发电设备维修是一项复杂的系统工程，然而缺少适用的维修模式、先进的运行与维修智能决策系统和计算机化维修管理系统等作为技术支撑。本项目的主要内容及其技术经济指标如下： （1）基于SRCM的发电设备状态维修管理模式及工作程序：确立了基于SRCM和以工单为主线的维修管理模式，制订了状态维修的工作程序及其具体内容。 （2）生产实时数据接口技术及数据库管理系统：开发了生产实时数据接口技术及数据库管理系统，实现了生产实时信息的远程连接、智能查询和有效共享。 （3）发电设备状态维修理论与技术体系：确立了功能位置码与系统码相结合的设备编码方案；建立了基于蒙特卡罗模拟的设备重要度分析模型和维修方式决策规则；给出了状态划分规则和状态阈值确定方法，建立了基于模糊理论和变权方法的状态综合评价模型以及基于灰色理论和神经网络的状态综合预测模型；建立了主设备定期维修的间隔优化模型，以及辅助设备定期检查、定期更换、隐患检查的间隔优化和状态维修阈值模型；建立了基于RCM定量分析的维修优化模型；建立了复杂可修复系统的短期维修决策和评价模型。 （4）发电设备运行与维修智能决策系统和计算机化维修管理系统：建立了SRCM分析平台和维修知识库，可进行故障模式影响、故障树、故障风险及可靠性分析；建立了状态评价及预测平台，可实现综合状态实时评价和预测；建立了维修决策及评价平台，可实现维修的智能决策及优化；建立了缺陷管理平台，可实现缺陷处理自动化；建立了备件存储优化及管理平台，可节省备件的购买和存储费用；建立了维修过程管理平台，可实现维修计划的全程管理。 本项目完善和丰富了设备维修理论与技术体系，可促进发电设备维修技术的进步；为发电设备状态维修的实施提供了先进的技术支持系统和高效的管理平台，可以优化定期维修间隔，减少维修时间，降低维修费用和维修风险；提高设备的可靠性和可用率，改善机组的运行性能，增强发电能力。

本发明提供一种用于互联网中加速经验知识积累的信息采集方法及系统，包括用户初次访问网站时， 服务器收到查询问题后，生成查询结果，生成一个 cookie 项并连同查询结果一起返回给客户端，并发送 是否接受回访请求给客户端;所述 cookie 包括网址、用户标识、存活时间和问题标识;服务器在收到用 户接受回访请求的标识后在本地的 cookie 数据库保存该 cookie 项，并添加其他数据项;所述其他数据 项包括，用户输入的查询问题，服务器回访日期范围，根据用户输入的查询问题生成的回访问卷。用户 再次访问网站时，如果当前日期在用户标识对应项的服务器回访日期范围内，通过浏览器采集用户对已 有答案及回访问卷的回复。

本发明公开了一种基于静态区域信息的扫频OCT数字相位矫正方法与系统，现有的扫频光学相干层析成像技术由于扫频光源的扫描触发和采样时钟信号不同步，干涉信号光谱存在随机的错移，导致OCT相位信号的随机跳变。研究发现在样品的静态区域，相比于相位跳变误差，系统SNR决定的相位噪声较小，而环境导致的相位扰动在时间上具有缓变的特征。本发明利用上述相位特征确定相位跳变发生的A-line位置、以及光谱的错移量，通过相位与成像深度的线性关系，实现相位跳变误差的矫正。该方法属于纯数字矫正，不增加系统的复杂程度，不会引入额外的相位噪声。

本发明提供基于访问日志信息的空间小文件数据分布存储方法及系统，包括将空间小文件数据集分 成频繁访问的子集和非频繁访问的子集，提取频繁访问的空间小文件数据子集的访问序列，分段计算各 频繁访问的空间小文件数据的关联度，并将各频繁访问的空间小文件数据相互之间的关联度数值组成关 联矩阵；对关联矩阵中各元素数值进行大小转换后利用 RCM 排序算法重排后输出，对重排后的关联矩 阵利用局部逼近搜索法寻找最佳组合，利用最佳组合对频繁访问的空间小文件数据进行分布

