丁波——基于多机协作的流量监测

合集下载

流体传动及控制国家重点实验室(浙大)

流体传动及控制国家重点实验室(浙大)

流体传动及控制国家重点实验室实验室介绍浙江大学流体传动及控制国家重点实验室的前身是由原国家科委、国家教委联合批准于1981年成立的浙江大学流体传动及控制研究室。

1985年12月被原国家教委批准为首批开放实验室,1989年进入世界银行贷款国家重点实验室建设系列,1995年9月建成并通过国家验收,1997年4月通过国家评估。

实验室学术带头人为路甬祥院士。

现任实验室主任傅新教授,副主任是陶国良教授、金波副教授。

实验室学术委员会主任路甬祥院士,副主任史维祥教授和王益群教授。

经过多年的培养和积累,实验室已形成了一支高水平、高层次、精干、多学科的科研队伍。

目前实验室现有固定人员30名,流动人员19名,分别属于流体传动及控制、机械电子工程、应用流体力学、信号处理及检测等专业。

固定人员中,教授20人(其中博导16人),副教授及高级工程师9人,拥有博士学位26人,占86.7%。

在读博士研究生、硕士研究生和博士后研究人员250多名。

实验室以满足国家战略需求、促进学科发展和为国民经济建设、为国家安全、国防建设服务为己任,以“一流的人才梯队,一流的教育质量,一流的科研水平,一流的成果转化”为奋斗目标,在科研工作、人才培养、队伍建设、开放交流、实验设备建设等方面都取得了显著成绩。

实验室拥有一批具有国际、国内先进水平的实验设备和测试仪器,提供了本领域国内一流的研究条件。

一批新的实验装置正在建设之中。

在不断深化应用基础研究的同时,实验室还着眼于满足国民经济和行业发展的需求,在将流体传动及控制技术应用于能源、交通、海洋、冶金等重要领域以及国防建设等方面做出了自己的贡献。

实验室已成为我国流体传动及控制领域最重要的科学研究与人才培养基地,在国际上也有广泛的影响。

固定人员流体传动及控制国家重点实验室学术委员会名单Members of Academic Committee of the SKLoFP研究方向本实验室根据自身的学术积累和研究特色,结合流体传动及控制学科的发展,在学术委员会的指导下,以面向国家战略需求,面向学科发展前沿,使应用基础研究与为经济建设服务、为国家安全、国防建设服务相结合为基本原则,制定本实验室的研究方向;并将实验室的基本研究目标确定为:通过在流体传动及控制领域的应用基础理论及技术的研究,使实验室成为在流体传动及控制研究领域国内一流的应用基础理论研究基地,成为聚集和培养本领域优秀人才以及开展高水平学术交流和开放的基地,以继续发扬在流体传动及控制学科国内学术研究领先地位的优势,发展具有我国自主知识产权、面向相关行业的流体动力控制技术,为我国在流体传动及控制领域整体达到世界先进水平提供前瞻性的理论基础和技术储备,为国民经济、国防建设服务,并巩固实验室在国际同行中的先进水平地位,争取达到世界一流水平。

行波保护数字仿真中几个问题的讨论

行波保护数字仿真中几个问题的讨论

行波保护数字仿真中几个问题的讨论张晓东,张举,丁峰(华北电力大学电力系,河北保定071003)摘要:从行波保护的概念出发,讨论了在行波保护数字仿真中的几个常规问题,包括线路模型的选择,数字仿真工具的选择,信号处理工具的选择,以及在行波保护研究中所要考虑的几个影响因素。

对于线路模型选择了FD(Frequency2Dependent)线路模型,数字仿真工具选择了ATP与M AT LAB,信号处理工具选择了小波分析方法,而行波保护仿真所要考虑的几个影响因素主要讨论了行波信号的不确定因素的影响、阻波器的影响、接地电阻的影响以及线路换位情况的影响。

文中对讨论的几个问题所给出的建议性的意见,对行波保护的数字仿真研究具有一定意义。

关键词:行波保护; ATP; M AT LAB; 依频特性; 小波分析中图分类号:T M773 文献标识码:B 文章编号:100324897(2003)022*******1 引言传统的线路保护主要是利用工频电压、电流的稳态参数及其组合而构成的功率方向、阻抗保护等。

在220kV及以上的输电线路中,借助高频通道来实现全线速动的保护。

随着电力系统的迅速发展,大容量机组及超高压输电线路的出现与增多,对继电保护的动作速度提出了更高的要求,而减小继电保护的动作时间是增大输电线传输容量和提高系统稳定性的重要措施。

行波保护是利用故障时产生的暂态故障分量———行波信号来实现的保护,具有超高速动作的特点。

行波保护的研究越来越受到人们的关注。

行波保护的概念早已提出,并在上个世纪70年代末80年代初进入了研究的高潮阶段,这一阶段的理论研究为以后的行波保护研究奠定了理论基础。

80年代中期,行波保护的研究又进入了一个新的阶段,先后提出了行波距离保护、利用噪声的行波保护等。

同时新的硬件及装置的诞生,新的信号处理方法的提出,以及新的处理信号的软件的支持,使行波保护的研究逐渐向前推进。

其中,在行波保护的研究中,数字仿真起着举足轻重的地位[1,2]。

数字化工程环境下复杂产品技术状态管理架构优化

数字化工程环境下复杂产品技术状态管理架构优化

第45卷 第11期2023年11月系统工程与电子技术SystemsEngineeringandElectronicsVol.45 No.11 November2023文章编号:1001 506X(2023)11 3573 06 网址:www.sys ele.com收稿日期:20220822;修回日期:20221031;网络优先出版日期:20221114。

网络优先出版地址:http:∥kns.cnki.net/kcms/detail/11.2422.TN.20221114.1438.004.html基金项目:国家自然科学基金(71871007)资助课题 通讯作者.引用格式:任璐英,王庆国,张海峰,等.数字化工程环境下复杂产品技术状态管理架构优化[J].系统工程与电子技术,2023,45(11):3573 3578.犚犲犳犲狉犲狀犮犲犳狅狉犿犪狋:RENLY,WANGQG,ZHANGHF,etal.Optimizationofcomplexproducttechnicalstatemanagementarchitectureindigitalengineeringenvironment[J].SystemsEngineeringandElectronics,2023,45(11):3573 3578.数字化工程环境下复杂产品技术状态管理架构优化任璐英 ,王庆国,张海峰,丁 洁,徐卫卫,臧雪静(北京航天情报与信息研究所,北京100854) 摘 要:复杂产品研制生产是不断迭代且数据庞大的系统工程,而技术状态管理则是复杂产品设计研制的关键因素之一。

以复杂产品为研究对象,梳理了传统技术状态管理体系架构的现状与特点。

在此基础上,针对基于数字化环境的特点,构建了复杂产品管理以及技术状态管理的总体框架,并对技术状态管理中的分项目实施路径进行了详细说明,为数字化工程环境下复杂产品技术状态管理的进一步发展与优化提供了思路与参考。

生态流量在线监测系统及在水电站的应用

生态流量在线监测系统及在水电站的应用

四川水利2020 No 6生态流量在线监测系统及在水电站的应用严茂强,卢兴,印小军,牛彤(钛能科技股份有限公司,南京,211800)㊀㊀ʌ摘㊀要ɔ水电站生态流量监测系统由现地监测单元㊁视频监视㊁通信传输㊁云服务监测平台组成,可为相关监管部门提供服务㊂㊀㊀ʌ关键词ɔ水电站㊀生态流量㊀云平台㊀在线监测㊀㊀中图分类号:TV737ʒX835㊀㊀文献标识码:B㊀㊀文章编号:2095-1809(2020)06-0146-03㊀㊀政府大力推进新时代中国农村水电的发展,为经济发展贡献了力量,也缓解了当时的能源供应紧张问题㊂然而近年来,在小水电急速发展过程中存在的诸多问题也逐渐浮出来㊂小水电虽是清洁能源,但在我国,限于早期的技术经济发展和环境保护意识的限制,虽然一部分符合环保要求,但不能满足生态保护功能,没有考虑下游河道泄放问题,导致枯水期部分河段枯竭,影响下游河道的生态环境或生产生活用水,对生态环境造成了影响㊂1㊀生态流量及在线监测系统简介生态流量 是为了保障大自然的自我修复能力,维持水资源可持续高效利用,不因河道减水脱流造成生态环境发生变化,保持下游河道生物的生存和生态环境的内在平衡的最小河道流量㊂水电站生态流量在线监测系统由现地监测单元㊁视频监视㊁通信传输㊁云服务监测平台组成㊂为流域生态保护㊁水文水资源等监管部门提供服务㊂2㊀生态流量测流方式按照水电站开发类型,遵循经济性㊁技术合理的原则,保证下游河道的最小下泄流量,有以下几种测流方式㊂㊀2 1㊀通过引水系统改造泄放流量(1)渠道引水式电站:在渠道过大坝后的适当位置修建渠道或安装水管往下游河道泄放流量,通过明渠或管段式流量计测流㊂该方式改造工程量较大,改造后泄放效果较好㊂(2)隧洞引水式电站:利用原有靠近大坝的支洞开挖堰槽或安装放水管向下游河道泄放流量,通过明渠或管段式流量计测流㊂该方式改造工程量较大,改造后泄放效果较好㊂㊀2 2㊀通过泄洪闸小开度泄流对筑坝式电站:可通过开启大坝闸门并根据水位调整闸门开度,向下游河道泄放流量㊂闸门泄流流量通过公式计算确定㊂该方式改造工程量较小,改造后泄放效果较好㊂㊀2 3㊀通过溢洪道闸门改造泄流通过改造溢洪道工作闸门,根据水文勘测计算设置门中门或舌瓣门,并增设启闭设备,向下游泄放流量㊂闸门泄流流量通过公式计算确定㊂该方式改造工程量较大,改造后泄放效果较好㊂㊀2 4㊀通过大坝放空设施改造泄流利用大坝原有底孔设施并对其进行改造,实㊃641㊃㊀2020 No 6四川水利现向河道泄放生态流量㊂根据实际改造情况选择合适的测流设备㊂㊀2 5㊀设置生态基荷或采用反调节调度泄流坝后式电站可通过机组发电放水满足生态下泄流量,通过基荷或反调节调度泄放水量㊂可以通过机组流量曲线查询下泄流量㊂该方式改造工程量比较小,但机组出现问题时会造成下泄流量短时的中断㊂㊀2 6㊀安装生态机组根据电站实际情况可以选择安装小容量的生态机组承担生态下泄流量泄放任务㊂可以通过机组流量曲线查询下泄流量㊂该方式改造工程量非常大,机组出现问题时会造成下泄流量短时的中断,水的利用率非常高㊂㊀2 7㊀通过机组旁通管改造泄流在机组进水控制阀旁通管上开孔引放水管等向下游泄放流量㊂通过管段式流量计测流㊂该方式改造工程量适中,改造后泄放效果较好㊂㊀2 8㊀增设大坝放水设施在大坝适当位置安装倒虹吸管㊁抽水系统㊁泄流通道等设施,从大坝取水泄入下游河道,满足生态流量要求㊂根据实际改造情况选择合适的测流设备㊂该方式改造工程量适中,改造后泄放效果较好,对大坝基本无影响㊂3㊀生态流量在线监测系统架构、组成和功能㊀3 1㊀系统架构各水电站结合自身情况选用合适的泄流方式,根据泄流方式不同选取合适的测流设备㊁视频设备㊁监测终端设备,并将相关数据㊁视频图像进行存储㊂通过广域网将数据㊁报警信息及视频图像上送至监管平台,可通过就地或远程调阅相关数据㊁报警信息及视频图像㊂水电站生态流量在线监测系统由现地监测单元㊁视频监视㊁通信传输㊁云服务监测平台组成,系统架构图如图1所示㊂图1㊀水电站生态流量在线监测系统架构㊀3 2㊀系统组成(1)现地监测单元:数据采集处理终端㊁水位计㊁闸位计㊁流量计(管段㊁明渠式等)㊁视频摄像机等;(2)网络传输:路由器㊁局域网㊁专线或宽带等;(3)(云)平台:(云)服务器㊁生态流量系统监测平台等㊂㊀3 3㊀系统功能云服务监测平台提供多种灵活的接入方式,对接入测站进行统一分层级分权限管理,能够实时查看和监测现场生态流量信息㊂云服务监测平台还可便捷地进行功能扩展,提供水电站㊁水文水资源等工况数据监测服务㊂(1)实时监测:实时监测相关电站的基础数据,并通过广(局)域网将数据上送至生态流量监测(云)平台,通过预留接口与监管部门共享数据,企业可通过云平台在手机端或PC端进行数据查询,对水电站的生态流量实施远程自动监测报警㊂(2)统计结果分析:对生态流量基础数据进行处理分析,提供对水位㊁流量㊁闸门开度等相关数据的展示分析,对超限值进行统计分析,生成生态流量数据分析报表㊂(3)视频监控:利用视频服务器实现远端视频摄像机的集中管理,可通过手机端或PC端查看生态流量实时视频,对各水电站生态流量数据及视频画面实现统一管理㊂(4)GIS系统:通过GIS地图查看各站点的生态流量分布,可以筛选指定区域的电站情况㊂㊃741㊃严茂强,卢兴,印小军,牛彤:生态流量在线监测系统及在水电站的应用2020 No 64㊀实施过程中遇到的问题在生态流量在线监测系统实施过程中由于前期设计不合理㊁施工过程不规范等造成测流数据不准或波动较大㊂㊀4 1㊀管段式测流一般管段式流量计安装有如下规范㊂(1)安装距离应选择上游大于10倍直管径㊁下游大于5倍直管径以内无任何阀门㊁弯头㊁变径等均匀的直管段,安装点应充分远离阀门㊁泵㊁高压电和变频器等干扰源;(2)对于开口或半满管的管道,流量计应安装在U型管段处,保证满管;(3)选择充满流体的材质均匀质密㊁易于超声波传输的管段,如垂直管段(流体向上流动)或水平管段㊂图2㊀传感器安装与示例㊀㊀现场普遍存在预留管段无法满足上述流量计安装要求,具体有如下情形㊂(1)管段流量计安装位置扰流比较大,未遵循 前十后五原则 ;(2)测流管段未做U型处理,造成非满管测流㊂㊀4 2㊀明渠测流采用明渠方式的现场普遍存在水流不稳,断面不规则的情况㊂一般明渠式流量计安装规范有:明渠测流要求渠段顺直,水流及断面稳定,无沙洲㊁无崩岸㊁无回流㊁无死水㊂5㊀应用案例雅安某电站生态流量监测采用我司的整体解决方案,通过泄洪闸小开度泄流,通过公网将视频信息及流量上送至云平台㊂㊀5 1㊀监测系统概述该电站各大坝采用固定一扇闸门作为生态流量泄放口,闸门采用固定无调节方式泄放生态流量㊂充分利用电站原有设备进行数据采集,并通过闸前水位根据流量曲线查表校核流量数据㊂在大坝泄放口安装视频监控,采集生态流量泄放视频,通过Internet将视频及流量数据上送至水务局监管平台㊂同时,将生态泄放流量数据通过网络上传到企业云,作为历史资料保存备查㊂㊀5 2㊀系统构成及设备水电站生态流量监测系统包括数据通信采集设备㊁数据分析与监控系统㊁数据处理与传输系统及远程数据管理中心㊂各子系统在各自体系当中相互合作,协助运行,以确保整个生态流量监测系统的稳定运行㊂系统主要设备组成情况㊂(1)数据通信采集设备:主要包括遥测水位计㊁闸位计㊁视频摄像头㊁视频录像机㊁RTU智能终端㊁避雷设备㊁设备保护箱;(2)数据分析与监控系统:监控软件(数据+视频)㊁流量水位监测数据库㊁交换机㊁PC机;(3)数据处理与传输系统:英特网㊁数据库管理系统;(4)远程数据管理中心:生态流量监测平台㊁云服务器㊁交换机㊁PC机㊂生态流量在线监测系统建设时应充分考虑现场实际情况,选择合适的测流方式,并遵循流量计的安装要求进行设计㊁实施㊂6㊀结语相信经过各地政府对小水电的大力整治,在不久的将来, 生态流量 这一环保概念会逐步在全国普及,通过生态系统流量下泄管控,维持水资源的可持续高效利用,实现生态平衡的恢复㊂ʏ㊃841㊃。

