网上赌场真人发牌-澳门网上赌场空城

本項目提出了將時間維度與空間維度相結(jié)合的多尺度綜合能源需求分析與預測模型，設計并實現(xiàn)了一種面向智慧城市的綜合能源需求分析與預測的方法，提升能源供應規(guī)劃和營銷策略的優(yōu)化與決策支持。

一種基于Bagging?RNN模型的電梯制動性能評價方法，包括：a)獲取不同制動性能的電梯在制動過程中的閘皮溫度序列數(shù)據(jù)，作為樣本集；b）按照比例將樣本集劃分為訓練集和驗證集；c）使用訓練集數(shù)據(jù)訓練Bagging?RNN模型，根據(jù)訓練誤差修正Bagging?RNN模型參數(shù)；d）使用驗證集數(shù)據(jù)驗證Bagging?RNN模型的泛化能力，根據(jù)驗證結(jié)果進一步修正Bagging?RNN模型參數(shù)，將修正后的Bagging?RNN模型作為電梯制動性能的評價模型；e)將被測電梯在制動過程中的閘皮溫度序列數(shù)據(jù)作為Bagging?RNN模型的輸入，模型輸出被測電梯的制動性能評價結(jié)果。本發(fā)明從電梯制動時電梯閘皮最高溫度變化的生成機理出發(fā)，獲取不同制動性能電梯制動過程中的閘皮溫度序列數(shù)據(jù)，并基于歷史數(shù)據(jù)提出了相應的電梯制動性能的評價方法。

