新葡京娱乐场-大陆娱乐场开户注册

用電設(shè)備的最優(yōu)管理是智能電網(wǎng)中實(shí)現(xiàn)需求側(cè)響應(yīng)的關(guān)鍵一環(huán)。然而該問(wèn)題通常需要同時(shí)管理調(diào)度大量的用電設(shè)備，同時(shí)考慮多個(gè)時(shí)槽，是一個(gè)時(shí)間空間耦合的復(fù)雜問(wèn)題，想要在短時(shí)間內(nèi)解決該問(wèn)題十分困難。因此，如何設(shè)計(jì)合理的算法，提高計(jì)算效率，降低計(jì)算時(shí)間，是目前的研究熱點(diǎn)。?

基于流體動(dòng)力，對(duì)微創(chuàng)深靜脈血栓取除器械進(jìn)行優(yōu)化設(shè)計(jì)，通過(guò)初步離體血栓實(shí)驗(yàn)驗(yàn)證了取栓器的血栓取除率、殘血栓粒度、取栓時(shí)間等；改進(jìn)雙側(cè)乳腺鉬靶圖像預(yù)處理算法及數(shù)據(jù)處理算法，可提高乳腺癌預(yù)測(cè)的精度、敏感性、特異度。

本項(xiàng)目聚焦于鋰電池管理系統(tǒng)在智能化監(jiān)測(cè)與預(yù)測(cè)中的關(guān)鍵痛點(diǎn)，尤其擬面向電池容量衰減預(yù)測(cè)、SOC/SOH估計(jì)不準(zhǔn)、電池剩余時(shí)間不準(zhǔn)確、MAP/SOP估算等方面。通過(guò)引入人工智能算法，構(gòu)建融合機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的電池狀態(tài)預(yù)測(cè)模型，擬實(shí)現(xiàn)高精度SOC（荷電狀態(tài)）與SOH（健康狀態(tài)）估計(jì)的優(yōu)化，提升電池管理系統(tǒng)的智能水平與安全性。 解決方案方面，項(xiàng)目基于實(shí)地檢測(cè)磷酸鐵鋰電池充放電數(shù)據(jù)構(gòu)建訓(xùn)練集，采用輕量級(jí)線性回歸模型及改進(jìn)型人工神經(jīng)網(wǎng)絡(luò)進(jìn)行建模優(yōu)化，并結(jié)合特征工程技術(shù)提高預(yù)測(cè)精度。同時(shí)，設(shè)計(jì)適用于邊緣計(jì)算的部署方案，使模型可在BMS嵌入式硬件平臺(tái)實(shí)時(shí)運(yùn)行，降低對(duì)計(jì)算資源的依賴(lài)。 在競(jìng)爭(zhēng)優(yōu)勢(shì)方面，項(xiàng)目成果具備算法輕量化、部署便捷、預(yù)測(cè)準(zhǔn)確度高、兼容性強(qiáng)等特點(diǎn)，特別適用于電力儲(chǔ)能、電動(dòng)汽車(chē)等對(duì)安全性和可靠性要求高的場(chǎng)景。相比傳統(tǒng)BMS方案，該AI算法可顯著提升電池使用效率與壽命，精準(zhǔn)估算SOC/SOH，降低維護(hù)成本。 目前項(xiàng)目成果已在合作企業(yè)內(nèi)部?jī)?chǔ)能設(shè)備中開(kāi)展應(yīng)用測(cè)試，初步反饋表明荷電狀態(tài)預(yù)測(cè)準(zhǔn)確度提升40%左右，電池健康度準(zhǔn)確度提升40%左右，系統(tǒng)響應(yīng)及時(shí)，具備較高實(shí)用性和推廣價(jià)值。專(zhuān)家評(píng)審一致認(rèn)為，該項(xiàng)目在智能電池管理系統(tǒng)方向具有較強(qiáng)的創(chuàng)新性和實(shí)際應(yīng)用前景。

