基于传感器关联网络的燃气轮机异常检测方法

通过分析燃气轮机4种典型异常形式的产生机理以及特征表现,得到了不同异常形式与传感器关联网络结构特征之间的映射关系。在此基础上,得到传感器关联网络的异常特征模式,提出了基于传感器关联网络的燃气轮机异常检测策略。通过实例分析,证明了融合多源信息基础上建立的传感器关联网络模型,可以过滤掉节点间关联指标低于阈值037的相关性,有效的实现燃气轮机的稳态异常检测,并可以检测出转速上升过程中,节点间相关性的正常线性变化趋势,存在大于12%的异常凹陷非线性趋势,从而有效的实现燃气轮机的动态异常检测。      

基于HMM的网络安全态势评估与预测方法

网络安全态势估计和预测是态势感知的重要过程。在告警信息聚合基础上,以典型攻击模式作为关联依据,结合网络资产的脆弱性识别网络实体所处受攻击阶段并将其转化威胁等级。以威胁等级作为观测值,基于隐Markov模型通过状态估计实现态势评估,并利用神经网络和支持向量机的组合模型实现态势预测。DARPA2000测试数据集上的相关实验表明,本文方法能更加准确地评估和预测网络态势。     

角向倾斜缝处理机匣对压气机性能的影响

为了揭示角向缝、角向倾斜缝处理机匣对压气机性能及其流场的影响,采用试验与非定常数值模拟的方法针对一亚声轴流压气机进行了研究。结果表明,角向缝、角向倾斜缝处理机匣(前移)对应的综合裕度改进量分别为12.16%,39.60%;角向倾斜缝处理机匣的扩稳能力更强,且峰值等熵效率损失降低了约75%。通过详细地分析压气机叶顶流场表明,角向倾斜缝处理机匣能够将叶顶间隙泄漏流在膨胀扩散之前基本完全吸除,通道内几乎没有低速堵塞区出现,因而扩稳效果更好。同时从角向倾斜缝中喷射入叶顶前缘的气流径向分速较低,其与主流的相互作用较弱,故流动损失减小,等熵效率更高。     

基于Rao-Blackwellized蒙特卡罗数据关联的检测跟踪联合优化

提出了基于Rao-Blackwellized蒙特卡罗数据关联的雷达目标检测跟踪联合优化算法。Rao-Blackwellization方法将单目标跟踪与数据关联分开处理,将序贯蒙特卡罗方法（粒子滤波）用于数据关联,实现杂波与虚警量测中的多目标跟踪。同时,根据粒子的分布范围确定波门大小。在考虑粒子权重的前提下,利用检测单元与所有粒子的相对位置对检测门限进行修正,提高检测率。将本文算法与已经实现的基于空域特性的杂波抑制算法相结合,分别应用于仿真数据、S波段相参与非相参雷达实测数据。实验结果表明,本文算法能够在粒子数较少的情况下,实现对小弱目标的检测与跟踪。      

层次分析法在科技项目管理中的应用

在介绍层次分析法的基础上,以其在创新性研究项目管理中的应用为例,指出这一方法可以帮助管理者在科技项目管理中更多地减少人为感觉和经验操作,促使把好科技项目选择关和投入关。