一、項目簡介 隨著科技進步和社會需求的發(fā)展，機器人手/臂除了工業(yè)生產(chǎn)，也越來越多用于服務人類的其它各個領域，這必然會使機器人承擔比工業(yè)中更加多樣的操作任務，面臨更加多變的工作環(huán)境。因此，國內(nèi)外對非結(jié)構(gòu)自然環(huán)境下、具備自主操作能力的機器人的研究十分重視。當前，具備視覺感知能力的機器人已被公認為機器人發(fā)展的主流趨勢，將視覺與機器人操作相融合，是對人類行為的模擬，由此產(chǎn)生的視覺伺服控制方法為機器人自主操作能力的實現(xiàn)帶來了新的思路，代表了機器人的先進控制技術(shù)，也是促進機器人智能化發(fā)展的一個重要驅(qū)動。可以預見，未來的視覺系統(tǒng)將會成為機器人名副其實的眼睛，視覺伺服技術(shù)在機器人自主操作中將具有不可替代的作用。 視覺伺服利用視覺傳感器提供的環(huán)境信息對機器人運動進行實時反饋控制，涉及機器人機械幾何設計、運動學和動力學、自動控制理論、計算機視覺圖像處理和攝像機標定等,是智能機器人領域中具有重要理論意義的研究課題之一。迄今為止，機器人手/臂的視覺伺服方法在太空遙操作、機器人手術(shù)、水果采摘、工業(yè)裝配、焊接、抓取以及微操作等方面得到越來越多的應用。然而，現(xiàn)階段可實際應用的方案主要面向特定的標定環(huán)境、模型參數(shù)已知，機器人操作是編碼定式的，不具備模型未知條件下的自主操作能力，特別是當面向未來的剛-柔-軟體共融機器人時，其柔型結(jié)構(gòu)造成的運動模型及參數(shù)的變化與不確定性，必然使現(xiàn)有確定模型的研究方法失效。因此，無模型（目標幾何模型，手眼標定模型，機器人運動模型）、非結(jié)構(gòu)環(huán)境下的自適應操作對機器人提出了新挑戰(zhàn)，是機器人手臂(尤其柔型手臂)視覺伺服控制研究的難點與前沿問題，不斷深入對非結(jié)構(gòu)環(huán)境下、無模型的機器人手/臂視覺伺服控制的研究具有重要的理論和現(xiàn)實意義。 在非結(jié)構(gòu)自然環(huán)境下使機器人像人一樣協(xié)調(diào)自適應操作是當今機器人研究領域的一項尚未實現(xiàn)但又令人感興趣的研究工作。從理論上看，非結(jié)構(gòu)自然環(huán)境下實現(xiàn)機器人柔性操作，就當前研究依靠單一的控制器設計是困難的。因此，本項目借鑒人的手眼協(xié)調(diào)操作是自適應學習過程，涉及智能進化和行為優(yōu)化，將隨機動態(tài)規(guī)劃理論，結(jié)合約束規(guī)則與最優(yōu)化控制，探索一種變參手眼關系，實現(xiàn)機器人在非結(jié)構(gòu)自然環(huán)境下的自適應操作。 二、前期研究基礎 研究團隊一直致力于機器人視覺反饋控制的研究。在基礎理論研究上，針對無標定視覺伺服控制方案與設計，均提出了一些新型方法，有扎實的理論基礎和知識積累，并不斷跟蹤和深入在無模型視覺伺服控制的方面研究和前沿問題。目前，已經(jīng)著手在無模型視覺伺服的可靠性、穩(wěn)定性控制方面做了充分的探索工作：針對機器人無標定全局穩(wěn)定操作問題，研究了一種魯棒卡爾曼濾波(RKF)合作Elman神經(jīng)網(wǎng)絡(ENN)的全局穩(wěn)定視覺伺服控制方法；提出了一種基于網(wǎng)絡輔助爾曼濾波狀態(tài)估計的無標定視覺伺服方法，提高伺服系統(tǒng)的魯棒性。同時，立足機器人發(fā)展前沿，建立了多模特征深度學習抓取系統(tǒng)，在無結(jié)構(gòu)環(huán)境下實現(xiàn)了機器人智能抓取與定位。 已發(fā)表的與項目相關的主要論文有： [1] 仲訓杲,徐敏,仲訓昱,彭俠夫.基于多模特征深度學習的機器人抓取判別方法.自動化學報,2016,7(42), pp:1022-1029. (EI) [2] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robots Visual Servo Control with Features Constraint Employing Kalman-Neural-Network Filtering Scheme. Neurocomputing, 2015, 151(3), pp:268-277 (SCI)  [3] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robust Kalman FilteringCooperated Elman Neural Network Learning forVision-Sensing-Based RoboticManipulation with Global Stability. Sensors, 2013, 10(13), pp:13464-13486. (SCI) [4] Xungao Zhong, Xiafu Peng, Xunyu Zhongand Lixiong Lin. Dynamic Jacobian Identification Based on State-Space for Robot Manipulation. Applied Mechanics andMaterials, vols. 475-476 (2014)pp: 675-679.(EI) [5] Xungao Zhong, Xiafu Peng, Xunyu Zhong and Xueren Dong. Multi-Channel with RBF Neural Network Aggregation Based on Disparity Space for Color Image Stereo Matching. IEEE 5th International Conference on Advanced Computational Intelligence (ICACI), 10(2012) PP:620-625. (EI) [6]XUNGAO ZHONG, XIAFU PENG, XUNYU ZHONG. NEURAL-BAYESIAN FILTERING BASED ON MONTE CARLO RESAMPLING FOR VISUAL ROBUST TRACKING. Journal of Theoretical and Applied Information Technology, 2013, 2(50), pp: 490-496. [7] Xungao Zhong, Xiafu Peng and Xunyu Zhong. Severe-Dynamic Tracking Problems Based on Lower Particles Resampling. TELKOMNIKA Indonesian Journal of Electrical Engineering. 2014, 12(6), pp:4731-4739. [8] Xunyu Zhong, Xungao Zhong and Xiafu Peng. Velocity-Change-Space-based Dynamic Motion Planning for Mobile Robots Navigation. Neurocomputing. 2014, 143(11), pp:153-163. (SCI) [9] Xunyu Zhong, Xungao Zhong, Xiafu Peng. VCS-based motion planning for distributed mobile robots: collision avoidance and formation. Soft Computing,2016,5(20), pp: 1897-1908. (SCI) [10] 仲訓杲,徐敏, 仲訓昱, 彭俠夫. 基于雅可比預測的機器人無模型視覺伺服定位控制, 控制與決策, 已在線發(fā)表, 2018. [11] 仲訓杲,徐敏, 仲訓昱, 彭俠夫. 基于圖像的機器人非標定視覺反饋控制全局定位方法, 廈門大學學報(自然科學版), 已錄用, 2018. 三、應用技術(shù)成果 （一）基于多模特征深度學習的機器人抓取判別 研究了多模特征深度學習及其在機器人智能抓取判別中的應用，該方法針對智能機器人抓取判別問題, 研究多模特征深度學習與融合方法. 該方法將測試特征分布偏離訓練特征視為一類噪化, 引入帶稀疏約束的降噪自動編碼 (Denoising auto-encoding, DAE), 實現(xiàn)網(wǎng)絡權(quán)值學習; 并以疊層融合策略, 獲取初始多模特征的深層抽象表達, 兩種手段相結(jié)合旨在提高深度網(wǎng)絡的魯棒性和抓取判別精確性. 實驗采用深度攝像機與 6 自由度工業(yè)機器人組建測試平臺, 對不同類別目標進行在線對比實驗. 結(jié)果表明, 設計的多模特征深度學習依據(jù)人的抓取習慣, 實現(xiàn)最優(yōu)抓取判別, 并且機器人成功實施抓取定位, 研究方法對新目標具備良好的抓取判別能力. （二）無標定視覺伺服解決方案及其機器人操作應用 研究了無標定視覺伺服方法及其在機械臂任務操作中的應用。首先提出視覺伺服目標：假設機器人或者攝像節(jié)的模型參數(shù)未知或者部分未知，視覺伺服的目標是使用攝像節(jié)作為傳感器，引導機械臂運動，使當前圖像特征收斂到期望圖像特征，從而完成定位或者跟蹤的任務。 手眼協(xié)調(diào)關系描述。關節(jié)圖像雅克比矩陣定量描述了機械臂關節(jié)變化引起圖像特征變化，它是關節(jié)-圖像映射的局部線性化矩陣。 建立圖像雅克比的在線估計器。將關節(jié)圖像雅克比矩陣的每一個元素作為輔助系統(tǒng)的狀態(tài)，建立輔助系統(tǒng)的狀態(tài)方程；攝像機提取到的圖像特征作為測量值，建立輔助系統(tǒng)的觀測方程。根據(jù)Kalman濾波器理論，我們設計了對關節(jié)圖像雅克比的在線實時估計算法。 構(gòu)建基于圖像矩的目標函數(shù)。為了避免傳統(tǒng)的基于點特征的缺陷，例如點特征的標記、提取與匹配過程復雜且通用性較差問題。構(gòu)建基于圖像矩的圖像特征向量完成視覺伺服任務，來提高視覺伺服系統(tǒng)的穩(wěn)定性和可靠性。 四、合作企業(yè) 廈門萬久科技股份有限公司是一家集銷售、軟件研發(fā)、技術(shù)服務、加工技術(shù)整合為一體的高新技術(shù)企業(yè)。目前公司的經(jīng)營范圍涉及CNC軟件開發(fā)及數(shù)控系統(tǒng)銷售、CNC控制零件銷售及專業(yè)維修；工藝優(yōu)化、機臺升級與技術(shù)改造、工程配電與軟件優(yōu)化、專用機控制系統(tǒng)開發(fā)、多軸機的設計與開發(fā)、機臺精度檢測與校正優(yōu)化服務等。公司是國際知名生產(chǎn)制造企業(yè)——富士康的產(chǎn)品供應商和技術(shù)服務商。    

