新葡京娱乐场-大陆娱乐场开户注册

為推進(jìn)校地融合發(fā)展，2月13日上午，校黨委書(shū)記李元元、校長(zhǎng)尤政帶領(lǐng)全體校領(lǐng)導(dǎo)班子成員，前往武漢經(jīng)開(kāi)區(qū)進(jìn)行實(shí)地考察調(diào)研。武漢市委常委、武漢經(jīng)開(kāi)區(qū)工委書(shū)記劉子清，工委副書(shū)記、區(qū)長(zhǎng)唐超陪同考察。雙方聚焦經(jīng)開(kāi)新區(qū)·軍山新城發(fā)展與規(guī)劃，共商合作創(chuàng)新發(fā)展大計(jì)，同繪高質(zhì)量發(fā)展新藍(lán)圖，共譜“二次創(chuàng)業(yè)”新篇章。

本發(fā)明公開(kāi)了一種基于MEMS傳感器和VLC定位融合的雙粒子濾波導(dǎo)航裝置和方法，包括MEMS傳感器、INS模塊、PDR定位模塊、VLC定位模塊、測(cè)姿粒子濾波器和定位粒子濾波器；本發(fā)明在測(cè)姿濾波器的設(shè)計(jì)中，三維姿態(tài)誤差和三軸陀螺儀漂移作為6維的狀態(tài)向量。基于慣導(dǎo)機(jī)械編排的誤差方程作為其系統(tǒng)方程，用于更新粒子狀態(tài)。觀測(cè)方程包括加速度計(jì)觀測(cè)量更新和磁力計(jì)觀測(cè)量更新，用于計(jì)算粒子權(quán)重。測(cè)姿濾波器輸出VLC接收器的姿態(tài)給VLC定位模塊以校正姿態(tài)的影響。在定位濾波器的設(shè)計(jì)中，二維平面的位置信息作為系統(tǒng)狀態(tài)向量，基于行人航位推算的誤差方程作為系統(tǒng)方程，而VLC的定位結(jié)果則作為定位濾波器的觀測(cè)方程。

本發(fā)明公開(kāi)了一種基于MEMS傳感器和VLC定位融合的單粒子濾波導(dǎo)航裝置和方法，包括MEMS傳感器、INS模塊、VLC定位模塊、PDR定位模塊和測(cè)姿定位單粒子濾波器模塊；本發(fā)明中基于INS慣導(dǎo)機(jī)械編排的誤差方程作為融合濾波器的系統(tǒng)方程，用于對(duì)粒子群的粒子進(jìn)行更新。觀測(cè)方程包括VLC定位信息更新、PDR定位信息更新和磁力計(jì)觀測(cè)量更新，用于計(jì)算各個(gè)粒子的權(quán)重。輸出姿態(tài)信息給VLC定位模塊和PDR定位模塊。本發(fā)明首次在VLC定位領(lǐng)域使用融合測(cè)姿準(zhǔn)確估計(jì)VLC接收器的姿態(tài)信息，解決VLC定位容易受接收器姿態(tài)影響以及在光信號(hào)被遮擋情況下定位不連續(xù)的問(wèn)題，并消除姿態(tài)對(duì)VLC定位的影響。

本發(fā)明公開(kāi)了一種基于均值漂移的不同精度下的三維點(diǎn)云數(shù)據(jù) 的融合方法，針對(duì)兩組精度等級(jí)不同的三維點(diǎn)云數(shù)據(jù)，利用高精度點(diǎn) 云建立低精度點(diǎn)云的誤差分布，進(jìn)而對(duì)低精度點(diǎn)云進(jìn)行均值漂移，消 除低精度點(diǎn)云的漂移誤差，從而實(shí)現(xiàn)兩組數(shù)據(jù)信息的融合，該方法包 括：S1：建立低精度點(diǎn)云的拓?fù)浣Y(jié)構(gòu)信息，包括每個(gè)樣點(diǎn)的鄰域點(diǎn)集 和單位法矢；S2：利用高精度點(diǎn)云對(duì)低精度點(diǎn)云進(jìn)行密度聚類(lèi)，根據(jù) 聚類(lèi)結(jié)果確定低精度點(diǎn)云每個(gè)樣點(diǎn)的漂移誤差；S3：利用低精度點(diǎn)云 的拓?fù)浣Y(jié)構(gòu)信息和所述漂移誤差確定低精度點(diǎn)云各樣點(diǎn)的漂移矢量， 根據(jù)該漂移矢量對(duì)低精度點(diǎn)云的各樣點(diǎn)進(jìn)行漂移，實(shí)現(xiàn)融合。本發(fā)明 的方法在消除低精度點(diǎn)云漂移誤差的同時(shí)，可實(shí)現(xiàn)小幅度噪聲的光順。 

