ITNS主題專欄：工業(yè)互聯(lián)網(wǎng)技術(shù)研究
A new idea on network security protection of urban rail transit signal system in the era of classified protection 2.0
王曄，陳麗娟，衣然
doi: 10.19358/j.issn.2096-5133.2020.03.001
隨著網(wǎng)絡(luò)安全法的深入貫徹和實(shí)施，等級(jí)保護(hù)制度已成為新時(shí)期國(guó)家網(wǎng)絡(luò)安全的基本制度，等級(jí)保護(hù)2.0的出臺(tái)，網(wǎng)絡(luò)安全保護(hù)對(duì)象實(shí)現(xiàn)了對(duì)云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、工業(yè)控制系統(tǒng)的全覆蓋。結(jié)合等級(jí)保護(hù)2.0新標(biāo)準(zhǔn)要求以及城市軌道交通信號(hào)系統(tǒng)網(wǎng)絡(luò)安全的建設(shè)需求，依照“一個(gè)中心，三重防御”核心思想，提出城市軌道交通信號(hào)系統(tǒng)網(wǎng)絡(luò)安全防護(hù)新思路。
IBE-based authentication scheme for Internet of Things terminal devices
李秋月1，趙艷2，李世明1,3，於家偉1，高勝花1
doi: 10.19358/j.issn.2096-5133.2020.03.002
隨著物聯(lián)網(wǎng)終端設(shè)備間直接通信的需求不斷增大，為解決物聯(lián)網(wǎng)終端設(shè)備間安全通信和隱私保護(hù)問題，終端設(shè)備間認(rèn)證技術(shù)成為人們關(guān)注的一個(gè)熱點(diǎn)，業(yè)界諸多學(xué)者已經(jīng)對(duì)此展開相關(guān)研究并提出多種物聯(lián)網(wǎng)終端設(shè)備間的認(rèn)證機(jī)制。但是，上述機(jī)制在安全強(qiáng)度及抵抗攻擊效果方面尚存在不足。為解決此問題，該文提出一種基于IBE策略的物聯(lián)網(wǎng)終端設(shè)備身份認(rèn)證方案，實(shí)現(xiàn)終端設(shè)備之間匿名雙向認(rèn)證，同時(shí)使用橢圓曲線加密算法保證認(rèn)證過程中信息傳輸?shù)陌踩浴Ｍㄟ^安全性理論分析和性能分析表明，該方案可很好地抵抗重放攻擊、中間人攻擊和篡改攻擊等已知攻擊且具有較低的計(jì)算開銷。
Design of network security protection scheme for thermal power industrial control system
張大松，姜洪朝，吳云峰
doi: 10.19358/j.issn.2096-5133.2020.03.004
針對(duì)火電工控系統(tǒng)的網(wǎng)絡(luò)安全問題進(jìn)行了研究，對(duì)當(dāng)前火電工控系統(tǒng)的網(wǎng)絡(luò)架構(gòu)、安全挑戰(zhàn)、防護(hù)現(xiàn)狀、風(fēng)險(xiǎn)來源等網(wǎng)絡(luò)安全問題進(jìn)行了分析總結(jié)，按照電力系統(tǒng)的安全防護(hù)總體原則及相關(guān)標(biāo)準(zhǔn)規(guī)范，針對(duì)電力生產(chǎn)網(wǎng)絡(luò)的特點(diǎn)及安全要求，提出了以數(shù)據(jù)探針為組成單元的能夠覆蓋電廠工控網(wǎng)絡(luò)各個(gè)層級(jí)并配置監(jiān)測(cè)中心的安全防護(hù)架構(gòu)，能夠?qū)Χ喾N工控協(xié)議進(jìn)行深度解析，對(duì)已知和未知危險(xiǎn)流量進(jìn)行識(shí)別和學(xué)習(xí)，并將宏觀網(wǎng)絡(luò)態(tài)勢(shì)以可視化的方式展示出來，實(shí)現(xiàn)了對(duì)電廠工控系統(tǒng)多層次、立體化、智能化的安全防護(hù)，能夠深度有效的保護(hù)電廠生產(chǎn)網(wǎng)絡(luò)系統(tǒng)。
A distributed PSO algorithm for economic dispatch of microgrid
胡浩宇，邢建春，周啟臻，張玉晗
doi: 10.19358/j.issn.2096-5133.2020.03.003
