网络协议自身缺陷智能检测系统设计
黄荻
关键词: 智能检测; 网络协议缺陷; 系统设计; 缺陷控制器; 对比实验; 运行环境模拟
中图分类号: TN915.04?34; TP393 ? ? ? ? ? ? ? ? ? 文献标识码: A ? ? ? ? ? ? ? ? ?文章编号: 1004?373X(2019)03?0068?05
Abstract: An intelligent detection system based on network protocol self defect is designed to detect the risk factor in network protocol effectively and quickly. The hardware design of intelligent detection system based on network protocol self defect is completed by means of the overall framework design, detection power design, and programmable defect controller design. The software design of the system is completed by means of Z?Stack network communication protocol design, self?defect detection node program design, and intelligent detection process design. The system operating environment is simulated, and the contrast experiment is designed. The experimental results show that the intelligent detection system based on network protocol self defect can greatly improve the detection speed and detection effectiveness of risk factor in the network protocol.
Keywords: intelligent detection; network protocol defect; system design; defect controller; contrast experiment; operation environmental simulation0 ?引 ?言
为确定网络协议中存在的风险性因子,避免造成网络瘫痪现象的发生,现有技术主要通过PCB缺陷检测模型或人工检测方法确定风险性因子所处位置及数量,并根据具体检测结果制定相应的清除方案。这种方法的运用过程依赖阈值分割快速迭代算法,确定网络协议中风险性因子的具体属性。阈值分割快速迭代算法的应用不仅需要大量运算数据支持,还需利用小波混合原理完成风险性因子中杂质粒子的去除[1?2],这也是导致现有技术不能快速有效完成网络协议中风险性因子检测的主要原因。为避免上述现象的发生,设计一种新型的基于网络协议自身缺陷的智能检测系统。这种新型系统的硬件模块结构沿用传统的C/S结构,对各级通信设备进行详细划分[3?4]。这种硬件模块搭建形式不仅能够大幅度缩短信息的传输时间,也能在一定程度上增强信息与信息之间的连通稳定性。软件方面依然沿用SQL数据库搭建方法,在保证通信数据总量的同时,降低系统运行风险,促进网络协议中风险性因子检测有效性的稳步提升。对比实验数据显示,基于网络协议自身缺陷智能检测系统的应用,可以在维持风险性因子检测速度保持较高水平的同时,促进系统检测有效性的不断提升。1 ?网络协议自身缺陷智能检测系统硬件设计
新型网络协议自身缺陷智能检测系统的硬件模块设计由总体框架设计、检测电源设计、可编程缺陷控制器设计三部分组成,具体搭建流程可按如下步骤进行。
1.1 ?总体框架设计
基于网络协议自身缺陷智能检测系统的硬件总体框架由协议分析、缺陷查找、基础检测三大模块组成。其中,协议分析模块可通过检测网络连接串口的方式,确定各连接协议中是否存在风险性因子,并将检测结果以数据压缩包的形式传输至硬件系统的缺陷查找模块。系统硬件缺陷查找模块以分析模块对网络协议中风险性因子的检测结果作为运行基础。若分析模块检测结果中风险性因子数量较多,缺陷查找模块会按照既定方法,逐一定位每一项风险性因子数据所在位置,并将定位結果返回至中心计算机;若分析模块检测结果中风险性因子数量较少,缺陷查找模块会自行启动系统的自动清除功能,对疑似风险性因子数据直接进行清除处理[5]。该模块的存在为新型系统可以具备较高风险性因子检测速度提供可能。系统硬件基础检测模块只在网络协议中风险性因子数量较多时,为缺陷查找模块的执行结果提供进一步检测处理,以确保新型系统的检测有效性得以实现。具体系统硬件总体框架结构如图1所示。1.2 ?检测电源设计
