葡京娱乐场-富盈娱乐场开户

髂后上棘骨髓穿刺模型外觀形象逼真，體表骨性解剖標(biāo)志清晰，穿刺部位骨骼 為可替換耗材模塊，便于反復(fù)訓(xùn)練，提升操作技能。適用于臨床醫(yī)學(xué)基本技能、執(zhí)業(yè)醫(yī)師實(shí)踐技能考試對骨髓穿刺術(shù)操作的教學(xué)、訓(xùn)練及考核。

本發(fā)明屬于食品檢測技術(shù)領(lǐng)域，涉及一種畜禽肉黏彈性無損檢測方法，具體涉及一種多要素黏彈模型建立及其黏彈參數(shù)確定的方法。具體步驟為：首先利用畜禽肉黏彈性無損檢測系統(tǒng)采集、計(jì)算待測樣品的應(yīng)變數(shù)據(jù)；然后根據(jù)待測樣品的變形特征選擇多要素模型，將不同多要素模型與不同數(shù)據(jù)擬合算法結(jié)合，對應(yīng)變數(shù)據(jù)進(jìn)行數(shù)據(jù)擬合，建立若干畜禽肉多要素黏彈模型；最后比較若干畜禽肉多要素黏彈模型的擬合效果，根據(jù)實(shí)際需求，選擇最佳畜禽肉多要素黏彈模型，并計(jì)算黏彈參數(shù)。最終實(shí)現(xiàn)對畜禽肉黏彈性的無損、快速檢測。

本項(xiàng)目提出了將時(shí)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(yù)測模型，設(shè)計(jì)并實(shí)現(xiàn)了一種面向智慧城市的綜合能源需求分析與預(yù)測的方法，提升能源供應(yīng)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(dòng)性能評價(jià)方法，包括：a)獲取不同制動(dòng)性能的電梯在制動(dòng)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(xùn)練集和驗(yàn)證集；c）使用訓(xùn)練集數(shù)據(jù)訓(xùn)練Bagging?RNN模型，根據(jù)訓(xùn)練誤差修正Bagging?RNN模型參數(shù)；d）使用驗(yàn)證集數(shù)據(jù)驗(yàn)證Bagging?RNN模型的泛化能力，根據(jù)驗(yàn)證結(jié)果進(jìn)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(dòng)性能的評價(jià)模型；e)將被測電梯在制動(dòng)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(dòng)性能評價(jià)結(jié)果。本發(fā)明從電梯制動(dòng)時(shí)電梯閘皮最高溫度變化的生成機(jī)理出發(fā)，獲取不同制動(dòng)性能電梯制動(dòng)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(yīng)的電梯制動(dòng)性能的評價(jià)方法。

