本发明公开了一种适于柔性电子标签封装过程的多参数协同控制方法，包括：输入天线基板和热压头的工艺参数参考值，并采集获取当前状态参数值；将热压头的当前工作温度与其温度参考值比较处理，输出控制信号并实现温度的闭环控制；将基板、热压头各自的当前状态参数与其参考值相比较，并通过张力-位置混合控制方式对基板的张力和位置共同进行调整；通过热压头执行热压固化处理，由此实现柔性电子标签的封装过程。通过本发明，综合考虑了基板张力、基板与热压头的对位以及热压头压力之间的相互耦合影响，从系统上对多个工艺参数进行闭环控制，相

本发明公开了一种基于分数阶的永磁同步电机速度环控制参数的自整定方法，其通过利用分数阶 PI 控制器代替永磁同步电机交流伺服系统中的整数阶 PI 控制器，并自动地整定所述分数阶 PI 控制器的参数，实现对永磁同步电机交流伺服系统的控制，该方法具体包括：首先采集所述交流伺服系统的电流与速度信号；其次，根据所述采集信号，辨识永磁同步电机伺服系统速度环被控对象模型，识别出模型的参数；最后，对控制参数进行寻优整定，获得最优的控制参数。本发明的方法利用分数阶 PI 控制器取代原有的整数阶 PI 控制器，并自动地

本发明公开了一种带串联校正的 PI 控制器的参数整定方法，该 方法以 PI 控制器为主控制器，串联超前滞后校正器进行串联校正，首 先，辨识出当前被控对象的频域模型，接着，依据期望幅值裕度、期 望相位裕度、期望最大超前角和被控对象的开环频率响应，将 PI 控制 器及超前滞后校正器的参数转换为以系统开环截止频率为自变量的一 元函数，在给定的约束下，优选使 PI 控制器积分增益最大化的系统开 环截止频率，最后，计算 

本发明提供了一种机床固定结合部动力学参数的识别方法，将结合部单元结构阻尼矩阵和结合部单元刚度矩阵作为参数变量，以位移阻抗矩阵和位移频响函数之积与单位矩阵之差最小为优化设计目标，通过多次迭代得到的参数变量值即为识别出的结合部参数。本发明考虑了多个关键自由度方向的阻尼和刚度及其相互耦合关系，避免了矩阵求逆所带入的二次误差，精度高，更加准确表征结合部更丰富的动力学特性。

本发明公开了一种基于函数型非参数回归的中长期典型日负荷曲线预测方法，根据已有的历史典型 日负荷曲线，基于函数型数据分析理论和非参数核密度估计方法，建立函数型非参数回归预测模型;考 虑待预测典型日的日负荷率和最小负荷率，建立二次规划模型对函数型非参数回归预测模型的预测曲线 进行修正，最终得到满足待预测典型日负荷特性指标要求的预测曲线。以中国某省级电网和美国 PJM 电 力公司的典型日负荷数据为基础的仿真算例验证了所提方法简单实用，预测结果准确。本发明具有良好 的推广价值和应用前景。

本发明公开了一种基于遗传算法的含铰结构非线性参数识别方法，包括用一种非线性模型来描述含铰结构中铰链的非线性特性，建立铰链结构的动力学模型，得到含铰结构的Ｍ、Ｋ、Ｃ方程；将含铰结构的Ｍ、Ｋ、Ｃ方程转化为非线性的代数方程组；利用数值分析中的Ｎｅｗｔｏｎ迭代法对得到的代数方程组进行求解，得到含铰结构的频响数据；根据求解的频响数据与试验获得的频响数据构建目标函数，通过Ｍａｔｌａｂ中的ＧＡ遗传算法进行全局化搜索，最终识别出最优的非线性参数值。本发明的含铰结构非线性参数的识别方法，可以识别含铰结构的非线性特性，克服了传统方法需要提供经验初值及只能保证局部最优的局限性。

