新葡京娱乐场-大陆娱乐场开户注册

本發明公開了一種提高分布式緩存的命中率并減少固態硬盤磨 損的方法，結合緩存數據分布特性和固態硬盤特性優化緩存性能并降 低成本。它能根據應用場景分配內存緩存區并將 SSD 劃分為連續分布 的與內存緩存區等大的 Cage，內存緩存區緩存新數據，內存緩存區的 數據達到上限時將內存緩存區所有數據寫入 Cage，擦除內存緩存區進 行新的數據緩存。替換算法通過分析內存緩存區中的數據的訪問頻度 分布，設定 Cage 中替換算法參數

（一）成果背景 分布式光伏可在用戶側就近安裝與消納，減少因長距離輸送帶來的線路損耗問題，在新型電力系統建設中發揮著重要作用。2021年6月，國家能源局綜合司發布了《關于報送整縣（市、區）屋頂分布式光伏開發試點方案的通知》，用以推動分布式光伏高質量發展、支撐新型電力系統建設。在該政策的推進下，分布式光伏容量迅猛增長。截至2021年底，國內分布式光伏裝機容量已達到107.5GW，約占光伏總裝機容量的三分之一，且其增長速度已經超過了集中式光伏。 （二）痛點問題 對于配電網來說，光伏出力易受天氣因素影響，具有極強的隨機波動特性，大規模分布式光伏接入，一方面加劇了配電網負荷短時波動，影響電力實時平衡，制約負荷預測精度提升；另一方面，分布式光伏出力特性與負荷特性的不匹配造成其難以消納，為有源配電網運行管理帶來嚴峻挑戰。 對于電力市場交易來說，隨著新一輪電力體制改革的持續深入，分布式光伏所有者作為售電商參與市場競爭成為必然趨勢。分布式光伏出力的不確定性與短時劇烈波動性，使得分布式光伏電站/售電商難以制定合理的市場交易策略與電力交易合同，面臨嚴重的市場風險。 因此，亟需精準的分布式光伏功率預測，為有源配電網調度運行、分布式光伏消納，分布式光伏參與電力市場等提供有力數據支撐。 （三）技術方案 1、基于變分模態分解與動態圖卷積網絡的分布式光伏功率預測 首先利用變分模態分解各分布式光伏復雜出力序列分解為相對簡單、波動較小的不同頻率子序列，以減小場站間關聯關系的挖掘難度。然后，基于分布式光伏場站間時空關聯性處于動態變化中的考慮，利用全連接神經網絡將各節點特征映射到多維空間，而后利用時域卷積挖掘跨節點關聯關系，由此以數據驅動方式挖掘各頻率下各場站子序列關聯性，有效實現子序列動態圖結構的構建。最終，基于可用于非歐式空間結構數據建模的卷積神經網絡，將其與動態圖結構結合，建立考慮動態時空關聯性的圖卷積預測模型，針對不同頻率下出力子序列分別預測，而后重構得到各場站功率進而獲取配電網分布式光伏總功率。 2、基于深度聯邦學習的分布式光伏發電功率預測 首先，基于長短期記憶神經網絡構建時域自編碼器模型，該模型編碼器用于提取每個時間步輸入的時域特征，而后利用解碼器將該特征向量轉換為輸出序列進行未來時間步的預測，自編碼能顯著增強長短期記憶神經網絡的時域建模能力。而后，利用注意力機制解決其在處理長輸入時間序列時會導致解碼器面臨特征冗余問題，且使模型聚焦于對輸出更關鍵的時域特征。由此，利用注意力自編碼預測模型通過對時域特征的有效挖掘實現功率預測精度的進一步提升。 在此基礎上，開發了用于分布式光伏功率預測的聯邦學習框架，在該框架中，本地用戶僅需將本地模型進行共享，無需數據的傳輸，而后由中央服務器進行模型的聚合以實現用戶間信息共享。在各本地場站進行注意力自編碼預測模型的訓練；在中央服務器，基于聯邦平均算法實現各本地預測模型的匯聚、全局模型的生成與下發。在保證數據隱私性的前提下取得與傳統集中式機器學習訓練近似的預測效果。 （四）競爭優勢 1、有效表征廣域分布式光伏集群間時空關聯特征，實現分布式光伏功率預測精度提升。 當缺乏氣象實測或預報數據時，考慮分布式光伏時空相關性可有效提升分布式光伏功率預測精度?，F有研究多利用各光伏場站地理距離或者整體出力表征時空相關性。這種靜態建模方式在分布式光伏出力模式長期穩定的情況下，可以取得較好的預測效果。然而，易受天氣因素的影響，分布式光伏出力極易發生短時波動，因而各場站關聯性處于動態變化過程。以恒定的場站間關聯關系去考慮這種復雜的集群出力序列，顯然無法反映天氣影響下分布式光伏出力短時變化，難以實現功率預測精度的有效提升。 所提的基于變分模態分解與動態圖卷積網絡的分布式光伏功率預測方法，利用數據驅動方式實現挖掘各場站間關聯特性的動態實時挖掘。在基礎上，考慮到不同模態分量下各場站間關聯關系的差異性，將各場站原始功率分解為了相對簡單、波動較小的不同頻率模態分量，減小關聯關系的挖掘難度。 2、有效保證各分布式光伏數據隱私性，且能取得與傳統集中式機器學習訓練方式近似的預測效果 現有的數據驅動預測方法性能在很大程度上依賴于訓練數據的數量，因此大多以一種集中的訓練方式實現，即中央服務器匯聚來自各場站的運行數據而后進行模型的訓練。然而，這種集中訓練的方式會期限數據隱私，使用戶信息暴露在公共環境而導致被外部攻擊者進行數據分析、行為探測等。此外，在競爭激烈的電力市場中，分布式光伏場站所有者可能不愿共享數據。這些因素使傳統模型訓練方式難以實現。 所提的基于深度聯邦學習的分布式光伏發電功率預測方法，利用注意力自編碼模型在本地場站進行建模預測，實現對本地功率時域特征的有效挖掘；利用分散式訓練的聯邦學習框架，實現各場站預測模型信息共享，有效保證本地用戶的數據隱私的同時取得不錯的預測效果。 創新點 1、考慮了場站間關聯關系的動態性。對于分布式光伏，雖然場站數量眾多、分布廣泛，但是其位置臨近，由于云團運動等氣象因素導致的相關性較強。所提方法以數據驅動方式根據網絡當前的各場站輸入功率進行關聯關系的動態表征，實現功率預測精度的有效提升。 2、在保障各分布式光伏站點數據隱私應的前提現實現信息共享。利用自編碼結構進一步提升LSTM的時間序列建模能力；利用注意力機制模型聚焦于對預測更關鍵的輸入特征，以此實現時域特征的有效挖掘。在此基礎上，利用聯邦學習框架聚合各本地模型，實現各站點信息聚合，實現精度有效提升。 市場前景 隨著新型電力系統建設目標的推進，分布式光伏裝機容量呈爆發式增長。所研成果可應用于配電網負荷預測、用戶可調度容量評估、激勵型需求響應基線負荷估計等場景中，為高比例分布式光伏有源配電網的安全、經濟、高效運行，維持電力平衡等工作提供重要參考。同時，隨著分布式光伏逐步參與到電力市場，所研成果可為分布式光伏售電商制定最優的交易策略，簽訂合理的價格合同提供有力數據支撐。綜上所述，所研成果市場前景廣闊。