成果介紹針對(duì)采用比例積分觀測(cè)器法，結(jié)合電池荷電狀態(tài)估計(jì)，設(shè)計(jì)能夠同時(shí)對(duì)模型參數(shù)和電池荷電狀態(tài)同時(shí)進(jìn)行估計(jì)的算法，可應(yīng)用于整車(chē)的BMS軟件算法設(shè)計(jì)。搭建的軟硬件平臺(tái)可應(yīng)用于BMS算法測(cè)試。技術(shù)創(chuàng)新點(diǎn)及參數(shù)(1)采用比例積分觀測(cè)器法，結(jié)合電池荷電狀態(tài)估計(jì)，設(shè)計(jì)能夠同時(shí)對(duì)模型參數(shù)和電池荷電狀態(tài)同時(shí)進(jìn)行估計(jì)的算法；(2)在觀測(cè)過(guò)程中模型參數(shù)可實(shí)時(shí)更新，算法滿足李雅普諾夫方程，估計(jì)計(jì)算時(shí)可保證收斂；(3)更好的動(dòng)態(tài)特性與電池充放電周期整體估計(jì)精度，且在電流信號(hào)有噪聲時(shí)仍有較好的估計(jì)精度；(4)基于STM32芯片主控，AD7280芯片采集數(shù)據(jù)，μC/OS-III系統(tǒng)完成了控制系統(tǒng)軟硬件設(shè)計(jì)。臺(tái)架實(shí)驗(yàn)表明，系統(tǒng)信號(hào)采集精度良好，性能實(shí)現(xiàn)成功；(5)采用OCV法對(duì)Ah法進(jìn)行糾正，獲得新的綜合SOC估算值，針對(duì)性地設(shè)計(jì)了初值確定方法，得到改良的SOC估計(jì)算法。*明該算法能在整個(gè)電池恒流放電過(guò)程中穩(wěn)定估算SOC；(6)為考慮電池工作過(guò)程中的產(chǎn)熱，對(duì)傳統(tǒng)的SOC估算方法，引入溫度約束，建立改良的SOP估計(jì)算法。*明該算法能很好地考慮電池溫度對(duì)SOP估測(cè)影響而提升估算精度；(7)采用STM32F103芯片主控，AD7280A芯片采集信息，μC/OS-III系統(tǒng)建立了BMS軟硬件系統(tǒng)，并進(jìn)行了實(shí)車(chē)試驗(yàn)。結(jié)果表明改良后的估計(jì)算法精度良好可靠，所設(shè)計(jì)BMS具備出色的控制性能。市場(chǎng)前景本項(xiàng)目的涉及的算法設(shè)計(jì)及軟硬件架構(gòu)，可以采用成果授權(quán)、成果轉(zhuǎn)讓或者技術(shù)服務(wù)的形式與汽車(chē)零部件供應(yīng)商產(chǎn)生合作。

本發(fā)明提出一種基于MWC系統(tǒng)的盲多帶稀疏信號(hào)快速恢復(fù)算法，首先利用Xampling采樣板獲得壓縮采樣值y[n]，將y[n]乘以一個(gè)高斯隨機(jī)矩陣R，得到傳統(tǒng)的壓縮感知模型V=y[n]R=CU,這種方法避免了原方法中需要做特征值分解的操作，可以有效的減少M(fèi)WC系統(tǒng)中CTF模塊的運(yùn)行時(shí)間，此外，控制高斯隨機(jī)R的列數(shù)在一個(gè)較低水平，可以進(jìn)一步減少矩陣V的列數(shù)，這樣在用M-OMP算法恢復(fù)支撐集的過(guò)程中又能進(jìn)一步的減少運(yùn)行時(shí)間。經(jīng)過(guò)驗(yàn)證，該算法可以大幅度提高CTF模塊的運(yùn)算速度。

本發(fā)明公開(kāi)了面向大規(guī)模圖像視覺(jué)特征的多維倒排索引與快速檢索算法，包括：利用圖像的視覺(jué)特征訓(xùn)練增強(qiáng)型殘差量化所需的多層碼書(shū)，并利用所訓(xùn)練的碼書(shū)構(gòu)建多維倒排索引；根據(jù)已訓(xùn)練完成的碼書(shū)，對(duì)圖像視覺(jué)特征進(jìn)行量化和編碼，同時(shí)根據(jù)計(jì)算得到的編碼將其插入到倒排索引中對(duì)應(yīng)的倒排列表；利用查詢(xún)圖像視覺(jué)特征對(duì)所構(gòu)建的多維倒排索引進(jìn)行查詢(xún)，獲得查詢(xún)候選集；利用自適應(yīng)超球體過(guò)濾對(duì)查詢(xún)候選集進(jìn)行優(yōu)化，對(duì)過(guò)濾后的查詢(xún)結(jié)果排序，從而完成圖像視覺(jué)特征的檢索。本發(fā)明的方法通過(guò)對(duì)圖像特征進(jìn)行量化和編碼，提高圖像特征的量化效率；利用所生

將大批量定制的先進(jìn)理念與企業(yè)的實(shí)際需求結(jié)合起來(lái)，開(kāi)發(fā)和實(shí)施“快速響應(yīng)客戶(hù)的產(chǎn)品配置設(shè)計(jì)及管理平臺(tái)”。通過(guò)進(jìn)行產(chǎn)品個(gè)性化配置設(shè)計(jì)，以滿足不斷變化的客戶(hù)需求，并標(biāo)示出近似的以前設(shè)計(jì)過(guò)的定制零部件以及需要重新設(shè)計(jì)的部件，加快定制產(chǎn)品的開(kāi)發(fā)進(jìn)度，縮短了產(chǎn)品設(shè)計(jì)周期。通過(guò)產(chǎn)品配置設(shè)計(jì)把產(chǎn)品定義的全部數(shù)據(jù)，包括幾何信息、分析結(jié)果、技術(shù)說(shuō)明、工藝文件、合同訂單和質(zhì)量文件等，都與產(chǎn)品結(jié)構(gòu)建立了聯(lián)系，使用戶(hù)能夠很方便地知道某一項(xiàng)變化所造成的影響, 實(shí)現(xiàn)公司銷(xiāo)售、設(shè)計(jì)、生產(chǎn)及管理等信息的集成與共享。