主要技術(shù)內(nèi)容： （1）破傳統(tǒng)噴霧泵生產(chǎn)設(shè)備機(jī)械結(jié)構(gòu)設(shè)計(jì)，采用凸軌、凸輪機(jī)構(gòu)，創(chuàng)新性 研制了高精度、高效率的噴霧泵電化鋁殼抓口機(jī)、噴頭打噴咀機(jī)等系列裝配設(shè)備， 提高了設(shè)備的裝配精度和效率。提出集成基于等價(jià)輸入干擾估計(jì)器與參數(shù)智能辨 識(shí)的智能驅(qū)動(dòng)控制技術(shù)，成功解決了微型噴霧泵現(xiàn)場(chǎng)設(shè)備層不確定干擾、電機(jī)參 數(shù)的時(shí)變性對(duì)裝備電機(jī)控制性能影響問(wèn)題，提高了生產(chǎn)裝備控制的精度及可靠性。 （2）集成 RFID 與 WSN，構(gòu)建微型噴霧泵生產(chǎn)過(guò)程信息采集網(wǎng)絡(luò)，創(chuàng)新性地 引入混沌粒子群優(yōu)化算法，優(yōu)化采集網(wǎng)絡(luò)節(jié)點(diǎn)部署；動(dòng)態(tài)選擇通信節(jié)點(diǎn)數(shù)目，在 獲得最大網(wǎng)絡(luò)覆蓋范圍的同時(shí)，避免節(jié)點(diǎn)間的沖突，降低網(wǎng)絡(luò)能耗，保證了生產(chǎn) 過(guò)程數(shù)據(jù)采集與傳輸?shù)膶?shí)時(shí)性和可靠性。 （3）創(chuàng)新性提出并實(shí)現(xiàn)了微型噴霧泵制造過(guò)程多目標(biāo)資源優(yōu)化調(diào)度技術(shù)。 建立生產(chǎn)車(chē)間多目標(biāo)資源優(yōu)化調(diào)度模型，提出基于種群年齡模型的動(dòng)態(tài)粒子數(shù)微 粒群優(yōu)化算法來(lái)求解優(yōu)化問(wèn)題，并采用層次分析法進(jìn)行決策，成功實(shí)現(xiàn)了微型噴 霧泵生產(chǎn)全流程的精益管控，全面提高了生產(chǎn)質(zhì)量與資源效率。 （4）創(chuàng)新性研發(fā)了一種面向制造全過(guò)程的信息集成平臺(tái)。將生產(chǎn)過(guò)程信息、 管理信息等數(shù)據(jù)高度融合，實(shí)現(xiàn)底層物聯(lián)網(wǎng)到互聯(lián)網(wǎng)的無(wú)縫連接；解決了常規(guī) DCS、MES、ERP 三層架構(gòu)存在的數(shù)據(jù)交換困難、系統(tǒng)龐大、功能定制性差、難以354 適用于中小型制造業(yè)等缺點(diǎn)，為微型噴霧泵制造裝備的自動(dòng)化和信息化融合提供 了解決方案。 行業(yè)意義： 項(xiàng)目通過(guò)攻克微型噴霧泵生產(chǎn)裝備的自動(dòng)化與信息化技術(shù)融合的關(guān)鍵技 術(shù)，突破國(guó)外先進(jìn)技術(shù)的壁壘，形成了自主知識(shí)產(chǎn)權(quán)與技術(shù)體系，項(xiàng)目成果提 升了微型噴霧泵加工裝備的自動(dòng)化、信息化水平，符合國(guó)家可持續(xù)發(fā)展戰(zhàn)略的 綠色制造技術(shù)，可帶動(dòng)和促進(jìn)化妝品、保健品等領(lǐng)域向高檔化的高層次技術(shù)方 向發(fā)展。 獲獎(jiǎng)情況：2015 年獲中國(guó)輕工業(yè)聯(lián)合會(huì)科學(xué)技術(shù)進(jìn)步獎(jiǎng)一等獎(jiǎng)。 成果的技術(shù)指標(biāo)、創(chuàng)新性與先進(jìn)性： （1）引入凸輪、凸軌等機(jī)構(gòu)，并結(jié)合等價(jià)輸入干擾估計(jì)器、智能辨識(shí)等方 法設(shè)計(jì)控制策略，從機(jī)械和控制兩方面進(jìn)行突破，自動(dòng)化程度和生產(chǎn)效率高。 （2）集成 RFID 與 WSN，采用混沌粒子群優(yōu)化算法優(yōu)化網(wǎng)絡(luò)節(jié)點(diǎn)，動(dòng)態(tài)選 擇通信節(jié)點(diǎn)數(shù)目，降低網(wǎng)絡(luò)能耗，生產(chǎn)過(guò)程數(shù)據(jù)采集與傳輸?shù)膶?shí)時(shí)性和可靠性 高。 （3）建立以縮短生產(chǎn)周期、減少機(jī)器空轉(zhuǎn)時(shí)間、降低產(chǎn)品次品率為等為目 標(biāo)，采用種群年齡模型的動(dòng)態(tài)粒子數(shù)微粒群優(yōu)化算法求解生產(chǎn)過(guò)程優(yōu)化調(diào)度問(wèn) 題，采用層次分析法進(jìn)行決策，實(shí)現(xiàn)微型噴霧泵生產(chǎn)全流程精益管控。 （4）采用完全不同于傳統(tǒng) DCS、MES、ERP 三層架構(gòu)的模式，直接面向生 產(chǎn)、管理全過(guò)程，開(kāi)發(fā)信息集成平臺(tái)，自動(dòng)化和信息化融合度高、適用于中小 型制造業(yè)。 技術(shù)的成熟度： 相關(guān)技術(shù)已經(jīng)形成產(chǎn)品，在無(wú)錫圣馬科技有限公司及其下游企業(yè)進(jìn)行了產(chǎn)業(yè) 化。 應(yīng)用情況： 針對(duì)微型噴霧泵加工裝備產(chǎn)業(yè)當(dāng)前普遍存在材料消耗大、能耗高、可靠性差、 加工效率低、品種適應(yīng)性差等問(wèn)題，本項(xiàng)目以提高生產(chǎn)裝備的自動(dòng)化與信息化水 平為目的，在裝備高性能自動(dòng)化控制、信息的采集與傳輸、優(yōu)化調(diào)度、精益管控、 平臺(tái)建設(shè)等方面已經(jīng)取得了創(chuàng)新性研究成果，并對(duì)成果進(jìn)行了提煉、集成，從 2012 年開(kāi)始，針對(duì)本項(xiàng)目整體技術(shù)展開(kāi)全面推廣，應(yīng)用于江蘇、廣東等地區(qū)的 10 多家輕工裝備制造及使用企業(yè)。355 應(yīng)用實(shí)踐證明了，本項(xiàng)目成果總體技術(shù)創(chuàng)新程度高、成熟度高、附加效益顯 著，顯著提升了我國(guó)塑料裝備在國(guó)際市場(chǎng)具有較強(qiáng)的競(jìng)爭(zhēng)力，有利于提高我國(guó)塑 料裝備的設(shè)計(jì)制造智能化水平，推動(dòng)了我國(guó)塑料制造業(yè)的國(guó)際化發(fā)展。 

