新葡京娱乐场-大陆娱乐场开户注册

小試階段/n項目已解決的關鍵技術問題和技術創(chuàng)新點：1.提出了精軋變形抗力模型新型“九宮格”自適應學習方法，在“軋制溫度*變形速率”參數(shù)空間上布置多個特征點，對參數(shù)空間上與當前軋制工況位置相鄰的 9 個特征點進行加權(quán)插值，獲得空間任意均連續(xù)的自學習參數(shù)，它是位置坐標的函數(shù)，打破了原來的“自學習系數(shù)與層別一一對應”的關系，使自學習系數(shù)精確到工作點坐標，解決了 原有的不同層別的自學習參數(shù)相互不關聯(lián)、跳躍大、不連續(xù)等問題。新方法上線后，應用效果非常明顯，每月帶鋼因厚度超差導致的預封鎖量從投用前的 45 塊/

小試階段/n軋機過程控制數(shù)學模型與軋制穩(wěn)定性技術直接影響帶鋼產(chǎn)品質(zhì)量與生產(chǎn)成本。該技術在結(jié)合生產(chǎn)工藝與設備控制技術的基礎上，綜合現(xiàn)代控制理論、數(shù)學建模和人工智能技術，形成完整的軋線關鍵模型與軋制穩(wěn)定性控制技術，已在寶鋼、梅鋼、漣鋼等國內(nèi)多條大型熱連軋生產(chǎn)線上成功在線應用。發(fā)表核心期刊論文30多篇，授權(quán)、受理發(fā)明專利30余項，軟件著作權(quán)3項。。關鍵技術：1）高精度軋制設定模型與尺寸控制。高精度帶鋼厚度控制技術：包括高精度軋制力能模型、全線一體化分布式溫度模型、輥縫模型，保證高精度的頭部設定；高精度AG

焦爐煉焦是一個復雜的工藝過程，煤料在炭化室內(nèi)隔絕空氣加熱,即高溫干餾。經(jīng)過干燥、熱解、熔融、粘結(jié)、固化、收縮等階段，最終成為焦炭。 焦爐直行溫度是指機側(cè)和焦側(cè)標準立火道的平均溫度，它代表全爐的平均溫度水平，是直接影響焦化速率和焦炭成熟時間的主要參數(shù)之一。燃燒室溫度在一個結(jié)焦期內(nèi)由于相鄰炭化室所處結(jié)焦狀態(tài)不同而發(fā)生規(guī)律性波動，即形成通常所說的“W”曲線，其峰值間的時間間隔取決于推焦串序、循環(huán)檢修計劃和周轉(zhuǎn)時間。本項研究是以焦爐“燃燒室—炭化室傳熱過程數(shù)學模型”為基礎，運用混合編程、多任務和動態(tài)摸擬等技術首次將焦爐燃燒室—炭化室傳熱過程數(shù)學模型拓展為“焦爐直行溫度數(shù)學模型”，并開發(fā)了由一組燃燒室和炭化室組成的“焦爐直行溫度數(shù)學模型計算機仿真系統(tǒng)”。運用該模型可以仿真不同的推焦計劃、裝爐煤水份、裝煤量、燃料熱值等熱工參數(shù)對焦爐直行溫度的影響，從而為焦爐直行溫度的優(yōu)化設定提供堅實的理論依據(jù)。

1. 痛點問題 工業(yè)視覺場景下普遍存在缺陷樣本數(shù)量少、難采集，已有標注方案無法完全發(fā)揮樣本數(shù)據(jù)效用等問題。在工業(yè)視覺應用場景中，產(chǎn)線整體生產(chǎn)良率均已達到相當水平，人工可識別的缺陷樣本數(shù)量相對較少，且采集難度較大。制造生產(chǎn)環(huán)節(jié)對產(chǎn)線效率要求較高，模型訓練難以實現(xiàn)精度與效率上的平衡。 2. 解決方案 本項目將最新的少樣本學習、連續(xù)學習、模型壓縮與優(yōu)化技術，與工業(yè)場景中的缺陷檢測需求深入結(jié)合，致力于工業(yè)視覺自主知識產(chǎn)權(quán)軟硬件一體化裝備研發(fā)。針對玻璃深加工與半導體晶圓宏觀缺陷檢測，本項目已完成工業(yè)視覺全流程視覺感知算法、人工智能算法研發(fā)平臺、玻璃智能一體檢測設備、晶圓宏觀缺陷檢測設備等智能設備的原理驗證和裝備試制，同時有多項智能設備在研。 本項目在玻璃與半導體缺陷檢測中，基于圖像自動標注方法完成少樣本場景下的數(shù)據(jù)采集與標注，通過弱監(jiān)督學習和連續(xù)學習方法完成有效模型構(gòu)建，并針對長尾數(shù)據(jù)集設計模型訓練和優(yōu)化方法，實現(xiàn)高效工業(yè)視覺感知計算。針對工業(yè)視覺場景，本項目集成視覺感知算法能力，研發(fā)人工智能算法研發(fā)平臺，該平臺秉承低代碼化、可視化等原則，打造包含數(shù)據(jù)采集與標注、算法訓練與評估、模型壓縮與優(yōu)化、應用部署與管理的數(shù)據(jù)閉環(huán)。 合作需求 尋求浮法玻璃深加工、半導體加工與制造等行業(yè)企業(yè)合作。