成果介紹火電機組深度調(diào)峰改造是消納可再生能源的有效途徑，深度調(diào)峰就是在自動控制的情況下將機組的負荷調(diào)節(jié)下限從原來的50[[[[%]]]]Pe下調(diào)至30[[[[%]]]]Pe，甚至更低。控制難點在于：當機組處在低負荷工況時，機組被控過程的動態(tài)特性具有快速變化的特征，常規(guī)控制策略難于有效控制。本項成果采用多模型智能預測控制技術(shù)，分別提出了適合于亞臨界和超（超）臨界機組深度調(diào)峰的多模型智能預測控制系統(tǒng)，實現(xiàn)了在低負荷或超低負荷工況下的平穩(wěn)控制。市場前景本項成果已成功應用于華能丹東、華能大連、華能營口、華能井岡山、華能大壩、國投欽州、大唐當途、中鋁銀星、國信射陽港、國華籌光等電廠近30臺300MW亞臨界、600MW和1000MW超（超）臨界機組的深度調(diào)峰中。特別是，已成功將華能營口電廠#4 600MW超超臨界機組的負荷深調(diào)到15[[[[%]]]]Pe，并實現(xiàn)了機組”干態(tài)/濕態(tài)”的一鍵轉(zhuǎn)換控制，達到了國內(nèi)外最先進的深調(diào)水平。目前，在國內(nèi)已完成的機組深度調(diào)峰改造中，大部分均采用了本深調(diào)優(yōu)化控制技術(shù)，得到了廣大用戶的一致好評。

