2023年澳门太阳集团9728网站

信息技術研究生論壇（二十三）

場次一、

時間：2023年12月7日（星期四）16：30-18：30

地點：澳门太阳集团9728网站509教室

報告題目一：基于可穿戴設備的人體增強技術的研究

報告人：鄭雨萌

報告簡介：

本次彙報從制備可穿戴設備時的常用技術(如TENGs技術、3d打印技術)，基于不同制備材料（如PDMS、水凝膠）的柔性電子皮膚或傳感器的結構、性能及傳感原理，用于人體健康檢測的可穿戴設備系統架構等方面展開。

TENGs技術即碳納米摩擦發電技術，主要有接觸分離模式、滑動模式、單電極模式和獨立模式四種典型的工作模式，其發電原理是兩種高分子材料相互接觸産生靜電，靜電在空間變化電場引起位移電流，将機械能轉化為電能。3d打印技術有DLP、SLM、DIW等類型，本次彙報主要介紹基于墨水直寫DIW技術的各類生化、物理傳感器打印需要墨水的選擇和傳感性能。

PDMS是制備柔性傳感器的常見材料，通常用作TENG的負極和微流控芯片的襯底，通過添加導電填料可以使PDMS複合材料具有可調電導率；水凝膠同樣也是制備柔性傳感器的常見材料，本次彙報介紹一種功能化聚苯胺基時間順序黏附水凝膠貼片(CAHP)，該貼片初始凝膠狀态與心肌細胞接觸時的界面韌性和粘貼強度遠高于完全凝膠狀态，從而實現了時間粘連功能。

最後介紹基于以上材料和技術的傳感器集成的可穿戴系統，主要應用在人體的健康監測領域，針對機械臂的應用也将被彙報。

報告題目二：基于DAS信号和CNN分類算法的人員運動軌迹監測方法

報告人：李潔

報告簡介：開發了一種利用分布式聲學傳感識取人員振動信号用于監測人員運動軌迹的新方法，能夠不受光線、熱源、遮擋物等環境改變的影響，實現長距離連續監測。首先，通過長短時窗比值（STA/LTA）法自動拾取DAS信号，再對拾取的信号進行分析，将其分為人員運動、重錘和噪聲３類信号；然後，構建卷積神經網絡（CNN），将拾取的３類信号作為CNN數據庫輸入到網絡中學習和訓練；最後，通過實際數據測試得到３類信号分類結果。結果表明，分類結果的識别準确率均達到80.00%以上。利用識别得到的信号，通過CNN分類結果可确定人員所在的光纖道，追蹤人員位置，輸入更新的DAS信号連續識别人員運動信号，監測人員運動軌迹。

報告題目三：基于φ-OTDR下的數據壓縮方法研究

報告人：張澤霆

報告簡介：相位敏感型OTDR相對OFDR技術成熟且應用廣泛，已經應用于周界安防、地震監測、海洋地球環境探測、交通安全等多個領域，然而因為該技術屬于全分布式光纖傳感技術的範疇，不可避免地帶來短時間内處理海量數據的難題，近5年來，各種處理DAS系統中數據壓縮的技術相繼湧現和不斷完善，包括在采樣層面的超低采樣分辨率技術和欠采樣技術、兩次欠采樣技術，利用矩陣稀疏觀測來壓縮數據的壓縮感知（CS）技術，先利用包絡檢波來檢測振動而後根據欠采樣數據來進行相位解調等多種方法，本次報告将從基本的外差相幹φ-OTDR的硬件實驗平台出發，介紹以上的各式數據壓縮技術。

報告題目四：光纖光栅調制解調系統

報告人：梁清泉

報告簡介：在光信号的解調過程中，光信号首先經過光纖光栅的輸入端，經過光栅的衍射作用，使得光信号的頻率發生變化。 然後，光信号進入一個光解調器，将其解調成原始的頻率和相位。最後，解調後的光信号輸出到光纖通信系統中。 總的來說，光纖光栅解調儀是一種利用光纖光栅的特性來實現光信号的調制和解調的裝置。 其工作原理主要基于光栅的衍射作用，通過調制和解調光信号的頻率和相位，實現光信号的傳輸和接收。

場次二、

時間：2023年12月8日（星期五）15：00-18：00

地點：澳门太阳集团9728网站710b教室

報告題目一：用于降低流量負載的異構多智能體移動邊緣編碼緩存策略

報告人：袁雪梅

報告簡介：

工業物聯網通信迅猛發展，智能終端設備廣泛應用，大規模移動數據流量以及頻繁數據請求對資源受限的無線通信網絡構成重要挑戰。為減輕網絡負荷，引入内容編碼緩存到網絡邊緣被認為是一種有效的解決方案。由于移動邊緣系統資源的異構性、用戶請求的差異性以及用戶的移動性，移動邊緣的編碼緩存策略需要不斷優化。然而，目前現有文章對如何在動态環境下智能更新編碼緩存策略的研究并不充分，為此本文提出了一種基于值分解的異構多智能體MDS編碼緩存方案（MA-CC），将具有存儲能力的邊緣緩存服務器和移動用戶視為兩種不同類型的智能體，通過交互改進緩存策略。此外，考慮到異構多智能體的異構偏好，以及數量的增加可能導緻訓練維度急劇增加，在編碼緩存方案的訓練學習中引入了值分解網絡的思想。仿真實驗驗證了所提出的MA-CC算法可效降低前向鍊路的負載，并實現更高的緩存命中率。