一種水輪機調(diào)節(jié)系統(tǒng)高階數(shù)學模型的降階方法，包括如下步驟：①簡化系統(tǒng)分母的最高次項，實現(xiàn) 系統(tǒng)的一次降階，得到一次低階等效系統(tǒng)式；②從波動疊加的角度出發(fā)，將一次低階等效系統(tǒng)式變換為 兩個 2 階子系統(tǒng)相加的形式；③進行拉普拉斯反變換，得到水輪機調(diào)節(jié)系統(tǒng)的一次低階等效系統(tǒng)在負荷 階躍擾動下的機組轉(zhuǎn)速響應波動方程；④對完整 5 階系統(tǒng)式進行二次降階；⑤利用二階系統(tǒng)進行水輪機 調(diào)節(jié)系統(tǒng)轉(zhuǎn)速響應調(diào)節(jié)品質(zhì)的影響因素分析。其優(yōu)點是：較之其他降階方法，本方法是

本發(fā)明公開了一種計算三維點云模型骨骼的方法；本發(fā)明首先通過使用逐步細分的策略將三維點云 模型均勻體素化；此后，使用快速行軍算法，計算出模型內(nèi)部體素點的距離域；然后，使用距離域計算 出模型的初始骨骼；最后，將初始骨骼與 L1 中值骨骼提取算法融合，生成基于距離域的 L1 中值骨骼提 取算法，快速準確計算出模型骨骼；與現(xiàn)有的三維點云模型骨骼提取方法相比，本發(fā)明處理帶有大量噪 聲點、奇異點和大面積點云缺失的點云模型，而且不會產(chǎn)生錯誤的骨骼連接，同時不

雙重（三重）差分模型通過設置交互項來分析政策效應，在政策評價領域具有明顯優(yōu)勢。該研究設計的優(yōu)勢在于：第一，通過將改革引起的結(jié)局變量時間前后差異和組織內(nèi)外部因素引起的結(jié)局變量的差異結(jié)合起來，以反映改革的效應。第二，其他因素的影響，如研究階段內(nèi)可能存在其他政策，這些政策可能與本研究關注的結(jié)局相關。如果這些政策對不同組別的影響不一致，那么排除這些政策就可能會產(chǎn)生偏倚。如果研究樣本當中這些因素分布不均衡，就應該對這些非隨機的因素進行控制以稀釋它的不同影響。尤其是在評價宏觀事件的影響時，因為在研究設計上無法找到一個符合實際的合理的對照組而對控制其他改革效應帶來了難度。雙重差分可提供一個罕見于其他相關研究的機會，通過政策實施前后結(jié)果取差來排除沒有考慮到的因素的存在以及由于它們的存在可能造成的混雜效應，使對政策效應的分析更加可行，也更接近現(xiàn)實實際。

本發(fā)明公開了一種基于有限混合模型的行人再識別方法，屬于 計算機視覺和模式識別領域，提升行人再識別的準確度，包括以下步 驟：(1)構(gòu)建行人圖像庫預處理圖像并提取圖像特征；(2)計算圖像庫中 所有圖像的有限混合模型和待再識別行人的圖像的有限混合模型參 數(shù)；(3)將需再識別行人的有限混合模型與圖像庫中所有圖像的有限混 合模型之間的距離進行最優(yōu)化求解，并進行距離排序返回再識別結(jié)果。 本發(fā)明優(yōu)化混合模型之間的距離度量，提高行人