本發(fā)明涉及一種基于遙感影像值多元參量定標模型的自適應成像方法,其步驟包括建立成像系統(tǒng)電子學參數(shù)與遙感圖像的定量數(shù)學關系；獲取遙感成像系統(tǒng)的位置和姿態(tài)參數(shù),并計算成像區(qū)域獲取成像區(qū)域地物覆蓋類型、地物反射光譜以及成像區(qū)域上空大氣和氣溶膠參數(shù),根據(jù)輻射傳輸方程計算該成像區(qū)域?qū)娜胪椓炼龋粚γ恳痪斑b感影像入瞳輻亮度進行排序得到最大入瞳輻亮度值,并通過成像系統(tǒng)調(diào)節(jié)成像參數(shù)使其不超過成像系統(tǒng)最大輸出圖像值,然后驅(qū)動成像設備獲取遙感影像。

西安電子科技大學計算機科學與技術(shù)學院智能軟件與系統(tǒng)新技術(shù)研究所副教授張亮團隊依托上海瑞金醫(yī)院、西安交通大學第二附屬醫(yī)院等的新冠肺炎疑似、確診患者肺部CT影像，通過綜合分析新冠肺炎患者的肺部CT影像特點（磨玻璃、體積大小、位置等特征），張亮團隊加快技術(shù)攻關，設計開發(fā)了基于深度學習的新型冠狀病毒的早期檢測篩查模型系統(tǒng)。

南科大生物醫(yī)學工程系助理教授郭瓊玉課題組在腫瘤介入栓塞領域構(gòu)建透明化離體模型方面取得最新研究進展，相關成果論文以“構(gòu)建透明化肝臟離體模型評估腫瘤血管栓塞治療（Decellularized liver as a translucent ex vivo model for vascular embolization evaluation）”為題發(fā)表在生物材料領域頂級學術(shù)期刊Biomaterials。此項研究工作為建立透明化器官模型可視化研究及評估臨床治療手段開辟了新的途徑，有望為蓬勃發(fā)展的生物技術(shù)和生物材料提供更加有效的評估策略。

火電機組深度調(diào)峰改造是消納可再生能源的有效途徑，深度調(diào)峰就是在自動控制的情況下將機組的負荷調(diào)節(jié)下限從原來的50%Pe下調(diào)至30%Pe，甚至更低。控制難點在于：當機組處在低負荷工況時，機組被控過程的動態(tài)特性具有快速變化的特征，常規(guī)控制策略難于有效控制。 本項成果采用多模型智能預測控制技術(shù)，分別提出了適合于亞臨界和超（超）臨界機組深度調(diào)峰的多模型智能預測控制系統(tǒng)，實現(xiàn)了在低負荷或超低負荷工況下的平穩(wěn)控制。 本項成果已成功應用于華能丹東、華能大連、華能營口、華能井岡山、華能大壩、國投欽州、大唐當途、中鋁銀星、國信射陽港、國華籌光等電廠近30臺300MW亞臨界、600MW和1000MW超（超）臨界機組的深度調(diào)峰中。特別是，已成功將華能營口電廠#4 600MW超超臨界機組的負荷深調(diào)到15%Pe，并實現(xiàn)了機組”干態(tài)/濕態(tài)”的一鍵轉(zhuǎn)換控制，達到了國內(nèi)外最先進的深調(diào)水平。目前，在國內(nèi)已完成的機組深度調(diào)峰改造中，大部分均采用了本深調(diào)優(yōu)化控制技術(shù)，得到了廣大用戶的一致好評。

軟件所含缺陷的風險或數(shù)目是合理安排軟件測試資源，提高軟件測試效率，衡量軟件設計及開發(fā)質(zhì)量的關鍵信息，應用模式識別技術(shù)對軟件所含缺陷進行有效預測將對我國航空工業(yè)軟件測試工作從被動測試到主動測試的轉(zhuǎn)變起到積極的作用。對軟件所含缺陷進行風險或定量預測，其根本技術(shù)在于利用以往軟件缺陷數(shù)據(jù)，構(gòu)建軟件內(nèi)在信息和軟件缺陷信息之間的映射關系函數(shù)。 軟件缺陷數(shù)據(jù)具有如下特點：軟件度量信息冗余；軟件缺陷數(shù)據(jù)分布及其不平衡；軟件缺陷數(shù)據(jù)易含有不準確數(shù)據(jù)（如不準確的缺陷量）對于模型構(gòu)建來說就是噪聲數(shù)據(jù)；軟件缺陷數(shù)據(jù)維度高，復雜度高等。該技術(shù)的廣泛使用，將對我國航空工業(yè)中的軟件測試工作，從傳統(tǒng)的被動測試向主動測試，合理安排有限的測試資源，提高測試效率，從而提高軟件質(zhì)量起到重要作用。

