ITNS主題專欄:人工智能技術(shù)研究
Super-resolution reconstruction of Raw core image
黃帥坤，陳洪剛，卿粼波，郝傳銘
doi: 10.19358/j.issn.2096-5133.2020.10.001
在巖心面陣相機(jī)開發(fā)中，可以使用基于學(xué)習(xí)的超分辨率技術(shù)來提升巖心圖像的分辨率。針對現(xiàn)有超分辨率技術(shù)在重建巖心圖像時(shí)存在的細(xì)節(jié)模糊或色彩偏差等問題，提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的Raw格式巖心圖像超分辨率重建算法。首先，模擬相機(jī)圖像處理器的線性處理部分合成線性圖像數(shù)據(jù)集；然后，通過一個(gè)雙層卷積神經(jīng)網(wǎng)絡(luò)，分別訓(xùn)練高低分辨率圖像之間的紋理、色彩映射關(guān)系；最后，用重建出的線性高分辨率圖像模擬相機(jī)圖像處理器的非線性處理部分，獲得紋理清晰且色彩逼真的巖心重建圖像。實(shí)驗(yàn)結(jié)果表明，本文提出的重建算法提升了巖心圖像的重建效果。
Survey of research on small and micro bionic flapping wing aircraft
徐韋佳1，姚 奎1，宋阿羚1，施 雯2，侯 煜1
doi: 10.19358/j.issn.2096-5133.2020.10.002
基于仿生學(xué)原理的撲翼飛行器因質(zhì)量輕、體積小、靈活性好、隱蔽性高等優(yōu)點(diǎn)在軍事和民用領(lǐng)域應(yīng)用廣泛，實(shí)現(xiàn)撲翼飛行器的微型化是未來發(fā)展方向。首先介紹了微型仿生撲翼飛行器的概念和特點(diǎn)，分析了研究背景和國內(nèi)外研究現(xiàn)狀及成果，在此基礎(chǔ)上，就實(shí)現(xiàn)微型仿生撲翼飛行器需要解決的關(guān)鍵技術(shù)和難題進(jìn)行了討論，最后對我國微型仿生撲翼飛行器的應(yīng)用前景作出展望。
Mesh parameterization based on convolutional mesh autoencoders
高 晨
doi: 10.19358/j.issn.2096-5133.2020.10.003
網(wǎng)格參數(shù)化作為數(shù)字幾何處理的基本工具，在游戲娛樂、工程設(shè)計(jì)、仿真模擬等多種領(lǐng)域有著廣泛的應(yīng)用背景。傳統(tǒng)的網(wǎng)格參數(shù)化方法大多通過求解線性系統(tǒng)或者非線性系統(tǒng)獲得結(jié)果，存在著求解速度慢、不夠魯棒的問題。提出了一個(gè)基于圖卷積網(wǎng)格自編碼器的網(wǎng)格參數(shù)化模型，采用了圖卷積網(wǎng)格自編碼器的編碼部分與自行構(gòu)建的參數(shù)化解碼部分結(jié)合的方式生成網(wǎng)絡(luò)，使用一類人臉網(wǎng)格數(shù)據(jù)集作為網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)，并與傳統(tǒng)優(yōu)化算法進(jìn)行對比。結(jié)果表明，使用建立的網(wǎng)格參數(shù)化模型，在保證參數(shù)化效果的同時(shí)，獲得參數(shù)化結(jié)果的速度比SLIM(Scalable Locally Injective Mappings，SLIM)算法快68%，比PP(Progressive Parameterizations)算法快約4倍。
New hierarchical clustering algorithm based on intersection
李青旭，陳天鷹，胡 波
doi: 10.19358/j.issn.2096-5133.2020.10.004