基于5G+UWB和惯导技术的井下人员定位系统

基于5G+UWB和惯导技术的井下人员定位系统

基于5G+UWB 和惯导技术的井下人员定位系统李明锋1, 李䶮1, 刘用1, 吴学松1, 徐继盛1, 常建明1, 王涛1, 潘红光2(1. 甘肃华亭煤电股份有限公司 砚北煤矿,甘肃 华亭 744100;2. 西安科技大学 电气与控制工程学院,陕西 西安 710054)摘要:针对煤矿井下人员定位系统在实际应用中存在因设备算力与存储资源不足导致无法使用复杂测距与定位算法,定位数据即时传输与响应性能不足,在系统部署方面人力物力损耗较大等问题,提出了一种基于5G+UWB 和惯导技术的井下人员定位系统。

在末端部署能耗低、抗干扰性强的UWB 定位基站,定位基站与5G 基站以级联的方式连接,定位基站采集UWB 与惯导数据,利用5G 网络回传至计算平台,在计算平台上完成定位信息的解算和存储。

将基于惯导的人员位置估计作为预测值,将基于UWB 的三边定位算法获取的人员位置估计作为观测值,利用卡尔曼滤波器将预测值和观测值进行融合,降低定位误差。

在煤矿主体实验基地搭建测试系统,模拟真实煤矿井下环境并进行对比实验。

结果表明:① 在x 轴和y 轴,融合惯导的卡尔曼滤波算法得出的位置信息和真实位置信息的重合度最高,说明融合惯导的卡尔曼滤波算法得出的位置信息最接近真实位置,平均误差为22.192 cm 。

② 5G+UWB 和惯导技术组合的井下人员定位系统的位置信息和真实位置信息的重合度最高,误差为[15 cm ,20 cm ],x 轴最大平均误差为26 cm ,y 轴最大平均误差为24 cm ,超过目前大多数井下人员定位系统精度。

关键词:井下人员定位;5G ;UWB ;惯导技术;卡尔曼滤波中图分类号:TD76 文献标志码:AUnderground personnel positioning system based on 5G+UWB andinertial navigation technologyLI Mingfeng 1, LI Yan 1, LIU Yong 1, WU Xuesong 1, XU Jisheng 1, CHANG Jianming 1,WANG Tao 1, PAN Hongguang 2(1. Yanbei Coal Mine, Gansu Huating Coal Power Co., Ltd., Huating 744100, China ; 2. College of Electrical andControl Engineering, Xi'an University of Science and Technology, Xi'an 710054, China)Abstract : In practical applications of coal mine personnel positioning systems, there are problems of insufficient equipment computing power and storage resources. The problems result in preventing the use of complex ranging and positioning algorithms, inadequate real-time transmission and response performance of positioning data, and significant human and material resource losses in system deployment. In order to solve the above problems, a new underground personnel positioning system based on 5G+UWB and inertial navigation technology is proposed. The system deploys UWB positioning base stations with low energy consumption and strong anti-interference capability at the end. The positioning base station is connected to the 5G base station in a收稿日期:2023-10-23;修回日期:2024-01-16;责任编辑:王晖,郑海霞。

