融合DBN和BiLSTM的工业互联网入侵检测方法

针对当前工业互联网的攻击行为复杂,其网络数据具有海量、高维、时序性和非线性等特征,导致传统入侵检测方法的特征提取困难、检测率低、泛化能力差等问题,提出一种融合深度信念网络(deep belief network,DBN)和双向长短时记忆网络(Bi-directional long short-term memory,BiLSTM)的深度混合入侵检测模型。对数据集进行预处理;利用深度信念网络和双向长短时记忆网络分别对非线性特征和长距离依赖信息进行特征提取;利用softmax分类器识别入侵行为。测试结果表明,相较于目前领先的算法,该方法在天然气管道数据集上的准确率提高了0.82%,误报率降低了0.35%;在UNSW-NB15数据集上的准确率提高了2.40%,误报率降低了4.17%。

全景化智能小车

本文设计的智能小车硬件系统使用英伟达的Jetson Nano开发板,软件系统使用Ubuntu18.04搭配ROS1.0。视觉巡航模块运用深度学习中的CNN网络对赛道图片和转向数据进行训练,建立赛道转向的数学模型;交通标志检测模块使用YOLOv5对特定的交通标志进行训练与识别;导航避障模块使用激光SLAM的方法,采用Gmapping建图算法建立实时局部地图,然后运用扩展卡尔曼滤波算法融合里程计与IMU数据进行定位,通过激光雷达扫描得到环境中障碍物的位置信息,再使用导航算法实现障碍物区域的路线制定,以此实现自动行驶。

数字孪生——我们仅仅是还原了现实吗

数字化如何赋能新型工业化?数字孪生技术只是“还原了现实”,即所谓的映射,是远远不够的。这背后需要诞生崭新的商业逻辑,转动全新的价值闭环才可能真正释放数字孪生带来的新生动能。2023年的春天,中国经济迅速复苏、充满活力,数字经济成为一道耀眼的风景。数字化助力推进新型工业化,为推动中国经济高质量发展与中国式现代化注入强劲动能,而数字孪生为新型工业化的企业管理提供了数字底座。