一、項(xiàng)目簡介 隨著科技進(jìn)步和社會(huì)需求的發(fā)展，機(jī)器人手/臂除了工業(yè)生產(chǎn)，也越來越多用于服務(wù)人類的其它各個(gè)領(lǐng)域，這必然會(huì)使機(jī)器人承擔(dān)比工業(yè)中更加多樣的操作任務(wù)，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(jī)器人的研究十分重視。當(dāng)前，具備視覺感知能力的機(jī)器人已被公認(rèn)為機(jī)器人發(fā)展的主流趨勢，將視覺與機(jī)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(jī)器人自主操作能力的實(shí)現(xiàn)帶來了新的思路，代表了機(jī)器人的先進(jìn)控制技術(shù)，也是促進(jìn)機(jī)器人智能化發(fā)展的一個(gè)重要驅(qū)動(dòng)。可以預(yù)見，未來的視覺系統(tǒng)將會(huì)成為機(jī)器人名副其實(shí)的眼睛，視覺伺服技術(shù)在機(jī)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(jī)器人運(yùn)動(dòng)進(jìn)行實(shí)時(shí)反饋控制，涉及機(jī)器人機(jī)械幾何設(shè)計(jì)、運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)、自動(dòng)控制理論、計(jì)算機(jī)視覺圖像處理和攝像機(jī)標(biāo)定等,是智能機(jī)器人領(lǐng)域中具有重要理論意義的研究課題之一。迄今為止，機(jī)器人手/臂的視覺伺服方法在太空遙操作、機(jī)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(yīng)用。然而，現(xiàn)階段可實(shí)際應(yīng)用的方案主要面向特定的標(biāo)定環(huán)境、模型參數(shù)已知，機(jī)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(dāng)面向未來的剛-柔-軟體共融機(jī)器人時(shí)，其柔型結(jié)構(gòu)造成的運(yùn)動(dòng)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(biāo)幾何模型，手眼標(biāo)定模型，機(jī)器人運(yùn)動(dòng)模型）、非結(jié)構(gòu)環(huán)境下的自適應(yīng)操作對機(jī)器人提出了新挑戰(zhàn)，是機(jī)器人手臂(尤其柔型手臂)視覺伺服控制研究的難點(diǎn)與前沿問題，不斷深入對非結(jié)構(gòu)環(huán)境下、無模型的機(jī)器人手/臂視覺伺服控制的研究具有重要的理論和現(xiàn)實(shí)意義。 在非結(jié)構(gòu)自然環(huán)境下使機(jī)器人像人一樣協(xié)調(diào)自適應(yīng)操作是當(dāng)今機(jī)器人研究領(lǐng)域的一項(xiàng)尚未實(shí)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(shí)現(xiàn)機(jī)器人柔性操作，就當(dāng)前研究依靠單一的控制器設(shè)計(jì)是困難的。因此，本項(xiàng)目借鑒人的手眼協(xié)調(diào)操作是自適應(yīng)學(xué)習(xí)過程，涉及智能進(jìn)化和行為優(yōu)化，將隨機(jī)動(dòng)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(guān)系，實(shí)現(xiàn)機(jī)器人在非結(jié)構(gòu)自然環(huán)境下的自適應(yīng)操作。 二、前期研究基礎(chǔ) 研究團(tuán)隊(duì)一直致力于機(jī)器人視覺反饋控制的研究。在基礎(chǔ)理論研究上，針對無標(biāo)定視覺伺服控制方案與設(shè)計(jì)，均提出了一些新型方法，有扎實(shí)的理論基礎(chǔ)和知識(shí)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(jī)器人無標(biāo)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(luò)(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(luò)輔助爾曼濾波狀態(tài)估計(jì)的無標(biāo)定視覺伺服方法，提高伺服系統(tǒng)的魯棒性。同時(shí)，立足機(jī)器人發(fā)展前沿，建立了多模特征深度學(xué)習(xí)抓取系統(tǒng)，在無結(jié)構(gòu)環(huán)境下實(shí)現(xiàn)了機(jī)器人智能抓取與定位。 已發(fā)表的與項(xiàng)目相關(guān)的主要論文有： [1] 仲訓(xùn)杲,徐敏,仲訓(xùn)昱,彭俠夫.基于多模特征深度學(xué)習(xí)的機(jī)器人抓取判別方法.自動(dòng)化學(xué)報(bào),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(xùn)杲,徐敏, 仲訓(xùn)昱, 彭俠夫. 基于雅可比預(yù)測的機(jī)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(xùn)杲,徐敏, 仲訓(xùn)昱, 彭俠夫. 基于圖像的機(jī)器人非標(biāo)定視覺反饋控制全局定位方法, 廈門大學(xué)學(xué)報(bào)(自然科學(xué)版), 已錄用, 2018. 三、應(yīng)用技術(shù)成果 （一）基于多模特征深度學(xué)習(xí)的機(jī)器人抓取判別 研究了多模特征深度學(xué)習(xí)及其在機(jī)器人智能抓取判別中的應(yīng)用，該方法針對智能機(jī)器人抓取判別問題, 研究多模特征深度學(xué)習(xí)與融合方法. 該方法將測試特征分布偏離訓(xùn)練特征視為一類噪化, 引入帶稀疏約束的降噪自動(dòng)編碼 (Denoising auto-encoding, DAE), 實(shí)現(xiàn)網(wǎng)絡(luò)權(quán)值學(xué)習(xí); 并以疊層融合策略, 獲取初始多模特征的深層抽象表達(dá), 兩種手段相結(jié)合旨在提高深度網(wǎng)絡(luò)的魯棒性和抓取判別精確性. 實(shí)驗(yàn)采用深度攝像機(jī)與 6 自由度工業(yè)機(jī)器人組建測試平臺(tái), 對不同類別目標(biāo)進(jìn)行在線對比實(shí)驗(yàn). 結(jié)果表明, 設(shè)計(jì)的多模特征深度學(xué)習(xí)依據(jù)人的抓取習(xí)慣, 實(shí)現(xiàn)最優(yōu)抓取判別, 并且機(jī)器人成功實(shí)施抓取定位, 研究方法對新目標(biāo)具備良好的抓取判別能力. （二）無標(biāo)定視覺伺服解決方案及其機(jī)器人操作應(yīng)用 研究了無標(biāo)定視覺伺服方法及其在機(jī)械臂任務(wù)操作中的應(yīng)用。首先提出視覺伺服目標(biāo)：假設(shè)機(jī)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(biāo)是使用攝像節(jié)作為傳感器，引導(dǎo)機(jī)械臂運(yùn)動(dòng)，使當(dāng)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(wù)。 手眼協(xié)調(diào)關(guān)系描述。關(guān)節(jié)圖像雅克比矩陣定量描述了機(jī)械臂關(guān)節(jié)變化引起圖像特征變化，它是關(guān)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(jì)器。將關(guān)節(jié)圖像雅克比矩陣的每一個(gè)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(jī)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(shè)計(jì)了對關(guān)節(jié)圖像雅克比的在線實(shí)時(shí)估計(jì)算法。 構(gòu)建基于圖像矩的目標(biāo)函數(shù)。為了避免傳統(tǒng)的基于點(diǎn)特征的缺陷，例如點(diǎn)特征的標(biāo)記、提取與匹配過程復(fù)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(wù)，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(wù)、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(jī)臺(tái)升級(jí)與技術(shù)改造、工程配電與軟件優(yōu)化、專用機(jī)控制系統(tǒng)開發(fā)、多軸機(jī)的設(shè)計(jì)與開發(fā)、機(jī)臺(tái)精度檢測與校正優(yōu)化服務(wù)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(yīng)商和技術(shù)服務(wù)商。    