2011国家自然科学基金项目清单

2011国家自然科学基金项目清单

项目批准号/申请代码171171107/G01120271171092/G01120171101039/G01120371101138/G01120371171131/G011271130001/G011271171068/G01120371101133/G01120371110307015/G01120171101110/G01120371131002/G011271171129/G01120371171067/G01120371171122/G011271171209/G01120371101100/G01120371171153/G01120171171007/G01120371110307021/G01120371171029/G01120271101065/G01120171110307029/G011271101042/G01120371171157/G01120171171028/G01120171110107026/最优化数据挖掘的商业智能方法以及在金融与银行管理中的应用石勇信息系统协会中国分会第四届学术年会王洪伟 基于集成学习的商务智能中非均衡数据分类方法研究王刚 政府应急管理能力成熟度评估研究 田军 安全系统开发(SSD)创新的消化吸收模式研究宋明秋 价值模式挖掘及应用研究吴俊杰 “符号数据分析方法及其应用”国际研讨会 吴俊杰 基于行为运筹的城市物流协同配送及其干扰管理研究 王旭坪 情境视角下企业信息技术能力的商业价值实现机理王念新 云计算环境下个性化旅游服务供应链构建方法研究 徐如志 面向小样本多属性决策的软集合理论及其应用研究 肖智 类别不平衡环境下的客户价值区分迁移集成模型研究 肖进 24小时知识工厂的知识共享活动模型与服务支持系统研究夏火松 多源扰动情境下网络舆情的演化机理与净化模型研究杨洋 云计算环境下的多源信息服务系统研究杨善林 能耗约束下港口物流网络的空间协同模式与调整策略 杨斌 突发事件网络信息传播规律及舆情分析方法研究 闫相斌项目名称项目负责人基于智能技术的国际碳市场价格驱动因素研究易兰 第5届国际信息管理中国夏季研讨会叶强 基于社会网络的移动优惠券兑现影响因素分析及同伴推荐系统研究 赵学锋 面向网络化创新外包的任务-人才在线匹配研究张朋柱 中国调查数据库建设袁卫 群体性突发事件的动态模糊粗糙集预警模型研究 于光 基于“人即服务”理念的决策支持系统设计理论和方法研究 周献中 网络口碑与商家绩效相互影响的动态机制研究:理论模型构建与实证分析张紫琼 基于网络潜在群体的开源软件缺陷解决研究 张文G011203 71171145/G0112 71171186/G0112 91124008/G011203 71171101/G011201 71101038/G011201 71171097/G011201 71101126/G011203 71171062/G011201 71171172/G011202 71171197/G011201 71171196/G0112 71101136/G011201 71101061/G0112 71171121/G011201 71101074/G011203 71110107009/ G011203 71171132/G011201 71110307038/G0112 71101037/G011201 71171030/G011203 71101010/G0112 71161015/G011201 71110107042/G011271101018/ G011201 91124007/ G011203 91124001/ G0112基于社会媒体的网络调查适用性与参与意愿形成机制研究 方佳明 非常规突发事件网络舆情作用机制与相关决策风险研究 方滨兴 面向非常规突发事件主动感知与应急指挥的物联网技术与系统 丁治明 动态数据挖掘中的演化聚类模型与算法研究 郭崇慧基于本体与异质复杂网络的推荐系统研究 甘明鑫随机QoS感知的服务计算风险管理研究 付晓东 NIS安全风险管理中业务流程连续性问题研究 冯楠 集成概念漂移的商业数据流组织管理机制与个性化挖掘算法研究 琚春华 诊疗本体自动构建方法与过程驱动的本体进化机制研究 姜丽红 2011年度国际信息系统学术会议 黄丽华 基于数据流视角的商业流程整合研究 郭熙铜 IT能力价值创造的实证研究:基于供应链整合和领导风格视角 刘和福 面向移动商务环境的自动信任协商效率提升方法研究 刘百灵 面向服务过程的异常事件分析、管理及服务流程优化技术研究 李秀 基于用户知识情境的Web信息语义获取方法研究 李敏 网格环境下用户QoS需求驱动的移动服务资源选择优化研究 莫赞 科研创新社区网络中基于用户特征的推荐方法研究 马建 复杂信息系统体系结构演化分析方法 罗爱民 基于资源约束Petri网的过程建模与集成方法 刘俊先 复杂产品项目集成工作分解结构(IWBS)方法研究 任南 基于赞助搜索的关键词广告优化策略研究 祁巍 分布式元数据一致性与XBRL财务报告质量控制 潘定 基于自组织聚类半参数系统的金融时间序列预测模型研究 倪禾 最优化数据挖掘的商业智能方法以及在金融与银行管理中的应用 石勇 基于生态位和协同演化理论的制造企业信息化演进机制研究 邵宏宇 基于多主体系统仿真的经济周期涌现问题研究 尚维 大规模信息传播和情感倾向的实证与分析 尚明生71101029/G011201 71101023/G011203 71171106/G011201 71111140394/ G011201 71101103/G011271171080/G011203 71150110170/G0112 71102010/G021102 71128003/G021102 71102138/G021102 71102117/G021102 71162005/G021102 71172046/G021102 71102018/G021102 71172199/G021102 71172135/G021102 71172188/G021102 71102065/G021102 71102111/G021102 71110107027/ G021102 71103136/G031401 71173197/G031401 71173187/G031401 71103138/G031401 71173249/G031401 71173164/G031401 71163033/基于数据挖掘的大型燃煤发电机组节能诊断理论与方法研究 陈德刚 An Investigation into a Patterns Approach forCollaborative User Requirements Elicitation in ChinaAida Azadegan 态度-行为关系视角下可解释客户流失预测模型研究 陈震宇SOA中基于agent的企业电子服务协同流程动态自适应方法研究 陈曦组织间关系对供应链跨组织信息系统应用和协作影响的中韩对比研究陈文波 复杂管理环境下Web服务应用中的服务组合与进化 陈富赞互联网环境下国际团队中的个人信任发展规律实证研究:基于建导式协作背景程絮森中国文化视角下商务智能(BI)在电子商务企业中应用方法及其实证研究——以云南电子商务企业为例叶琼伟Web2.0环境下小众文化网络群体交互影响与价值产生机理研究 张楠基于在线产品评论信息的消费者决策支持和虚假电子商务网站自动识别研究张东松基于理性行为理论的开放式在线外包市场中信任形成机制研究 曾庆丰基于网络搜索数据的电子商务交易量预测研究- - 以3C产品为例 彭赓 开放式服务交付平台(OSDP)的运营模式分析与研究 吕廷杰 Online-to-Offline商务环境下"切客"一族生活模式挖掘研究 杨峰 移动社会网络的用户交互特质与价值需求满足机制研究 彭志伟 基于社会网络的协作模型及推荐技术研究 陈翔 新兴电子商务平台上中小企业成长模式与关键因素研究 陈国青泛在环境下基于情境感知的信息多维推荐服务模型与实现研究 曾子明基于商务智能技术分析能力与集体警觉对多渠道零售商服务创新的影响研究胡立斌 基于用户可信度的抗托攻击协同过滤推荐机理研究 高旻基于语言模型的通用实体检索建模及框架实现研究 陆伟基于EA的灾害应急管理信息资源目录体系构建研究:以江西省为例 刘春年 基于知识地图的对等网语义社区及其知识共享研究 秦春秀 知识网络的形成机制及演化规律研究 马费成关键字竞价广告的投标价通胀机理、演化规律与决策支持研究 袁勇数字保存经济要素与经济评价研究 臧国全专利h指数与专利信息网络测度研究 叶鹰G031401 71103081/G031401 71103085/G031401 71173163/G031401 71163029/G031401 71101142/G0107 71101141/G0107 71110307020/G0107 71171116/G0107 71110107035/G0107 71161011/G0107 71171113/G0107 71171148/G0107 71101132/G0107 71171102/G0107 71171179/G0107 71171151/G0107 71101025/G0107 71171051/G010901 71171059/G0109 71171072/G0109 71171050/G0109 71171183/G0109 71125004/G0109 71171126/G0109 71161019/G010901 71101152/ 基于EA的灾害应急管理信息资源目录体系构建研究:以江西省为例 刘春年云计算环境下图书馆的信息服务等级协议研究 邓仲华基于领域本体的蒙古文数字资源整合机制研究 鲍玉来基于通用加权XML模型的个性化用户兴趣本体研究 李树青 基于文本语义挖掘的商品评论信息可信度分析研究 丁晟春第四届商务智能与金融工程国际学术研讨会 张大斌 基于灰拓扑空间的多周期区间灰数预测模型及其应用研究 姚天祥 基于景气分析框架的原油价格周期波动分析及拐点预测 张珣 组合预测新方法及其应用研究 张新雨 具有灰色不确定信息特征的煤炭地下气化系统预测建模技术研究 谢乃明 基于语义计算的高维复杂数据降维理论与实证研究 向阳 公交网络优化与交通需求管理合作研究 徐猛经济变量因果性的多时间尺度效应及因果推断 徐海云MTO-MTS管理模式下混合流程制造业多级库存匹配与合同计划协同管理方法研究张涛 高速公路运营状态的不确定性建模和预测 郭建华 基于复杂动力网络的突发事件信息同步传播行为及其模型研究 庄亚明 基于多源多维随机融合核案例推理的信用违约互换风险预测 李辉 有一定物理基础的神经网络及其泛化技术研究 胡铁松棉花产业链内部竞争博弈与棉花价格波动研究 张立杰 基于本体的应急物流Multi-Agent建模与应急任务协作求解 张立交通系统优化与管理 张小宁 基于灰色理论的小样本振荡序列预测方法及其应用研究 王正新 电网安全预警管理中的负荷预测研究及应用 王建州多渠道传媒广告时段定价与最优分配研究 周蓉 考虑竖直和水平协作的动态经济批量问题研究 钟金宏基于生物细胞弹性理论的供应链弹性测度模型研究:以食品安全事件冲击下的食品供应链为例赵林度 基于消费行为的碳足迹测定及演化机理研究 赵定涛G0109 71171135/ G0109 71101067/ G0109 71101059/ G010902 71101008/ G01090271171199/ G0109 71171040/ G0109 71171155/ G0109 71101022/ G0109 91124005/ G0109 71125001/ G0109 71171049/ G0109 71101036/ G0109 71161017/ G010901 71101007/ G0109 71171085/ G010902 71101047/ G010902 71171208/ G010901 71101102/ G0109 71171015/ G010901 71171066/ G0109 71171133/ G0109 71171099/ G0109 71161003/ G010902 71171070/ G0109 71132005/ G0208 71172229/基于结构本质安全的复杂系统组元作用机理研究 王瑛 离散制造系统生产计划的弹复性分析及优化排程方法的研究 王庆 基于本体的应急物流Multi-Agent建模与应急任务协作求解 张立 基于供需网(SDN)基本特征理念的企业合作优化模型方法研究 徐福缘 江西农村规模养种与场户双结合的反馈系统仿真分析 刘静华 基于随机优化理论的列车节能操纵问题研究 李想 交易型开放式指数证券投资基金组合套利投资中的动态市场风险测度及其最优动态资产配置策略王良 复杂耦合网络上相继故障建模及保护策略研究 王建伟非常规突发水灾害事件应急合作机制与建模仿真 王慧敏金融市场投资者情绪演化的动力学机制研究 方勇 基于计算实验方法的企业环境行为分析与引导策略研究 杜建国 基于计算实验的计算机软件扩散模式及知识产权管理策略研究 陈若航 基于多智能体建模与仿真的多渠道供应链协调问题研究 李锋 基于计算实验的电子商务协同服务与消费转移的交互演化机制 蒋国银 规模养种生物质能供应链系统动态仿真与反馈协调机制研究 贾晓菁 顾客网络舆情对供应链系统的影响及其危机应对研究 徐峰 基于贝叶斯网络和演化博弈的社会化媒体信息传播建模和模拟 吴江 面向资源约束和公交导向的信号交叉口多方式交通流协同运行的仿真建模方法研究魏丽英管理系统工程(研究领域) 王红卫 突变型顾客需求下供应链库存管理策略研究 王海燕 气候灾害风险下区域关键基础设施系统弹复管理机制研究 苗鑫城市道路上的自发秩序—不规范驾驶行为的形成、影响与治理 贾宁 综合客运枢纽集散服务网络优化 季常煦 支持价值觉察的服务供应链运作模型及分析方法 何霆面向制造企业的协同物流系统优化机制及多Agent仿真研究 陈畴镛 网络环境下基于新一代交互技术的客户关系与营销渠道管理 庄贵军 关系营销的动态组合模型相关命题的实证检验 周筱莲G020801 71172130/ G020802 71102089/ G0208 71172129/ G020802 71172156/ G020801 71102078/ G0208 71172031/ G020871172209/G0208 71102046/G0208 71172097/G020801 71172163/G0208 71102144/G0208 71102143/G0208 71102166/G020802 71172215/G0208 71128002/G020803 71102009/G020802 71162020/G020802 71102079/G020801 71102161/G020802 71172038/G020803 71172208/G0208 71102038/G020802 71102081/G020802 71172069/G0208 71111140395/ G020802 71172002/垂直渠道系统中的冲突解决机制研究:多边竞争视角 