本发明公开了一种基于攻防博弈的过程控制系统的安全策略动态获取方法，包括离线过程和在线过程；首先分析过程控制系统，建立贝叶斯网；然后建立防御策略模型；再筛选潜在攻击策略集和潜在防御策略集；将攻防收益矩阵量化；最后根据攻防收益矩阵建立方程求解获取最优安全策略；该方法综合考虑攻防策略引发的各种后果，并进行统一尺度量化；并攻防博弈论的思想引入到最优的安全策略的求解过程中，解决了传统动态策略决策过度响应、动态决策响应方法

本发明设计了一种基于电网保护的电动汽车充电站控制系统。 恒功率负荷比例的提高将会导致电网静态电压稳定下的功率极限值下 降，即静态电压稳定裕度降低；负荷功率变化率将会对电网频率造成 很大的影响。因此在电动汽车大力推广的过程中，大规模接入电动车 或修建大型电动汽车充电站，采用快速充电技术(电动汽车负荷渗透率 增大)，将会对电网的稳定性(静态稳定性、动态稳定性)造成极大的影 响。本发明针对上述影响，提出新型充电站控制系统，能够实时检测 电动汽车充电站与配电网的运行状况，协调控制充电负荷的占比以及 充电功率

本发明公开了一种基于标识密码技术的电子护照扩展访问控制系统及鉴权方法。密钥服务中心提供密钥服务；护照验证中心提出阅读敏感生物特征信息权限的申请，密钥服务中心颁发授权智能卡进行授权，护照验证中心将授权智能卡分发给所管辖的验证终端；护照发放中心向密钥服务中心申请鉴权的认证密钥及公开参数，并将认证密钥及公开参数写入到电子护照的护照智能卡中。在验证护照时，授权智能卡和护照智能卡之间进行基于标识密码算法的鉴权协议，判断验证终端是否有权阅读敏感生物特征数据。本发明能克服欧盟方案中授权信任传递的漏洞，不需建设复杂

本发明公开了一种适用于柔性电子制备的多功能气压控制系统， 其包括气源调节单元、信号处理单元和信号反馈单元，气源调节单元·115·包括气源组件、电磁阀组件、电控调压阀组件和气压输出口，气源依 次经过气源组件、电磁阀组件和电控调压阀组件，并由气压输出口输 出；信号处理单元包括信号处理器、电磁阀控制器和调压阀控制器， 信号处理器用于处理控制信号，电磁阀控制器用于控制气路的通断， 调压阀控制器用于调节气压；信号反馈单元包括温度传感器和气压传 感器组件，其用于将气压校正值反馈给信号

本发明公开了一种用于井下钻杆防喷器解封的无线控制系统， 包括套管、RFID 数据传输模块、标签球流动控制阀、井下控制驱动模 块、环形防喷器和电磁感应数据传输模块;RFID 数据传输模块包括 RFID 标签球、井下读写器天线和井下 RFID 控制器;电磁感应数据传 输模块用于将所述井下 RFID 控制器信息传送给井下控制驱动模块。 本发明将 RFID 和电磁感应的优势互补，RFID 数据传输模

本发明公开了一种 IQ 光调制器偏置电压控制系统及方法，该控 制系统包括顺次连接的激光光源、偏振控制器、IQ 光调制器、光耦合 器、光电探测器、数据处理模块，IQ 光调制器的输出经光耦合器分光 后连接到光电探测器，其输出与数据处理模块的输入相连，数据处理 模块的三个输出分别送至 IQ 光调制器的三个子调制器的直流偏置电 压输入端口。该控制方法为首先通过测量输出光功率的最大值及相邻 最小值，优化子相位调制器的偏压，然后

一种节能型推土机工作装置液压控制系统，属于机械领域，包括：油箱（12）、过滤器（10）、液压泵（9）、溢流阀（11）等；其特征在于：通过第一电磁换向阀（1）控制二位二通阀（8）储存来自松土器液压缸（13）无杆腔的液压能到蓄能器（7），并在工作需要时通过第一电磁换向阀（1）控制二位二通阀（9）将蓄能器（7）中的能量释放。当铲片升降液压缸（14）外伸时，液压油流经涡轮（4）带动发电机（5）转动将能量转化为电能储存到蓄电池中，从而实现能量的转化利用；通过第三电磁阀（3）来控制斜撑杆液压缸（15）的伸缩量来控制推土板与地面的夹角。松土器液压缸（13）、铲刀升降液压缸（14）、铲角调节液压缸（15）在整个推土作业中稳定工作。