基于网络协议自身缺陷智能检测系统的电源模块以型号为PLC?KV24DT的高电平装置作为核心搭建环节。检测电源模块作为系统中唯一的供电装置,向内与硬件结构中的协议分析模块、缺陷查找模块直接相连,向外与额定电压为220 V、额定电流为1.1 A的动力电机直接相连[6?7]。当动力电机开始工作时,检测电源模块可获得与电机转速成正比的脉冲频率信号,该信号在检测电源模块转化为具有促进作用的角位移。当脉冲频率信号达到额定要求时,检测电源模块中的角位移会自行迁移至硬件结构的协议分析模块与缺陷查找模块,促使系统的硬件设备进入正常的运行流程。详细检测电源模块的设计原理如图2所示。
1.3 ?可编程缺陷控制器设计
新型智能检测系统的可编程控制器模块由两个相互独立的PLC组件构成。为了完成系统针对网络协议缺陷的智能检测操作,1号PLC组件以具有光电耦合作用的传输开关,控制与系统电源模块的连接开关状态[8]。这种光电耦合传输开关具有“0”和“1”两种逻辑状态,当开关状态由“0”转换为“1”时,可编程逻辑缺陷控制器与系统电源模块进行连接,此时通过感知电源模块中脉冲频率信号的强度可编程逻辑缺陷控制器,可了解网络协议中风险性因子的总量,对具体的检测清除力度产生一定的限制作用[9]。当开关状态由“1” 轉换为“0” 时,可编程逻辑缺陷控制器与系统电源模块的连接断开,此时系统整体进入停止状态。2号PLC组件与系统数据库相连,当缺陷查找模块进入高效工作状态时,该模块向数据库发出调用请求。具体模块的设计原理如图3所示。
2 ?网络协议自身缺陷智能检测系统软件设计
上述过程完成基于网络协议自身缺陷智能检测系统的硬件环节搭建,为保证新型系统的顺利运行,还需按照如下步骤完成软件环节搭建。
2.1 ?Z?Stack网络通信协议设计
基于网络协议自身缺陷智能检测系统,以Z?Stack网络协议作为数据传输依据。Z?Stack网络通信协议利用TI公司提供的ZigBee框架,完成小型协议栈的搭建,为保证通信数据的顺利传输, Z?Stack网络通信协议的所有数据节点均具备一定的自主控制权。现有检测方法利用OSAL操作模型对系统内网络协议的安全性进行检测,这种方式不具备基础的网络防御功能,因此不能在短时间内检测出网络协议内的风险性因子[10?11]。为改变这种现状,新型系统利用ZigBee框架的稳定防护作用保证网络协议内的风险性因子数量总是保持在较低水平。具体通信协议设计原理如图4所示。2.2 ?自身缺陷检测节点程序设计
新型系统的自身缺陷检测节点程序在Z?Stack网络通信协议ZigBee框架的基础上,利用C#编程语言,为各模块分配最为合适的网络地址。当新型智能检测系统顺利进入Z?Stack网络通信协议环境时,系统中所有用电模块的瞬时电流、电压会达到临界值,此时系统面临崩溃危险[12?13]。为在提升网络协议中风险性因子检测准确性的同时,避免系统崩溃现象的发生,自身缺陷检测节点程序利用代码对数据的约束力量,对中心服务器传来的数据进行整合处理,并根据C#编程语言的及时性提升系统的检测速率。该环节的部分编程代码如下:
Void handl event(unit 8 pdata[16]);
If zb timerEX(sapi task ID);
My report evt request,0;
Bind device find collector evt;
True sensor cmd event null;
Curr pdata[8],my current period;
Report sapi collector id send data;
TimerEX sensor bind tage
2.3 ?智能检测流程设计
新型系统的智能检测流程以协议分析模块启动作为起始环节。通信数据从协议分析模块流向缺陷查找模块,并完成网络协议中风险性因子含量的初级判定。完成判定后的数据传输至检测电源模块,提醒动力电机开始提供脉冲频率信号。此时,可编程缺陷控制器的光电耦合开关由“0”状态变为“1”状态。Z?Stack网络通信协议接收到上级模块传输的数据后,自行搭建小型协议栈,并建立与自身缺陷检测节点程序间的连接,最终确定网络协议中风险性因子的准确数量,制定相应的清除计划[14?15]。上述整套流程可在极短时间内完成,保证系统始终维持较快的运行速度。具体智能检测流程如图5所示。3 ?实验结果与分析
