项目背景：局部放电监测是保障电力设备安全运行的基 础性设备，也是提升电网智能化与信息化的关键装备。目前 局部放电设备大多依赖进口，价格高昂；国产设备在可靠性、 准确性、稳定性等方面远不能满足技术需要。因工业现场局 部放电的特高频、强噪声、高衰减等特点，目前的国产设备 设备还不能从根本上保证电力设备的安全运行，局部放电监 测关键技术仍属于“卡脖子”技术，为实现技术突破、形成 自主品牌、为企业降本增效亟需关键技术突破与科研攻关。 所需技术需求简要描述：1.最小放电量监测不大于 3PC， 检测通道不小于 10 通道，单传感器覆盖检测范围不小于 10 米。2.检测带宽不小于 3000MHz,现场噪声识别率 99%以上。 3.局部放电监测准确度 100%。  对技术提供方的要求:1.具有先进的测控技术及仪器方 案，承担过运行状态监测与安全诊断国家级项目及省级以上 重点研发计划项目。2.所在团队长期从事运行状态监控与安 全诊断方面研究。3.具有工学博士学位或高级工程师职称， 合作方需为国内或区域重点大学，技术方案成熟可靠稳定有 创新思维，不涉及知识产权侵犯。 

随着钢铁行业的高速发展，国内外钢铁产量已经达到了饱和状态，提升钢产品的质量成了钢铁行业发展的重要目标。连铸坯的生产是钢材生产的关键，其连铸坯的质量对后续产品的生产及最终产品质量有重要影响，热轧板带表面缺陷大部分是连铸坯表面缺陷遗传而来。高质量铸坯的生产成了连铸生产企业和连铸工作者的主要目标。高温钢液在连铸过程中凝固成型，连铸坯的偏析、裂纹、疏松、夹杂物等质量问题基本上都产生于或源自连铸凝固过程。要实现高质量铸坯的连铸生产，必须减少甚至消除这些质量缺陷。 （1）含钙合金质量稳定性研究 钙的包芯线质量及性质研究：研究不同质量级别的硅钙线、纯钙线、钙铁线、钙铝线等包芯线中含钙金属或合金的化学成分、物相结构，评估其中杂质元素成分及其合金被氧化的程度，提升硅钙线质量的稳定性。钢包精炼过程喂钙线过程中金属钙收得率的影响研究：研究在不同钙线种类、钙线尺寸、外壳铁皮闭合方式等多种参数下，确定稳定提升钙元素收得率的有效方法。 钢中夹杂物钙处理改性方式研究：系统调研炼钢过程中除钙线外其他合金化用铁合金中金属钙元素的质量分数，并对钙元素在铁合金中的存在形式开展系统研究。研究含钙铁合金加入后钙元素在钢中的收得率情况和对钢中非金属夹杂物的影响。确定精炼过程中含钙铁合金的加入对钢中非金属夹杂物的改性机理。 （2）钙处理精准改性钢中非金属夹杂物热力学研究 钙处理相关热力学参数的测定：评估现有钙处理相关热力学数据的准确性，确定其适合的应用条件和误差；对钢液中 Ca-O 反应相关反应的吉布斯自由能和相互作用系数等热力学参数进行测量，对误差较大的热力学参数进行修正，保证热力学计算预测钙处理改性夹杂物的准确性。 不同条件下钢中溶解钙和全钙的关系研究：通过实验室实验研究在不同初始钢液成分的条件下，向钢中加入不同含量的钙，测量和计算其钢中全钙含量、溶解钙含量和非金属夹杂物中的钙含量，并与热力学计算得到的理论值相对比，揭示钢中溶解钙和全钙关系的实际规律，为实现钙处理改性夹杂物热力学计算在工业中的应用奠定基础。 （3）钙处理改性钢中非金属夹杂物反应动力学研究 钙处理改性钢中非金属夹杂物瞬态变化机理研究：研究不同钢液成分和不同温度条件下，向钢中加入不同含量的含钙合金，研究钢中非金属夹杂物的改性机理，从而明确钙处理后每一时刻钢液中非金属夹杂物的形成机理和变化规律。 建立钢包精炼过程钙处理改性钢液中夹杂物反应动力学预报模型：基于数学模拟计算钢液流场、温度场变化，同时计算出钢液中钙的浓度和钢中非金属夹杂物空间分布，将钢包分为不同的反应区域；通过对钢包内不同反应区内、以及不同反应区之间相互反应相耦合计算，预测钢包中不同位置钢液和夹杂物成分变化。凝固和冷却过程钙处理钢中夹杂物转变动力学研究：基于实验室试验和工业试验结果，通过动力学计算研究钢液凝固和冷却过程中非金属夹杂物转变的动力学模型，预测不同成分和不同尺寸的夹杂物在不同温度下转变速率，实现钙处理后全流程中不同时刻下钢中夹杂物成分、数量和尺寸预测。 （4）精准钙处理在线指导软件 本模型综合考虑钢液条件，如钢中铝含量、硫含量、洁净度水平、以及钢液温度等，通过反应模型对最优的加钙量进行计算。在实际生产过程中，钙处理前在线获得钢液成分环境，将实际处理条件输入模型计算，可直接给出最优的钙线喂入量，直接指导现场的钙处理操作。

