公开(公告)号：CN113885333B

公开(公告)日：2022-09-27

申请号：CN202111281296.5

申请日：2021-11-01

Applicant: 东南大学

Inventor： 卢剑权 ,  邢梦平 ,  刘洋 ,  曹进德

IPC: G05B13/04

Abstract: 本发明公开了一种基于复杂网络事件触发同步控制的抗DoS攻击图像加密方法，引入了间歇高频DoS攻击方案，采用与攻击形式相对应的切换事件触发传输机制，在有效节约通信资源的同时，缓解了攻击高频发生区域数据传输率低的问题；通过构建合适的多李雅普诺夫函数，提供了一组保证同步误差系统在一定的间歇高频DoS攻击影响下仍能达到均方稳定的充分条件，所得条件保守性低，且易于对其进一步处理得到相应的线性矩阵不等式条件；基于所建立的离散复杂网络事件触发鲁棒同步控制模型获得的混沌序列，保证了密钥的置乱效果，使得密钥生成过程能对抗DoS攻击带来的不利影响且资源消耗少；通过仿真实验表明了该发明能在攻击和资源受限情况下有效实现图像加密功能。

公开(公告)号：CN114444799A

公开(公告)日：2022-05-06

申请号：CN202210102006.4

申请日：2022-01-27

Applicant: 东南大学

Inventor： 时欣利 ,  许绍晟 ,  曹进德 ,  安建武 ,  徐向平

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于多层神经网络的沥青路面弯沉盆预测方法，所述方法包括以下步骤：步骤1、采集历年沥青路面使用性能检测数据及沥青路面使用性能影响因素数据，根据采集到的数据进行分类；步骤2、编码转换器对输入数据进行预编码；并通过长短期记忆(LSTM)网络和一个线性层将预编码矩阵映射为输出编码矩阵；步骤3、耦合器通过重构的方式对步骤2中的长短期记忆(LSTM)网络进行训练；步骤4：解释器:给出结构路面的弯沉盆数据预测；步骤5：使用基于python的深度学习框架pytorch来训练并测试多层神经网络模型，用于对沥青路面的弯沉盆进行预测。该技术方案基于多层神经网络模型预测沥青路面弯沉盆，与传统神经网络模型相比，大大提高了预测效率。

公开(公告)号：CN114116273A

公开(公告)日：2022-03-01

申请号：CN202111239738.X

申请日：2021-10-25

Applicant: 东南大学

Inventor： 卢剑权 ,  刘洋 ,  李博文 ,  曹进德

IPC: G06F11/07

Abstract: 本发明公开了一种计算机网络集群系统故障的可诊断性确定方法，包括：(1)以用户集合作为状态集合，用户发送消息的类型集合作为事件集合，构造有限自动机模型(2)将有限自动机模型分解成故障模型和非故障模型；(3)将动态事件观测策略用有限自动机模拟，构造计算机网络集群系统的通讯模型；(4)利用同步组合算子，对故障模型和非故障模型进行扩展：(5)根据全局扩展的故障模型和非故障模型构造故障测试自动机；(6)根据故障测试自动机判断计算机网络集群系统是否存在不确定周期环，如果存在，则判定当前系统为故障可诊断的，否则判定为故障不可诊断。本发明可以实现动态事件观测策略下的故障可诊断性的确定。

公开(公告)号：CN107069776A

公开(公告)日：2017-08-18

申请号：CN201710236059.4

申请日：2017-04-12

Applicant: 东南大学

Inventor： 温广辉 ,  时欣利 ,  谢雯 ,  曹进德

IPC: H02J3/24 ,  H02J3/28 ,  H02J3/38

Abstract: 本发明公开了一种平滑微网联络线功率的储能前瞻分布式控制方法，可用于解决存在新能源随机波动情况下的微电网功率平衡控制问题。具体地，通过在储能个体间实施有限时间快速分布式功率控制协议来实现平滑微网联络线输出功率这一控制目标，实施过程中同时考虑了储能未来一段时间的功率调整裕度和成本。本发明考虑了新能源曲线的快速波动特性以及储能装置物理约束，通过求解未来一段时域的模型预测控制(MPC)问题得到储能聚合体的调整功率，然后基于滑模控制(SMC)方法设计有限时间快速分布式控制协议，使得聚合体内部储能充放电功率快速跟踪该目标功率，实现平滑微网联络线功率的目标。

公开(公告)号：CN118555092A

公开(公告)日：2024-08-27

申请号：CN202410515365.1

申请日：2024-04-26

Applicant: 东南大学

Inventor： 时欣利 ,  张玖玖 ,  徐向平 ,  万颖 ,  曹进德

IPC: H04L9/40

Abstract: 本发明公开了一种基于小样本类增量学习策略的网络入侵检测方法，通过数据采集、数据预处理、深度学习模型训练及最后的结果输出步骤，基于小样本类增量学习策略，检测模型能够快速响应新的攻击，同时保持针对旧攻击的高性能，更为高效便捷的对网络恶意流量进行分类，提高了网络入侵检测的精度和泛化能力。

公开(公告)号：CN106786812B

公开(公告)日：2019-08-27

申请号：CN201710040660.6

申请日：2017-01-20

Applicant: 东南大学 ,  南京中大智能科技有限公司 ,  国网江苏省电力公司宿迁供电公司

Inventor： 喻洁 ,  陈仁思 ,  王秀茹 ,  曹进德

IPC: H02J3/50 ,  H02J3/38 ,  H02J3/16

Abstract: 本发明提供了虚拟发电厂分布式无功补偿系统及补偿方法，当虚拟发电厂所属区域电网发生无功缺额时，电力调度中心根据具体的情况，向虚拟发电厂传递一个无功调节量，而分布式无功补偿器通过利用分布式的优化控制策略，将区域电网的无功缺额在虚拟发电厂内部的分布式电源之间进行协调，使得无功功率的总额在虚拟发电厂内部各个分布式电源之间协调分配，最终使虚拟发电厂整体满足电压性能指标达到最优。本发明能够在达到区域电网调度中心无功调节要求的同时，实现虚拟发电厂内部的电压性能达到最优。