一、方案介绍 云之翼桌面虚拟化（yiDesktop)是一套基于自研的桌面传输协议研发的桌面虚拟化解决方案，可将Windows桌面和应用转变为一种按需分配的服务，无论用户在何地点，使用何种设备，yiDesktop都能够随时随地向其交付按需虚拟桌面和应用。 使用云之翼桌面虚拟化，可以让用户随时随地以多种智能设备（PC/平板设备/智能手机/笔记本电脑等）访问自己的桌面，提高工作效率；还可以帮助管理者实现终端桌面环境的集中管理、统一认证和计算资源的弹性分配。 二、方案架构 三、方案优势 高灵活 用户可以使用智能电话、平板电脑和个人笔记本电脑，以及他们选择的任何设备，接入并访问虚拟桌面，大大提高了用户体验灵活性。 低成本 通过将复杂的分布式桌面转变为简单的按需服务式虚拟桌面，yiDesktop可帮助用户摆脱传统计算架构的成本压力和限制。 简化管理 虚拟桌面的集中交付、管理和控制可简化IT 部门的管理工作。 高效率 用户充分利用虚拟工作方式，如远程工作和居家外包，将计算技术无缝地整合到所有人的生活中，提高了工作效率。 高灵敏 可实现快速灵活的虚拟桌面交付，帮助用户快速而高效地适应业务变化。 快速部署 采用一体化交付方式，上线周期缩短80%。 四、支持系统 五、应用场景 教育培训：云之翼桌面虚拟化方案适用于教育培训的学生机房、图书馆、多媒体教室及教师办公等多种场景，灵活定制适应不同场景的桌面环境。 客服中心：客服中心通常对外提供7*24咨询服务，采用云之翼桌面虚拟化技术，具有低能耗、低成本、无噪音、高效率等特性，改善工作环境的同时保证了业务的连续高效性。 企业办公：云之翼桌面虚拟化方案将企业的各种业务系统、应用程序、业务数据集中起来，整合为统一的企业应用、数据管理和交付平台，并利用虚拟化桌面统一发布，无论什么终端设备或网络传输手段，都可以支持，具备很高的安全性，也规避了复杂的兼容性问题。 整合资源：提高IT资源（包括软件和硬件)使用效率，节能低碳。用户桌面全部集中到服务器端并实现了虚拟化，管理员对用户所需占用的资源可随时监控并根据使用情况动态调配，最大限度的提升了资源来满足更多的用户需求，在节约能源方面也有显著效果。

一、技术背景 近年来，随着企业数据的迅速膨胀，存储业务响应要求越来越快，如何找到一个有效且高效的存储解决方案已经成为业界 IT 管理员们共同面临的巨大挑战。针对大量计算和存储需求的爆发式增长，虚拟化和存储基础架构必须能够提供足够弹性以及足够性能的业务支撑能力。 二、产品介绍 云之翼存储虚拟化（yiSAN）为用户提供了一款超融合、弹性配置以及可横向扩展的超融合解决方案。通过存储虚拟化技术，将物理设备上的计算和存储资源融合为一个统一的资源池，并在此资源池上提供了更为弹性存储特性以支持各类虚拟化场景的使用。云之翼存储虚拟化可在多种虚拟化平台上进行混杂部署，在同一套硬件设备上，融合了弹性计算能力及软件定义存储能力。充分利用硬件资源，实现存储计算资源的统一弹性管理，进一步降低用户的 IT 投资。 云之翼存储虚拟化场景应用： 多虚拟化平台融合 多存储架构融合 多存储介质融合 多级数据安全策略融合 多数据服务融合 三、产品架构 四、功能优势 简化软件定义基础架构 云之翼存储虚拟化将每台虚拟服务器的本地磁盘整合成一个统一的虚拟存储资源池，不仅简化了传统基础架构的复杂性，同时也避免性能瓶颈，使得整个基础架构更加易于扩展。 更加简化的弹性扩展方案 云之翼存储虚拟化整合虚拟服务器本地硬盘，当一台新的节点加入集群时，不仅存储容量增加，计算资源与存储性能都能得到同步提升。 简化应用程序的使用模式 云之翼存储虚拟化采用软件定义存储的方式，允许IT管理员在超融合存储集群中，再额外规划出一个甚至多个虚拟存储器供应用程序进行数据访问。 更为简化的数据保护方案 云之翼存储虚拟化提供了內建的数据保护机制、数据副本机制、异地数据备份等多种数据保护方案。 更低的总体拥有成本 云之翼存储虚拟化简化基础架构，节省大量的网络带宽以及管理成本。通过整合虚拟服务器中的本地硬盘，降低了部署和管理外部共用存储资源的成本。 多租户存储服务  云之翼存储虚拟化提供多租户数据隔离能力，可为不同租户提供逻辑上独立的计算和存储资源池。 实时副本及自我修复 云之翼存储虚拟化实时副本及自我修复功能不但减少管理者的负担，更可以大幅提高整体 SLA 确保数据不会因为连续的硬件故障而丢失。 数据实时压缩及去重 云之翼存储虚拟化支持实时的数据压缩及去重，可以有效增加存储空间使用率，使某些应用在虚拟化上可以达到 3~5x 的存储空间效益。