百度智慧课堂是百度教育SaaS服务，结合百度教育积累的核心资源优势与百度教育大脑3.0的核心技术能力，面向学前、中小学、高校与教育机构提供备课、题库、AI教育、考评、安防、教务等服务，覆盖教、学、考、评、管全部教育场景。

“高校思想政治理论课”在线开放课程 本科课程、高职课程、研究生课程、中国系列、形势与政策

本发明提供了一种面向轨迹挖掘的数据预处理方法及系统，该方法包括：在原始数据库中提取离散的轨迹点，对轨迹点进行归类提取后形成若干个独立的轨迹段集合；对每一轨迹段集合中的轨迹点进行重复定位点检测，若判断该重复定位点为历史定位点，则删除；对每一轨迹段集合中的轨迹点进行定位异常点检测，若判断为定位异常点，则删除该轨迹点，得到若干条完整的轨迹；对所述完整的轨迹进行简化压缩，得到压缩轨迹；存储所述压缩轨迹；同时对系统运行状态进行监控，保证系统可以持续、稳定运行。本发明提供的方法通过对提取出的轨迹点进行重复定位点以及定位异常点清除，保证了轨迹数据的正确性和完整性，提高了轨迹数据挖掘的准确度。

本实用新型公开了一种苜蓿播种机用开沟器，主要由开沟装置、开沟器架、导肥装置和导种装置组成。开沟装置主要由侧翼铲、滑刀和扩沟板组成，旨在开出适宜苜蓿种子发芽的高质量种沟；导肥装置由导肥管和散肥器组成，用于将肥料导入种沟侧面；导种装置主要由导种管组成，旨在将苜蓿种子导入由开沟装置形成的种沟内。本实用新型能够满足苜蓿播种开沟的要求，可以开出高质量种沟，利于苜蓿种子出苗及第二年返青。本实用新型适用于大部分地区的苜蓿播种，特别是寒冷、干旱地区。

将计算机自然语言处理方法和生物本体学方法结合起来，发展一套面向生物医学文献的数据挖掘技术，建立了一个文献挖掘平台。该平台可以对生物医学文献进行数据挖掘，发现隐含在文献中的生物学实体及其联系，发现深层次的生物医学知识，自动获取大量的第一手生物医学数据。例如，挖掘与人类基因相关的信息，挖掘蛋白质相关信息，发现基因的功能，发现基因与疾病之间，发现蛋白质之间的相互作用等。/line对于一组给定的文献，该平台首先进行句法分析和生物学术语标定，然后进行语义分析，提炼每条语句的生物学含义，提取文献中的生物医学关联特性，以发现文献中的基因、蛋白质、疾病以及它们的关系。

一、项目简介 水下目标检测与识别，是水下机器人等相关系统能够被高效应用的前提。然而现有系统难以应对水下图像能见度较低，对比度差，存在颜色漂移和边缘模糊等问题；另外，水下图像样本稀少且缺乏足够的变化性，使得相关基于机器学习的目标检测与识别系统由于缺乏训练样本而无法有效应用。 二、前期研究基础 项目利用深度学习等新的理论突破，提出两种解决方案，一种是通过结合水下成像原理与深度风格迁移、生成对抗网络等算法，由普通光学图像生成水下图像，构建水下图像目标检测与识别仿真库，该数据库一方面数据量大且具有较大的变化性，也即场景与目标均具有较大的变化性；另一方面，由于是由普通光学图像迁移获得，因而也可以直接应用普通光学图像自身的标签信息，无需再对其进行标注。另一种是研究基于水下退化图像处理算法的检测和识别系统，解决由水下图像的色彩漂移和细节丢失等退化现象带来的目标检测和识别问题。同时通过水下退化图像处理模块和检测识别系统的联合优化技术，可以实现退化图像的增强方法与检测识别系统的最佳匹配。在保证处理后的退化图像性能指标的前提下，进一步提升水下图像的目标检测识别性能。 三、应用技术成果 1）基于深度学习风格迁移的水下图像生成效果示例 a为自然场景图像中的目标检测结果；b为模拟生成的水下风格图像及其目标检测结果；c为图像增强后的目标检测结果。 四、合作企业 无

本发明公开了一种基于函数依赖的数据清洗方法，其特征在于， 包括：对原始数据进行数据转换，以将其不同类型的属性全部转换为 数值型属性；对于数据转换后的原始数据，提取其属性的自依赖函数 特征；对于数据转换后的原始数据，提取其属性之间的互依赖函数； 根据自依赖函数特征和互依赖函数确定需要进行清洗及待清洗的属性 及样本，并根据该属性及样本形成相关清洗决策依据，判断待清洗的 属性对象是采用自依赖函数清洗还是采用互依赖函数进行清洗，若采 用自依赖函数清洗，则将不符合条件的样本根据自依赖函数确定的多 项式进行校准修复，并加上白噪声作为随机扰动。本发明能够解决大 数据中“脏数据”问题，为后续的大数据分析挖掘提供高质量的数据。

● 项目简介：洗衣机多功能数据采集与监测系统，用于洗衣机的多种性能测试，可以为洗衣机改进设计提供可靠的实验数据。该系统还可以用于其他家用电器性能测试。测量参数种类多(包含温度、压力、流量、转速、湿度、电流、电压、风速)，参数个数多（16通道），操作方便，性能可靠。技术水平：填补国内空白● 项目成熟度：应用实例：“洗衣机多功能数据采集与监测系统”用于博西华电器有限责任公司（Simens与BOSH合资的洗衣机研发中心）。