上述过程完成基于网络协议自身缺陷智能检测系统的搭建。为验证该系统的实用性价值,设计如下对比实验。以两台配置完全一样的计算机作为实验对象。随机挑选一台计算机作为实验组,令其搭载新型智能检测系统;另一台计算机作为对照组,令其搭载传统检测方法。分别记录两组对网络协议中风险性因子的检测速度及检测有效性。3.1 ?实验参数设置
实验开始前,按照表1完成相关参数的设置。表1中參数依次代表系统响应效率、系统检测参数、网络协议安全等级、系统安全运行时间、风险性因子总量、预期检测速度。为保证实验的公平性,实验组、对照组的实验参数始终保持一致。
3.2 ?风险性因子检测速度对比
完成实验参数设置后,分别记录当风险性因子总量为2.0×109 B,4.0×109 B,6.0×109 B,8.0×109 B时,实验组、对照组的检测速度。详细实验情况如图6所示。
分析图6可知,随着风险性因子总量的增加,实验组、对照组检测速度呈现不同的变化趋势,具体数值对比见表2。
由表2可知,无论风险性因子总量为何值时,实验组系统的检测时间始终低于对照组,即基于网络协议自身缺陷智能检测系统对风险性因子的检测速度恒大于现有检测方法。3.3 ?风险性因子检测有效性对比
完成上述检测后,令两组计算机继续保持相同的工作状态。取10 min作为标准实验时间,记录在此时间段内,两组方法对风险性因子的检测有效性对比情况。详细实验结果如图7所示。分析图7可知,随着运行时间的增加,实验组、对照组对风险性因子的检测有效性呈现不同的变化趋势,具体数值对比见表3。
由表3可知,无论运行时间为何值时,实验组系统对风险性因子的检测有效性始终高于对照组。
4 ?结 ?语
基于网络协议自身缺陷智能检测系统通过搭建可编程缺陷控制器、Z?Stack网络通信协议等流程,完成系统的软硬件模块设计。对比实验数据说明,该系统与现有检测技术相比,可促使风险性因子的检测速度、检测有效性等数值得到30%左右的提升,具备较强的实际应用价值。
参考文献
[1] 孟超英,王佳,陈红茜,等.基于分布式对象的蛋鸡舍设施养殖数字化智能监测系统[J].农业机械学报,2017,48(10):292?299.
MENG Chaoying, WANG Jia, CHEN Hongqian, et al. Intelligent monitoring system based on distributed object for layer house [J]. Transactions of the Chinese society for agricultural machinery, 2017, 48(10): 292?299.
[2] 田玉冬,蔡琼辉,王广勋,等.城市轨道交通地下建筑安全智能检测系统平台技术[J].城市轨道交通研究,2016,19(11):121?123.
TIAN Yudong, CAI Qionghui, WANG Guangxun, et al. Intelligent safety test system platform of urban rail transit underground building [J]. Urban mass transit, 2016, 19(11): 121?123.
[3] 曹海欧,高翔,杨毅,等.基于全模型SCD二次系统在线监测及智能诊断应用分析[J].电力系统保护与控制,2016,44(14):136?141.
CAO Haiou, GAO Xiang, YANG Yi, et al. Analysis of online monitoring and intelligent diagnosis based on the full model SCD secondary system [J]. Power system protection and control, 2016, 44(14): 136?141.
[4] 冯智慧,宋春燕,张广洲,等.基于分布式多层体系的输变电工程电磁环境智能实时监测系统[J].中国电力,2016,49(1):109?113.
FENG Zhihui, SONG Chunyan, ZHANG Guangzhou, et al. An intelligent real?time monitoring system for the power transmission electromagnetic environment based on a distributed multi?tier architecture [J]. Electric power, 2016, 49(1): 109?113.
[5] 施苗苗,宋建成,田慕琴,等.基于物联网的设施农业远程智能化信息监测系统的开发[J].江苏农业科学,2016,44(11):392?395.