张广玲 “社会关系- - 市场资产”的转化机制及二者的整合效应研究 张峰 基于社交网企业启动泛关系链传播品牌研究 - - -特点、机理与管理周洁如 基于虚拟品牌社群的企业负面网络口碑治理研究 张杨 节俭的日常消费与奢侈的大件消费:面子观角度的解读与实证 张新安在线口碑与消费者行为的动态机制研究:基于消费者学习的视角 杨沙 体验分享对品牌至爱的影响机制:基于分享现实理论的研究 杨德锋 顾客忠诚对赢利性的影响机理研究:基于行为视角 张德鹏 基于共创价值的互动导向、顾客行为与企业绩效关系的实证研究 于洪彦 面向经销商主导的在线大规模定制顾客需求交互和满足模型及实证研究伊辉勇三类公司品牌联想对产品评价的影响机制研究:品牌关系的视角 谢毅 以迁移性和交互性分离为特征的现代服务业全球营销战略研究-兼及在中国的管理实践吴晓云 甘宁青回族老字号品牌进化路径与政策研究 杨保军 基于服务主导逻辑的供应链导向:维度构建、驱动因素和对绩效的作用机制薛佳奇社群互动仪式对三梯度消费行为的影响:情感能量中介和关系网络调节机制研究薛海波中韩消费差异对跨文化认知消费心理的启示 吴沙莉 多渠道整合对零售商权益的作用机理研究:基于线上与线下的视角 吴锦峰 关系营销的动态组合模型相关命题的实证检验 周筱莲 平台企业双边客户关系价值测度方法研究 张瑞金 渠道竞合行为、控制机制和关系结果:基于松散耦合理论的实证研究张磊楠 消费者对融合产品的评价与选择的心理机制研究 张红霞顾客参与对新产品开发的影响:基于调节聚焦理论的实验研究 姚山季 动态品牌体验对消费者-品牌关系的影响及作用机制研究-社会网络视角姚琦 嵌入关系作为营销渠道中企业间治理机制:对其成因及后果的双边动态研究杨志林从流量到销售:网商在电子市场上建立竞争优势的资源要素 徐云杰 顾客社会化研究:理论建构与实证检验 徐岚 消费者信任受损及修复机理研究 徐彪G020802 71172012/ G020803 71102128/ G020802 71172145/ G020802 71172164/ G02080271172065/G020801 71172212/G020802 71172162/G0208 71172032/G020801 71172036/G020801 71172210/G020801 71110307026/ G020802 71172155/G020801 71102177/G020802 71102064/G0208 71102104/G020802 71172196/G0208 71172037/G020803 71172085/G020801 71172128/G0208 71102007/G020801 71102008/G020802 71162017/G020802 71102099/G020802 71172211/G020802 71172122/G020802 71102127/ 关系专用性投资、品牌内化对边界人员关系及企业间合作绩效的影响研究王国才 中国人的面子、象征消费及消费者对品牌意义的反应研究 王长征 多渠道整合对零售商权益的作用机理研究:基于线上与线下的视角 吴锦峰 互联网广告对产品市场竞争格局和社会福利的影响规律研究 闻中消费者产品涉入对品牌转换行为的影响:中介效应模型与调节效应模型的实证检验桑辉 渠道关系中专项投资不对称的形成机制及作用效果研究 钱丽萍 渠道边界人员“关系”对企业绩效的影响机制研究 田宇 获取和预测多维属性产品的消费者偏好:基于稀疏和完整自我明示数据的混合方法苏萌 非马尔可夫过程中的消费者决策机制:实证研究及动态蒙特卡罗模拟宋亦平面对面互动对消费者决策的影响研究:理论机制与营销应用 刘文静 网络消费者的仿冒品品牌选择行为研究 刘枚莲 情绪性权衡困难对消费者情绪及决策行为的影响机制研究 庞隽 关于USP的测量、伦理、路径与策略研究 牛永革 搜索引擎广告的关键词筛选与竞价策略:考虑多重约束的理论模型与实证研究卢向华"教育一个学生,影响一个家庭,辐射整个社会" - “向上”的代际影响对创新产品扩散理论的延伸和修正梁剑平 基于双重自我搏弈的消费者延迟偏好的反转研究: 心理模拟视角 李晓 自有品牌(PB)开发对零供关系的影响研究 李健生基于社会动机的消费者多样化寻求行为研究 王毅 消费者创造价值及其对品牌忠诚的作用研究- - 基于社会互动的视角王新新 品牌原产国刻板印象反转机制研究——基于刻板表征理论中的亚分组和去个性化模式王海忠基于网络的组织间信任研究:社会资本对信任构建的影响及信任的治理效果寿志钢 中国市场营销知识创新国际研讨会 施卓敏 社会网络环境下顾客资产形成、驱动与测量研究 邵景波促销决策的情绪-认知交互作用机制:基于后悔、时间压力和认知闭合需要的实证研究卢长宝 离岸KPO客户服务质量治理机制研究 刘益 中国区域市场品牌竞争与企业绩效之空间数据模型分析与实证研究 刘霞谁来推荐更有效?顾客的社会网络对口碑推荐效果的影响机制研究 李季G0208 71172121/ G0208 71172133/ G02080171172218/G020801 71172001/G020802 71102098/G020802 71102113/G0208 71172030/G0208 71162001/G020802 71102037/G020802 71172207/G0208 71172015/G020802 71102080/G020802 71172033/G020802 71172114/G020803 71172217/G020801 71172070/G020801 71172042/G020801 71172087/G020801 71172011/G020801 71102032/G0208 71162011/G0208 71102139/G020801 71173004/G0306 71130002/G030602 71173236/G030602 71110107025/农村市场渠道管理效率研究-基于三方博弈的角度 李宝库 服务共享中的顾客兼容性研究:成因、影响与管理策略 黎建新基于心理账户补偿机制的消费者旧产品处置行为研究:理论体系与管理策略黄劲松海尔、联想等来自发展中国家的全球品牌如何被发达国家消费者接受?消费者全球-当地认同的影响作用研究郭晓凌 食品安全事件对公众食品消费决策的影响研究:基于恐怖管理的视角柯学 网络广告界面特性对消费者注意的影响研究:认知神经视角 蒋玉石 体育赞助对品牌资产的提升及其作用机制研究 江明华服务行业售后服务中的员工满意、顾客满意及管理层支持关系研究 陈荣 CGM环境中顾客参与内容创造的个体心理机制及群体创造规律研究 曹花蕊 “家”的观念如何影响家庭购买决策 符国群 网络购物信息环境对消费者购买决策行为的影响研究- - 基于有限理性的视角范晓屏 零售商导入多层次自有品牌的定位策略与渠道控制 范小军农产品营销中心理契约治理机制对渠道绩效影响机理研究——基于江西省龙头企业与农户合作的追踪调研蔡文著 非盈利顾客的评估、激励与放弃:理论模型与实证研究 白寅 整体政府视角下的中国政府跨部门协同机制研究 周志忍 谁来推荐更有效?顾客的社会网络对口碑推荐效果的影响机制研究 李季 共主体国家形象话语及其全球文化嵌入效应和机理研究 李怀斌 基于共赢视角的积分联盟对交叉购买及客户资产的增强效应研究 李纯青 消费行为视角的农民工身份认同困境实证研究 黄侦 "小我"和"大我"对国货偏好影响的动态观点:基于双态度系统的研究黄韫慧 企业领导者前台化行为与企业品牌绩效:关系、作用机制和管理逻辑黄静混合动态情绪及记忆对消费者购买决策的影响机制研究 杜建刚 零部件企业切入国际产业链的能力与路径动态耦合:组织营销视角 程斌武 基于复杂社会网络的中国企业新产品扩散风险理论与实践 陈涛中国健康与养老追踪调查 赵耀辉 利用非线性定价促进能源节约的基础理论和实证研究 张昕竹 健康老龄发展趋势和影响因素研究 曾毅G030671103140/G030603 71173171/G030601 71103204/G0306 71173167/G0306 71103101/G030604 71110107031/ G030602 71103032/G0306 71173137/G0306 71103105/G030601 71103006/G0306 71173126/G0306 91124010/G030603 71103190/G0306 71103090/G0306 71103191/G030603 71103106/G030604 71103029/G030602 71173099/G030601 71163016/G0306 71103014/G030602 71163035/G0306 71103127/G0306 71173143/G0306 71163020/G0306 71173184/G0306 71173015/ 问责制度何以影响地方政府绩效——目标责任制情境下的“问责悖论”研究阎波 情绪驱动的群体性突发事件的行为选择机制和博弈模型研究 熊国强政策学习、政策试验与政策创新:基于二维多源流演化模型的理论与实证王程韡 村民自治背景下农村社区信仰异质性对公共物品供给影响及政策研究阮荣平 区域治理主体网络及其博弈策略研究 谢宝剑 效能建设、创新扩散与绩效改进:面向中国地方政府的实证研究 吴建南 公共服务合同外包的风险管理研究:基于典型个案的分析 王雁红中国益贫式增长的绩效评价与路径优化研究 刘畅 地方政府生态管理与绿色社区志愿者组织成长的互动关系研究——构建长三角地区绿色生态城市的关系模式探析梁莹 无酬劳动的经济价值、测算方法及相关政策研究 齐良书 非常规突发事件应急管理的法制保障系统 马怀德国际公共决策机制研究 刘伟基于工具架构的公共政策文本结构化理论研究与计量实证 黄萃 反倾销反补贴政策选择理论体系与方法研究 何海燕 城市社区卫生服务发展的对策生成与实施效果仿真研究——以中部地区江西省为例李丽清 城市交通需求管理的政策模拟分析 李静 移民搬迁对西北贫困地区农户可持续生计的影响及生计策略选择 李金香 健康老龄发展趋势和影响因素研究 曾毅 公共投资对私人投资、国内需求的作用机制研究和效果评价——基于国际视野的研究王玺 创新公共政策中政府技术采购的决策与评价模型研究 王宏 基于群决策和序数理论的政府采购专家评价意见集结模式研究 王海滋基于利益相关者的土地利用规划与城市规划冲突治理研究 刘琼 快速工业化过程中国家食品安全影响因素及监管制度研究 刘鹏 社会建设视阈下中国企业社会不责任行为的非市场化治理研究 刘海龙基于网络生态的网络文化产业演化机理与公共治理机制研究 解学芳 我国自主创新政策的供给演进、绩效测量与优化方案研究 江蕾失地农民关键生计要素间的关系研究及其结构方程模型的构建——基于江西的抽样调查黄建伟G030602 71163023/G0306 71173226/G0306 71103021/G030603 71161130176/ G030604 71103133/G0306 71103104/G0306 71173161/G030603 71173100/G030604 71173045/G030602 71173183/G0306反倾销反补贴政策选择理论体系与方法研究 何海燕 基于大样本历史数据的制度演变与长期经济增长问题研究:以传统中国选官制度为例代谦 中国性别失衡与社会风险控制研究 陈友华 云南山区不同地域环境下农户生计与土地利用互动研究 甘淑转型时期土地对宏观经济的影响及作用机制研究:理论框架、制度和资源约束及政策体系丰雷 我国电子政务标准的产生机制及采纳扩散研究 范静杜海峰 以投资者为中心的中国投资环境科学评价与有效改善研究:基于关键事件技术(CIT)杜长征基于不确定性技术选择中的决策者认知研究——以低碳发电技术选择决策为例戴亦欣快速城市化进程与住房公共政策:交互性与协调性发展研究 陈杰 非营利组织与企业跨部门合作的风险及其控制研究 蔡宁 社会资本与社会流动——中英两国的比较研究批准金额 同济大学5 2011-08至2011-12 合肥工业大学20 2012-01至2014-12 西安交通大学45 2012-01至2015-12 大连理工大学42 2012-01至2015-12 北京航空航天大学 43 2012-01至2015-12 北京航空航天大学 3 2011-06至2011-11 大连理工大学45 2012-01至2015-12 江苏科技大学20 2012-01至2014-12 山东财政学院42 2012-01至2015-12 重庆大学42 2012-01至2015-12 四川大学20 2012-01至2014-12 武汉纺织大学45 2012-01至2015-12 同济大学20 2012-01至2014-12 合肥工业大学240 2012-01至2016-12 上海海事大学42 2012-01至2015-12 哈尔滨工业大学42 2012-01至2015-12依托单位项目起止年月 哈尔滨工业大学44 2012-01至2015-12 中国地质大学(武汉) 20 2012-01至2014-12 哈尔滨工业大学4 2011-05至2011-10 华中科技大学42 2012-01至2015-12 上海交通大学45 2012-01至2015-12 中国人民大学150 2012-01至2016-12 南京大学42 2012-01至2015-12 哈尔滨工业大学20 2012-01至2014-12 中国科学院软件研究所20 2012-01至2014-12电子科技大学20 2012-01至2014-12 北京邮电大学15 2011-03至2011-12 大连理工大学45 2012-01至2015-12 北京科技大学20 2012-01至2014-12 昆明理工大学35 2012-01至2015-12 天津大学3.5 2012-01至2012-12 浙江工商大学2 2011-10至2011-11 上海交通大学40 2012-01至2015-12 复旦大学10 2011-12至2011-12 哈尔滨工业大学20 2012-01至2014-12 中国科学技术大学20 2012-01至2014-12 华中师范大学20 2012-01至2014-12 清华大学40 2012-01至2015-12 南京信息工程大学20 2012-01至2014-12 广东工业大学42 2012-01至2015-12 香港城市大学深圳研究院 42 2012-01至2015-12 中国人民解放军国防科学技术大学42 2012-01至2015-12 中国人民解放军国防科学技术大学42 2012-01至2015-12 江苏科技大学42 2012-01至2015-12 哈尔滨工业大学20.5 2012-01至2014-12 暨南大学45 2012-01至2015-12 浙江工商大学20 2012-01至2014-12 中国科学院大学240 2012-01至2016-12 天津大学42 2012-01至2015-12 中国科学院数学与系统科学研究院42 2012-01至2015-12 电子科技大学15 2011-03至2011-12。

