN-SDAE-RF模型研究

针对传统机器学习方法在处理不平衡的海量高维数据时罕见攻击类检测率低的问题,提出了一种基于深度学习的随机森林算法的入侵检测模型,为了避免传统的随机森林面对高维数据和不平衡数据时分类精度低、稳定性差和对罕见攻击类检测率低的问题,引入生成式对抗网络(GAN)和栈式降噪自编码器(SDAE)对随机森林算法(RF)进行改进。将罕见攻击类数据集输入GAN神经网络中,生成新的攻击类样本,改善网络入侵数据在样本集中不均衡分布的情况,通过堆叠深层的SDAE逐层抽取网络数据的分布规则,并结合各个编码层的系数惩罚和重构误差,来确定高维数据中与入侵行为相关的特征,基于降维后的特征数据构建森林决策树。采用UNSW-NB15数据集的实验结果表明,与SVM、KNN、CNN、LSTM、DBN方法相比,GAN-SDAE-RF整体检测准确率平均提高了9.39%、误报率和漏报率平均降低了9%和15.24%以及在少数类Analysis、Shellcode、Backdoor、Worms上检测率分别提高了26.8%、27.98%、27.85%、39.97%。

面向工业无线控制网络的业务传输机制

为满足工业控制网络中具有不同实时性和精度的混合关键性业务传输需求,提出一种基于松弛因子的传输调度算法。通过对网络中的每个业务设置一个松弛因子并对其进行改变,确定是否传输有不同实时性和精度需求的业务,在保证高混合关键性业务传输的同时,尽可能满足更多较低关键性业务的传输需求。通过在天津石化部署的基于WIA-PA的无线数据远程监测与能源管理系统对算法性能进行测试,验证了该算法的可行性。

工业无线通信技术讲座 第六十四讲 WIA-PA数据采集网实时管理机制研究

工业现场对信息的传输具有高可靠、高实时性的要求。但工业厂区存在着仪器、仪表分布分散,设施位置偏僻,人工抄录费时费力等问题。另外,工业生产现场环境恶劣,干扰严重,对网络传输管理提出很大的挑战。因此,提出一种基于分层架构的网络管理模型。将网络分为不同的管理域进行分层管理。并采用基于移动代理技术的分布式管理方案,针对常规情况下和网络产生拥塞情况下,分别采取相应的管理方法。从而可以对网络进行有效管理,避免拥塞,保证信息传输的实时性和可靠性。

基于Beckhoff超采样技术的卷烟机重量控制系统

提出一种新颖的基于Beckhoff(倍福)PLC超采样技术的卷烟机重量控制系统,根据烟支重量控制原理设计了该系统的硬件架构及其实现方案。通过现场实验表明:该系统性能稳定,运行可靠,结构简单,便于扩展,具有较高的通用性与一致性,解决了现有的基于专用电路板的重量控制系统存在的诸多问题,对于提高生产稳定性,提升产品质量和精度具有重要意义。

基于物联网的智能家居系统网络层设计

目的提出一种智能网关与服务器协调合作的网络层解决方案,解决基于物联网的智能家居系统中各类感知设备、控制器与远程移动终端在网络层的互联互通问题.方法通过对系统网络层功能需求的分析,设计基于u C/OS-II操作系统的多任务并发网关,并结合Linux操作系统下的多进程技术与IO复用技术,开发网络层服务器,自主设计多层兼容可变长数据帧通信协议以保证系统各层次间数据交互的准确性与稳定性.结果系统网络层能够实现与感知层实时的数据交互,解决了多移动终端并发请求、网络层IO阻塞、数据交互时序混乱的问题.结论系统网络层具备高度的并发与实时性,可实现感知层中各类测控数据至应用层移动终端设备的双向数据交互,具有一定的工程应用价值.

结合栈式自编码及长短时记忆的入侵检测研究

针对网络攻击越来越隐蔽,且具有智能化和复杂化的特点,浅层的机器学习已经无法及时应对,提出了一种基于SDAE(Stacked Denoising Autoencoder)和LSTM(Long Short-Term Memory)相结合的深度学习方法。通过堆叠深层的SDAE智能逐层抽取网络数据的分布规则,结合各个编码层的系数惩罚和重构误差对高维数据进行多样性异常特征提取。结合LSTM的记忆功能和强大的序列数据学习能力进行学习分类。在UNSW-NB15数据集上进行了实验,通过调整时间步长进行分析,实验结果表明,该模型具有检测准确率高、误报率低的优点。