成果描述：旨在為大規(guī)模代數(shù)系統(tǒng)設(shè)計(jì)新型高效的求解算法，并結(jié)合信息科學(xué)進(jìn)行交叉研究。在大規(guī)模代數(shù)系統(tǒng)新型Krylov子空間算法及其基礎(chǔ)理論、復(fù)雜電磁計(jì)算、圖像處理高性能數(shù)值方法、動(dòng)力系統(tǒng)與智能控制理論方面進(jìn)行了系統(tǒng)深入的研究，取得了具有創(chuàng)新性的成果，例如：解決了科學(xué)計(jì)算中的有關(guān)基礎(chǔ)或困難問(wèn)題；提出了Lanczos雙共軛A-標(biāo)準(zhǔn)正交短遞歸Krylov子空間迭代法BiCOR/CORS/BiCORSTAB方法、一種新的“二維雙連續(xù)投影(2D-DSPM)方法”等一系列高效算法；為求解復(fù)雜電磁問(wèn)題產(chǎn)生的復(fù)雜線性系統(tǒng)設(shè)計(jì)了高效算法與預(yù)條件技術(shù)；提出了一些新型高效的邊界處理、圖像復(fù)原方法，具有更快的計(jì)算速度和更好的復(fù)原質(zhì)量；將數(shù)值代數(shù)與特殊矩陣分析和神經(jīng)網(wǎng)絡(luò)交叉研究取得成果。市場(chǎng)前景分析：本成果隸屬于計(jì)算數(shù)學(xué)學(xué)科的數(shù)值代數(shù)領(lǐng)域，是數(shù)學(xué)基礎(chǔ)理論研究。本項(xiàng)目著眼于科學(xué)與工程問(wèn)題當(dāng)中的難于解決的數(shù)學(xué)問(wèn)題的快速算法及其理論研究，在國(guó)民經(jīng)濟(jì)和國(guó)防安全的若干大數(shù)據(jù)領(lǐng)域具有重要的學(xué)術(shù)和應(yīng)用價(jià)值。因此，本成果不涉及經(jīng)濟(jì)效益，亦不涉及直接應(yīng)用。與同類(lèi)成果相比的優(yōu)勢(shì)分析：主要成果發(fā)表在國(guó)際權(quán)威期刊上，構(gòu)建的新方法新理論得到了權(quán)威專(zhuān)家的高度評(píng)價(jià)，相關(guān)工作引起了國(guó)內(nèi)外同行的廣泛關(guān)注與引用。通過(guò)國(guó)際合作，本項(xiàng)目提出的相關(guān)快速算法已通過(guò)國(guó)際合作研究被法國(guó)INRIA、法國(guó)LAPLACE國(guó)家實(shí)驗(yàn)室、荷蘭格羅寧根大學(xué)等國(guó)際知名研究機(jī)構(gòu)用于解決科學(xué)計(jì)算中的大規(guī)模代數(shù)方程組求解難題。

旨在為大規(guī)模代數(shù)系統(tǒng)設(shè)計(jì)新型高效的求解算法，并結(jié)合信息科學(xué)進(jìn)行交叉研究。在大規(guī)模代數(shù)系統(tǒng)新型Krylov子空間算法及其基礎(chǔ)理論、復(fù)雜電磁計(jì)算、圖像處理高性能數(shù)值方法、動(dòng)力系統(tǒng)與智能控制理論方面進(jìn)行了系統(tǒng)深入的研究，取得了具有創(chuàng)新性的成果，例如：解決了科學(xué)計(jì)算中的有關(guān)基礎(chǔ)或困難問(wèn)題；提出了Lanczos雙共軛A-標(biāo)準(zhǔn)正交短遞歸Krylov子空間迭代法BiCOR/CORS/BiCORSTAB方法、一種新的“二維雙連續(xù)投影(2D-DSPM)方法”等一系列高效算法；為求解復(fù)雜電磁問(wèn)題產(chǎn)生的復(fù)雜線性系統(tǒng)設(shè)計(jì)了高效算法與預(yù)條件技術(shù)；提出了一些新型高效的邊界處理、圖像復(fù)原方法，具有更快的計(jì)算速度和更好的復(fù)原質(zhì)量；將數(shù)值代數(shù)與特殊矩陣分析和神經(jīng)網(wǎng)絡(luò)交叉研究取得成果。

北京體育大學(xué)沈燕飛科研團(tuán)隊(duì)使用人體姿態(tài)估計(jì)算法，對(duì)擊劍比賽過(guò)程中兩名選手的身體各環(huán)節(jié)和關(guān)節(jié)的運(yùn)動(dòng)進(jìn)行的智能識(shí)別。工手動(dòng)標(biāo)記數(shù)據(jù)等方法，更為高效，可應(yīng)用于海量體育視頻數(shù)據(jù)的分析和未來(lái)的體育大數(shù)據(jù)的構(gòu)建。