成果介紹火電機(jī)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(dòng)控制的情況下將機(jī)組的負(fù)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(diǎn)在于：當(dāng)機(jī)組處在低負(fù)荷工況時(shí)，機(jī)組被控過程的動(dòng)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(xiàng)成果采用多模型智能預(yù)測控制技術(shù)，分別提出了適合于亞臨界和超（超）臨界機(jī)組深度調(diào)峰的多模型智能預(yù)測控制系統(tǒng)，實(shí)現(xiàn)了在低負(fù)荷或超低負(fù)荷工況下的平穩(wěn)控制。市場前景本項(xiàng)成果已成功應(yīng)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(dāng)途、中鋁銀星、國信射陽港、國華籌光等電廠近30臺(tái)300MW亞臨界、600MW和1000MW超（超）臨界機(jī)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(jī)組的負(fù)荷深調(diào)到15[[[[%]]]]Pe，并實(shí)現(xiàn)了機(jī)組”干態(tài)/濕態(tài)”的一鍵轉(zhuǎn)換控制，達(dá)到了國內(nèi)外最先進(jìn)的深調(diào)水平。目前，在國內(nèi)已完成的機(jī)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(biāo)模型的自適應(yīng)成像方法,其步驟包括建立成像系統(tǒng)電子學(xué)參數(shù)與遙感圖像的定量數(shù)學(xué)關(guān)系；獲取遙感成像系統(tǒng)的位置和姿態(tài)參數(shù),并計(jì)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(jì)算該成像區(qū)域?qū)?yīng)的入瞳輻亮度；對每一景遙感影像入瞳輻亮度進(jìn)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(dòng)成像設(shè)備獲取遙感影像。

西安電子科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院智能軟件與系統(tǒng)新技術(shù)研究所副教授張亮團(tuán)隊(duì)依托上海瑞金醫(yī)院、西安交通大學(xué)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(diǎn)（磨玻璃、體積大小、位置等特征），張亮團(tuán)隊(duì)加快技術(shù)攻關(guān)，設(shè)計(jì)開發(fā)了基于深度學(xué)習(xí)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(xué)工程系助理教授郭瓊玉課題組在腫瘤介入栓塞領(lǐng)域構(gòu)建透明化離體模型方面取得最新研究進(jìn)展，相關(guān)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(lǐng)域頂級(jí)學(xué)術(shù)期刊Biomaterials。此項(xiàng)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(jī)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(dòng)控制的情況下將機(jī)組的負(fù)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(diǎn)在于：當(dāng)機(jī)組處在低負(fù)荷工況時(shí)，機(jī)組被控過程的動(dòng)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(xiàng)成果采用多模型智能預(yù)測控制技術(shù)，分別提出了適合于亞臨界和超（超）臨界機(jī)組深度調(diào)峰的多模型智能預(yù)測控制系統(tǒng)，實(shí)現(xiàn)了在低負(fù)荷或超低負(fù)荷工況下的平穩(wěn)控制。 本項(xiàng)成果已成功應(yīng)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(dāng)途、中鋁銀星、國信射陽港、國華籌光等電廠近30臺(tái)300MW亞臨界、600MW和1000MW超（超）臨界機(jī)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(jī)組的負(fù)荷深調(diào)到15%Pe，并實(shí)現(xiàn)了機(jī)組”干態(tài)/濕態(tài)”的一鍵轉(zhuǎn)換控制，達(dá)到了國內(nèi)外最先進(jìn)的深調(diào)水平。目前，在國內(nèi)已完成的機(jī)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。