基于层级循环神经网络的术中X线图像腰椎自动识别

针对图像引导微创脊柱手术中移动C型臂X线成像特点,通过学习人体腰椎的曲率特征实现腰椎识别,提出一种基于层级循环神经网络的X线图像腰椎自动识别方法.首先为解决X线图像中腰椎纹理混叠的问题,提取腰椎三维模型与二维X线图像中共有的曲率特征作为模型的输入;其次为模拟术中移动C型臂多角度成像的特点,采用双向循环神经网络学习腰椎曲率特征,刻画腰椎曲率特征在不同成像角度下的关联性;最后为解决病理情况下腰椎部分信息缺失的问题,提出一种层级循环神经网络模型,通过逐层融合的网络架构对人体腰椎间天然的上下文关系进行建模,提高模型在病理情况下的腰椎识别率.在开源数据集和术中移动C型臂X线图像上的实验结果表明,文中方法在正常情况和病理情况下的腰椎识别率均优于其他4种方法,且由于使用了数据量较少的二维曲率特征,该方法在训练和测试阶段的计算效率更高,更适合于术中图像引导的应用.

基于组合赋权和云模型的工业通信质量评估

针对工业通信网络缺少通信质量评估方法的现状,提出基于组合赋权和云模型的工业通信质量评估方法。结合工业通信网络的背景,选取8个工业通信指标建立工业通信网络评价体系。运用最优传递矩阵改进的层次分析法和变异系数法分别计算指标的主观权重和客观权重,基于离差最大化思想进行组合赋权,避免单一确权方法计算指标权重的片面性。结合云模型将指标权重量化为评价等级,直观地反映评价结果。仿真结果表明,该方法能够有效地评价工业通信质量。

坚持党建引领聚合力 抢占智能制造制高点

工业控制网络与系统研究室主要从事工业信息技术基础理论和应用技术研究,是中国科学院重点实验室主要依托单位,现有科研人员115名,其中党员73名。多年来,我们始终坚持党建引领科技创新,团结和带领研究室党员群众,面向国家科技前沿和辽宁振兴发展需求,持续在工业物联网、智能测量、信息与功能安全等领域产出一批重大原创成果,为国家科技自立自强贡献了重要力量。

基于一种远程双脉冲激光诱导击穿光谱系统原位分析钢样成分

为了实现钢铁等金属熔炼过程中实时、在线监测元素组分含量,设计了一种远程双脉冲激光诱导击穿光谱(LIBS)分析系统,对远距离的样品进行非接触式远程测量、成分分析。首先利用固体标准钢样对系统进行了测试以及标定,为下一步利用此系统在线监测熔融钢液组分含量提供了基础。实验结果表明:激光远距离聚焦光斑在1 mm左右;双脉冲烧蚀比单脉冲烧蚀深度深很多;双脉冲最佳延时在不同距离下不一致;3.1 m处双脉冲增强效果比2.1 m处更好,其中Ti(Ⅰ)319.99 nrn增强最显著为5.19倍;各种元素的标定曲线相关系数r都在0.99左右,重复精度(RSD)基本都小于5%,测量偏差(RMSE)都小于0.021%,2.1m处的检出限相比3.1 m处更低,2.1 m处多数元素检出限小于500 ppm。

无线Mesh网络的高实时业务调度方法

为了解决无线Mesh网络实时业务的规划调度问题,提出一种基于动态规划的实时业务调度算法。首先,通过边集映射,将网络中的边转换为映射节点进行阶段划分;然后,每个Mesh路由器节点根据缓存中的队列情况预测数据包的排队时间,并结合业务截止期进行优先级重新分配,得到映射边的接入权值;最后,利用动态规划算法,根据映射边的接入权值选择最优的映射节点接入次序,得到该业务在各阶段的最优调度顺序。仿真结果表明,该算法能够兼顾高、低优先级业务的实时需求,降低全网业务的平均时延和丢包率。

工业无线传感网混合关键性业务带宽分配算法

在工业无线传感网中,对业务传输的实时性和可靠性都有较高的要求.本文基于广义的最大-最小效用公平准则,通过线性分段函数对计算过程进行简化,提出基于线性分段函数的一种带宽分配方法.该方法基于集中式控制的结构,既保障高关键性业务的及时传输,又不会对高实时性低带宽需求的业务造成影响.通过部署在天津石化的无线数据采集网络对算法性能进行测试,验证了算法的有效性和可行性.