本實用新型公開了一種基于嵌入式無線網絡的多節點電能質量實時監測系統，包括下位機、上位機、無線數據傳輸模塊；所述下位機主要包括無線傳感器測量模塊、GPS模塊、嵌入式模塊、人機交互模塊、數據存儲模塊和電源模塊；所述上位機包括PC機與智能移動設備。本實用新型通過使用無線傳感器模塊增加傳感器與下位機的物理距離，增加裝置的靈活性，實時獲取電量數據；易于實現多節點電能質量的實時監測，大大降低了系統的成本，與計算機進行無線互聯，同時將移動設備作為上位機接入，增加裝置的便捷性，輔以計算機終端軟件，不僅可以利用計算機終端的成熟硬件設備，還可以實現軟件的高度復用；還可很容易提供高質量的Web服務，實現數據的網絡共享化。

本發明公開了一種用于檢測織布機布鋏刀口縫隙的非接觸式檢測系統及方法，該系統包括水平基座、壓緊裝置、支撐裝置、光源提供裝置、視覺檢測裝置和數據處理裝置，壓緊裝置用于壓緊待檢測的布鋏，支撐裝置對布鋏進行支撐，光源提供裝置用于提供光源，視覺檢測裝置用于采集布鋏刀口的圖像信息，數據處理裝置用于對圖像信息進行處理，獲得布鋏刀口縫隙值，并予以顯示。所述方法包括如下步驟：將待測布鋏放入測量系統，視覺檢測裝置采集圖像信息，計算機對圖像信息進行處理，計算獲得縫隙值，通過縫隙值與標準的比較，判斷產品是否合格，若不合格重新裝配后重復檢測步驟。本發明具有高效、穩定、高精度的優點，能極大降低勞動強度、提高生產效率。

研發了基于拉曼分析和納米增強拉曼技術的便攜式非接觸人與動物血液 鑒別儀。根據血液樣本特征拉曼光譜，確定光譜檢測波段和激發波長，對分光 核心元件、系統光路、光纖探頭等進行針對性設計與優化，降低系統雜散光, 提高特征拉曼光譜分辨力、信噪比和檢測靈敏度；針對甄別對象特征，研究 血液樣本專用拉曼增強納米材料，進一步提高檢測靈敏度；研制出便攜式非接 觸血液鑒別儀樣機；針對不同種屬血液的拉曼光譜，結合研發的儀器，開展分 析測試方法學研究，建立血液拉曼檢測新體系和新方法。研制具有自主知識 產權的基于Raman光譜分析的非接觸便攜式人與動物血液鑒別儀工程化樣機， 實現對人及常見動物血液樣本的甄別，服務于我國進出口檢驗檢疫部門，達到 2分鐘內檢測一個樣品，識別率高于95%的測試要求。

產品詳細介紹產品名稱：直徑165管地埋圓管籃球架配玻璃鋼籃板 產品型號:JH-0026 產品價格：1500元/只 產品材質：JH-0026型地埋圓管籃球架，臂長1.8米，；采用直徑165mm厚壁鋼管，配玻璃鋼復合籃板或鋼化玻璃籃板；具有抗沖擊力強、防水、耐氧化等優點。該產品具有外型美觀、安裝簡單，實用等特點。

本發明屬于食品檢測技術領域，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采集、計算待測樣品的應變數據；然后根據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據擬合算法結合，對應變數據進行數據擬合，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，根據實際需求，選擇最佳畜禽肉多要素黏彈模型，并計算黏彈參數。最終實現對畜禽肉黏彈性的無損、快速檢測。

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

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?？梢灶A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。