隨著微電網(wǎng)技術(shù)在電力系統(tǒng)中的應(yīng)用愈加廣泛，協(xié)調(diào)微電網(wǎng)內(nèi)部分布式電源的出力分配以提高經(jīng)濟(jì)性成為了研究的重要課題。目前主流的經(jīng)濟(jì)調(diào)度方法是微電網(wǎng)調(diào)度中心利用全網(wǎng)微電源及負(fù)荷的信息進(jìn)行調(diào)度，但這種集中式的方法依賴調(diào)度中心的計(jì)算能力，對(duì)微電源與調(diào)度中心之間通信要求較高，且與微電網(wǎng)的分布式特性相違背。提出一種完全分布式的并行調(diào)度方法，各分布式電源作為獨(dú)立的智能體，平等地參與調(diào)度工作，利用自身與鄰居節(jié)點(diǎn)之間的勢(shì)能博弈，基于粒子群算法優(yōu)化自身的出力，進(jìn)而實(shí)現(xiàn)全網(wǎng)經(jīng)濟(jì)性最優(yōu)的目標(biāo)。在MATLAB平臺(tái)上搭建了獨(dú)立微電網(wǎng)優(yōu)化調(diào)度模型，驗(yàn)證了所提出方法的可行性，并討論了相關(guān)參數(shù)的變化對(duì)于調(diào)度結(jié)果的影響。
智能算法
Super-esolution reconstruction based on sparse coding and anisotropic filtering
伏伶麗，任超，何小海,吳曉紅
doi: 10.19358/j.issn.2096-5133.2020.03.005
針對(duì)基于非局部稀疏自相似性的超分辨率重建方法存在的圖像邊緣保持性能不佳的問題，提出了一種基于稀疏編碼和各向異性濾波的超分辨率重建算法。該算法利用卷積神經(jīng)網(wǎng)絡(luò)和各向異性引導(dǎo)濾波訓(xùn)練了一個(gè)各向異性特征模型，然后利用該特征模型構(gòu)建一個(gè)局部的結(jié)構(gòu)先驗(yàn)，以和非局部稀疏先驗(yàn)形成互補(bǔ)，從而提高算法的邊緣保持能力。該算法訓(xùn)練后的模式使用通用測(cè)試集進(jìn)行測(cè)試，測(cè)試結(jié)果表明算法SR性能較好，能很好地保持邊緣細(xì)節(jié)，提供視覺效果更好的圖像。
Improved extreme learning machine based on quantum genetic algorithm and its application
李雪艷1，廖一鵬2
doi: 10.19358/j.issn.2096-5133.2020.03.006
主要研究的是神經(jīng)網(wǎng)絡(luò)的一種新型訓(xùn)練方式——極限學(xué)習(xí)機(jī)算法的優(yōu)化和改進(jìn)。首先通過與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)算法的對(duì)比，介紹極限學(xué)習(xí)機(jī)算法的主要思想和流程，展現(xiàn)其特點(diǎn)及優(yōu)勢(shì)；其次，由于常規(guī)極限學(xué)習(xí)機(jī)在預(yù)測(cè)的精度上及運(yùn)用的穩(wěn)定上存在不小的缺陷，通過闡述幾個(gè)智能尋優(yōu)算法及優(yōu)缺點(diǎn)比較，引出該文的重點(diǎn)量子遺傳算法，并利用此算法去優(yōu)化極限學(xué)習(xí)機(jī)的連接權(quán)值和閾值，選取最優(yōu)的權(quán)值和閾值賦予測(cè)試網(wǎng)絡(luò)，達(dá)到良好的使用效果；最后，介紹了改進(jìn)極限學(xué)習(xí)機(jī)算法在MATLAB上進(jìn)行實(shí)驗(yàn)仿真及結(jié)果分析的步驟與流程，實(shí)驗(yàn)結(jié)果說明改進(jìn)后的算法相比于經(jīng)典算法在回歸問題的預(yù)測(cè)上有優(yōu)勢(shì)，預(yù)測(cè)精度更高，且結(jié)果更穩(wěn)定；在分類問題的處理上，準(zhǔn)確性也具有壓倒性優(yōu)勢(shì)。
人工智能
RTS game real-time winning rate prediction based on machine learning
溫葉廷，黃海于
doi: 10.19358/j.issn.2096-5133.2020.03.007
游戲勝負(fù)預(yù)測(cè)可用于自適應(yīng)游戲AI的設(shè)計(jì)，策略層面強(qiáng)化學(xué)習(xí)的反饋參數(shù)等。使用SC2LE公開的數(shù)據(jù)集，首先通過游戲時(shí)間、MMR和AMP指標(biāo)進(jìn)行數(shù)據(jù)預(yù)處理，得到質(zhì)量較高的數(shù)據(jù)集；然后使用pysc2解析，提取游戲數(shù)據(jù)；最后進(jìn)行特征分析，得到基礎(chǔ)特征和統(tǒng)計(jì)特征，完成游戲特征數(shù)據(jù)集的構(gòu)建。最終采用機(jī)器學(xué)習(xí)方法XGB分類模型,利用10次十折交叉驗(yàn)證法進(jìn)行模型評(píng)估與優(yōu)選。結(jié)果表明使用基礎(chǔ)特性與統(tǒng)計(jì)特性的組合，可以使得實(shí)時(shí)勝率預(yù)測(cè)準(zhǔn)確率在不同匹配對(duì)局情況下均超過80%。