本發(fā)明公開(kāi)了一種基于均值漂移的不同精度下的三維點(diǎn)云數(shù)據(jù)的融合方法，針對(duì)兩組精度等級(jí)不同的三維點(diǎn)云數(shù)據(jù)，利用高精度點(diǎn)云建立低精度點(diǎn)云的誤差分布，進(jìn)而對(duì)低精度點(diǎn)云進(jìn)行均值漂移，消除低精度點(diǎn)云的漂移誤差，從而實(shí)現(xiàn)兩組數(shù)據(jù)信息的融合，該方法包括：S1：建立低精度點(diǎn)云的拓?fù)浣Y(jié)構(gòu)信息，包括每個(gè)樣點(diǎn)的鄰域點(diǎn)集和單位法矢；S2：利用高精度點(diǎn)云對(duì)低精度點(diǎn)云進(jìn)行密度聚類(lèi)，根據(jù)聚類(lèi)結(jié)果確定低精度點(diǎn)云每個(gè)樣點(diǎn)的漂移誤差；S3：利用低精度點(diǎn)云的拓?fù)浣Y(jié)構(gòu)信息和所述漂移誤差確定低精度點(diǎn)云各樣點(diǎn)的漂移矢量，根據(jù)該漂移矢量對(duì)低精度點(diǎn)