SHI Miaomiao, SONG Jiancheng, TIAN Muqin, et al. Deve?lopment of remote intelligent information monitoring system for facility agriculture based on Internet of Things [J]. Jiangsu agricultural sciences, 2016, 44(11): 392?395.
[6] 何佳乐,陈闽杰.“自动化油液检测与智能质量控制系统”喜获2016年度液压液力气动密封行业技术进步奖二等奖[J].机床与液压,2017,45(1):15.
HE Jiale, CHEN Minjie. "Automatic oil detection and intelligent quality control system" has won the two prize of hydraulic and pneumatic seals technology progress award in 2016 [J]. Machine tool & hydraulics, 2017, 45(1): 15.
[7] 韩豫,张泾杰,孙昊,等.基于图像识别的建筑工人智能安全检查系统设计与实现[J].中国安全生产科学技术,2016,12(10):142?148.
HAN Yu, ZHANG Jingjie, SUN Hao, et al. Design and implementation of intelligent safety inspection system for construction workers based on image recognition [J]. Journal of safety science and technology, 2016, 12(10): 142?148.
[8] 裴茂林,刘强,黄洋界,等.智能化变电站二次侧电能计量系统计量误差分析及现场检测方法[J].电测与仪表,2017,54(16):75?82.
PEI Maolin, LIU Qiang, HUANG Yangjie, et al. Analysis of metering error and methods for on?site testing of secondary energy metering system in smart substation [J]. Electrical measurement & instrumentation, 2017, 54(16): 75?82.
[9] 曹建玲,崔平付,刘文朋,等.高吞吐量低时延太赫兹超高速无线网络MAC接入协议[J].系统工程与电子技术,2016(3):679?684.
CAO Jianling, CUI Pingfu, LIU Wenpeng, et al. High throughput low?delay MAC protocol for Terahertz ultra?high data?rate wireless networks [J]. Systems engineering and electronics, 2016(3): 679?684.
[10] 邢宇龙,陈永锐,易卫东,等.低占空比无线传感器网络同步MAC协议最优信标间隔分析[J].计算机研究与发展,2016,53(9):2009?2015.
XING Yulong, CHEN Yongrui, YI Weidong, et al. The optimal beacon interval for synchronous MAC in low duty?cycle wireless sensor networks [J]. Journal of computer research and development, 2016, 53(9): 2009?2015.
[11] 解瑞云,马同伟,海本斋.利用发送和接收时隙分配策略改善无线传感器网络MAC协议能效[J].计算机应用研究,2016,33(2):562?566.
XIE Ruiyun, MA Tongwei, HAI Benzhai. Research of impro?ving energy efficiency of MAC protocol in wireless sensor network using SAS based on transmit and receive [J]. Application research of computers, 2016, 33(2): 562?566.
[12] 陈文广,牛玉刚,邹媛媛.基于改进AOMDV路由协议的WSNs拥塞控制和能耗均衡策略[J].计算机工程与科学,2016,38(9):1776?1783.
CHEN Wenguang, NIU Yugang, ZOU Yuanyuan. Congestion control and balanced energy consumption in WSNs based on improved AOMDV [J]. Computer engineering and science, 2016, 38(9): 1776?1783.
[13] 汪生泉,孙大军,张友文.基于串型路由的水声通信网络ALOHA协议性能分析[J].哈尔滨工程大学学报,2016,37(3):360?367.
WANG Shengquan, SUN Dajun, ZHANG Youwen. Performance analysis for ALOHA protocol of underwater acoustic networks with a serial route [J]. Journal of Harbin Engineering University, 2016, 37(3): 360?367.
[14] 王蓉,周德强.基于铝屏蔽的铁磁性构件缺陷脉冲涡流检测研究[J].电子设计工程,2016,24(8):159?162.
WANG Rong, ZHOU Deqiang. Research on ferromagnetic metal defects using pulsed eddy current testing based on aluminum shielding [J]. Electronic design engineering, 2016, 24(8): 159?162.
[15] MUNEA T L, LIM H, SHON T. Network protocol fuzz testing for information systems and applications: a survey and taxonomy [J]. Multimedia tools & applications, 2016, 75(22): 14745?14757.