智慧水务之雷达流量在线监测

智慧水务之雷达流量在线监测

华东水文仪器检测中心 水利部水文仪器及岩土工程仪器质量监督检验测试中心
上海仪器仪表自控系统检验测试所 水利部水文仪器及岩土工程仪器质量监督检验测试中心
煤炭工业常州通讯监控产品质量监督检验中心 煤炭工业常州通讯监控产品质量监督检验中心 煤炭工业常州通讯监控产品质量监督检验中心
常州市计量测试技术研究所 上海市计量院
明渠 雷达流量计
产品的第三方检验报告
流速仪性能 流速仪性能 IP68防水防尘 流速仪性能 防爆证书 IP68防水防尘 IP68防水防尘 水位计性能 水位计计量
电波流速仪/HZ-SVR-35 电波流速仪/HZ-SVR-35VH
雷达流量计/HZ-SVR-G2 雷达流速仪/HZ-SVR 雷达流量计/HZ-SVR 雷达流速仪/HZ-SVR 雷达水位计/HZ-RLS 雷达水位计/HZ-RLS 雷达水位计/HZ-RLS
团体标准申请
航征作为第 一起草单位
“新长征路上”的航征雷达
黑龙江: 齐齐哈尔市中小河流监测
四川: 遂宁市应急管理办公室
安徽: 淮河水利委员会水文局
山东: 山东省临沂市防汛办公室 山东省济南卧虎山水库 广饶县高店水库
ห้องสมุดไป่ตู้用之三、城市排水管网水位、流量在线监测
北京、武汉、杭州、南 京、深圳等…
航征雷达系列产品
固定式 雷达流速仪
排水管网 雷达流量计
雷达水位计
便携流速仪 便携流量计
云南: 云南省国家水资源监控能力建设 云南省楚雄州蜻蛉河灌区 云南省蒙自市三岔河水库
青海: 青海省水利厅 青海省国家水资源监控能力建设
江西: 江西省七一灌区
河北: 跃峰渠灌区管理局
山东: 山东省国家水资源监控能力建设 东明县水务局

浮顶油罐密封圈防爆机理研究

浮顶油罐密封圈防爆机理研究

浮 顶 油 罐 密 封 圈 防爆 机 理研 究 *
丁波 竺柏康2 文建 军2
( 1 . 常州 大学石 油工 程学 院 江苏 常州 2 1 3 0 0 0 ; 2 . 浙 江海 洋学院 石化 与能源 工程学 院 浙 江舟 山 3 1 6 0 0 0 )

要 浮顶 油罐 一二次密封区间内的油气进入大气后不 仅浪费资源 , 而且污染 环境 , 倘若 油罐遭遇雷
外界空气穿过二次密封的速度:
t ,= =

×
( 2 )
贴合视为一次密封 , 单层橡胶与罐壁紧密贴合视为
二次密封 , 二次密封上表层均匀开设 3 2 个取样孔,
任一截面油气的体积分数 :
并对其进行 1 ~3 2 编号; 罐壁外垂直安装 一根高度
Y = 丽V l
将式 ( 2 ) 代人式( 3 ) 可得
K e y Wo r d s f l o a i t n g r o o f t a n k s p et r o l e u m g a s d i s t r i b u i t o n m d ̄ o U g l n i ht g i g n p r o t e c t i o n
图 1 风 力 作 用 下 浮 顶 罐 密 封 圈上 下 的压 力分 布
L和 w 两点的压差 与气流的速度有关 , 而且这 两点 的压 头差 近似等 于气 流 的速度 头[ 1 2 ] 。即

混合气体穿过二次密封的速度 :

蓦 ‘ = √ — = P 丌 . - 一 P w 2  ̄ ×
始采气 , 并记录当时的环境温度和风速 ; 运用气相色 谱仪对样气进行分析 , 得 出油气体 积分数; 整理数