Parameter optimization of perspective transformation matrix based on diploid dominant mechanism
方樹，陳賢富
doi: 10.19358/j.issn.2096-5133.2020.03.008
圖像拼接的基礎(chǔ)是將所有待拼接的圖像轉(zhuǎn)換到同一平面上，而透視變換矩陣描述的就是一個(gè)平面到另一個(gè)平面的投影變換，反映了圖像坐標(biāo)點(diǎn)之間的一一對(duì)應(yīng)關(guān)系。但當(dāng)透視變換矩陣中參數(shù)精度較低時(shí)會(huì)導(dǎo)致圖像拼接效果不佳，拼接過程中會(huì)出現(xiàn)公共區(qū)域無法對(duì)接、有鬼影等現(xiàn)象。提出了一種基于二倍體顯性機(jī)制的DNA遺傳算法(AO方法)的矩陣參數(shù)優(yōu)化方案，AO方法在優(yōu)化效率上能以較快的速度和較高的精度搜索到問題的全局最優(yōu)解，從而提高透視變換矩陣參數(shù)的精度。實(shí)驗(yàn)結(jié)果顯示，所提出的方法能夠較好地優(yōu)化矩陣參數(shù)，符合期望目標(biāo)。
Research on key technologies of basic hardware and software architecture of artificial intelligence
楊建，傅明駒，徐國(guó)強(qiáng)
doi: 10.19358/j.issn.2096-5133.2020.03.009
針對(duì)當(dāng)前人工智能技術(shù)在軍用領(lǐng)域的應(yīng)用問題和難點(diǎn)，研究基于深度學(xué)習(xí)技術(shù)的軍用軟硬件架構(gòu)設(shè)計(jì)方法，并且結(jié)合業(yè)內(nèi)主流的軟硬件基礎(chǔ)架構(gòu)，分析在軍事應(yīng)用中涉及的關(guān)鍵技術(shù)和解決思路。通過對(duì)深度學(xué)習(xí)模型壓縮轉(zhuǎn)化、數(shù)據(jù)增強(qiáng)和分布式訓(xùn)練等軟硬件架構(gòu)的關(guān)鍵技術(shù)研究，設(shè)計(jì)構(gòu)建了一站式人工智能開發(fā)平臺(tái)、嵌入式邊緣智能計(jì)算平臺(tái)，對(duì)軍用人工智能提供端到端的訓(xùn)練、部署和測(cè)試支撐。該研究可為未來智能無人作戰(zhàn)系統(tǒng)提供軟硬協(xié)同的智能計(jì)算解決方案。
工業(yè)自動(dòng)化技術(shù)
Establishment and processing of Groundbased cloud image database for CNN
王敏1,2，周樹道1,2，劉展華1，任尚書3
doi: 10.19358/j.issn.2096-5133.2020.03.011
卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network,CNN)具有非比尋常的從樣本中學(xué)習(xí)特征的能力，訓(xùn)練需要大量帶有標(biāo)簽的圖像樣本。因此，在使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)地基云圖相關(guān)研究時(shí)，建立云圖樣本庫(kù)是第一步，也是非常重要的一步。首先，通過數(shù)碼相機(jī)直接拍攝、從互聯(lián)網(wǎng)上下載、從公開發(fā)行的云圖類書籍獲取以及由全天空照相機(jī)拍攝等手段獲取三個(gè)云圖樣本庫(kù)；接著，對(duì)三個(gè)樣本庫(kù)圖像的分辨率、噪聲、數(shù)量等問題進(jìn)行了分析；然后，采用雙線性插值和數(shù)據(jù)增強(qiáng)方法對(duì)樣本庫(kù)進(jìn)行歸一化預(yù)處理；最后，利用卷積神經(jīng)網(wǎng)絡(luò)、LBP、Heinle feature和Textonbased method三種方法對(duì)增強(qiáng)后的數(shù)據(jù)集進(jìn)行云識(shí)別分類驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，利用本文方法進(jìn)行增強(qiáng)數(shù)據(jù)可有效解決卷積神經(jīng)網(wǎng)絡(luò)對(duì)小樣本數(shù)據(jù)識(shí)別率不高
Research on the intelligent PID control method of the electro-hydraulic servo system of the aircraft steering gear
劉曉琳，蘇楊