关键词: 智能检测; 网络协议缺陷; 系统设计; 缺陷控制器; 对比实验; 运行环境模拟
中图分类号: TN915.04?34; TP393 ? ? ? ? ? ? ? ? ? 文献标识码: A ? ? ? ? ? ? ? ? ?文章编号: 1004?373X(2019)03?0068?05
Abstract: An intelligent detection system based on network protocol self defect is designed to detect the risk factor in network protocol effectively and quickly. The hardware design of intelligent detection system based on network protocol self defect is completed by means of the overall framework design, detection power design, and programmable defect controller design. The software design of the system is completed by means of Z?Stack network communication protocol design, self?defect detection node program design, and intelligent detection process design. The system operating environment is simulated, and the contrast experiment is designed. The experimental results show that the intelligent detection system based on network protocol self defect can greatly improve the detection speed and detection effectiveness of risk factor in the network protocol.
Keywords: intelligent detection; network protocol defect; system design; defect controller; contrast experiment; operation environmental simulation0 ?引 ?言
为确定网络协议中存在的风险性因子,避免造成网络瘫痪现象的发生,现有技术主要通过PCB缺陷检测模型或人工检测方法确定风险性因子所处位置及数量,并根据具体检测结果制定相应的清除方案。这种方法的运用过程依赖阈值分割快速迭代算法,确定网络协议中风险性因子的具体属性。阈值分割快速迭代算法的应用不仅需要大量运算数据支持,还需利用小波混合原理完成风险性因子中杂质粒子的去除[1?2],这也是导致现有技术不能快速有效完成网络协议中风险性因子检测的主要原因。为避免上述现象的发生,设计一种新型的基于网络协议自身缺陷的智能检测系统。这种新型系统的硬件模块结构沿用传统的C/S结构,对各级通信设备进行详细划分[3?4]。这种硬件模块搭建形式不仅能够大幅度缩短信息的传输时间,也能在一定程度上增强信息与信息之间的连通稳定性。软件方面依然沿用SQL数据库搭建方法,在保证通信数据总量的同时,降低系统运行风险,促进网络协议中风险性因子检测有效性的稳步提升。对比实验数据显示,基于网络协议自身缺陷智能检测系统的应用,可以在维持风险性因子检测速度保持较高水平的同时,促进系统检测有效性的不断提升。1 ?网络协议自身缺陷智能检测系统硬件设计
新型网络协议自身缺陷智能检测系统的硬件模块设计由总体框架设计、检测电源设计、可编程缺陷控制器设计三部分组成,具体搭建流程可按如下步骤进行。
1.1 ?总体框架设计
基于网络协议自身缺陷智能检测系统的硬件总体框架由协议分析、缺陷查找、基础检测三大模块组成。其中,协议分析模块可通过检测网络连接串口的方式,确定各连接协议中是否存在风险性因子,并将检测结果以数据压缩包的形式传输至硬件系统的缺陷查找模块。系统硬件缺陷查找模块以分析模块对网络协议中风险性因子的检测结果作为运行基础。若分析模块检测结果中风险性因子数量较多,缺陷查找模块会按照既定方法,逐一定位每一项风险性因子数据所在位置,并将定位結果返回至中心计算机;若分析模块检测结果中风险性因子数量较少,缺陷查找模块会自行启动系统的自动清除功能,对疑似风险性因子数据直接进行清除处理[5]。该模块的存在为新型系统可以具备较高风险性因子检测速度提供可能。系统硬件基础检测模块只在网络协议中风险性因子数量较多时,为缺陷查找模块的执行结果提供进一步检测处理,以确保新型系统的检测有效性得以实现。具体系统硬件总体框架结构如图1所示。1.2 ?检测电源设计