基于注意力机-多任务网络的液压系统多状态监测识别方法研究

基于注意力机-多任务网络的液压系统多状态监测识别方法研究

第38卷第3期2021年3月机㊀㊀电㊀㊀工㊀㊀程JournalofMechanical&ElectricalEngineeringVol.38No.3Mar.2021收稿日期:2020-07-31基金项目:国家自然科学基金资助项目(5177050476)作者简介:黄鹏程(1994-)ꎬ男ꎬ广东梅州人ꎬ硕士研究生ꎬ主要从事机械状态检测及故障诊断方面的研究ꎮE ̄mail:895399270@qq.com通信联系人:李海艳ꎬ女ꎬ副教授ꎬ硕士生导师ꎮE ̄mail:Cathylhy@gdut.edu.cnDOI:10.3969/j.issn.1001-4551.2021.03.010基于注意力机 ̄多任务网络的液压系统多状态监测识别方法研究∗黄鹏程ꎬ李海艳∗ꎬ林景亮ꎬ梁桂铭(广东工业大学机电工程学院ꎬ广东广州510006)摘要:针对在复杂的多状态条件下ꎬ液压系统状态监测方法监测性能不高的问题ꎬ对多任务学习和注意力机制方法进行了研究ꎬ结合多任务与注意力机制ꎬ提出了一种基于注意力机多任务网络的液压系统监测方法ꎮ首先ꎬ利用注意力机制ꎬ根据不同传感器信号对任务贡献程度的大小ꎬ赋予了各个传感器不同的权重ꎻ其次ꎬ使用卷积网络(CNN)构建了自适应特征提取器ꎬ从赋予权重的多个传感器信号中提取了深度特征ꎻ最后ꎬ建立了多任务的特征共享诊断网络ꎬ实现了对液压系统多个状态的同时监测ꎮ研究结果表明:与以往的方法相比ꎬ所提出的方法监测性能更优ꎬ能更有效地对复杂的多状态条件下的液压系统的各种状态进行监测ꎬ且其平均精度达到99.3%ꎮ关键词:液压系统多状态监测ꎻ监测性能ꎻ注意力机ꎻ多任务网络中图分类号:TH137㊀㊀㊀㊀文献标识码:A文章编号:1001-4551(2021)03-0331-06Statemonitoringmethodofhydraulicsystembasedonattentionmachinemulti ̄tasknetworkHUANGPeng ̄chengꎬLIHai ̄yanꎬLINJing ̄liangꎬLIANGGui ̄ming(SchoolofMechanicalandElectricalEngineeringꎬGuangdongUniversityofTechnologyꎬGuangzhou510006ꎬChina)Abstract:Aimingatthepoormonitoringperformanceofthecurrenthydraulicsystemstatemonitoringmethodsundercomplexmulti ̄statecon ̄ditionsꎬthemulti ̄tasklearningandattentionmechanismmethodswerestudied.Combiningwiththemulti ̄taskandattentionmechanismꎬamulti ̄tasknetwork ̄basedmonitoringmethodforhydraulicsystemwasproposed.Firstlyꎬtheattentionmechanismwasusedtoassigndifferentweightstoeachsensoraccordingtothedegreeofcontributionofthesensorsignalstothetask.Secondlyꎬaconvolutionalnetwork(CNN)wasusedtoconstructanadaptivefeatureextractortoextractdepthfeaturesfrommultiplesensorsignalswithweights.Finallyꎬamulti ̄taskfeaturesharingdiagnosticnetworkwasestablishedtorealizesimultaneousmonitoringofmultiplestates.Theresultsindicatethatthepro ̄posedmethodissuperiortothepreviousmethodꎬandcaneffectivelymonitorthevariousstatesofthehydraulicsystemꎬwithanaverageac ̄curacyof99.3%.Keywords:statemonitoringofhydraulicsystemꎻmonitoringperformanceꎻattentionmachineꎻmulti ̄taskingnetwork0㊀引㊀言液压系统作为重要的传动系统ꎬ被广泛应用于工业领域[1ꎬ2]ꎮ因此ꎬ确保液压系统安全有效的运行非常重要ꎬ准确地估计液压系统状况可以避免突发状况ꎬ降低维护的成本ꎮ为了确保整个液压系统的正常运行ꎬ一种可靠㊁准确的液压系统状态监测方法是必不可少的ꎮ目前ꎬ已有的液压系统状态检测方法主要都是基于传统的机器学习的单一状态监测ꎮHELWIGN等人[3]先通过皮尔逊相关系数方法从原始传感器数据中提取特征ꎬ然后利用线性判别分析(LDA)将这些特征值转移到一个较低维的判别空间ꎬ从而对故障状态和严重程度进行了分类ꎮ考虑到使用单一分类器有时无法获得较高精度的缺点ꎬGUOP等人[4]提出了一种基于集成支持向量机的液压系统健康状态监测方法ꎬ该方法先从多传感器信号中提取统计特征来描述液压系统的健康状态特征ꎻ然后ꎬ利用皮尔逊相关系数对提取的特征进行了选择ꎻ最后ꎬ利用集成支持向量机和叠加方法实现了系统的健康状态识别ꎮ随着神经网络的发展ꎬ姜保军等人[5]把自编码器应用于液压系统监测ꎬ他们先用希尔伯特 ̄黄和小波变化对传感器信号进行了特征提取ꎬ然后利用堆栈稀疏自编码器来预测液压泵的状态ꎮ虽然上述方法取得了一定效果ꎬ但同时存在以下不足:(1)这些传统方法往往需要丰富的液压系统知识经验来选择特征提取和分类的方法ꎮ然而ꎬ液压系统在复杂的环境下工作ꎬ很难通过知识经验选取特征提取和分类方法ꎻ(2)对单一状态进行监测ꎬ分离了各个状态之间的相关性ꎬ丢失了各种状态之间潜在的相关特征[6]ꎮ对于液压系统中复杂的任务ꎬ其泛化力差ꎻ(3)在实际操作中ꎬ每个任务对各个传感器信号会有不同的依赖程度ꎬ而多个传感器信号笼统地直接输入ꎬ使得网络无法获取更为重要的信息ꎬ易出现网络信息过载的问题ꎬ降低了准确性ꎮ针对以上方法存在的问题ꎬ本文结合注意力机和多任务学习ꎬ提出一种基于注意力机的多任务网络的液压系统多状态监测方法ꎬ利用卷积网络(CNN)自动地从多个原始传感器信号中提取深度特征ꎬ并在网络中加入注意力机ꎬ然后建立多任务的特征共享诊断网络ꎬ实现对多个状态的同时监测ꎬ利用各状态之间的相关性ꎬ提取更泛化的特征ꎬ提高任务准确性ꎮ1㊀理论基础1.1㊀卷积神经网络卷积神经网路是一种典型的前馈神经网络ꎬ主要是由输入层㊁卷积层㊁池化层㊁全连接层和输出层组成ꎮ通过对输入层进行逐层卷积和池化ꎬ层层提取输入数据的特征ꎬ随着层数的加深ꎬ不断提取更加抽象的特征ꎬ最终得到具有平移旋转不变性的鲁棒特征ꎮ因其具有强大的非线性映射能力ꎬ近年来在图像识别[7]㊁语言识别[8]等方面被广泛应用ꎮ此处由于输入的特征是多变量时间序列ꎬ笔者使用一维卷积[9 ̄11]构建网络ꎮ卷积层通过用多个卷积核对前一层输出特征进行卷积操作ꎬ然后利用非线性激活函数构造出新的特征ꎬ其数学公式为:Xlj=fðiɪMjXl-1i wlij+blj()(1)式中:Mj 第l-1层第j个卷积区域ꎻw 卷积核的权重ꎻb 网络偏置ꎻXlj 第l层输出ꎻXl-1i 上一层的输入ꎻf () Relu非线性激活函数ꎮ池化层也叫下采样层ꎬ对上一层的卷积特征进行缩放映射ꎬ保留主要特征的同时减少参数和计算量ꎬ防止过拟合ꎬ提高模型泛化能力ꎮ常采用的是最大池化ꎬ即取局部的最大值ꎬ其数学公式为:Xdmꎬn=maxiɪRdmꎬnxi()(2)式中:xi 区域Rdmꎬn内神经元激活后的值ꎮ全连接层将前面卷积池化得到的高维数据铺平以作为输入ꎬ进行一些非线性变换ꎬ然后将结果输入到它后面的输出层softmax函数ꎮ全连接层数学表达式为:yl=gwlxl-1+bl()(3)式中:l 网络层的序号ꎻyl 全连接层的输出ꎻxl-1 平铺后的一维特征向量ꎻwl 权重系数ꎻg () softmax非线性激活函数ꎮSoftmax函数ꎬ将输出各值化作(0ꎬ1)之间ꎬ以便用于分类ꎮ其数学公式为:σzj()=ezjðKk=1ezk(4)式中:j 输出层第j个特征ꎻK 输出层特征总数ꎮ1.2㊀注意力机制2014年谷歌DeepMind[12]提出了注意力机(Atten ̄tion)ꎬ并将其应用于图像识别领域ꎬ解决了图片处理时计算量巨大的问题ꎮ同年ꎬBENGIOY[13]把注意力机应用于机器翻译ꎬ解决了机器翻译中不同长度的源语言对齐问题ꎮ上述两个注意力机应用均取得了不错的效果ꎬ随后注意力机在深度学习任务中蓬勃发展ꎮ深度学习中的注意力机从本质上讲是和人类视觉机制类似ꎬ核心233 机㊀㊀电㊀㊀工㊀㊀程第38卷任务都是用来捕获当前目标更为关键的信息ꎬ而忽视无关信息ꎮ采用注意力机通常有两个目的:(1)降低数据的维度ꎬ减少计算量ꎻ(2)选择输入数据中与当前输出更加相关的有用信息ꎬ提高输出的质量ꎮ常用的注意力机分为软注意力和硬注意力ꎮ其中ꎬ软注意力更关注区域或者通道ꎬ且因为注意力是确定性的ꎬ其可微分ꎬ可以通过反向传播来学习它的参数ꎻ而硬注意力更加关注点ꎬ且注意力是一个随机预测过程ꎬ动态变化ꎬ导致了其不可微分ꎮ由于软注意力是可微分的ꎬ可以利用反向传播进行训练ꎬ求它的参数ꎬ并方便地嵌入网络框架中ꎬ比较常用ꎮ因此ꎬ本文选择了软注意力机ꎬ其数学公式为:αi=pz=i|Xꎬq()=softmaxsxiꎬq()()=ðexpsxiꎬq()()ðNj=1expsxjꎬq()()(5)式中:αi 注意力分布ꎻsxiꎬq() 注意力打分模型ꎻq 和任务相关的查询向量ꎻX=[x1ꎬ ꎬxN] N组输入信息ꎻxi 第i个向量ꎮ通常ꎬ打分模型sxiꎬq()针对每个xi计算出一个sꎮ而打分的依据就是xi与注意力机所关注的对象的相关程度ꎻ它们越相关ꎬ所得元素分数值越大ꎮ利用softmax对上面的得分进行数值转换ꎬ一方面进行归一化ꎬ使得所有分数之和为1ꎻ另一方面也可以更加突出重要元素的权重ꎮ本文注意力机模型如图1所示ꎮ图1㊀注意力机模型图1中ꎬ用一个全连接层作为sxiꎬq()函数ꎬ来学习不同传感器特征与任务的相关程度ꎬ其中神经元数㊀为传感器个数ꎮ2 注意力机多任务网络本文的研究对象是液压系统的冷却器㊁阀门㊁内部泵及液压蓄能器状态ꎬ具有4个状态监测的任务ꎮ因此ꎬ本文使用多任务学习的方式来构建网络ꎮ多任务学习可以提取多个任务的共享特征ꎬ共享特征具有较强的抽象能力ꎬ可以适应多个不同但相关的任务ꎬ通常可以使网络获得更好的泛化力ꎻ且由于输入的是多个传感器信号ꎬ考虑到实际任务会对各个传感器信号有不同的依赖程度ꎬ笔者使用注意力机来赋予各传感器不同的关注程度ꎬ让网络关注更加有用的传感器信息ꎬ以减低对其他信息的关注度ꎬ提高网络的监测效率ꎮ结合注意力机与多任务网络ꎬ笔者构建注意力机多任务网络ꎬ如图2所示ꎮ图2中ꎬ网络由输入层㊁注意力层㊁特征提取层㊁多任务层构成ꎮ其总体状态监测步骤如下:(1)对多个传感器数据进行归一化处理ꎬ构建输入特征矩阵χꎻ(2)输入特征χ输入到注意力层ꎬ通过将注意力模型得到的特征权重α与输入特征χ做矩阵乘法ꎬ得到注意力特征χattꎻ(3)注意力特征χatt共享层ꎬ使用多个卷积层来提取4个任务的共享特征ꎻ(4)共享特征输入到任务层ꎬ共有4个任务ꎬ其损失函数为各个任务损失函数的线性加权ꎬ即联合损失函数ꎬ其数学表达式为:L=λ1L1+λ2L2+λ3L3+λ4L4(6)式中:L1 冷却器状态ꎻL2 阀门状态ꎻL3 内部泵状态ꎻL4 液压蓄能器状态ꎻλ1ꎬλ2ꎬλ3ꎬλ4 对应任务的权重ꎬ文中均取0.25ꎮ而Lt损失函数为交叉熵损失函数ꎬ其表达式为:Lt=-1NðNn=1ðKk=11yn=k{}logynkɡ()[](7)式中:N 样本数ꎻK 样本类别数ꎻyn 第n个样本真实类别ꎻynkɡ第n个样本对应的第k个输出神经元的激活值ꎻ1∗{} 指示性函数ꎻ(5)采用反向传播算法[14]对网络参数进行更新ꎮ333 第3期黄鹏程ꎬ等:基于注意力机 ̄多任务网络的液压系统多状态监测识别方法研究图2㊀注意力多任务网络㊀㊀本文利用深度学习框架pytorch构建模型ꎬ训练优化器为Adamꎬ批量为32ꎬ学习率初始设置为0.001ꎬ迭代次数为550ꎮ网络结构参数如表1所示ꎮ表1㊀网络结构参数层名参数特征维度Input(60ꎬ17)Attention(17ꎬ1)(60ꎬ17)Conv1d(17ꎬ50ꎬ10)(50ꎬ51)Conv1d(50ꎬ50ꎬ10)(50ꎬ42)Maxpooing(2ꎬ2)(50ꎬ21)Conv1d(50ꎬ100ꎬ10)(100ꎬ12)Conv1d(100ꎬ100ꎬ10)(100ꎬ3)Avgpooing(3ꎬ3)(100ꎬ1)FC_S(100ꎬ100)(100ꎬ1)FC1(100ꎬ3)(3ꎬ1)FC2(100ꎬ4)(4ꎬ1)FC3(100ꎬ3)(3ꎬ1)FC4(100ꎬ4)(4ꎬ1)㊀㊀表1中ꎬ根据一维卷积参考文献的网络结构ꎬ适当调整参数大小ꎬ构建网络共享层ꎬ并在共享层前面加入注意力模型ꎬ其参数为输入传感器的个数ꎻ在共享层后面加入多任务模型ꎬ其参数为各任务状态个数ꎬ构成整体网络结构ꎮ3㊀实验与分析3.1㊀数据描述此处采用UCI网站中的液压系统状态监测数据[15]进行实验ꎬ实验数据通过一个液压实验台获得ꎮ该试验台以60s为1周期进行恒定负载循环ꎬ通过测量压力㊁流量等17个传感器的值ꎬ来监测4个液压组件(冷却器㊁阀门㊁泵和蓄能器)的状态定量变化ꎻ共有2205组模拟数据ꎬ每个组包含了17个传感器数据和4个组件的运行状况ꎮ液压试验台使用的传感器如表2所示ꎮ表2㊀液压试验台使用的传感器传感器物理量单位采样频率/HzPS1 ̄PS6压力bar100EPS1电机功率W100FS1ꎬFS2体积流量1/min10TS1 ̄TS4温度ħ1VS1振动mm/s1CE冷却效率(虚拟)%1CP冷却功率(虚拟)kW1SE效率系数%1㊀㊀表2中ꎬCE㊁CP和SE是表示计算值的虚拟传感器ꎬ其余传感器是液压回路中的物理传感器ꎮ液压组件状态变量如表3所示ꎮ表3㊀液压组件状态变量组件变量(单位)值状态冷却器%100203全效率效率不足故障阀门%100908073最佳的切换行为小滞后重度滞后接近完全失效内部泵\012无泄漏弱泄漏严重泄漏液压蓄能器Pa13011510090最佳压力压力偏低压力过低故障㊀㊀表3中给出了4个液压组件所存在各种的状态ꎮ433 机㊀㊀电㊀㊀工㊀㊀程第38卷其中ꎬ冷却器与内部泵存在3种状态ꎬ阀门与液压蓄能器存在4种状态ꎮ3.2㊀数据处理由于传感器采样频率不一样ꎬ导致相同周期内不同传感器时序点个数不同ꎬ如压力传感器100Hzꎬ60s内有6000个时序点ꎬ而温度传感器1Hzꎬ60s内只有60个时序点ꎬ为了输入到网络中ꎬ需要对数据进行简单的平均处理ꎬ使得每个传感器时序点数均为60ꎮ处理后得到输入特征图如图3所示ꎮ图3㊀输入特征图图3中ꎬ输入特征图是由17个传感器堆叠构成的特征图ꎬ其维度为(17ꎬ60)ꎮ其中ꎬ行是每个传感器时序点数ꎬ列是传感器数ꎮ将2205组数据样本按照6:2:2比例ꎬ划分为训练集㊁验证集和测试集ꎮ在训练集上训练网络内部参数ꎬ通过验证集调节网络迭代次数㊁学习率等超参数ꎬ使训练集上得到的网络能在测试集上有更好的效果ꎮ3.3㊀评价指标为了量化网络诊断的性能ꎬ此处使用指标准确率ꎬ其计算公式为:acc(t)=1NðNn=1l(f(xn)=yn)(8)式中:acc(t) 第t个任务准确率ꎻN 样本数ꎻf(xn) 预测值ꎻyn 真实值ꎻ1∗{} 指示性函数ꎮ3.4㊀实验结果与分析为验证该方法的监测性能ꎬ此处在训练集与验证集以交叉验证的方式进行训练ꎬ最后在测试集上验证精度ꎻ并将其与现有的传统方法LDA㊁人工神经网络(ANN)㊁集成SVM进行对比ꎮ模型在训练过程中ꎬ由于权重的初始化是随机的ꎬ为了避免实验结果受到其影响ꎬ对训练数据重复做5次实验ꎬ然后取平均值ꎮ该方法与传统方法结果比较如表4所示ꎮ表4㊀与传统方法结果比较%组件LDAANN集成SVM注意力机+多任务冷却器100100100100阀门100100100100内部泵73.680.098.699.0液压蓄能器54.050.456.198.0平均81.982.688.799.3㊀㊀从表4中可以看出:本文提出的注意力多任务方法可以让液压系统状态获得更好的监测效果ꎻ它比最新的传统方法平均精度提高了10.6%ꎬ特别在液压蓄能器方面的提高了42.9%ꎮ为了验证多任务和注意力机的有效性ꎬ此处将该方法与有相同网络层的单任务CNN与多任务CNN进行了比较ꎬ其结果比较如表5所示ꎮ表5㊀与CNN方法结果比较%组件单任务CNN多任务CNN注意力机+多任务冷却器100100100阀门100100100内部泵99.098.099.0液压蓄能器89.197.098.0平均97.098.899.3㊀㊀从表5中可以看出:多任务CNN精度相比单任务平均精度提高1.8%ꎬ验证了多任务网络可以通过各个任务之间的相互辅助ꎬ有效地提取了各个任务之间潜在的特征ꎬ提高了监测的精度ꎻ而加入的注意力机ꎬ会根据各个传感器对任务的重要程度ꎬ给与相关的权重ꎬ缓解了网络的信息过载ꎬ使得内部泵和液压蓄能器任务精度均提高了1%ꎬ进一步提升了网络的监测精度(达到了99.3%)ꎮ各传感器权重分布如图4所示ꎮ图4㊀各传感器权重分布从图4可以看出:在没有使用注意力机之前的各个传感器的权重都是相等的ꎬ网络对每个传感器的侧533 第3期黄鹏程ꎬ等:基于注意力机 ̄多任务网络的液压系统多状态监测识别方法研究重程度都一样ꎻ使用了注意力机之后ꎬ各个传感器权重值发生了变化ꎬ网络对不同传感器侧重程度不同ꎬ有利于提取对网络更有用的传感器信息ꎮ4㊀结束语在复杂的多状态条件下ꎬ针对液压系统状态监测方法监测性能不高的问题ꎬ笔者提出一种基于注意力机的多任务网络的液压系统监测方法ꎮ相比以往的方法ꎬ该方法有以下优势: (1)直接把多传感器信号输入到CNNꎬ实现了端到端的预测ꎬ无需人工提取特征ꎬ降低了使用者的操作难度ꎻ(2)利用多任务网络ꎬ对多状态同时学习ꎬ有利于提取各状态之间存在的潜在特征ꎬ可以避免在单状态时ꎬ因为过度关注单个状态ꎬ而忽视了噪音及泛化性能ꎬ使得网络有更好的预测精度ꎻ(3)在网络中加入注意力机ꎬ给予了各个传感器一个权重ꎬ使得网络可以更多关注于对任务贡献大的输入变量ꎬ从而提取更相关的特征ꎬ缓解网络信息过载问题ꎬ进一步提升网络的预测精度ꎮ但是该方法依然存在不足之处:多任务网络各个任务的权重都是一样的ꎬ但是在实验中发现ꎬ对于冷却器状态ꎬ其收敛的速度快ꎬ很快达到了100%ꎻ而对于液压蓄能器状态ꎬ其收敛速度慢ꎬ精度提升相当慢ꎬ所以应该给予各个任务不同的权重比ꎬ来帮助网络更快收敛ꎮ所以ꎬ笔者下一步的研究重点是设计一个自适应的任务权重选择方法ꎬ以提高该方法的运行效率ꎮ参考文献(References):[1]㊀刘㊀志ꎬ纪爱敏ꎬ张㊀磊ꎬ等.剪叉式高空作业平台上车液压系统的稳定性研究[J].机电工程ꎬ2020ꎬ37(6):600 ̄606.[2]㊀HIGGSPAꎬPARKINRꎬJACKSONMꎬetal.Asurveyonconditionmonitoringsystemsinindustry[C].ProceedingsoftheASME7thBiennialConferenceonEngineeringSystemsDesignandAnalysis.England:ASMEꎬ2004. [3]㊀HELWIGNꎬPIGNANELLIEꎬSCHÜTZEA.Detectingandcompensatingsensorfaultsinahydraulicconditionmonito ̄ringsystem[C].AMAConferences2015.Nürnberg:AMAꎬ2015.[4]㊀GUOPꎬWUJꎬXUXꎬetal.Healthconditionmonitoringofhydraulicsystembasedonensemblesupportvectormachine[C].2019PrognosticsandSystemHealthManagementCon ̄ference.Qingdao:IEEEꎬ2019.[5]㊀姜保军ꎬ王帅杰ꎬ董绍江.基于深度学习的液压监测系统蓄能装置故障诊断[J].组合机床与自动化加工技术ꎬ2019(9):89 ̄92.[6]㊀张德明.连铸机液压系统油液状态监测实例分析[J].液压气动与密封ꎬ2020(3):74 ̄75.[7]㊀KRIZHEVSKYAꎬSUTSKEVERIꎬHINTONG.ImageNetclassificationwithdeepconvolutionalneuralnetworks[J].CommunicationsoftheACMꎬ2017ꎬ60(6):84 ̄90. [8]㊀SAINATHTNꎬKINGSBURYBꎬMOHAMEDARꎬetal.ImprovementstodeepconvolutionalneuralnetworksforLVCSR[C].2013IEEEWorkshoponAutomaticSpeechRecognitionandUnderstanding.Olomouc:IEEEꎬ2013. [9]㊀曲建岭ꎬ余㊀路ꎬ袁㊀涛ꎬ等.基于一维卷积神经网络的滚动轴承自适应故障诊断算法[J].仪器仪表学报ꎬ2018ꎬ39(7):134 ̄143.[10]㊀BABUGSꎬZHAOPꎬLIXL.Deepconvolutionalneuralnetworkbasedregressionapproachforestimationofremai ̄ningusefullife[C].InInternationalConferenceonData ̄baseSystemsforAdvanceApplications.Online:DASFAAꎬ2016.[11]㊀杨兰柱ꎬ刘文广.改进的CNN网络在轴承故障诊断中的应用[J].机电工程技术ꎬ2020ꎬ49(8):11 ̄13.[12]㊀MNIHVꎬHEESSNꎬGRAVESA.Recurrentmodelsofvisualattention[EB/OL].(2014 ̄06 ̄24)[2020 ̄7 ̄30].https://arxiv.org/abs/1406.6247.[13]㊀BAHDANAUDꎬCHOKꎬBENGIOY.Neuralmachinetranslationbyjointlylearningtoalignandtranslate[EB/OL].(2014 ̄09 ̄01)[2020 ̄7 ̄30].https://arxiv.org/abs/1409.0473.[14]㊀RUMELHARTDEꎬHINTONGEꎬWILLIAMSRJ.Learningrepresentationsbyback ̄propagatingerrors[J].Natureꎬ1986ꎬ323(6088):533 ̄536.[15]㊀HELWIGNꎬPIGNANELLIEꎬSCHÜTZEA.Conditionmonitoringofacomplexhydraulicsystemusingmultivariatestatistics[C].Instrumentation&MeasurementTechnologyConference.IEEEꎬ2015.[编辑:雷㊀敏]本文引用格式:黄鹏程ꎬ李海艳ꎬ林景亮ꎬ等.基于注意力机 ̄多任务网络的液压系统多状态监测识别方法研究[J].机电工程ꎬ2021ꎬ38(3):331-336.HUANGPeng ̄chengꎬLIHai ̄yanꎬLINJing ̄liangꎬetal.Statemonitoringmethodofhydraulicsystembasedonattentionmachinemulti ̄tasknetwork[J].JournalofMechanical&ElectricalEngineeringꎬ2021ꎬ38(3):331-336.«机电工程»杂志:http://www.meem.com.cn 633 机㊀㊀电㊀㊀工㊀㊀程第38卷。