"本發(fā)明公開(kāi)了一種基于多線索數(shù)據(jù)管道融合的鐵路接觸網(wǎng)桿柱標(biāo)識(shí)信息的確定方法，主要步驟有：1)數(shù)據(jù)管道建立；2)數(shù)據(jù)管道交匯點(diǎn)生成；3)多線索數(shù)據(jù)管道融合進(jìn)行桿號(hào)及公里標(biāo)推算；4)數(shù)據(jù)管道更新。本發(fā)明方法充分利用了接觸網(wǎng)圖像識(shí)別的中間結(jié)果，通過(guò)多線索數(shù)據(jù)管道的融合可以精確推算出桿號(hào)或公里標(biāo)被遮擋、污染等視覺(jué)不可識(shí)別的圖像在序列中的位置，可適用于電氣化鐵路接觸網(wǎng)巡檢圖像的支柱號(hào)、公里標(biāo)圖像識(shí)別結(jié)果的進(jìn)一步校驗(yàn)和修正。本發(fā)明基于多線索數(shù)據(jù)管道的推算方法也可以用于類(lèi)似此類(lèi)應(yīng)用的任務(wù)中。 "

本發(fā)明公開(kāi)了一種基于相似性和不相似性融合排序優(yōu)化的行人重識(shí)別方法，行人重識(shí)別是一種針對(duì) 特定行人的檢索問(wèn)題，本發(fā)明的主要思想是正確檢索的行人目標(biāo)應(yīng)該跟查詢(xún)行人的極正樣本相似，并且 跟查詢(xún)行人的極負(fù)樣本不相似。同時(shí)我們將與極正樣本相似的那些行人定義為疑正樣本，與極負(fù)樣本相 似的樣本為疑負(fù)樣本，通過(guò)提高疑正樣本的排名，同時(shí)降低疑負(fù)樣本的排名，來(lái)達(dá)到通過(guò)排序優(yōu)化的方 式來(lái)提升行人重識(shí)別的效果。此外，融合多種方法的結(jié)果來(lái)加強(qiáng)這種相似性和不相似性關(guān)系。本

本發(fā)明公開(kāi)了一種基于多特征融合的面向?qū)ο蟮慕ㄖ镒兓瘷z測(cè)方法，首先求得圖像像素點(diǎn)的形態(tài) 學(xué)建筑指數(shù)(MBI)，紋理特征和慢特征分析圖(SFA);利用 MBI 指數(shù)和紋理特征進(jìn)行 FNEA 分割;然 后求出每個(gè)對(duì)象的三個(gè)特征值，再作差，并利用 K 均值聚類(lèi)算法求閾值，得到特征變化圖;再利用 AC 指數(shù)進(jìn)行后處理;利用熵值法對(duì)不同的特征變化圖求權(quán)重，按照權(quán)重設(shè)定閾值求得變化圖像;最后利用 投票法進(jìn)行后處理。得到變化檢測(cè)結(jié)果。