本发明公开了一种基于ESP‑NOW协议的直流有刷电机控制系统，包括主节点控制端和至少一个从节点驱动端；所述主节点控制端，用于通过串口接收上位机的控制指令，并通过ESP‑NOW协议广播指令；每个所述从节点驱动端均连接有直流有刷电机，用于接收主节点控制端的控制指令并驱动所述直流有刷电机；所述主节点控制端和从节点驱动端均包括主控电路、电源管理电路、通信电路；所述通信电路基于ESP‑NOW协议实现主节点与从节点之间的无线通信，支持多节点分布式协同控制。基于ESP‑NOW协议的多节点直流有刷电机控制系统，适用于高实时性、低延迟及多设备协同的工业自动化场景。

项目属针织机械领域，主要研究高动态响应经编装备集成控制技术，这些关键技术覆盖了电子横移、电子送经、贾卡提花和品质监测等几个模块，通过对这些技术的系统集成，可为经编装备的高速化和智能化提供科学的解决方案，研究成果已经在高速电脑经编机和高速电脑多梳经编机上全面推广应用。 关键技术 （1）高动态响应柔性横移技术：构建了经编横移运动的动力学模型，设计了无冲击加速度电子凸轮曲线，采用 DSP 运动控制技术和基于 FPGA 的双 FIFO 动态缓冲技术，实现了高动态横移驱动的柔性响应要求。 （2）高精度随动多速送经技术：建立了经纱恒张力控制模型，采用了准闭环反馈技术和主轴脉冲细分倍频技术，实现了对单速恒定送纱量的稳态高精度控制和对多速变化送纱量的动态高响应控制，减轻了主轴速度切换时的织物横条疵点。 （3）高速率存取贾卡提花技术：采用了大容量 flash 闪存技术实现贾卡花型数据的静态存储，设计了基于动态 RAM 与贾卡驱动电路间的数据高速直传技术，解决了大容量动态花型数据的高速传输难题。 （4）高分辨识别在线监测技术：采用了高分辨图像识别技术，开发了基于嵌入式 ARM 系统的在线监测系统，建立了实时的动态织物疵点图像库，完成了基于神经网络算法的疵点快速判别。 知识产权及项目获奖情况 围绕高动态响应经编装备的集成控制技术，共获得中国发明专利授权 3 项、软件著作权登记 1 项，申请中国发明专利 3 项，发表学术论文 22 篇。 项目成熟度 批量生产阶段。 投资期望及应用情况 (1)效益分析 2011 年以来，项目成果已与常州润源、常德纺机、晋江佶龙和常州八纺等国内主要经编机械制造厂进行了新装备整体配套；对长乐永丰、长乐添利、广东彩艳、广东新生和海宁超达等 50 余家织造厂进行了旧设备技术升级。项目累积新增利润 9.5 亿元，新增税收 2.9 亿元。 （2）推广情况 项目成果在国内主要经编机械制造企业和国内主要经编织造企业都得到了应用，本项目开发的系统，主要技术参数达到国际先进水平，并已经进行了广泛的市场推广。系统稳定可靠，具有很强的市场竞争力，在福建长乐等经编集散地，其市场份额已经达到同类机型的第一，可以完全替代进口。 

