电厂工控信息安全半实物仿真模型研究

依据物理隔离与专网防护的传统思路,工业控制系统(ICS)亟需解决"内在"的功能安全和"外在"的信息安全问题,以及构建"可信、可管、可控"环境下的ICS典型信息安全验证场景。为了适应ICS信息安全问题的研究与验证,基于ICS五层结构模型,建立工控信息模型并利用MATLAB来模拟电厂现场实际物理过程,利用Lab VIEW软件构造监控系统操作界面,通过OPC协议及共享变量引擎SVE实现Lab VIEW与MATLAB之间的实时数据交换,同时通过PLC来对现场数据进行采集,构建了ICS半实物仿真模型,对ICS信息安全防护提供了一种新思路。

基于区块链的工业物联网隐私保护协作学习系统

为了在保护数据隐私的前提下,充分利用异构的工业物联网节点数据训练高精度模型,提出了一种基于区块链的隐私保护两阶段协作学习系统。首先,使用分组联邦学习框架,根据参与节点的算力将其划分为不同组,每组通过联邦学习训练一个适合其算力的全局模型;其次,引入分割学习,使节点能够与移动边缘计算服务器协作训练更大规模的模型,并采用差分隐私技术进一步保护数据隐私,将训练好的模型存储在区块链上,通过区块链的共识算法进一步防止恶意节点的攻击,保护模型安全;最后,为了结合多个异构全局模型的优点并进一步提高模型精度,使用每个全局模型的特征提取器从用户数据中提取特征,并将这些特征用作训练集训练更高精度的复杂模型。实验结果表明,该系统在Fashion-MNIST和CIFAR-10数据集上的性能优于传统联邦学习的性能,能够应用于工业物联网场景中以获得高精度模型。

发电系统动态仿真监控平台研究

为了同步实时获取电力系统动态仿真数据以实现交互式仿真,使用LabVIEW软件及其数据记录和监控模块设计了一套监控平台,并利用MATLAB/Simulink软件进行了验证。构建了三相同步发电机带负载仿真模型,可通过程序控制断路器接入两种负载产生不同工况,支持现场对发电机电气参数进行连续监测,利用过程控制对象连接与嵌入OPC技术将测量值传递到虚拟仪器监控系统中实时显示各监测对象当前值和趋势图,同时实现了数据采集与存储、与模型控制交互等关键功能。实验结果表明,监控平台能正确地监控仿真模型的运行,并执行所设计的各项功能。

含内部障碍物开孔缝腔体屏蔽效能

针对含有内部金属障碍物的开孔屏蔽腔体的结构特点,采用扩展的传输线方法理论,建立了平面波照射下腔体电场屏蔽效能的等效电路模型,推导了近似计算解析式,并计算分析了内部金属障碍物对开孔腔体屏蔽效能的影响,分析了障碍物跨度、到腔体开孔缝面的距离和障碍物开缝距离对腔体电场屏蔽效能的影响.在0～1 GHz范围内,利用传输线方法（transmission line method,TLM）计算了含内部障碍物腔体屏蔽效能,与CST软件仿真结果验证了本方法的有效性.计算结果表明：内部金属障碍物提高了腔体的屏蔽效能,改变了腔体的谐振频率,且障碍物尺寸越大对腔体影响越大;障碍物距离开缝面越远、跨度越大、障碍物开缝距离越近,腔体屏蔽效能越大.

随机耦合模型复杂腔体电磁耦合效应统计特性

针对微波脉冲激励下复杂屏蔽腔体内部电路耦合电磁量计算的问题,建立了一个微波混沌腔体,通过测试获取了含内部电路的腔体辐射和辐射散射参数,利用随机耦合模型(RCM),对干扰脉冲能量进行了归一化处理,计算分析了微波脉冲宽度、脉冲间隔、脉冲数目以及腔体损耗因子对目标点感应电磁量统计分布的影响。计算结果表明:脉冲干扰下电路目标点耦合电磁量强于功率源激励;在脉冲能量一定的条件下,目标点耦合电磁量与微波脉冲的宽度、间隔和数目的变化均呈现一定的谐振特性,且单脉冲激励对电路的影响明显强于多脉冲。与此同时,实验还研究了电路易受电磁干扰的目标点的确定方法。

基于边云协同的智能工控系统入侵检测技术

工业控制系统(ICS)由原来的封闭隔离状态逐渐开放,导致工业控制设备出现故障或损坏。根据ICS业务逻辑稳定性的特点,提出一种新颖的ICS入侵检测模型,以确保系统数据和业务逻辑安全可靠。在边缘计算3.0的架构下构建边云协同的入侵检测模型;改进传统的卷积神经网络(CNN)算法,利用深度可分离卷积建立Mobile Net模型实现入侵检测业务的仿真。仿真结果表明,该模型的准确率提升到98%以上,训练时间是传统CNN模型的50%,更适合边缘端使用。

基于TensorFlow的高压输电线路异物识别

针对传统异物识别准确率较低的问题,提出一种基于TensorFlow的深度卷积神经网络的异物识别模型。将巡检图像进行图像灰度化和尺寸压缩等预处理,并采用三维块匹配滤波(BM3D)算法进行图像去噪得到实验所需的训练数据。提出基于TensorFlow的深度卷积神经网络框架,通过使用框架中的TensorBoard模块设计深度卷积神经网络模型结构与优选模型参数,并针对ReLU激活函数与特征权重进行理论分析。实验结果表明,经过15次迭代训练后,深度卷积神经网络比传统的支持向量机(SVM)、极限学习机(ELM)和BP神经网络算法具有更强的巡检图像识别能力;与经典的LeNet-5和VGGNet模型以及相关文献中的模型相比,所提模型更具有优越性。