葡京娱乐场-富盈娱乐场开户

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據，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）使用訓練集數據訓練Bagging?RNN模型，根據訓練誤差修正Bagging?RNN模型參數；d）使用驗證集數據驗證Bagging?RNN模型的泛化能力，根據驗證結果進一步修正Bagging?RNN模型參數，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據作為Bagging?RNN模型的輸入，模型輸出被測電梯的制動性能評價結果。本發明從電梯制動時電梯閘皮最高溫度變化的生成機理出發，獲取不同制動性能電梯制動過程中的閘皮溫度序列數據，并基于歷史數據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展，機器人手/臂除了工業生產，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中更加多樣的操作任務，面臨更加多變的工作環境。因此，國內外對非結構自然環境下、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，由此產生的視覺伺服控制方法為機器人自主操作能力的實現帶來了新的思路，代表了機器人的先進控制技術，也是促進機器人智能化發展的一個重要驅動。可以預見，未來的視覺系統將會成為機器人名副其實的眼睛，視覺伺服技術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、水果采摘、工業裝配、焊接、抓取以及微操作等方面得到越來越多的應用。然而，現階段可實際應用的方案主要面向特定的標定環境、模型參數已知，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，其柔型結構造成的運動模型及參數的變化與不確定性，必然使現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）、非結構環境下的自適應操作對機器人提出了新挑戰，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，不斷深入對非結構環境下、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實意義。 在非結構自然環境下使機器人像人一樣協調自適應操作是當今機器人研究領域的一項尚未實現但又令人感興趣的研究工作。從理論上看，非結構自然環境下實現機器人柔性操作，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調操作是自適應學習過程，涉及智能進化和行為優化，將隨機動態規劃理論，結合約束規則與最優化控制，探索一種變參手眼關系，實現機器人在非結構自然環境下的自適應操作。 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，已經著手在無模型視覺伺服的可靠性、穩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定操作問題，研究了一種魯棒卡爾曼濾波(RKF)合作Elman神經網絡(ENN)的全局穩定視覺伺服控制方法；提出了一種基于網絡輔助爾曼濾波狀態估計的無標定視覺伺服方法，提高伺服系統的魯棒性。同時，立足機器人發展前沿，建立了多模特征深度學習抓取系統，在無結構環境下實現了機器人智能抓取與定位。 已發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), 實現網絡權值學習; 并以疊層融合策略, 獲取初始多模特征的深層抽象表達, 兩種手段相結合旨在提高深度網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. 結果表明, 設計的多模特征深度學習依據人的抓取習慣, 實現最優抓取判別, 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的模型參數未知或者部分未知，視覺伺服的目標是使用攝像節作為傳感器，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。 手眼協調關系描述。關節圖像雅克比矩陣定量描述了機械臂關節變化引起圖像特征變化，它是關節-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。將關節圖像雅克比矩陣的每一個元素作為輔助系統的狀態，建立輔助系統的狀態方程；攝像機提取到的圖像特征作為測量值，建立輔助系統的觀測方程。根據Kalman濾波器理論，我們設計了對關節圖像雅克比的在線實時估計算法。 構建基于圖像矩的目標函數。為了避免傳統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的穩定性和可靠性。 四、合作企業 廈門萬久科技股份有限公司是一家集銷售、軟件研發、技術服務、加工技術整合為一體的高新技術企業。目前公司的經營范圍涉及CNC軟件開發及數控系統銷售、CNC控制零件銷售及專業維修；工藝優化、機臺升級與技術改造、工程配電與軟件優化、專用機控制系統開發、多軸機的設計與開發、機臺精度檢測與校正優化服務等。公司是國際知名生產制造企業——富士康的產品供應商和技術服務商。    

成果介紹火電機組深度調峰改造是消納可再生能源的有效途徑，深度調峰就是在自動控制的情況下將機組的負荷調節下限從原來的50[[[[%]]]]Pe下調至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特性具有快速變化的特征，常規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，分別提出了適合于亞臨界和超（超）臨界機組深度調峰的多模型智能預測控制系統，實現了在低負荷或超低負荷工況下的平穩控制。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到15[[[[%]]]]Pe，并實現了機組”干態/濕態”的一鍵轉換控制，達到了國內外最先進的深調水平。目前，在國內已完成的機組深度調峰改造中，大部分均采用了本深調優化控制技術，得到了廣大用戶的一致好評。