介紹了一種新的分層聚類算法，該聚類算法的主要目的是利用交點(diǎn)提供更好的聚類質(zhì)量和更高的準(zhǔn)確性。為了驗(yàn)證該聚類算法，對基準(zhǔn)數(shù)據(jù)集進(jìn)行了幾次實(shí)驗(yàn)，并與其他五種廣泛使用的聚類算法進(jìn)行對比。使用純度作為外部標(biāo)準(zhǔn)來評估聚類算法的性能，并計(jì)算了由聚類算法得出的每個(gè)聚類的緊密度，以評估聚類算法的有效性。實(shí)驗(yàn)結(jié)果表明，在大多數(shù)情況下，該算法的錯(cuò)誤率低于研究中使用的其他聚類算法。
Knowledge base error detection with relation sensitive embedding
繆 琦，楊昕悅
doi: 10.19358/j.issn.2096-5133.2020.10.005
準(zhǔn)確性與質(zhì)量對于知識庫而言尤為重要，盡管已經(jīng)有很多關(guān)于知識庫不完整性的研究，但是很少有工作者考慮到對于知識庫存在的錯(cuò)誤進(jìn)行檢測，按照傳統(tǒng)方法通常無法有效捕捉知識庫中錯(cuò)誤事實(shí)內(nèi)在相關(guān)性。本文提出了一種知識庫具有關(guān)系敏感嵌入式方法NSIL，以獲取知識庫各關(guān)系之間的相關(guān)性，從而檢查出知識庫中的錯(cuò)誤，以此提高知識庫的準(zhǔn)確性與質(zhì)量。該方法分為相關(guān)性處理和錯(cuò)誤檢測兩階段。在相關(guān)性處理階段，使用NSIL的相關(guān)函數(shù)以分值形式獲取各關(guān)系之間的相關(guān)度；在錯(cuò)誤檢測階段，基于相關(guān)度分值進(jìn)行錯(cuò)誤檢測，對于缺失主體或客體的三元組進(jìn)行缺失成分預(yù)測。最后在知識庫之一Freebase生成的基準(zhǔn)數(shù)據(jù)集“FB15K”上進(jìn)行了廣泛驗(yàn)證，證明了該方法在知識庫錯(cuò)誤知識檢測方面有著很高的性能。
網(wǎng)絡(luò)與信息安全
Research advances on cube attack
王明興1，2，朱玉倩1，苗三立1
doi: 10.19358/j.issn.2096-5133.2020.10.006
立方攻擊是一種新型的代數(shù)分析方法，剛提出時(shí)對密碼算法的分析效果并不理想。但是在引入多重集合可分性、可分路徑的概念之后，立方攻擊的過程轉(zhuǎn)化為求解混合整數(shù)線性規(guī)劃問題,再使用數(shù)學(xué)軟件進(jìn)行計(jì)算，大大提高了其分析能力。梳理了立方攻擊的技術(shù)脈絡(luò)，論述了其最新進(jìn)展，給出了立方攻擊亟待解決的研究問題，這將有助于掌握立方攻擊的最新技術(shù)，便于開展對分組密碼、序列密碼和哈希函數(shù)等密碼算法的分析工作。
Discussion on the construction of information system security integrated service ability
翟亞紅1，吳 治1，2，段靜輝1，彭琳賡1
doi: 10.19358/j.issn.2096-5133.2020.10.007
網(wǎng)絡(luò)安全已是國家戰(zhàn)略。從事信息系統(tǒng)安全集成服務(wù)企業(yè)的服務(wù)能力，對于信息系統(tǒng)建設(shè)具有重要的影響。安全集成服務(wù)認(rèn)證作為一項(xiàng)自愿性認(rèn)證受到廣大IT企業(yè)的認(rèn)可。在從事安全集成服務(wù)認(rèn)證審核中，發(fā)現(xiàn)依然存在一些共性方面的問題。剖析安全集成服務(wù)內(nèi)涵，總結(jié)分析企業(yè)在安全集成服務(wù)能力方面存在的問題及產(chǎn)生問題的主要原因，對于企業(yè)安全集成服務(wù)能力提升提出一些建議。