基于网络协议自身缺陷智能检测系统的电源模块以型号为PLC?KV24DT的高电平装置作为核心搭建环节。检测电源模块作为系统中唯一的供电装置,向内与硬件结构中的协议分析模块、缺陷查找模块直接相连,向外与额定电压为220 V、额定电流为1.1 A的动力电机直接相连[6?7]。当动力电机开始工作时,检测电源模块可获得与电机转速成正比的脉冲频率信号,该信号在检测电源模块转化为具有促进作用的角位移。当脉冲频率信号达到额定要求时,检测电源模块中的角位移会自行迁移至硬件结构的协议分析模块与缺陷查找模块,促使系统的硬件设备进入正常的运行流程。详细检测电源模块的设计原理如图2所示。
1.3 ?可编程缺陷控制器设计
新型智能检测系统的可编程控制器模块由两个相互独立的PLC组件构成。为了完成系统针对网络协议缺陷的智能检测操作,1号PLC组件以具有光电耦合作用的传输开关,控制与系统电源模块的连接开关状态[8]。这种光电耦合传输开关具有“0”和“1”两种逻辑状态,当开关状态由“0”转换为“1”时,可编程逻辑缺陷控制器与系统电源模块进行连接,此时通过感知电源模块中脉冲频率信号的强度可编程逻辑缺陷控制器,可了解网络协议中风险性因子的总量,对具体的检测清除力度产生一定的限制作用[9]。当开关状态由“1” 轉换为“0” 时,可编程逻辑缺陷控制器与系统电源模块的连接断开,此时系统整体进入停止状态。2号PLC组件与系统数据库相连,当缺陷查找模块进入高效工作状态时,该模块向数据库发出调用请求。具体模块的设计原理如图3所示。
2 ?网络协议自身缺陷智能检测系统软件设计
上述过程完成基于网络协议自身缺陷智能检测系统的硬件环节搭建,为保证新型系统的顺利运行,还需按照如下步骤完成软件环节搭建。
2.1 ?Z?Stack网络通信协议设计
基于网络协议自身缺陷智能检测系统,以Z?Stack网络协议作为数据传输依据。Z?Stack网络通信协议利用TI公司提供的ZigBee框架,完成小型协议栈的搭建,为保证通信数据的顺利传输, Z?Stack网络通信协议的所有数据节点均具备一定的自主控制权。现有检测方法利用OSAL操作模型对系统内网络协议的安全性进行检测,这种方式不具备基础的网络防御功能,因此不能在短时间内检测出网络协议内的风险性因子[10?11]。为改变这种现状,新型系统利用ZigBee框架的稳定防护作用保证网络协议内的风险性因子数量总是保持在较低水平。具体通信协议设计原理如图4所示。2.2 ?自身缺陷检测节点程序设计
新型系统的自身缺陷检测节点程序在Z?Stack网络通信协议ZigBee框架的基础上,利用C#编程语言,为各模块分配最为合适的网络地址。当新型智能检测系统顺利进入Z?Stack网络通信协议环境时,系统中所有用电模块的瞬时电流、电压会达到临界值,此时系统面临崩溃危险[12?13]。为在提升网络协议中风险性因子检测准确性的同时,避免系统崩溃现象的发生,自身缺陷检测节点程序利用代码对数据的约束力量,对中心服务器传来的数据进行整合处理,并根据C#编程语言的及时性提升系统的检测速率。该环节的部分编程代码如下:
Void handl event(unit 8 pdata[16]);
If zb timerEX(sapi task ID);
My report evt request,0;
Bind device find collector evt;
True sensor cmd event null;
Curr pdata[8],my current period;
Report sapi collector id send data;
TimerEX sensor bind tage
2.3 ?智能检测流程设计
新型系统的智能检测流程以协议分析模块启动作为起始环节。通信数据从协议分析模块流向缺陷查找模块,并完成网络协议中风险性因子含量的初级判定。完成判定后的数据传输至检测电源模块,提醒动力电机开始提供脉冲频率信号。此时,可编程缺陷控制器的光电耦合开关由“0”状态变为“1”状态。Z?Stack网络通信协议接收到上级模块传输的数据后,自行搭建小型协议栈,并建立与自身缺陷检测节点程序间的连接,最终确定网络协议中风险性因子的准确数量,制定相应的清除计划[14?15]。上述整套流程可在极短时间内完成,保证系统始终维持较快的运行速度。具体智能检测流程如图5所示。3 ?实验结果与分析