本發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電子學參數與遙感圖像的定量數學關系；獲取遙感成像系統的位置和姿態參數,并計算成像區域獲取成像區域地物覆蓋類型、地物反射光譜以及成像區域上空大氣和氣溶膠參數,根據輻射傳輸方程計算該成像區域對應的入瞳輻亮度；對每一景遙感影像入瞳輻亮度進行排序得到最大入瞳輻亮度值,并通過成像系統調節成像參數使其不超過成像系統最大輸出圖像值,然后驅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學院智能軟件與系統新技術研究所副教授張亮團隊依托上海瑞金醫院、西安交通大學第二附屬醫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），張亮團隊加快技術攻關，設計開發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。

火電機組深度調峰改造是消納可再生能源的有效途徑，深度調峰就是在自動控制的情況下將機組的負荷調節下限從原來的50%Pe下調至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特性具有快速變化的特征，常規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，分別提出了適合于亞臨界和超（超）臨界機組深度調峰的多模型智能預測控制系統，實現了在低負荷或超低負荷工況下的平穩控制。 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到15%Pe，并實現了機組”干態/濕態”的一鍵轉換控制，達到了國內外最先進的深調水平。目前，在國內已完成的機組深度調峰改造中，大部分均采用了本深調優化控制技術，得到了廣大用戶的一致好評。

軟件所含缺陷的風險或數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質量的關鍵信息，應用模式識別技術對軟件所含缺陷進行有效預測將對我國航空工業軟件測試工作從被動測試到主動測試的轉變起到積極的作用。對軟件所含缺陷進行風險或定量預測，其根本技術在于利用以往軟件缺陷數據，構建軟件內在信息和軟件缺陷信息之間的映射關系函數。 軟件缺陷數據具有如下特點：軟件度量信息冗余；軟件缺陷數據分布及其不平衡；軟件缺陷數據易含有不準確數據（如不準確的缺陷量）對于模型構建來說就是噪聲數據；軟件缺陷數據維度高，復雜度高等。該技術的廣泛使用，將對我國航空工業中的軟件測試工作，從傳統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，從而提高軟件質量起到重要作用。

【項目來源】依托課題為十一五重大新藥創制專項“馬錢子堿貼劑經皮給藥治療癌性疼痛的研究”，曾獲得2016年中航工業全國大學生創業大賽第十屆挑戰杯金獎。 【類    別】醫療器械。 【項目簡介】本項目采用國內首創的復合磷脂脂質體技術開發能夠模擬真實皮膚角質層屏障結構、組成與功能的脂質體人工皮膚膜LipSkin；經系列試驗及第三方檢測驗證，LipSkin從結構上能模擬角質層特殊的“磚-墻”結構；從組成上具有與真實皮膚相同的脂質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達94.60%。此外，電阻檢測技術的應用保障了LipSkin產品的質量可控性和測試重現性，具有廣闊的商業化開發前景。由此，LipSkin技術成熟，可產業化開發。 【創新要點】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構模擬真實皮膚的結構，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層屏障功能，所以能夠靈活調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，這是團隊的首次發現；  ③處方中加入了真實皮膚中的成分膽固醇、神經酰胺、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；  ④用載入熒光探針羅丹明B的脂質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。 【推廣應用前景】據報道，美國知名市場調查與咨詢公司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（市售產品價格的5~22%）等優點，推廣價值巨大。 【進展情況】已獲發明專利1項。 

火電機組深度調峰改造是消納可再生能源的有效途徑，深度調峰就是在自動控制的情況下將機組的負荷調節下限從原來的50%Pe下調至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特性具有快速變化的特征，常規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，分別提出了適合于亞臨界和超（超）臨界機組深度調峰的多模型智能預測控制系統，實現了在低負荷或超低負荷工況下的平穩控制。 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到15%Pe，并實現了機組”干態/濕態”的一鍵轉換控制，達到了國內外最先進的深調水平。目前，在國內已完成的機組深度調峰改造中，大部分均采用了本深調優化控制技術，得到了廣大用戶的一致好評。

成果簡介：本發明公開了一種基于Kriging模型的風力機齒輪箱故障診斷方法。本發明具有診斷結果快速準確、非線性擬合效果好、使用靈活、計算量小的優點，能夠為實現風力機齒輪箱故障在線診斷奠定基礎。市場預測：2015年全國（除臺灣地區外）新增安裝風電機組16740臺，新增裝機容量30753MW，同比增長32.6%；累計安裝風電機組92981臺，累計裝機容量145362MW，同比增長26.8%。同時，隨著風電機組運營時間累積，