多机器人协同移动与动态避障方法、装置、设备及介质[发明专利]

多机器人协同移动与动态避障方法、装置、设备及介质[发明专利]

专利名称:多机器人协同移动与动态避障方法、装置、设备及介质
专利类型:发明专利
发明人:嵇望,丁大为,江志勇
申请号:CN202010404961.4
申请日:20200514
公开号:CN111309035B
公开日:
20220304
专利内容由知识产权出版社提供
摘要:本发明公开了一种多机器人协同移动与动态避障方法,涉及机器人控制技术领域,能解决多机器人在动态环境下的避障问题。

该方法包括以下步骤:获取机器人本体位姿,根据预先构建的三维点云地图和所述机器人本体位姿,实时计算机器人本体的实时状态;采集实时点云数据,对所述点云数据进行预处理,检测所述预处理后的点云数据中的若干智能体;分别计算所述若干智能体的实时状态;将所述若干智能体的实时状态输入预先构建的目标卷积神经网络,执行所述目标卷积神经网络输出的实时响应动作。

本发明还公开了一种多机器人协同移动与动态避障装置、电子设备和计算机存储介质。

申请人:浙江远传信息技术股份有限公司
地址:310051 浙江省杭州市滨江区信诚路857号世贸中心23楼
国籍:CN
代理机构:杭州创智卓英知识产权代理事务所(普通合伙)
代理人:张迪
更多信息请下载全文后查看。

网络流量监测及异常流量分析技术

网络流量监测及异常流量分析技术

网络流量监测及异常流量分析技术
穆斌;武俊喜;樊莉
【期刊名称】《信息系统工程》
【年(卷),期】2011(000)009
【摘要】本文首先概述网络流量监控的重要性及目标,接着分析了网络流量监测的各种方法。

最后着重探讨了网络异常流量分析技术,并结合某单位园区网的实际情况,例证分析了对异常流量的处理方法。

【总页数】3页(P80-82)
【作者】穆斌;武俊喜;樊莉
【作者单位】中国石油勘探院西北分院计算机技术研究所;中国石油勘探院西北分院计算机技术研究所;中国石油勘探院西北分院计算机技术研究所
【正文语种】中文
【中图分类】TP393.07
【相关文献】
1.网络流量分析中的频繁项监测技术研究 [J], 杜阿宁;程晓明
2.基于准实时流量数据报出与信息熵技术的网络流量异常监测研究 [J], 邓小清; 王伦浪
3.基于网络流量异常检测的电网工控系统安全监测技术 [J], 杨航;刘益松;刘贵恒;周飞艳
4.基于网络流量异常监测的工业控制系统安全技术研究 [J], 徐友洪;李剑萍;吴宏良
5.探讨基于网络流量异常检测的电网工控系统安全监测技术 [J], 杨丙红
因版权原因,仅展示原文概要,查看原文内容请购买。

骨干通信网多流多特征流量异常检测

骨干通信网多流多特征流量异常检测

骨干通信网多流多特征流量异常检测
冯震;胡光岷;姚兴苗;周颖杰
【期刊名称】《微计算机信息》
【年(卷),期】2010(026)024
【摘要】异常流量的隐蔽性和异常检测的实时性是骨干通信网流量异常检测面临的两大难题,为此提出一种多流多特征的流量异常检测方法:将网络业务量细分为多个与网络异常密切相关的子流,在各子流申分别提取多种流量特征参数与数据包特征参数等中粒度信息,对多流多特征参数同时进行异常检测.Internet2的实际数据检测结果表明,该方法能够快速准确检测出骨干网络的洪泛攻击和端口扫描等异常流量,检测结果与离线精细检测结果大致相当.
【总页数】3页(P99-101)
【作者】冯震;胡光岷;姚兴苗;周颖杰
【作者单位】611731,成都,电子科技大学宽带光纤传输与通信网技术教育部重点实验室;611731,成都,电子科技大学宽带光纤传输与通信网技术教育部重点实验室;611731,成都,电子科技大学宽带光纤传输与通信网技术教育部重点实验
室;611731,成都,电子科技大学宽带光纤传输与通信网技术教育部重点实验室【正文语种】中文
【中图分类】TP393
【相关文献】
1.基于行为分析的通信网络流量异常检测与关联分析 [J], 王宏;
2.全局的多流量相关异常检测算法 [J], 杨丹;胡光岷;李宗林;姚兴苗
3.基于OCSVM的配电通信网流量异常检测研究 [J], 郑浩楠
4.自注意力的多特征网络流量异常检测与分类 [J], 皇甫雨婷;李丽颖;王海洲;沈富可;魏同权
5.TCP/IP骨干通信网流量规律性及异常检测方法 [J], 吕述望;刘恒;沈昌祥
因版权原因,仅展示原文概要,查看原文内容请购买。

高可信度H-ADCP流量自动监测系统关键技术研究与应用

高可信度H-ADCP流量自动监测系统关键技术研究与应用

高可信度H-ADCP流量自动监测系统关键技术研究与应用舒凯;杨金标;张后来;王震;李伟
【期刊名称】《中国农村水利水电》
【年(卷),期】2022()2
【摘要】当前H-ADCP在我国得到广泛应用,特别是长江中下游平原河网地区,已成为水文流量测验的重要组成部分。

但普遍缺乏对测流原始数据的分析检验,导致测流精度及成果可信度不高,以及比测率定工作繁杂等问题,影响HADCP的进一步推广应用。

针对上述问题,根据H-ADCP测流原理,结合平原河网地区及感潮河段水文特性,提出了一种基于国产测控平台的高可信度H-ADCP流量自动监测和分析处理系统设计方案,具有测流原始数据分析处理、测流支架自动升降、比测率定分析等功能。

经实践应用,可有效识别和剔除异常测流数据,提高流量监测成果精度,值得推广应用。

同时,展望了旋转扫描和多高层联合扫描两种新技术路线。

【总页数】5页(P90-94)
【作者】舒凯;杨金标;张后来;王震;李伟
【作者单位】国网电力科学研究院/南京南瑞集团公司
【正文语种】中文
【中图分类】TV93;S27
【相关文献】
1.H-ADCP在望亭流量自动监测系统中的应用
2.H-ADCP在流量自动监测系统中的应用
3.H-ADCP流量在线监测方案在高坝洲的应用与改进
4.回水影响下H-
ADCP在线流量监测系统的应用分析5.H-ADCP流量监测系统在复杂河势中的应用
因版权原因,仅展示原文概要,查看原文内容请购买。

网络流量异常检测综述

网络流量异常检测综述

网络流量异常检测综述
吴迪锋;孙昊翔;曹浪;谭天
【期刊名称】《信息安全与通信保密》
【年(卷),期】2022()8
【摘要】随着网络攻击的复杂化、自动化、智能化水平的不断提高,网络中不断涌现出新的攻击类型,这些未曾见过的新攻击给基于特征码的网络攻击检测和响应带来了极大挑战。

网络流量异常检测通过对网络流量进行分析,可以检测出与正常流量明显不同的流量,因其不依赖于静态特征码,被看作检测未知新攻击的有效手段。

研究人员针对异常网络流量的检测提出了许多方案,包括基于统计学习法、基于无监督机器学习的方案、基于监督机器学习的方案,从流量特点、特征工程到检测模型,再到应用场景对这些方案进行了系统性综述。

【总页数】11页(P101-111)
【作者】吴迪锋;孙昊翔;曹浪;谭天
【作者单位】杭州迪普科技股份有限公司;杭州迪普信息技术有限公司
【正文语种】中文
【中图分类】TP393.08;TP183
【相关文献】
1.运用网络流量自相似分析的网络流量异常检测
2.网络流量异常检测综述与研究
3.基于平衡迭代规约层次聚类的无线传感器网络流量异常检测方案
4.基于LDSAD的电力监控系统网络流量异常检测
5.拟态防御下的网络流量异常检测架构
因版权原因,仅展示原文概要,查看原文内容请购买。

基于小波变换的网络流量异常监测仿真实验

基于小波变换的网络流量异常监测仿真实验

基于小波变换的网络流量异常监测仿真实验
时合生;杨照峰
【期刊名称】《信息技术》
【年(卷),期】2014(000)007
【摘要】为有效定位识别和提取网络流量序列的暂态性异常特征,针对网络异常流量特征扰动性和暂态性特点,提出一种基于小波分解的二叉分类回归决策树主分量特征优化跟踪特征提取算法.利用训练集建立决策树模型,采用二叉分类回归决策树模型进行主分量特征优化跟踪建模,利用双正交提升小波分解得到的各层细节信号对暂态性扰动特征的敏感性,通过小波分解得到各层细节信号,将提取的小波分层细节信号的奇异值分解特征再返回到决策树主分量特征优化跟踪模型中,实现网络流量异常特征的定位提取和识别.仿真实验表明,改进算法的抗干扰能力和分辨率提高显著,暂态性异常特征谱图分辨能力提高,异常特征分布谱清晰可见,展示了较好的特征提取和状态识别性能.
【总页数】5页(P158-162)
【作者】时合生;杨照峰
【作者单位】平顶山学院计算机科学与技术学院,河南平顶山467000;平顶山学院计算机科学与技术学院,河南平顶山467000
【正文语种】中文
【中图分类】TP392
【相关文献】
1.恒虚警下异常网络流量序列监测技术仿真分析 [J], 刘海涛
2.基于小波的网络流量异常分析与仿真 [J], 贾志强
3.基于信息熵的通信网络流量异常监测系统设计 [J], 谭秦红
4.基于信息熵的通信网络流量异常监测系统 [J], 尹光花;常春燕;李景景
5.探讨基于网络流量异常检测的电网工控系统安全监测技术 [J], 杨丙红
因版权原因,仅展示原文概要,查看原文内容请购买。

基于多目标生物习性激励的WSN传感器节点部署

基于多目标生物习性激励的WSN传感器节点部署

基于多目标生物习性激励的WSN传感器节点部署
周海飞;芦翔
【期刊名称】《太赫兹科学与电子信息学报》
【年(卷),期】2022(20)11
【摘要】为确保无线传感器网络(WSN)覆盖和连通性最大化以及能量消耗最小化的有效监测,提出一种基于多目标生物习性激励(MOBHI)的传感器节点部署算法。

首先,将传感器节点的区域(领地)根据诸如最大覆盖、最大连通性和最小能耗等多个目标,基于领地捕食者气味标记行为进行标记,并模仿气味匹配识别其监测的位置;其次,对多个目标的优化问题应用非受控Pareto最优,将其分解为多个单目标优化子问题并同时对它们进行优化,得到所需目标的解。

仿真实验结果表明,本文提出算法在网络覆盖、连通性和能耗等性能指标方面都优于其他传感器节点部署的多目标和单目标优化算法。

【总页数】7页(P1205-1211)
【作者】周海飞;芦翔
【作者单位】常州信息职业技术学院软件与大数据学院;中国科学院信息工程研究所
【正文语种】中文
【中图分类】TN911;TP393
【相关文献】
1.基于锚节点主动部署机制的WSN节点定位算法综述与分析
2.基于多目标优化的WSNs节点优化部署算法
3.基于多目标优化的WSNs节点优化部署算法
4.基于差分进化的多目标异构传感器网络节点部署机制
5.改进多目标蚁狮算法的WSNs节点部署策略
因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

南华大学计算机科学与技术学院课程设计报告(2005 ~2006 学年度第 1 学期)课程名称网络编程技术题目基于多机协作的网络流量监视组号:12专业计算机班级03级02班地点网络室教师谭敏生一设计目的及要求用Java语言,编程实现基于高层协议的多机通信。