上述过程完成基于网络协议自身缺陷智能检测系统的搭建。为验证该系统的实用性价值,设计如下对比实验。以两台配置完全一样的计算机作为实验对象。随机挑选一台计算机作为实验组,令其搭载新型智能检测系统;另一台计算机作为对照组,令其搭载传统检测方法。分别记录两组对网络协议中风险性因子的检测速度及检测有效性。3.1 ?实验参数设置
实验开始前,按照表1完成相关参数的设置。表1中參数依次代表系统响应效率、系统检测参数、网络协议安全等级、系统安全运行时间、风险性因子总量、预期检测速度。为保证实验的公平性,实验组、对照组的实验参数始终保持一致。
3.2 ?风险性因子检测速度对比
完成实验参数设置后,分别记录当风险性因子总量为2.0×109 B,4.0×109 B,6.0×109 B,8.0×109 B时,实验组、对照组的检测速度。详细实验情况如图6所示。
分析图6可知,随着风险性因子总量的增加,实验组、对照组检测速度呈现不同的变化趋势,具体数值对比见表2。
由表2可知,无论风险性因子总量为何值时,实验组系统的检测时间始终低于对照组,即基于网络协议自身缺陷智能检测系统对风险性因子的检测速度恒大于现有检测方法。3.3 ?风险性因子检测有效性对比
完成上述检测后,令两组计算机继续保持相同的工作状态。取10 min作为标准实验时间,记录在此时间段内,两组方法对风险性因子的检测有效性对比情况。详细实验结果如图7所示。分析图7可知,随着运行时间的增加,实验组、对照组对风险性因子的检测有效性呈现不同的变化趋势,具体数值对比见表3。
由表3可知,无论运行时间为何值时,实验组系统对风险性因子的检测有效性始终高于对照组。
4 ?结 ?语
基于网络协议自身缺陷智能检测系统通过搭建可编程缺陷控制器、Z?Stack网络通信协议等流程,完成系统的软硬件模块设计。对比实验数据说明,该系统与现有检测技术相比,可促使风险性因子的检测速度、检测有效性等数值得到30%左右的提升,具备较强的实际应用价值。
参考文献
[1] 孟超英,王佳,陈红茜,等.基于分布式对象的蛋鸡舍设施养殖数字化智能监测系统[J].农业机械学报,2017,48(10):292?299.
MENG Chaoying, WANG Jia, CHEN Hongqian, et al. Intelligent monitoring system based on distributed object for layer house [J]. Transactions of the Chinese society for agricultural machinery, 2017, 48(10): 292?299.
[2] 田玉冬,蔡琼辉,王广勋,等.城市轨道交通地下建筑安全智能检测系统平台技术[J].城市轨道交通研究,2016,19(11):121?123.
TIAN Yudong, CAI Qionghui, WANG Guangxun, et al. Intelligent safety test system platform of urban rail transit underground building [J]. Urban mass transit, 2016, 19(11): 121?123.
[3] 曹海欧,高翔,杨毅,等.基于全模型SCD二次系统在线监测及智能诊断应用分析[J].电力系统保护与控制,2016,44(14):136?141.
CAO Haiou, GAO Xiang, YANG Yi, et al. Analysis of online monitoring and intelligent diagnosis based on the full model SCD secondary system [J]. Power system protection and control, 2016, 44(14): 136?141.
[4] 冯智慧,宋春燕,张广洲,等.基于分布式多层体系的输变电工程电磁环境智能实时监测系统[J].中国电力,2016,49(1):109?113.
FENG Zhihui, SONG Chunyan, ZHANG Guangzhou, et al. An intelligent real?time monitoring system for the power transmission electromagnetic environment based on a distributed multi?tier architecture [J]. Electric power, 2016, 49(1): 109?113.
[5] 施苗苗,宋建成,田慕琴,等.基于物联网的设施农业远程智能化信息监测系统的开发[J].江苏农业科学,2016,44(11):392?395.