報告題目二：《基于數字孿生的複雜設備預測性維護技術研究》報告人：楊圓圓

報告簡介：

複雜設備是工業生産中不可缺少的組成部分。複雜設備一旦出現故障，将造成經濟損失，甚至導緻安全事故。随着工業設備的日益複雜，傳統的維修方式如按期更換部件或根據經驗診斷異常情況等已不能滿足要求。目前複雜設備診斷和健康管理的方法主要分為視情維護、定期維護和預測性維護。視情維護和定期維護在一定程度上保證了精度和可靠性。視情維護是指當事故發生後的維修，這種方法往往會導緻不可預知的故障和事故，屬于彌補措施，具有很大的風險。定期維護是指根據經驗對設備定期維修，這種方式可能導緻不必要或不及時的維護。預測性維護是預測設備中即将發生的故障或剩餘使用壽命，并在最優的時間點采取維護措施，從而降低故障發生率和故障危害程度，降低故障發生率和故障危害程度。複雜設備在使用的整個生命周期中存在着零部件的磨損和性能的退化，導緻精度的下降和可靠性的降低。在先進的建模、感知、數據分析的基礎上，充分考慮其生命周期中狀态的變化，實施有效、準确的預測性維護，可對複雜設備的壽命進行智能預測，對故障進行智能診斷，從而減少故障造成的非計劃停機時間。

報告題目三：雲邊協同環境下的電力故障檢測技術研究

報告人：黃炳政

報告簡介：配電網故障是影響電力系統穩定性的關鍵問題之一，如何及時檢測到故障并采取相應措施是配電網故障檢測技術的重要挑戰。在當前配電網故障檢測場景複雜化與數據多樣化的背景下，需要深入挖掘配電網多元時間序列數據中的故障的類型、位置與時間等信息，但為更好地檢測故障所需要的高性能故障檢測模型卻在應用于輕量化的智能設備中面臨挑戰。因此，本文提出一種雲邊協同環境下的電力故障檢測技術，通過在雲中心對使用高性能的電力故障檢測模型對海量數據進行訓練，獲得能夠檢測故障的教師模型，再通過多教師蒸餾方法實現模型的壓縮與加速，同時提高多任務故障檢測的性能，獲得輕量化的學生模型部署在邊緣設備中。通過不定時從雲端向邊緣端更新模型學習能力，提高邊緣設備檢測故障的可靠性。

報告題目四：WeenyLog：基于TCN的輕量級日志異常檢測模型研究

報告人：蒙創穎

報告簡介：在邊緣設備上進行日志異常檢測是部署物聯網系統時增強邊緣安全性的關鍵。盡管許多基于深度學習的日志異常檢測方法在高性能計算雲平台上取得了成功，但由于邊緣設備的計算能力有限，無法滿足精确異常檢測的實時處理需求，因此在邊緣設備上處理大規模日志仍然是一個瓶頸。為此，我們提出了一種适用于邊緣設備的輕量級日志異常檢測算法WeenyLog，利用Word2Vec和TF-IDF來提取單個日志模闆的語義向量并進行有效降維，以從非結構化日志中提取到更緊湊、更有效的特征表示。然後，由日志模闆語義向量表示的日志序列被輸入到深度神經網絡中進行訓練，該神經網絡将自注意力機制和輕量級的時間卷積網絡相結合，以全面捕獲正常日志的序列模式。我們所提出的方法與近年來提出的最先進的日志異常檢測方法相比，在檢測精度和計算消耗方面都具有顯著優勢。

報告題目五：軟件缺陷預測中的深度學習方法應用

報告人：劉玮濤

報告簡介：缺陷預測是軟件開發和編程語言研究中提高軟件質量和可靠性的關鍵挑戰之一。如何正确、準确地識别有缺陷的源代碼是軟件缺陷預測領域的重要問題。關于建立故障預測模型曆史上已經提出了許多方法。最近機器學習技術的突破，特别是深度學習技術的發展，使得許多問題都可以通過這些方法來解決。通過調查缺陷預測的深度學習技術，研究從代碼中自動學習語義和結構特征的方法，我們總結了軟件缺陷預測中的常用深度學習方法，并讨論了該領域尚未解決的問題。