在无人的状态下,使用时间片轮换为事件驱动,能使多台机器相互唤醒而达到协作完成监测网络流量工作的目的。

二.课程设计软硬件要求(1)软件要求要求装有网络操作系统,安装Tcp/Ip协议。

在Windows系列下,装有Winpcap 软件和J2sdk1.4.2_09环境,并要安装Jpcap类库包。

(2)硬件要求两台连网的主机,PentiumII及一上的CPU,内存128MB以上,硬盘40G,其他配置没多少要求。

三课程设计内容(1)课程设计原理在网络中要实现两台主机通信除了要有必要的物理链路外,还必需要有一种共同遵守的协议。

这就好比是两个人打电话,除了要有语音网络和电话机外,还要说同种语言,两个人才能进行交流。

网络体系结构中有多层协议,且上层协议屏蔽下层协议的实现细节。

这个设计就是以TCP/IP协议为基础来展开讨论的。

TCP/IP技术的核心部分是TCP/IP体系结构中的传输层和网络层,这两层通常在操作系统内核中实现。

而操作系统的内核是不能被直接为一般用户所接触到的,一般用户接触到的只有应用程序。

正是各种应用程序构成了操作系统的用户视图。

那么应用程序通过什么样的界面与内核打交道了?是编程界面。

各种应用程序都是程序员在此界面上开发的。

程序员界面有两种形式,一种是直接由内核提供的系统调用,一种是一库函数的方式提供的各种函数。

前者在内核实现,后者在核外实现。

在我们用的网络系统也提供了这两种编程界面,我们用到的就是内核提供的系统调用编程界面——套接字。

套接字(Socket)是TCP/IP协议的编程接口,即利用socket提供的一组API 可以实现TCP/IP协议。

在两个网络应用程序之间发送和接收信息时都需要建立一个可靠的连接,流套接字依靠TCP协议来保证信息正确到达目的地,实际上,IP包有可能在网络中丢失或者在传送过程中发生错误,任何一种情况发生,作为接受方的TCP将联系发送方TCP重新发送这个IP包。

这就是所谓的在两个流套接字之间建立可靠的连接。

在这程序中,A机程序初始化代码创建一个扮演服务器程序、拥有主机IP 地址和服务器程序的端口号的流套接字对象。

B机流套接字的初始化代码将IP 地址和端口号传递给客户端主机的网络管理软件,管理软件将IP地址和端口号通过网卡(NIC)传递给A机;A机端主机读到经过NIC传递来的数据,然后查看程序是否处于监听状态,这种监听依然是通过套接字和端口来进行的;如果A机程序处于监听状态,那么网络管理软件就向B机网络管理软件发出一个积极的响应信号,接收到响应信号后,B机流套接字初始化代码就给B机程序建立一个端口号,并将这个端口号传递给A机程序的套接字(A机程序将使用这个端口号识别传来的信息是否是属于B机程序)同时完成流套接字的初始化。

如果A机程序没有处于监听状态,那么A机端网络管理软件将给B机传递一个消极信号,收到这个消极信号后,程序的流套接字初始化代码将抛出一个异常对象并且不建立通讯连接,也不创建流套接字对象。

这种情形就像打电话一样,当有人的时候通讯建立,否则电话将被挂起。

一旦当两台主机的两个进程建立了连接,就等于创建了一个实现全双工的数据管道,即两台主机都可同时进行数据的发送与接收。

多机协作过程,就是在建立连接的基础上,通过相互通信来完成同一工作的过程。

在此通信的具体内容就是告诉对方是否抓包,对方在收到抓包切换信号后,就调用自己的抓包线程来进行抓包。

数据的发送有个时间的问题,本设计就是使用事件(时间片与缓冲区)的发生来驱动数据的发送。

一旦时间片到或者缓冲区满就会向对方发出抓包切换信号,接着做清空缓冲区和数据包写外存工作,然后等待对方的切换信号,如此循环协作工作。

在此过程中建立的TCP连接一直都是处于连接状态,直到退出抓包工作,才断开次连接。

利用Jpcap抓包因不是本程序设计的重点,在此只做简单描叙:对数据的采集,JAVA没有什么有效的方法,所以得借助于第三方软件。

在Windows 或UNIX上,你必须有必要的第三方库,分别是WinPcap或libpcap。

本次设计选用了WinPcap,Winpcap 是一个第三方类库,为Jpcap提供基础类。

Jpcap是一个静态库,可以被包捕获程序直接调用,它应用Packet.dll导出的服务向上层应用程序提供强有力的捕获界面。

它是应用程序的一部分。

Jpcap 是一个Java类集合,它为网络数据包的捕获提供接口和系统。

包括一个可视化网络事件的协议库和工具。

它不是一种纯粹的Java解决方案;它依赖本地库的使用,Winpcap和Jpcap两个都要到网站上去下。

下面是Jpcap 中几个重要的方法:1:openDevicepublic static Jpcap openDevice(ng.String device, int snaplen, boolean promisc, int to_ms),第一个参数为string,指定要打开的设备名;第二个参数为int,指定每个包返回数据的长度;第三个参数为混杂标志,如果设为1,将网卡设置为混杂模式,监听全网段。

第四个参数为以毫秒计超时时限。

2:getDeviceDescriptionpublic static ng.String[] getDeviceDescription(),得到网卡信息;3:loopPacketpublic int loopPacket(int count, JpcapHandler handler) 设置抓包数量,循环抓包;原理的具体实现在程序流程图和程序说明中有详细的描叙。

(二)设计原理图三程序流程图A B四实现设计的程序代码A机中运行的程序Serverm.javaimport java.io.*;import .*;import jpcap.*;import java.util.*;public class Serverm implements JpcapHandler{static int j=0;static long p=0;static StringBuffer sting=new StringBuffer("");static String[] devices;static String deviceName;static Jpcap jpcap;public void handlePacket(Packet packet){IPPacket ip;if(packet instanceof IPPacket){j++;ip=(IPPacket)packet;sting.append(ip.src_ip+"\t"+ip.dst_ip+"\t"+ip.protocol+"\t"+ip.length+"\t"+ip.version+"\t"+ip.ident+"\t"+ip.rsv_frag+"\t"+ip.offset+"\t"+ip.hop_limit+"\t"+ip.rsv_tos+"\r\n");}}public static void outbuff(){long time11=System.currentTimeMillis();try {String aa="packe"+p+".txt";RandomAccessFile rf = new RandomAccessFile(aa, "rw");rf.seek(rf.length());rf.writeBytes(sting.toString());rf.close();}catch (Exception e) {e.printStackTrace();}long time12=System.currentTimeMillis();System.out.println(""+time12+"-"+time11+"="+(time12-time11)+"\ncaptrue count:"+j);sting.delete(0,sting.length()-1);j=0;p++;System.out.println("the txt:"+p);}public static void inbuff() //throws java.io.IOException{jpcap.loopPacket(5000, new Serverm());}public static void main(String args[]) throws java.io.IOException{devices = Jpcap.getDeviceList();deviceName = devices[1]; //如果网卡为0号设备则将devices[1]改为devices[0]jpcap = Jpcap.openDevice(deviceName, 1028, true, 100);Server s=new Server();while(true)try{Thread.sleep(100000);}catch(InterruptedException e){return;}}}class Server // 监听线程,用于监听连接.{Resouce resouce;InBuffer inbuffer;Timer timer; //Thread类的子类,用于计时.Netrec netrec; //Thread类的子类,用于监听客户机请求.Socket connected;Server(){System.out.println("**********\n");try{ServerSocket m_sListener=new ServerSocket(8629);connected=m_sListener.accept(); //开始监听.m_sListener.close();}catch(IOException e){System.out.println("**********\n");}System.out.println("连接成功\n");resouce=new Resouce(); //开辟资源inbuffer=new InBuffer(this);inbuffer.start();netrec=new Netrec(this);netrec.start(); //开始监听客户机请求.}}class Resouce{synchronized void setwait(){try{wait();}catch(InterruptedException e){}}synchronized void setnotify(){notify();}}class Netrec extends Thread{Server server;BufferedReader in; //用于读取客户机信息.Netrec(Server s){setPriority(10);server=s;try{in = new BufferedReader(new InputStreamReader(server.connected.getInputStream()));}catch(IOException e){}}public void run(){ server.inbuffer.suspend();//挂起inbufferwhile(true){String c="";try{c=in.readLine(); //读数据.}catch(IOException e){}if(c.equals("1")) //判断是否为有效信息(客户机是否中断连接).{System.out.println("开始抓包\n");server.inbuffer.resume();//激活inbufferserver.timer=new Timer(server);server.timer.start();}server.resouce.setwait();//挂起自己if(server.timer.isAlive())//激活以后运行server.timer.flag=true;server.inbuffer.suspend();挂起inbufferServerm.outbuff();//清空缓冲区.}}}class InBuffer extends Thread{Server server;PrintWriter out; //用于向客户机发送消息.InBuffer(Server s){server=s ;try{out=new PrintWriter(server.connected.getOutputStream(),true);}catch(IOException e){}}public void run(){while(true){Serverm.inbuff();System.out.println("缓冲区满\n");String c="1";out.println(c); //向客户机发送消息.server.resouce.setnotify(); //激活netrectry{sleep(1);}catch(InterruptedException e){}}}}class Timer extends Thread{Server server;boolean flag;PrintWriter out;Timer(Server s){flag=false;server=s;try{out=new PrintWriter(server.connected.getOutputStream(),true);}catch(IOException e){}}public void run(){try{sleep(10000); //计时十秒.}catch(InterruptedException e){return;}if(!flag){System.out.println("时间片完\n");String c="1";out.println(c);server.resouce.setnotify(); //激活netrec.}}}B机中运行的程序Clientm.javaimport java.io.*;import .*;import jpcap.*;import java.util.*;public class Clientm implements JpcapHandler{static int j=0;static long p=0;static StringBuffer sting=new StringBuffer("");static String[] devices;static String deviceName;static Jpcap jpcap;public void handlePacket(Packet packet){IPPacket ip;if(packet instanceof IPPacket){j++;ip=(IPPacket)packet;sting.append(ip.src_ip+"\t"+ip.dst_ip+"\t"+ip.protocol+"\t"+ip.length+"\t"+ip.version+"\t"+ip.ident+"\t"+ip.rsv_frag+"\t"+ip.offset+"\t"+ip.hop_limit+"\t"+ip.rsv_tos+"\r\n");}}public static void outbuff(){long time11=System.currentTimeMillis();try {String aa="packe"+2*p+".txt";RandomAccessFile rf = new RandomAccessFile(aa, "rw");rf.seek(rf.length());rf.writeBytes(sting.toString());rf.close();}catch (Exception e) {e.printStackTrace();}long time12=System.currentTimeMillis();System.out.println(""+time12+"-"+time11+"="+(time12-time11)+"\ncaptrue count:"+j);sting.delete(0,sting.length()-1);j=0;p++;System.out.println("the txt:"+2*p);}public static void inbuff() //throws java.io.IOException{jpcap.loopPacket(5000, new Clientm());}public static void main(String args[]) throws java.io.IOException{devices = Jpcap.getDeviceList();deviceName = devices[1];//如果网卡为0号设备则将devices[1]改为devices[0]jpcap = Jpcap.openDevice(deviceName, 1028, true, 100);cServer s=new cServer();while(true)try{Thread.sleep(100000);}catch(InterruptedException e){return;}}}class cServer{cResouce resouce;cInBuffer inbuffer;cTimer timer;cNetrec netrec;Socket connected;cServer(){try{connected=new Socket("192.168.10.21", 8629);}catch(Exception e){ System.out.println("*********\n"); }System.out.println("连接成功\n");resouce=new cResouce(); //开辟资源inbuffer=new cInBuffer(this);inbuffer.start();timer=new cTimer(this);timer.start();netrec=new cNetrec(this);netrec.start(); //开始监听客户机请求}}class cResouce{synchronized void setwait(){try{wait();}catch(InterruptedException e){}}synchronized void setnotify(){notify();}}class cNetrec extends Thread{cServer server;BufferedReader in;cNetrec(cServer s){server=s;setPriority(10);try{in = new BufferedReader(new InputStreamReader(server.connected.getInputStream()));}catch(IOException e){}}public void run(){ server.resouce.setwait();while(true){if(server.timer.isAlive())server.timer.flag=true;server.inbuffer.suspend();Clientm.outbuff();//清空缓冲区.String c="";try{c=in.readLine();}catch(IOException e){}if(c.equals("1")){System.out.println("开始抓包\n");server.inbuffer.resume();server.timer=new cTimer(server);server.timer.start();}server.resouce.setwait();}}}class cInBuffer extends Thread{cServer server;PrintWriter out;cInBuffer(cServer s){server=s ;try{out=new PrintWriter(server.connected.getOutputStream(),true);}catch(IOException e){}}public void run(){while(true){Clientm.inbuff();System.out.println("缓冲区满\n");String c="1";out.println(c);server.resouce.setnotify(); //激活Cnetrec.try{sleep(1);}catch(InterruptedException e){}}}}class cTimer extends Thread{cServer server;public boolean flag;PrintWriter out;cTimer(cServer s){flag=false;server=s;try{out=new PrintWriter(server.connected.getOutputStream(),true);}catch(IOException e){}}public void run(){try{sleep(10000); //计时十秒.}catch(InterruptedException e){return;}if(!flag){System.out.println("时间片完\n");String c="1";out.println(c);server.resouce.setnotify();} //激活Cnetrec.}}(五).程序说明本设计用Java实现双机协作的通信机制是使用的基于连接的流式套接字(Sochet).套接字是Tcp/Ip协议的编程接口,利用Sochet提供的一组API就可以编程实现Tcp/Ip协议,这个编程接口就是若干系统定义好的类。

相关文档
最新文档