物联网体系 智能连接家、校、人，实现物联校园数据的实时采集提高教学、教务、校务、办公的高效管理，离不开智能物联设备的支持

在国家发改委云计算示范工程、国家自然科学基金、四川省科技计划等项目支持下，攻克云操作系统相关核心技术难题，形成了具有自主知识产权的技术体系，研发出高性能华云操作系统产品HCOS。 提出基于混合系统理论的多层自主故障处理技术，基于预测的自适应多目标优化调度技术，面向热点的动态策略虚拟化安全防护技术等，解决了新一代云操作系统面临的海量资源的高可靠管理、高速调度和高安全防护难题。该成果申请国家发明专利42 项，授权18 项，软件著作权登记35 项，发表高水平论文106 篇，出版专著2 部，

本系统是大连理工大学计算机系结合先进的计算机技术、计算机自动检测与控制技术、计算机神经网技术、先进的管理思想以及热平衡理论研究开发的企业计算机信息管理与控制系统。它主要对热电企业汽热资源的利用及城区供暖问题进行了合理的解决，同时帮助企业解决资源的合理利用，达到节能增效。 系统全面的对企业的各个方面进行合理的控制，如人事劳资管理，材料成本核算，库存管理，生产计划，现场监控，收费管理等。该系统中共申请国家专利5项，已获国家专利3项，其中发明专利1项。获辽宁省科技进步奖一项，技术水平达到国内领先。 本系统采用计算机进行供热控制，在保证室内温度的前提下使其经济性有显著的提高，利用离线训练后确定的神经网络，经过在线计算达到最佳输出，从而达到最佳供热状况。 本供热系统是一个多输入、非线性的动态对象，理论模型难以建立， 将神经网引入供热控制系统后，充分地利用了熟练操作者的经验，成功地解决了理论精确模型难建这一难题；神经网的记忆学习能力使其在变工作状况、变负荷运行时自动找到最佳工作点；神经网的离线学习和在线控制反应速度快的特点，使其能够完全胜任负荷变化快的工作特点。 另外，城市供热收费系统采用三层结构，即后台服务器，应用服务器，及客户端。每个模块都采用了一个应用服务器，相应的后台数据库根据业务的不同安装在不同的机器中。每台应用服务器可以供多台客户端使用。本系统采用dcom分布式技术，很好实现分布式功能。还采用了web技术，完成了在互联网上一些收费功能。 本系统主要可以分为以下八个模块：信息录入和修改、收费模块、查询和统计、申请和审批、收费员管理、起诉模块、合同管理、结转及报表功能，其中收费模块是核心模块。 本系统运行状况良好。以大连某热电厂为例，该热电厂承担该市冬季工业生产和70%民用采暖用汽量，其中，民用建筑面积约有160万平方米，本系统运行3年获得了极好的效果。若供热站的供热面积越大，效果则越明显。 采用本供热系统能够节约蒸汽，减少运行成本，从而提高了人们的取暖质量。从已在运行的供热站来看，采用计算机控制可普遍提高热效率，原来运行状态较好的供热站至少可提高10%，而对于一些原来自动化运行欠佳的供热站，这个值将更大些，节能更明显。

成果描述：本发明申请要解决的问题是，云计算平台中的动态任务调度问题。本专利针对动态任务调度问题的特点，引入了排队论对任务分配、执行前的状态进行快速建模、结构化处理；针对现有以任务高度值（粒度）来作为主要参考因素的任务调度算法所存在的严重不足，本专利提出了任务-计算资源分配矩阵，用以描述任务（或虚拟机）与计算资源（节点）之间的关系，并结合人工免疫理论给出了运算模式，保证能以概率1搜索到问题的最优解，能有效提高收敛速度和精度，快速搜索到合理配置，提高集群资源利用率市场前景分析：本发明为云计算平台下的动态任务调度研究提供了一种新的途径，本发明首先利用排队论对任务进行排队处理，然后用人工免疫理论中的免疫克隆选择策略对集群中的计算资源进行合理配置，再利用负载均衡调整抗体基因，使得集群资源的配置更加满足任务处理的需要，本发明能适应云平台的动态变化和虚拟化的环境，快速搜索出最优配置，提高集群资源利用率。与同类成果相比的优势分析：本专利提出了任务-计算资源分配矩阵，用以描述任务（或虚拟机）与计算资源（节点）之间的关系，并结合人工免疫理论给出了运算模式，保证能以概率1搜索到问题的最优解，能有效提高收敛速度和精度，快速搜索到合理配置，提高集群资源利用率。