基于工业场景应用的WIA-FA与5G融合解决方案

随着我国工业领域数字化、智能化转型的不断提速,工业无线技术的应用场景趋向网络中接入设备种类繁多,无线传输要求高可靠性、低时延和高并发传输。针对工业场景无线技术越来越苛刻的要求,在5G技术现有的技术指标基础上,对工业场景下5G技术应用面临的问题进行了分析,总结了在端到端延迟、可靠性、维护性和部署成本等方面的问题,提出了一种无线局域网技术WIA-FA与5G技术融合的解决方案。合理部署工业现场室内无线局域网络与室外广域无线传输网络,最大程度提高无线网络传输的高靠性和低时延方面的性能,降低部署成本和维护难度。

面向输电线路监测网络混合MAC协议改进方法

非均衡网络流量、局部密集网络拓扑等应用特征以及低能耗、高实时通信等应用需求给应用于输电线路监测网络的MAC设计提出了挑战.针对原应用与输电线路监测网络低流量时段的X-MAC协议的不足,通过引入同步操作、精确预估唤醒时刻,提出了SX-MAC协议.SX-MAC最大限度地减少网络中前导码报文的长度,节省了网络能量.通过分析SX-MAC协议的网络能耗,得出最优同步周期的理论值.又提出了占空比交错调度机制,优化上行数据的实时性.采用了OPNET进行了仿真验证,结果表明,在此应用背景下,SX-MAC协议比X-MAC协议能够更好地节约网络能量和满足网络实时性要求.仿真条件下最优的同步周期为15分钟.

具有多优先级的多变量实时在线决策支持系统

生产过程中,操作人员的操作经验影响生产效益和安全,为此本文结合双层预测控制中稳态目标计算思想,提出了一种具有优先级的实时在线决策支持系统.针对实际生产过程无法确定准确的代价系数的问题,引入操作优先级的思想,结合稳态目标计算层被控变量的优先级优化方法,计算最优操作目标(被控变量和操作变量),解决了模块多变量操作指导中每层模块无法区分变量重要性的问题,并说明了二者在结构上的相似性.最后给出应用本文提及的方法进行决策支持的一个例子,验证该方法的有效性.

基于带时间回溯的神经网络算法对新冠疫情数据的分析与预测

由于新冠肺炎疫情对全球造成了巨大的影响,因此有必要研究疫情的发展趋势。为此,笔者构建了带有时间回溯的神经网络模型,对以新冠肺炎累计病例为代表的时间序列数据进行分析和预测,首先通过K-means聚类方法对209个国家和地区进行分类,然后从不同类别中挑选代表国家或地区,应用改进的神经网络模型进行分析和预测,并和其他经典算法进行比较。实验结果证明,与其他经典的机器学习算法相比,经过改良的具有时间回溯的神经网络算法表现更好,预测准确度较高,能够有效预测新冠肺炎疫情的发展趋势及众多的时间序列数据。

三维路径规划中改进蚁群算法搜索策略

为解决传统蚁群算法收敛速度慢,产生避障路径结果不理想等情况,提出一种静态障碍物环境下的新型贪婪改进蚁群算法。建立算法模型,配置算法参数组合,利用贪婪算法的思想,改变蚁群算法的路径选择方式,使算法拥有极快的收敛速度;改进信息素更新规则,使其随迭代次数进行动态更新,避免算法陷入早熟;改进启发式判断法则。实验结果表明,改进算法在不同复杂程度的环境中可较快获得最优路径,对比其它算法具有更好的性能,验证了算法的可行性。

基于激光诱导击穿光谱的合金钢组分偏最小二乘法定量分析

在炼钢中合金浓度的检测和控制对产品质量影响很大,激光诱导击穿光谱(laser induced breakdown spectroscopy,LIBS)技术具有快速、非接触、无需制样等特点,非常适合应用于合金成分的在线分析。但是由于合金中的C,S,P元素的成分含量都很低,其原子发射谱线极易淹没在复杂的铁元素特征谱线之中,造成这些重要元素在线定量分析困难。以合金钢标准光谱样品为研究对象,获取激光诱导击穿光谱数据,采用定标曲线法(calibration curve,CC)和偏最小二乘法(partial least squares,PLS),对合金钢样品的主量和微量元素进行定量分析。比较两种方法的定标结果得出:对于主量元素,PLS方法的定量分析水平优于传统的CC法;更重要的是对于微量元素,由于特征谱线极弱,CC法无法得出定量结果,而PLS法仍然具有良好的定量分析能力。同时,将PLS法回归模型特征谱线处的回归系数与原始有背景干扰的光谱强度数据进行比较,阐述了LIBS数据定量分析中PLS方法的优势。结果表明,在激光诱导击穿光谱合金成分分析中,PLS方法适合用于C等微量元素的定量分析。