1.痛點問題 本項預期成果是解決復雜場景中目標三維數(shù)據(jù)重建、驅(qū)動的關鍵技術。 針對實際應用中復雜運動場景，例如剛性運動的交通工具，變形移動行人等，傳統(tǒng)的運動結(jié)構(gòu)恢復方法在進行場景深度求解時無法確定每個單元結(jié)構(gòu)的相對尺度，導致無法對復雜運動場景進行重建。在現(xiàn)有的深度估計、語義分割、位姿估計等相關技術，存在識別精度低、提取不到關鍵信息、應用場景單一等問題，無法滿足大尺度場景應用的需求。 2.解決方案 本項目成果提出了一套面向目標、人體深度數(shù)據(jù)重建技術，有效實現(xiàn)對復雜運動場景下人、物的深度重建與驅(qū)動，有效解決現(xiàn)實場景目標的數(shù)字化模型生成與虛擬場景下的驅(qū)動映射問題。提出多模態(tài)采集、時空復用編碼攝像方法，獲取大景深、高時空分辨、豐富的精確場景視覺信息，基于超像素關系分析的深度重建方法，包括目標超像素分割，圖像幀匹配，運動關系判定，通過時序傳播與概率模型更新實現(xiàn)實時深度重建，提高最終三維重建模型的稠密度、魯棒性、一致性和準確度。構(gòu)建了基于深度卷積神經(jīng)網(wǎng)絡的目標實例檢測與位姿估計框架，從目標對象觀測圖片提取其分割掩碼并不斷迭代更新，輸入深度卷積神經(jīng)網(wǎng)絡進而得到目標6D位姿估計并進行迭代改進，從而實現(xiàn)目標在動態(tài)復雜場景下的位姿還原，克服了在光照、姿態(tài)變化、遮擋等不良因素環(huán)境下的目標位姿不準確問題，確保了目標6D位姿估計的魯棒性與準確性。 合作需求 尋求在元宇宙、數(shù)字城市、自動駕駛、AR/VR、機器人、制造業(yè)等領域有相關技術開發(fā)、市場推廣經(jīng)驗，能推廣本技術落地的高科技企業(yè)，可以進行深度合作。

1.痛點問題 我國水體重金屬污染給區(qū)域環(huán)境造成了一定危害，也給人體健康和生態(tài)安全帶來了潛在威脅。目前，我國制定區(qū)域污廢水重金屬排放總量控制目標的方法采用目標總量管理模式，忽略了水體水質(zhì)和底泥質(zhì)量的約束性；如果考慮上述約束，又缺乏相應的技術手段支撐。特別地，能夠預測含重金屬污水進入河流后對水質(zhì)和底質(zhì)質(zhì)量的影響，以及根據(jù)生態(tài)系統(tǒng)保護和修復目標確定污染減排控制要求等定量分析工具的缺失，制約了水污染控制與管理的精細化和精準化發(fā)展。為解決重金屬容量總量管理和污染控制缺乏決策工具的問題，開發(fā)了河流重金屬遷移轉(zhuǎn)化的一維分相模型，以支持河流重金屬污染過程模擬與相應容量總量定量計算。 2.解決方案 由于河流中重金屬的演化規(guī)律非常復雜，影響因素眾多，因此目前國內(nèi)外對于河流中重金屬數(shù)值模擬的研究尚不完善。考慮到基于化學反應動力學機理的模型構(gòu)建復雜且不易與管理工作結(jié)合，而基于化學熱力學平衡機理的模型存在過度簡化從而不滿足控制需求等問題，本項目采用遷移轉(zhuǎn)化動力學機理予以建模。特別地，針對重金屬在受納河流中存在溶解態(tài)、懸浮顆粒態(tài)和底泥沉淀態(tài)的賦存特征，本項目突破已有經(jīng)驗模型、整體模型的局限，采用了分相模型的形式。 所開發(fā)的模型軟件可用于定量刻畫河流中重金屬動態(tài)遷移轉(zhuǎn)化規(guī)律。該模型系統(tǒng)具有分相特征，將河流體系劃分為水相和底泥相，同時考慮推流遷移、縱向彌散、沉降作用、再懸浮作用，以及重金屬在水相和底泥相之間的吸附解析作用等核心機理。采用一階隱式歐拉算法實現(xiàn)模型的正向數(shù)值求解和預測，用于量化一維河流水相和底泥相中重金屬在時間和空間上的遷移轉(zhuǎn)化過程。 針對在流域/區(qū)域尺度上開展河流重金屬污染管控的需求，本項目在構(gòu)建重金屬模擬模型的基礎上，進一步開發(fā)了基于蒙特卡洛模擬的逆向算法，可用于估算同時滿足水質(zhì)和泥質(zhì)要求的污染源最大排放量。當針對河流保護對象給定水質(zhì)和泥質(zhì)雙重保護目標時，本項目開發(fā)的軟件可作為在水相和底泥相濃度限值約束下控制排污口重金屬總量的計算工具。 合作需求 （1）尋求在水污染監(jiān)測與環(huán)境管理系統(tǒng)研發(fā)、生產(chǎn)、銷售及運營服務的企業(yè)開展技術研發(fā)合作； （2）尋求在生態(tài)環(huán)境、水利、市政等政府部門或事業(yè)單位及受環(huán)保部門重點監(jiān)管的污染源企業(yè)的環(huán)境監(jiān)測與管理相關應用場景對接資源。