Research on network security solution for petroleum industrial control system
王 曄，靳方略，呂銘心
doi: 10.19358/j.issn.2096-5133.2020.10.008
工業(yè)控制系統(tǒng)現(xiàn)已廣泛應(yīng)用在油田行業(yè)，隨著兩化融合、智慧油田建設(shè)進(jìn)程的加速，油田工控網(wǎng)絡(luò)從相對封閉到趨于開放，工控系統(tǒng)的脆弱性和外部威脅被進(jìn)一步放大，嚴(yán)重影響著國家油田行業(yè)的安全生產(chǎn)、穩(wěn)定運(yùn)營。從油田工控實(shí)際需求出發(fā)，依據(jù)工業(yè)控制系統(tǒng)等級保護(hù)擴(kuò)展要求，結(jié)合油田工業(yè)控制系統(tǒng)協(xié)議多樣、設(shè)備可靠性要求高、安全機(jī)制不能影響實(shí)時(shí)性等特點(diǎn)，從安全通信網(wǎng)絡(luò)、安全區(qū)域邊界、安全計(jì)算環(huán)境、安全管理中心等方面著手，研究貼合油田行業(yè)特征的工控網(wǎng)絡(luò)安全解決方案。
智能算法
Research on Internet of Things intrusion detection by optimizing SVM using Grey Wolf Optimization algorithm
張金霜1，梁樹杰1，左敬龍2
doi: 10.19358/j.issn.2096-5133.2020.10.009
物聯(lián)網(wǎng)時(shí)代悄然而至，然而物聯(lián)網(wǎng)技術(shù)在給人們帶來方便的同時(shí)，其安全問題也日趨突出。針對物聯(lián)網(wǎng)存在的網(wǎng)絡(luò)入侵安全問題，提出GWO-SVM算法實(shí)現(xiàn)網(wǎng)絡(luò)入侵檢測。灰狼優(yōu)化算法(GWO)具有收斂速度快、全局搜索能力強(qiáng)等優(yōu)點(diǎn)，將GWO用于優(yōu)化支持向量機(jī)(SVM)的參數(shù)選擇，有助于提升分類模型的準(zhǔn)確率。同時(shí)通過調(diào)整適應(yīng)度值函數(shù)，避免分類模型過擬合。在UNSW-NB15數(shù)據(jù)集上，將GWO-SVM分類算法與SVM、PSO-SVM、GA-SVM分類算法進(jìn)行對比，實(shí)驗(yàn)結(jié)果表明，GWO-SVM算法具有更高的分類準(zhǔn)確率和性能，適用于物聯(lián)網(wǎng)環(huán)境下的網(wǎng)絡(luò)入侵檢測。
A method of SOC estimation based on UKF
官洪運(yùn)，張抒藝，井倩倩，王亞青，繆新苗
doi: 10.19358/j.issn.2096-5133.2020.10.010
隨著新能源汽車市場規(guī)模的增長，電池管理系統(tǒng)(Battery Management Systems，BMS)的市場需求也進(jìn)一步擴(kuò)大。作為保障電池安全及延長電池壽命的BMS而言，動力鋰電池組的荷電狀態(tài)(State of Charge，SOC)估算是BMS研究的重點(diǎn)。在研究了安時(shí)積分法估算SOC時(shí)受SOC初始值影響較大，且具有累積誤差的問題，以及擴(kuò)展卡爾曼濾波算法(EKF)估算SOC時(shí)收斂較慢的基礎(chǔ)上，采用二階RC等效電路模型對鋰電池進(jìn)行建模分析，針對鋰電池各參數(shù)受SOC變化的影響，引進(jìn)無跡卡爾曼濾波(UKF)算法，給出了鋰電池的SOC仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，該種基于UKF的估算方法對SOC的估算更準(zhǔn)確，誤差更小且收斂速度快，對傳統(tǒng)采用定值電池參數(shù)BMS的改進(jìn)具有重要意義。
