系统维护与使用区
亚马逊云服务器EC2 ubuntu下打开防火墙后无法连接服务器的解决方法
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网
我也要 关注 + 加入社区为了提升服务器的安全性，把防火墙给打开了（sudo ufw enable）然后就悲剧了，Putty连接不上了，急啊，又没有其它的远程连接手段，也没法物理连接，实在是抓狂！
使用下面的方法，终于是救回来了：
总体思路：新建一个服务器，将已有的服务器卷从当前服务器分离后挂载到新的服务器上，修改/ect/ufw/ufw.conf文件，关闭防火墙，如何在挂回原服务器。
具体步骤：
1、在亚马逊云控制台将原有服务器实例（BJLinuxSrv1）“停止”（注意不是终止啊，要不你就真的没救了），刷新直到状态显示“已停止”
2、新建一个服务器实例名字叫BJLinuxSvr2
3、在左边的导航栏里找到Elastic Block Store下面的“卷”
4、勾选挂接到原服务器实例的卷（在卷详细信息左下方的“挂载的实例”中能看到“i-091dd78a5213cb7b0 (BJLinuxSvr): /dev/sda1 (attached)”）
5、右上角“操作”->“分离卷”
刷新后卷状态显示为“可用”
6、再次勾选这个卷，操作->挂载卷
实例选择“BJLinuxSvr2"
挂载卷
7、回到新服务器实例的远程终端，
$ lsblk
可用看到一个未挂接的磁盘（nvme1n1）
8、挂接此卷下的文件系统：
$ mkdir mydisk
$ sudo mount -t ext4 /dev/nvme1n1p1 mydisk
9、修改防火墙配置文件
$ sudo vi mydisk/etc/ufw/ufw.conf
将“ENABLED=yes”改为“ENABLED=no”
保存
10、卸载卷
$ sudo umount /dev/nvme1n1p1
11、将卷从新服务器实例分离后挂接回原服务器实例
回到亚马逊云控制台：
1）在左边的导航栏里找到Elastic Block Store下面的“卷”
2）勾选挂接到原服务器实例的卷
3）右上角“操作”->“分离卷”
刷新后卷状态显示为“可用”
4）再次勾选这个卷，操作->挂载卷
实例选择“BJLinuxSvr"
设备名称：/dev/sda1
挂载卷
12、回到“实例”，选择原服务器，实例状态->启动现有实例
刷新直至服务器状态为正在运行
13、使用putty终端重新连接原服务器
注意：重启实例后主机IP和主机域名会改变，记得修改putty的host name或IP
相关推荐
政府科技管理者如何精准掌握辖区内科技成果资源并形成有效转化路径？.docx
科易网基于AI模型+行业大数据，在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景，推出科技创新领域的AI+工具与数智化解决方案，推动科技创新与产业创新智能化发展。
风电、光伏与储能(含电池和废弃矿井小型抽水蓄能)互补调度运行研究（Matlab代码实现）
内容概要：本文聚焦于风电、光伏与多种储能形式（包括电池储能及利用废弃矿井建设的小型抽水蓄能系统）的互补协调调度运行研究，基于Matlab平台构建了综合能源系统的优化调度模型。研究充分考虑可再生能源出力的不确定性、储能系统的充放电特性与寿命约束、系统功率实时平衡以及运行经济性等关键因素，设计了适用于高比例可再生能源接入场景的调度策略。通过仿真分析验证了所提模型在提升系统消纳能力、降低运行成本和增强供电可靠性方面的有效性，资源包含完整的代码实现与技术文档，便于深入理解和复现。; 适合人群：具备电力系统分析、可再生能源或优化调度基础知识，熟悉Matlab编程环境，从事相关领域科研或工程应用的研究生、科研人员及技术人员； 使用场景及目标：①用于学习和复现风光储多能互补系统的建模与仿真方法；②支撑学术论文撰写、科研课题申报或实际工程项目中对综合能源系统协调调度策略的设计、优化与验证； 阅读建议：建议结合提供的代码逐模块研读，深入理解目标函数构建、约束条件设置及求解器调用流程，同时可进一步拓展至不同储能配置方案、不确定性处理方法（如鲁棒优化、随机规划）及先进算法的对比研究，全面提升对新型电力系统运行优化问题的分析与解决能力。
政府科技管理者在推动科技成果落地过程中，如何高效识别具有高转化潜力的科技成果？.docx
科易网基于AI模型+行业大数据，在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景，推出科技创新领域的AI+工具与数智化解决方案，推动科技创新与产业创新智能化发展。
【电池健康状态估计】基于支持向量回归与充电片段特征提取的SOH评估：多源信息融合与工程化部署方案 MATLAB 电池SOH估计｜SVR回归与充电片段健康特征提取
内容概要：本文档详细介绍了一个基于MATLAB R2025b环境的电池健康状态（SOH）估计系统，该系统通过从日常充电片段中提取五项健康特征（恒流持续时间、恒压持续时间、温升幅度、增量容量峰值、充电能量），并利用支持向量回归（SVR）建立非线性回归模型来预测SOH。项目涵盖了从原始数据接入、质量控制、充电片段识别、健康特征提取、稳健预处理、SVR模型训练与参数优化，到模型评价、不确定性分析、结果可视化和模型持久化的完整工程流程。系统特别强调了数据隔离（按时间顺序划分）、防止信息泄露（仅使用训练集统计量）、稳健标准化和基于校准集的预测区间估计，以确保模型的可靠性、可部署性和结果的可信度。文档还提供了完整的代码实现、GUI界面设计、系统部署架构和未来改进方向。; 适合人群：具备MATLAB编程基础，从事电池管理系统、新能源汽车、储能电站、工业物联网或相关领域研发工作的工程师和技术人员。; 使用场景及目标：①在不进行破坏性完整充放电测试的前提下，实现对动力电池SOH的在线、快速、低成本估计；②为电池的全生命周期管理（如安全管理、维护优化、梯次利用评估）提供可靠的数据支持；③构建一个可验证、可部署、可维护的工业级数据分析流程。; 阅读建议：此资源不仅是一份算法教程，更是一个完整的工程化项目范本。建议读者结合提供的代码，深入理解其模块化设计、数据处理规范和防错机制。在学习过程中，应重点关注数据质量控制、特征工程、模型验证逻辑和部署流程的设计思路，以掌握如何将学术模型转化为稳健的工业应用。
科技中介服务机构如何利用数智工具提升服务效率与专业度？.docx
科技中介服务机构如何利用数智工具提升服务效率与专业度？