【項目來源】依托課題為十一五重大新藥創(chuàng)制專項“馬錢子堿貼劑經(jīng)皮給藥治療癌性疼痛的研究”，曾獲得2016年中航工業(yè)全國大學生創(chuàng)業(yè)大賽第十屆挑戰(zhàn)杯金獎。 【類    別】醫(yī)療器械。 【項目簡介】本項目采用國內(nèi)首創(chuàng)的復合磷脂脂質(zhì)體技術(shù)開發(fā)能夠模擬真實皮膚角質(zhì)層屏障結(jié)構(gòu)、組成與功能的脂質(zhì)體人工皮膚膜LipSkin；經(jīng)系列試驗及第三方檢測驗證，LipSkin從結(jié)構(gòu)上能模擬角質(zhì)層特殊的“磚-墻”結(jié)構(gòu)；從組成上具有與真實皮膚相同的脂質(zhì)特征吸收峰與角蛋白特征吸收峰；用模型藥物進行皮膚滲透性測試驗證LipSkin在屏障功能上與真實皮膚的相關系數(shù)達99.29%；從功能上驗證測試化學品皮膚腐蝕性與真實皮膚相關系數(shù)達94.60%。此外，電阻檢測技術(shù)的應用保障了LipSkin產(chǎn)品的質(zhì)量可控性和測試重現(xiàn)性，具有廣闊的商業(yè)化開發(fā)前景。由此，LipSkin技術(shù)成熟，可產(chǎn)業(yè)化開發(fā)。 【創(chuàng)新要點】①首次采用磷脂材料制備皮膚模型LipSkin，并突破性應用于模擬難度較高的毒理學檢測領域，通過三層三明治型的結(jié)構(gòu)模擬真實皮膚的結(jié)構(gòu)，進而模擬其功能，這種應用至今未見報道； ②利用不同比例的復合磷脂能夠模擬不同程度的角質(zhì)層屏障功能，所以能夠靈活調(diào)整復合磷脂的比例來模擬不同類型的皮膚，以適應皮膚腐蝕性測試中不同種族、年齡、性別人群的需求，這是團隊的首次發(fā)現(xiàn)；  ③處方中加入了真實皮膚中的成分膽固醇、神經(jīng)酰胺、角蛋白等增加其皮膚屏障功能的模擬程度：其中磷脂材料及膽固醇、神經(jīng)酰胺等模擬皮膚的脂性通道以此模擬脂溶性成分的透過路徑，角蛋白模擬皮膚的水性通道以模擬水溶性成分的透過路徑，這樣的處方設計也屬原創(chuàng)；  ④用載入熒光探針羅丹明B的脂質(zhì)體層來模擬真皮層以模擬真皮層細胞因腐蝕受損而釋放出有色試劑的表征手段同樣處于全球首創(chuàng)。 【推廣應用前景】據(jù)報道，美國知名市場調(diào)查與咨詢公司Markets and Markets預測：到2021年體外毒理學測試市場將從2016年的141.5億美元猛增至273.6億美元，年復合增長率將達14.1%，由此推測，皮膚腐蝕性作為毒理學檢測中的指標之一，預測其至2021年的全球市場潛量將超20億美元。 市場上用于皮膚腐蝕性測試的體外皮膚模型有兩種：EpiSkin, EpiDerm, EpiKutis,Phenion為人重組皮膚模型，其因采用原代人角質(zhì)細胞作為原料，來源稀少且昂貴，導致其售價極為昂貴，且人角質(zhì)細胞受人種差異影響而不具有通用測試價值；而Corrositex模型為蛋白分子水凝膠模型，其只適用于由酸堿度差異引起的皮膚腐蝕性，測試范圍窄，據(jù)報道其準確度為37.5%，不能滿足測試精度的要求；只有本項目所推出的LipSkin皮膚模型兼具測試范圍廣（由脂溶性、酸堿度差異引起的腐蝕性均可測試）、測試精度高（>90%）、價格合理（市售產(chǎn)品價格的5~22%）等優(yōu)點，推廣價值巨大。 【進展情況】已獲發(fā)明專利1項。