本发明公开了一种基于云计算的数控系统数据采集及处理系统， 包括由远程服务器集群搭建而成的云平台，该云平台包括计算服务器 集群和存储服务器集群，计算服务器集群中集成有虚拟机集群，且分 别与数控系统和存储服务器集群连接通信，虚拟机集群具有多个分布式并行计算单元，用于执行数据采集与并行计算，存储服务器集群中 用于对采集或分析处理后的车间数据进行分布式存储。本发明还公开 了相应的方法。本发明以虚拟机代替实体机实现并行计算，并通过虚 拟化管理平台对虚拟机集群进行管理，使车间服务器资源不再受单点 配置的限制，并

本发明申请要解决的问题是，云计算平台中的动态任务调度问题。本专利针对动态任务调度问题的特点，引入了排队论对任务分配、执行前的状态进行快速建模、结构化处理；针对现有以任务高度值（粒度）来作为主要参考因素的任务调度算法所存在的严重不足，本专利提出了任务-计算资源分配矩阵，用以描述任务（或虚拟机）与计算资源（节点）之间的关系，并结合人工免疫理论给出了运算模式，保证能以概率1搜索到问题的最优解，能有效提高收敛速度和精度，快速搜索到合理配置，提高集群资源利用率

项目背景：为深入贯彻中央农村工作会议和中央 1 号文 件精神，全面落实全国农业工作会议和农业部 1 号文件部署。 我公司根据农业部办公厅关于印发《2018 年畜牧业工作要 点》的通知，积极推动新区内畜牧溯源综合信息化，围绕“一 个平台、一次填报、一套数据”目标，加快畜牧兽医监管监 测信息横向互通、省部互联共享步伐。加强畜牧兽医生产、 监管全程联网追溯管理。推广应用畜牧业生产经营单位代 码，实现畜牧兽医监管监测对象“一场（厂、企）一码”， 为数据互联互通奠定基础。加快推进畜牧业政务信息系统实 质性整合，建设畜牧业中心数据库。规范统计监测类报表制 度，实行统一备案管理，建立统一指标体系。推动监管监测 制度融合，为监管监测一体化提供保障。 所需技术需求简要描述：（本品主要应用于大型有攻击 性的动物并且需要值入动物体内）1.工作时间不少于 3.5 年。 2.无线发射功率 4.5dBm，发射距离不小于 50 米。3.无线频 段采用 2.4GHz 全球开发微波频段，无需申请和付费。4.本 品要求无需电源支持。5.工作温度-20℃ ～60℃  对技术提供方的要求:拥有一定的研发基础和实验的技 术团队和科研单位，相关研究成果处于国内领先水平。 

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。

随着物联网技术与智能交通技术的发展，用于高速公路或城市内普通公路的道路护栏，作为“智慧城市”的一个重要组成部分，正受到越来越多的关注与重视。通过在护栏上安装低功耗的传感器芯片以及无线信号收发芯片，并配合相关服务器软件，护栏具备了一定的外部事件感知能力、处理能力、无线通信与组网能力，从而实现护栏的智能化。

项目通过研制和深化集成各类农业智能传感器、无线传感网节点、应用系统平台，构建一体化的农业物联网服务平台。项目部分成果已在北京、天津、辽宁、山东、江苏、安徽、湖北、浙江、福建、广东、广西、海南等地进行推广应用示范。 项目来源：中国教育部物联网发展专项资金项目技术推广意向：可具体推广应用于大田种植、设施园艺、畜禽养殖、水产养殖等多种农业生产领域。 现状特点：已将多项科研成果产品化，包括12种农业传感器、10种采集器、8种无线网关、6种控制器、4类应用平台。并在江苏、山东、天津、新疆、河北、上海、北京、湖北、江西、浙江、海南等省市建立了水产养殖、农田灌溉、设施温室、畜禽养殖和土壤墒情监测等应用示范基地。 技术创新：将各种农业生产环境智能检测技术及装备、设施化农业生产智能控制技术及装备、以及农业环境信息无线传输网络、种植养殖信息智能处理模型及方法、农业生态净化技术整合为一个有机整体。通过对环境参数的准确检测，数据的可靠传输，信息的智能处理以及控制机构的智能控制，实现了农业环境信息智能在线监测控制、种植养殖管理科学决策的数字化、网络化、智能化，有效提高了我国农业信息化水平，为我国农业生产的精细化管控提供了切实可行的技术手段。 成果所处研究阶段：产品总体处于深化研发、继续完善功能、提高性能阶段,部分产品已达到中试或推广应用阶段。