一种结构光三维测量系统的参数重标定方法及其设备，在具有一台相机与一台投影仪的系统中增加辅助相机对投影仪内参数进行重标定。放置高精度的白色平板，投影仪投射结构光图案，原系统相机和辅助相机采集白色平板图案。首先对双相机进行标定，获得辅助相机参数；其次采用拍摄的照片依据立体视觉原理重建白色平板，再次将重建的点云反投影到投影仪发射相面上，计算出对应的投影相位，并与其实际相位做差得到相位残差值，最后利用最小二乘原理计算得到投影仪横向等效焦距和横向光心的误差值，完成投影仪内参数的重标定，提高结构光三维测量系统的标定精度。

一种基于纵向堆叠的重参数化结构模型的图像分割方法，步骤包括：1)采集处处理图像；2)把待处理图像作为图像分割模型的输入，图像分割模型的输出即为分割后的图像。图像分割模型是基于纵向叠加结构重参数化的图像分割模型，即在图像分割模型的训练阶段，多3×3卷积纵向叠加结构替换图像分割模型中3×3卷积，有利于模型更好地学习特征；在推理阶段，多3×3卷积纵向叠加结构改为单个3×3卷积后对输入数据进行推理，以加快推理速度，减少资源占用。

主要研究APT 网络攻击全链条的通用表征和威胁模型， 实现攻击的全链条威胁分析；研究跨平台内核数据实时可信 采集方法，探索基于去噪和去冗技术的高效数据解析、基于 语义恢复技术的关键字段填充；研究多源异构内核数据的重 构方法；研究保持全局依赖的数据压缩方法，实现实时、高 效、普适的数据压缩；研究面向APT网络攻击全链条的智能 检测框架，实现对攻击的全链条高效检测；研究APT网络攻 击的演化模式，实现APT网络攻击的可解释溯源分析。

成果描述：通信网络关键节点可视化分析系统提供了Degree、 Betweenness centrality、Closeness centrality、 Eigenvector centrality、 HITS和PageRank等中心性计算算法。 不同的算法适用于不同的场合。Degree算法表示节点的直接影响力强弱。 节点的Degree中心性值越高，该节点的直接影响力越大。 Betweenness centrality算法研究节点之间的通信程度和节点对信息的控制， 使用该算法可以准确找到网络中某些“流量”非常大的重要节点；本算法可用于设计网络的通信协议、 优化网络部署和检测网络瓶颈等。Closeness centrality研究信息传播的独立性和有效性； 本算法反映了节点在网络中居于中心的程度；本算法可用于考察一个节点不依靠其它节点来传播信息的程度。Eigenvector centrality基于特征向量的方法不仅考虑节点邻居数量还考虑了其质量对节点重要性的影响， 这是从网络中节点的地位和名望角度考虑，适用于网页排序。HITS是一种重要的网页重要性排序算法，主要适用于网络信息检索领域。 PageRank是网页排序领域中最著名的算法；该算法基于网页的链接结构给网页排序；它认为万维网中一个页面的重要性取决于指向它的其它页面的数量和质量；本算法适用于网页排序。 在本系统中可以方便、轻松和快捷的使用以上算法；输入数据，选择中心性算法，系统会快速展现算法分析结果；结果中越重要的节点在画面展示中直径越大， 直径越小的节点表示节点的重要性越低；在系统右侧栏目中节点以重要性程度降序排序，前五个节点名字用红色突出标记。 以上展示方式是为了让分析人员方便分 析数据。市场前景分析：发掘网络中重要性节点 （边）一直是图论领域 的一个基本问题。随着 近年来复杂网络研究热 潮的兴起，特别是很多 实际网络所抽象出来的 复杂网络，表现出了与 以往图理论不同的特性， 如小世界特性、无尺度 特性等。如何在复杂网 络环境下，发掘重要性 节点已经成为复杂网络 研究的一个基本问题， 同时网络中节点的重要 性进行评估具有重要的 实用价值。尤其对各种 各样具体的网络，更可 以有针对性地分析其性 质，制定正确的策略和 措施。与同类成果相比的优势分析：本系统提供了更多的中 心性算法，分析人员可 以在本系统上从多角度 分析数据，从而得出更 为准确的分析结果； 本系统提供了数据可视 化的展示方式，并且将 重要的节点突出展示； 本系统提供了不同算法 的对比分析表，方便分 析人员对比分析； 本系统提供重要节点的 进一步分析思路，提供 节点的详细分析页面。