報告題目六：面向時延感知任務卸載的深度強化學習方法

報告人：劉儀菲

報告簡介：由于物聯網設備的資源受限特性，将任務從物聯網設備卸載到附近的移動邊緣計算服務器不僅可以節省物聯網設備的能源，還可以縮短執行任務的響應時間。但是，由于MEC服務器的計算資源有限，将任務卸載到最近的MEC服務器可能不是最佳解決方案。因此，聯合優化卸載決策和資源管理至關重要。卸載決策是指卸載任務的位置，資源管理是指将MEC服務器中的計算資源分配給任務。通過考慮任務在通信和計算隊列中的等待時間和任務優先級，我們提出了基于深度強化學習的卸載決策和資源分配算法，該算法利用演員評論家方法實時優化每個到達任務的卸載決策和計算資源分配，從而使累積加權響應時間最小化。

報告題目七：基于重複數據消除的模糊邊緣和中心邊界的緩存管理方法

報告人：歐平傑

報告簡介：

在寫入緩存之前，會識别并删除重複數據。重複數據删除在生成數據指紋和識别重複數據時所花費的時間，會延長數據讀寫訪問延遲，降低存儲系統的整體性能。因此，研究提出一種模糊邊緣和中心的邊界的緩存管理方法，首先将區域内所有移動設備的緩存存儲生成一個很大的虛拟統一的緩存空間，并交給此區域的管理者進行管理。其次使用單獨的數據緩存和元數據緩存來集成數據緩存和重複數據删除元數據緩存。數據緩存存儲緩存的數據塊，元數據緩存存儲這些數據塊的源地址和數據指紋，并維護映射關系。最後時刻監控區域内的移動設備的變化，模糊邊緣和中心邊界的緩存管理算法将及時備份将要離開此區域的信息，實現應用和數據的全局分布式協作。實現應用和數據的全局分布式協作，獲得重複數據删除帶來的邏輯容量和緩存命中率的提高，保證大量重複數據删除帶來的開銷，從而提高緩存的整體性能。

報告題目八：智慧環衛場景下的輕量化流感知目标檢測方法

報告人：黃贻晖

報告簡介：随着移動算力平台的逐漸成熟和計算機視覺計算的快速興起，自動駕駛技術正在被廣泛關注和研究。然而，在相關法律未出台且道路情況複雜的情況下，乘用車自動駕駛技術在短期内難以商業化。但是，在封閉場景下運行且車速較低的特殊領域車輛上，自動駕駛環衛車由于其獨特的應用場景，在應用落地方面具有天然優勢。其中環境感知為自動駕駛汽車的決策和控制提供外界環境信息，是智慧環衛場景下自動駕駛的前提和保障，目标檢測是環境感知的重要内容，因此，在自動駕駛技術的時代背景下，研究環衛車場景下兼具實時性和魯棒性的流感知目标檢測技術前景十分廣闊。但是目前現有的圖像目标檢測方法往往将圖像幀當成單獨的檢測任務，不适用于視頻流處理，而視頻目标檢測方法往往計算開銷過大，并不适用于計算受限的智慧環衛場景。因此，面向智慧環衛場景，充分建模視頻流上下文信息，研究輕量化的流感知目标檢測方法是有意義且必要的，他能充分權衡模型運行時延與準确度，從而保證自動駕駛系統的可靠性與魯棒性。

報告題目九：一種基于圖注意力網絡的微服務系統故障根因定位方法

報告人：許東琪

報告簡介：在邊緣設備上進行日志異常檢測是部署物聯網系統時增強邊緣安全性的關鍵。盡管許多基于深度學習的日志異常檢測方法在在微服務系統中出現異常後，通過收集微服務之間的調用鍊路數據和時間序列數據，構建微服務依賴調用圖，通過圖注意力網絡對微服務系統的時間度量數據進行系統感知依賴學習，最後使用改進的Pagerank算法進行微服務故障根因服務排序，輸出得分最高的服務認定為故障根本原因服務。

報告題目十：算力網絡下基于用戶意圖的資源分配方法研究

報告人：鄭盈盈

報告簡介：近年來，分布式計算、網格計算、雲計算、并行計算等工業物聯網場景下的資源分配引起了廣泛關注。随着新興應用場景的不斷湧現，對于高性能計算和大規模數據處理需求的迫切性不斷增加，而且這些需求往往需要大量的計算資源，算力網絡作為一種新興概念受到學術界廣泛關注和積極應用。由于實際情況的複雜性多樣性和不确定性，單一角度難以應用于實際場景。在資源分配方法上加入用戶意圖預測這一行為是很有必要的，能夠更好的感知用戶偏好意圖的動态變化對資源分配策略進一步改進，促使分配與預測結果之間誤差更低。因此本文首先利用多意圖自注意力模型來預測用戶意圖，再基于此對用戶過去行為與意圖進行個性化建模，對用戶未來可能會産生的行為作出預測，最後通過大量試驗驗證本文所提方法的效果與可行性。