doi: 10.19358/j.issn.2096-5133.2020.03.010
針對(duì)飛機(jī)舵機(jī)電液伺服系統(tǒng)中PID控制器參數(shù)難以整定的問題，引入一種智能PID控制方法。該方法結(jié)合了粒子群算法和PID控制器的優(yōu)點(diǎn)，并利用蜂群算法的選擇策略對(duì)粒子群算法進(jìn)行優(yōu)化，適應(yīng)了飛機(jī)舵機(jī)電液伺服系統(tǒng)非線性動(dòng)態(tài)控制環(huán)境的要求。實(shí)驗(yàn)結(jié)果表明，飛機(jī)舵機(jī)電液伺服系統(tǒng)智能PID控制方法能夠達(dá)到系統(tǒng)控制性能指標(biāo)要求，相較于傳統(tǒng)PID控制器具有更良好的跟蹤效果。
行業(yè)應(yīng)用
Design of EAN-13 barcode recognition system based on image technology
李慧，歐陽(yáng)鑫玉，張鋒
doi: 10.19358/j.issn.2096-5133.2020.03.014
條形碼技術(shù)作為一種數(shù)據(jù)采集和自動(dòng)識(shí)別技術(shù)應(yīng)用非常廣泛。為了更好地滿足應(yīng)用場(chǎng)景的自動(dòng)化功能需求，利用圖像處理相關(guān)技術(shù)，對(duì)EAN-13條形碼識(shí)別的相關(guān)算法進(jìn)行了研究。首先，針對(duì)采集到的條形碼圖像進(jìn)行圖像預(yù)處理，包括圖像灰度化、基于Hough變換的圖像傾角矯正、目標(biāo)分割和圖像濾波；然后根據(jù)條形碼編碼的既定規(guī)則，采用平均值法和校驗(yàn)碼驗(yàn)證法對(duì)條形碼進(jìn)行譯碼；最后，利用MATLAB仿真軟件，設(shè)計(jì)了一個(gè)條形碼識(shí)別系統(tǒng)。通過實(shí)驗(yàn)驗(yàn)證，所設(shè)計(jì)的系統(tǒng)識(shí)別率可以達(dá)到99%以上，取得了很好的效果。
Design and implementation of airport geographic information system based on C/S architecture
王磊，王皓
doi: 10.19358/j.issn.2096-5133.2020.03.013
近年來，隨著生活水平的提高，人們?cè)絹碓蕉嗟剡x擇飛機(jī)作為長(zhǎng)距離旅行的交通工具，因此對(duì)機(jī)場(chǎng)效率提出了更高的要求，機(jī)場(chǎng)信息化就成為了大勢(shì)所趨。而地理信息系統(tǒng)作為機(jī)場(chǎng)信息化的重要組成部分，對(duì)其研究和開發(fā)就成為了機(jī)場(chǎng)信息化建設(shè)的重要內(nèi)容之一。分析了當(dāng)前機(jī)場(chǎng)地理信息系統(tǒng)的技術(shù)現(xiàn)狀，針對(duì)其實(shí)時(shí)性差和安全性不高等問題，提出了一種基于C/S架構(gòu)的新型機(jī)場(chǎng)地理信息系統(tǒng)。該系統(tǒng)在中航油智慧加油改造項(xiàng)目中實(shí)現(xiàn)并得到成功應(yīng)用，具有實(shí)時(shí)性好、安全性高等特點(diǎn)。
Highway video real-time vehicle detection classification and traffic flow statistics algorithm
查偉偉,白天
doi: 10.19358/j.issn.2096-5133.2020.03.012
公路視頻實(shí)時(shí)車輛檢測(cè)分類與車流量統(tǒng)計(jì)是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)經(jīng)典問題。傳統(tǒng)設(shè)置檢測(cè)帶法，易漏檢復(fù)檢，自動(dòng)化性不好。基于深度網(wǎng)絡(luò)的one-stage算法實(shí)時(shí)性好，但是經(jīng)常會(huì)把變化的背景、運(yùn)動(dòng)的非車輛物體納入其中，同時(shí)對(duì)光照變化敏感，夜間分類效果不好。因此，提出采用one-stage做目標(biāo)檢測(cè)，并不直接獲取分類結(jié)果，而是根據(jù)標(biāo)注框?qū)⑽矬w切割出來，去除背景，提升抗背景擾動(dòng)性能和分類效果；再送入一個(gè)經(jīng)過遷移學(xué)習(xí)的淺層神經(jīng)網(wǎng)絡(luò)；將分類輸出和目標(biāo)檢測(cè)網(wǎng)絡(luò)的位置輸出合并送入一個(gè)全圖匹配算法，進(jìn)行車流量統(tǒng)計(jì)。該方法在保障實(shí)時(shí)性的同時(shí)降低了漏檢和復(fù)檢率。