SHI Miaomiao, SONG Jiancheng, TIAN Muqin, et al. Deve?lopment of remote intelligent information monitoring system for facility agriculture based on Internet of Things [J]. Jiangsu agricultural sciences, 2016, 44(11): 392?395.
[6] 何佳乐,陈闽杰.“自动化油液检测与智能质量控制系统”喜获2016年度液压液力气动密封行业技术进步奖二等奖[J].机床与液压,2017,45(1):15.
HE Jiale, CHEN Minjie. "Automatic oil detection and intelligent quality control system" has won the two prize of hydraulic and pneumatic seals technology progress award in 2016 [J]. Machine tool & hydraulics, 2017, 45(1): 15.
[7] 韩豫,张泾杰,孙昊,等.基于图像识别的建筑工人智能安全检查系统设计与实现[J].中国安全生产科学技术,2016,12(10):142?148.
HAN Yu, ZHANG Jingjie, SUN Hao, et al. Design and implementation of intelligent safety inspection system for construction workers based on image recognition [J]. Journal of safety science and technology, 2016, 12(10): 142?148.
[8] 裴茂林,刘强,黄洋界,等.智能化变电站二次侧电能计量系统计量误差分析及现场检测方法[J].电测与仪表,2017,54(16):75?82.
PEI Maolin, LIU Qiang, HUANG Yangjie, et al. Analysis of metering error and methods for on?site testing of secondary energy metering system in smart substation [J]. Electrical measurement & instrumentation, 2017, 54(16): 75?82.
[9] 曹建玲,崔平付,刘文朋,等.高吞吐量低时延太赫兹超高速无线网络MAC接入协议[J].系统工程与电子技术,2016(3):679?684.
CAO Jianling, CUI Pingfu, LIU Wenpeng, et al. High throughput low?delay MAC protocol for Terahertz ultra?high data?rate wireless networks [J]. Systems engineering and electronics, 2016(3): 679?684.
[10] 邢宇龙,陈永锐,易卫东,等.低占空比无线传感器网络同步MAC协议最优信标间隔分析[J].计算机研究与发展,2016,53(9):2009?2015.
XING Yulong, CHEN Yongrui, YI Weidong, et al. The optimal beacon interval for synchronous MAC in low duty?cycle wireless sensor networks [J]. Journal of computer research and development, 2016, 53(9): 2009?2015.
[11] 解瑞云,马同伟,海本斋.利用发送和接收时隙分配策略改善无线传感器网络MAC协议能效[J].计算机应用研究,2016,33(2):562?566.
XIE Ruiyun, MA Tongwei, HAI Benzhai. Research of impro?ving energy efficiency of MAC protocol in wireless sensor network using SAS based on transmit and receive [J]. Application research of computers, 2016, 33(2): 562?566.
[12] 陈文广,牛玉刚,邹媛媛.基于改进AOMDV路由协议的WSNs拥塞控制和能耗均衡策略[J].计算机工程与科学,2016,38(9):1776?1783.
CHEN Wenguang, NIU Yugang, ZOU Yuanyuan. Congestion control and balanced energy consumption in WSNs based on improved AOMDV [J]. Computer engineering and science, 2016, 38(9): 1776?1783.
[13] 汪生泉,孙大军,张友文.基于串型路由的水声通信网络ALOHA协议性能分析[J].哈尔滨工程大学学报,2016,37(3):360?367.
WANG Shengquan, SUN Dajun, ZHANG Youwen. Performance analysis for ALOHA protocol of underwater acoustic networks with a serial route [J]. Journal of Harbin Engineering University, 2016, 37(3): 360?367.
[14] 王蓉,周德强.基于铝屏蔽的铁磁性构件缺陷脉冲涡流检测研究[J].电子设计工程,2016,24(8):159?162.
WANG Rong, ZHOU Deqiang. Research on ferromagnetic metal defects using pulsed eddy current testing based on aluminum shielding [J]. Electronic design engineering, 2016, 24(8): 159?162.
[15] MUNEA T L, LIM H, SHON T. Network protocol fuzz testing for information systems and applications: a survey and taxonomy [J]. Multimedia tools & applications, 2016, 75(22): 14745?14757.