一、技术背景 随着云桌面的普及，人们不再满足于将云桌面仅仅用于日常办公，处理简单的文字或浏览网页，专业3D软件、Win10等高端应用场景也需要云桌面来支撑，而在这些应用场景中，GPU是不可或缺的。云桌面的应用体验要与高端PC无差别，这才是用户的心声。如何才能满足用户对高性能云桌面的需求，GPU虚拟化由此应用而生。 二、技术介绍 vGPU，即真正意义上的GPU虚拟化方案，就是将一块GPU卡的计算能力进行切片，分成多个逻辑上虚拟的GPU，以vGPU为单位分配GPU的计算能力，并将单块GPU卡分配给多台虚拟机使用，使得虚拟机能够运行3D软件、播放高清视频等，极大地提升了用户体验。真正实现了GPU资源的按需分配，实现3D虚拟化的全场景交付。同时大大降低图形图像用户的使用成本以及提高数据的处理效率和数据安全性。 三、技术架构 四、技术优势 按需交付GPU 根据不同场景应用需求交付GPU，避免GPU资源闲置或不足，从而降低成本。 良好的3D用户体验 可兼容各种不同行业、不同场景的3D软件，为用户提供良好的3D效果体验。 提高数据安全性 借助虚拟化及VGPU，可实现了对 3D 应用程序和大型数据集安全的远程访问，且无需牺牲性能。 实现虚拟机实时迁移 可将正在运行的虚拟机从一台物理服务器移动到另一台物理服务器，从而将停机时间降至最低，并且不会丢失数据。

目前无卤低烟阻燃热塑性弹性体电缆料虽然已有较多应用，但不论在技术发展上或市场 应用上，无卤低烟阻燃TPEE电缆料依然潜藏着很大的发展潜力。但目前该产品在使用和推广 中仍存在着很多实际问题，例如阻燃难、加工性能不好、发烟量较大及成本较高等。根据市场 应用情况和技术发展情况，本项目以TPEE为基材，开发无卤低烟阻燃TPEE电缆专用料，并考 虑添加合适的抗滴落剂防止燃烧中的滴落现象。同时设计采用膨胀型阻燃剂体系，使无卤阻燃 TPEE电缆在具有良好的低烟阻燃性能。

针对当前车用无油涡旋空压机加工精度要求高、涡旋盘容易磨损的问题，本 项目团队提出了水冷无油涡旋空气压缩机技术。采用这一技术可将涡旋盘最高温 度控制在 120℃以内，从而降低动静盘热变形，提高压缩机的可靠性与效率。

"印制电子技术是将功能性材料墨水印制在基材上，是微电子行业的一项重要革新，解决了传统光刻技术存在的生产周期长、操作复杂、污染严重等问题。 课题组发明了一种无固体颗粒的喷墨打印用银基导电墨水，该导电墨水是通过将一种有机银络合物溶解在溶剂中，同时加入微量的助剂充分溶解而获得。突出优点：（1）固化温度低：在很低的分解温度获得纳米银颗粒（最低可

传统的电解工业（电解水、氯碱工业）阴、阳极会同时产生两种气体，一般采用离子交换膜防止两种气体的混合，避免爆炸性混合气体的产生。离子交换膜的使用增加了电解的成本，此外膜内阻也增加了电解的能耗。且由于阳极和阴极室的气体压力必须通过稳定的电源输入保持平衡，很难利用风能和太阳能等不稳定的可持续能源来直接为离子膜电解池供电。另一方面，电解池中的高压气体和阳极氧化过程的中间产物也会加剧膜的老化降解，近一步增加电解成本。基于电池电极的分步法无膜电解技术有望为电池电极反应推出一个新的研究方向，随着电池工业迅速发展，电池电极的制备已经非常成熟，分步法电解技术很容易利用现有的商业化电极实现产业化。