一、项目简介 随着科技进步和社会需求的发展，机器人手/臂除了工业生产，也越来越多用于服务人类的其它各个领域，这必然会使机器人承担比工业中更加多样的操作任务，面临更加多变的工作环境。因此，国内外对非结构自然环境下、具备自主操作能力的机器人的研究十分重视。当前，具备视觉感知能力的机器人已被公认为机器人发展的主流趋势，将视觉与机器人操作相融合，是对人类行为的模拟，由此产生的视觉伺服控制方法为机器人自主操作能力的实现带来了新的思路，代表了机器人的先进控制技术，也是促进机器人智能化发展的一个重要驱动。可以预见，未来的视觉系统将会成为机器人名副其实的眼睛，视觉伺服技术在机器人自主操作中将具有不可替代的作用。 视觉伺服利用视觉传感器提供的环境信息对机器人运动进行实时反馈控制，涉及机器人机械几何设计、运动学和动力学、自动控制理论、计算机视觉图像处理和摄像机标定等,是智能机器人领域中具有重要理论意义的研究课题之一。迄今为止，机器人手/臂的视觉伺服方法在太空遥操作、机器人手术、水果采摘、工业装配、焊接、抓取以及微操作等方面得到越来越多的应用。然而，现阶段可实际应用的方案主要面向特定的标定环境、模型参数已知，机器人操作是编码定式的，不具备模型未知条件下的自主操作能力，特别是当面向未来的刚-柔-软体共融机器人时，其柔型结构造成的运动模型及参数的变化与不确定性，必然使现有确定模型的研究方法失效。因此，无模型（目标几何模型，手眼标定模型，机器人运动模型）、非结构环境下的自适应操作对机器人提出了新挑战，是机器人手臂(尤其柔型手臂)视觉伺服控制研究的难点与前沿问题，不断深入对非结构环境下、无模型的机器人手/臂视觉伺服控制的研究具有重要的理论和现实意义。 在非结构自然环境下使机器人像人一样协调自适应操作是当今机器人研究领域的一项尚未实现但又令人感兴趣的研究工作。从理论上看，非结构自然环境下实现机器人柔性操作，就当前研究依靠单一的控制器设计是困难的。因此，本项目借鉴人的手眼协调操作是自适应学习过程，涉及智能进化和行为优化，将随机动态规划理论，结合约束规则与最优化控制，探索一种变参手眼关系，实现机器人在非结构自然环境下的自适应操作。 二、前期研究基础 研究团队一直致力于机器人视觉反馈控制的研究。在基础理论研究上，针对无标定视觉伺服控制方案与设计，均提出了一些新型方法，有扎实的理论基础和知识积累，并不断跟踪和深入在无模型视觉伺服控制的方面研究和前沿问题。目前，已经着手在无模型视觉伺服的可靠性、稳定性控制方面做了充分的探索工作：针对机器人无标定全局稳定操作问题，研究了一种鲁棒卡尔曼滤波(RKF)合作Elman神经网络(ENN)的全局稳定视觉伺服控制方法；提出了一种基于网络辅助尔曼滤波状态估计的无标定视觉伺服方法，提高伺服系统的鲁棒性。同时，立足机器人发展前沿，建立了多模特征深度学习抓取系统，在无结构环境下实现了机器人智能抓取与定位。 已发表的与项目相关的主要论文有： [1] 仲训杲,徐敏,仲训昱,彭侠夫.基于多模特征深度学习的机器人抓取判别方法.自动化学报,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] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于雅可比预测的机器人无模型视觉伺服定位控制, 控制与决策, 已在线发表, 2018. [11] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于图像的机器人非标定视觉反馈控制全局定位方法, 厦门大学学报(自然科学版), 已录用, 2018. 三、应用技术成果 （一）基于多模特征深度学习的机器人抓取判别 研究了多模特征深度学习及其在机器人智能抓取判别中的应用，该方法针对智能机器人抓取判别问题, 研究多模特征深度学习与融合方法. 该方法将测试特征分布偏离训练特征视为一类噪化, 引入带稀疏约束的降噪自动编码 (Denoising auto-encoding, DAE), 实现网络权值学习; 并以叠层融合策略, 获取初始多模特征的深层抽象表达, 两种手段相结合旨在提高深度网络的鲁棒性和抓取判别精确性. 实验采用深度摄像机与 6 自由度工业机器人组建测试平台, 对不同类别目标进行在线对比实验. 结果表明, 设计的多模特征深度学习依据人的抓取习惯, 实现最优抓取判别, 并且机器人成功实施抓取定位, 研究方法对新目标具备良好的抓取判别能力. （二）无标定视觉伺服解决方案及其机器人操作应用 研究了无标定视觉伺服方法及其在机械臂任务操作中的应用。首先提出视觉伺服目标：假设机器人或者摄像节的模型参数未知或者部分未知，视觉伺服的目标是使用摄像节作为传感器，引导机械臂运动，使当前图像特征收敛到期望图像特征，从而完成定位或者跟踪的任务。 手眼协调关系描述。关节图像雅克比矩阵定量描述了机械臂关节变化引起图像特征变化，它是关节-图像映射的局部线性化矩阵。 建立图像雅克比的在线估计器。将关节图像雅克比矩阵的每一个元素作为辅助系统的状态，建立辅助系统的状态方程；摄像机提取到的图像特征作为测量值，建立辅助系统的观测方程。根据Kalman滤波器理论，我们设计了对关节图像雅克比的在线实时估计算法。 构建基于图像矩的目标函数。为了避免传统的基于点特征的缺陷，例如点特征的标记、提取与匹配过程复杂且通用性较差问题。构建基于图像矩的图像特征向量完成视觉伺服任务，来提高视觉伺服系统的稳定性和可靠性。 四、合作企业 厦门万久科技股份有限公司是一家集销售、软件研发、技术服务、加工技术整合为一体的高新技术企业。目前公司的经营范围涉及CNC软件开发及数控系统销售、CNC控制零件销售及专业维修；工艺优化、机台升级与技术改造、工程配电与软件优化、专用机控制系统开发、多轴机的设计与开发、机台精度检测与校正优化服务等。公司是国际知名生产制造企业——富士康的产品供应商和技术服务商。