工業(yè)自動化技術(shù)
Research on Modbus_TCP communication anomaly detection method based on machine learning
陳鑫龍1，陳志翔1，2，周小方2，3
doi: 10.19358/j.issn.2096-5133.2020.10.011
針對工業(yè)控制系統(tǒng)中Modbus_TCP協(xié)議存在的諸多安全隱患問題，提出了基于機(jī)器學(xué)習(xí)的Modbus_TCP通信異常檢測方法，分析了Modbus_TCP報(bào)文類型與結(jié)構(gòu)特點(diǎn)，介紹了機(jī)器學(xué)習(xí)中決策樹分類模型算法的實(shí)現(xiàn)過程，建立了Modbus_TCP協(xié)議的模擬通信，使用了Scapy工具構(gòu)造偽報(bào)文實(shí)現(xiàn)異常檢測。設(shè)置了樸素貝葉斯分類模型、邏輯回歸分類模型和傳統(tǒng)支持向量機(jī)分類模型的實(shí)驗(yàn)與之對比，并且對模型的準(zhǔn)確率、誤報(bào)率、漏報(bào)率和時(shí)間性能進(jìn)行分析。分析結(jié)果表明，決策樹分類模型準(zhǔn)確率高，消耗時(shí)間短，具有一定的優(yōu)越性。
Design of health status analysis method for brick pressing machine based on cloud platform
李曉昌1，徐哲壯1，謝仁栩1，王 毅1，劉 興1，王宏飛1，夏玉雄2
doi: 10.19358/j.issn.2096-5133.2020.10.012
基于運(yùn)行數(shù)據(jù)對壓磚設(shè)備健康狀態(tài)進(jìn)行分析，對于降低設(shè)備故障率、提升壓磚成品質(zhì)量具有重要意義。現(xiàn)有方案大多數(shù)局限于離線人工分析，實(shí)時(shí)性差且推廣效率低。針對上述問題，基于阿里云機(jī)器學(xué)習(xí)平臺設(shè)計(jì)了壓磚設(shè)備健康狀態(tài)分析方法，基于聚類方法構(gòu)建了壓磚設(shè)備健康狀態(tài)模型，在無需先驗(yàn)知識的情況下，對于壓磚設(shè)備的工作、待機(jī)、異常等健康狀態(tài)實(shí)現(xiàn)了建模。進(jìn)而，將該模型部署于云計(jì)算平臺上，通過周期性的數(shù)據(jù)導(dǎo)入與分析實(shí)現(xiàn)了壓磚設(shè)備健康狀態(tài)的在線分析。最后通過實(shí)例證明了該方法的有效性。
行業(yè)應(yīng)用
Research on pipeline defect classification based on sparse modeling and SVM
鄭 林1，張紅星2，句海洋3，4
doi: 10.19358/j.issn.2096-5133.2020.10.013
埋地鋼質(zhì)管道缺陷識別及評估是管道檢測領(lǐng)域中長期存在的難點(diǎn)之一，而實(shí)現(xiàn)對管道缺陷準(zhǔn)確分類的前提是管道損傷信號的精準(zhǔn)提取，針對埋地管道缺陷信號特征提出一種基于稀疏建模和支持向量機(jī)(SVM)的管道缺陷信號提取與識別方法。通過從原始信號中學(xué)習(xí)獲得字典，將該字典采用正則化正交匹配追蹤算法構(gòu)建缺陷信號稀疏模型，并根據(jù)壓縮感知理論獲得信號的特征向量。進(jìn)一步，采用多分類SVM將缺陷信號的特征向量與管道實(shí)際缺陷類型建立映射關(guān)系，并通過遺傳粒子群優(yōu)化算法指導(dǎo)SVM參數(shù)選取。結(jié)果表明：提出的分類方法可實(shí)現(xiàn)對管道缺陷損傷程度的準(zhǔn)確劃分，該方法已經(jīng)成功通過實(shí)驗(yàn)室驗(yàn)證，并成功應(yīng)用于華北某油田的工程領(lǐng)域檢測。
