数据采集异常下的车用动力电池状态监测与故障诊断

实时准确的状态监测对车载动力电池至关重要,其依赖于大量传感器采集的信息数据。在长期使用中,高频振动和连接器松动使局部传感器失效,导致数据采集异常。由于针对数据缺失和更新停滞异常的相关研究较少,该文提出一种基于双向长短期记忆网络和最小二乘支持向量回归的异常数据监测与校正方法。建模和参数辨识分别采用戴维宁模型和数据驱动方法,同时输入和状态估计算法用于电池状态估计。实验中,该方法在6种混合异常测试条件下的估计误差保持在5%左右,其有效性得到验证。

基于强化学习的工控系统渗透测试最优路径生成方法

针对现有渗透测试方法的不足,提出了结合工业控制系统特点与强化学习模型的最优渗透测试路径生成方法.首先分析工业控制系统典型结构和安全威胁以及渗透测试基本流程;然后基于强化学习模型对目标系统和攻击者进行建模,提出了基于Q-Learning的渗透测试最优路径生成方法;最后,以石油催化炼化系统为对象进行实验验证.结果表明该方法能够综合考虑测试人员专业技能和目标设备的差异,从多个高效的路径中生成渗透测试最优路径,为大规模工控系统的渗透测试提供了解决思路.