永磁电机的位置传感器增加的电机的成本，降低了电机的可靠性。在风机、水泵等领域应用的电机，可以通过控制的方法，去掉电机的位置传感器，减少成本并提高系统可靠性。本课题组针对高速电机无位置传感器控制中所存在的问题，在建立精确离散化的数学模型的基础上，设计了基于离散滑模理论、状态观测器等方法的转子位置观测器，实现了10kHz控制频率下的10万转高速电机的无位置传感器控制，以及快速正反转启动。

动作捕捉技术（motion capture）在影视、体育、安防等领域具有广泛应用。传统的动作捕捉分为两大类，光学动捕系统通过在采集环境部署多个红外摄像头，再在人员的动捕服上放置光学标记球来求解出采集者的姿态信息，从而实现对人体运动的捕捉与动画映射；惯性动捕系统通过惯性测量单元（IMU）来采集肢体的运动信息，采集设备相对更轻便，但采集精度不如光学动捕系统。光学动捕系统包括Motion Analysis，Vicon，Optitrack等，惯性动捕系统有Xsens，诺亦腾等。 然而，无论是光学动捕还是惯性动捕都需要动作人穿上特定的设备，不可避免地会影响到人体运动的真实性和动捕的使用范围。同时，相应的专业动捕设备往往价格不菲，很多有需求的小型工作室也会望而却步。因此，学术界和工业界都在极力研究“无标记运动捕捉”技术，即不需要任何穿戴设备，仅由相机观测和算法分析，就实现对多人体运动的实时准确捕捉。这种技术有着更加广泛的应用场景，例如无人售货超市、VR/AR游戏、远程全息通讯、数字人创建、虚拟主播、人机交互、全天候医疗监护等。 近几年，随着深度学习技术的广泛普及，无标记动捕领域也诞生了许多革命性技术，例如实时2D多人体关键点检测技术OpenPose等。然而，多目标实时3D运动捕捉仍然是一个极具挑战性的问题，主要挑战因素包括：如何实现实时计算，如何进行高效的多视角关联，如何解决紧密交互带来的观测失真等。举个例子，当两个人拥抱在一起的时候，当前大多数检测或重建算法都会失效。而理论上，多视角的观测信号能够在一定算法设计下互相补充，尽可能解决单视角运动重建的歧义性。如何充分利用多视角的视频信号，实现复杂、紧密交互场景下的多人体运动捕捉是当前无标记运动捕捉领域的核心问题之一。 该项目研究工作提出的多视角人体运动捕捉系统包括相机采集模块，2D姿态检测模块，4D关联图求解模块，三维骨架求解模块及渲染模块。其主要算法贡献在于提出并实现了4D Association算法。 当前的多视角运动捕捉系统大多采用的是序贯地匹配策略，首先对每个视角进行独立的人体检测和连接（例如，OpenPose检测关键点和关键点相互连接的概率，从而对人体进行连接；Mask-RCNN、AlphaPose和HRNet都需要先检测每个人的BoundingBox，然后对每个人进行独立的人体检测），然后对人体进行多视角关联和姿态求解，最后进行时域跟踪。这种常规方法的缺陷在于，当单个视角检测失败以后，后续的算法难以对失败的检测结果进行修正，从而将错误的检测传递到下一个步骤，影响跟踪效果，对于紧密交互（例如前文提到的两人拥抱）的情形，单视角的往往很难给出令人满意的检测结果，因此基于序贯式的算法一般会失效。 相较而言，该研究工作的创新性在于充分利用单图连接(2D)、多视角连接(1D)、和时域连接(1D)之间的相互约束从而进行全局优化，用多视角信息和时域信息来避免单视角连接的歧义性，同时也通过单视角连接结果来优化多视角的匹配，从而使得关联结果更趋向于全局最优。具体地，该研究工作提出了一种4D Graph的图结构，将上一帧的三维人体关键点（在初始帧或者人进入动捕范围的时候可以缺失，不影响算法的运行）和当前每一视角的2D关键点建模在同一个图结构中，用单图连接、多视角连接、时域连接的概率作为边的权值，将人体多视角关联的问题看成提取有效边的过程。为了快速地求解这个问题，进一步提出了一种基于完全子图的近似求解算法，高效地完成了从4D图结构中提出正确的人体连接。 最终，该研究工作实现了紧密交互下人体的三维姿态重建，并展示了实时系统效果。其算法在多个数据集上均表现出了良好的视觉效果，在Shelf数据集上也取得了当前最好的数值结果。