本技术整合了土地复垦学、土壤学、生物学、地质学、化学和信息技术科学等相关学科，采用物理模拟实验与数学模型相结合、理论分析与实际观测相结合的研究方法，通过模型建立、GIS 完全结合和系统开发，实现不同重构措施下的不同年限的复垦农田作物动态预报，揭示重构措施-复垦年限-复垦质量（作物产量）的动态响应机制，为矿山土地资源可持续利用提供技术支撑。 （1）建立复垦土壤水氮运移和作物生长联合模型。联合模型包括作物生长发育、土壤水分运移、土壤氮素运移三个子模块； （2）在 GIS 的基础上进行二次开发，确定数据库管理的结构、数据调运和追加的程序，编写用计算机程序。开发能与 GIS 完全结合的水氮运移和作物生长模拟联合模型组件及其配套的数据库，构建基于 GIS 和模型的复垦农田土壤作物产量预测系统； （3）采用智能化土壤作物系统模型和 GIS 结合的耦合模型，实现不同重构措施下的不同年限的复垦农田作物动态预报，揭示重构措施-复垦年限-复垦质量（作物产量）的动态响应机制。

我国拥有幅员辽阔的内陆水域，如何安全、高效的完成特定水域的巡逻和水文信息监测工作一直是我国水文水利建设的重要组成部分。水面无人船是一种无人操作的水面舰船平台，配备先进的控制系统、传感器系统、通信系统和武器系统，可以最大程度上填补水域测量领域载人船无法到达或不易到达的危险、浅滩、近岸等空白区域，真正做到高精度、自动化、高效益，可广泛应用于常规测绘、水利水文、航道、环保和灾害应急等行业及其他相关部门。 本项目的产品，是在“制造强国”国家战略指导下，符合国家和地方政府政策重点鼓励发展的高技术、智能装备、高附加值项目，符合国家经济结构和产业结构调整的相关政策和导向。本研发团队联合上海交通大学和上海市船舶自动化工程研究中心，共发表 SCI 论文 200 篇以上，拥有授权发明专利 40 项。 

人样安全激光测距技术主要应用于大气层内的长距离高精度激光测距，其主要应用领域包括火控系统，激光雷达，目标跟踪，测高仪。

业界首个针对AI在极端和对抗环境下的算法安全性检测与加固的工具平台“对抗样本”成新型病毒，算法安全问题亟待解决随着人工智能技术的高速发展，人工智能在诸多场景正逐渐替代或协作着人类的各种劳动，它们可以成为人类的眼睛、耳朵、手臂甚至大脑。其中，机器视觉作为AI时代的基础技术，其背后的AI算法一直是各科技巨头和创业公司共同追逐的热点。然而在机器视觉诸多主流应用场景的背后，往往也藏着由技术性缺陷导致的算法安全风险。例如，在一些训练数据无法覆盖到的极端场景中，自动驾驶汽车的识别系统可能出现匪夷所思的决策，危害乘车人的人身安全。从2016年至今，Tesla、Uber等企业的辅助驾驶和自动驾驶系统就都曾出现过类似致人死亡的严重事故。并且这类极端情形也可能被恶意制造并利用，发动“对抗样本攻击”，去年7月，百度等研究机构就曾经通过3D技术打印出能让自动驾驶“无视”的障碍物，让车辆面临撞击风险。而以上攻击之所以能成功，主要是机器视觉和人类视觉有着很大的差异。因此可以通过在图像、物体等输入信息上添加微小的扰动改变(即上述故意干扰的“对抗样本”)，就能导致很大的算法误差。此外，随着AI的进一步发展，AI算法模型将运用金融决策、医疗诊断等关键核心场景，这类AI“漏洞”的威胁将愈发凸显出来。近年来，包括清华大学人工智能研究院院长张钹院士、前微软全球执行副总裁沈向洋等均提倡要发展安全、可靠、可信的人工智能以及负责任的人工智能，其中AI的安全应用均是重点方向。而且，AI安全作为新兴领域，在开源社区、工具包的加持下，对抗样本等攻击手段日益变得复杂，相关防御手段的普及和推广却难以跟上。并且对抗样本等算法漏洞检测存在较高的技术壁垒，目前市面上缺乏自动化检测工具，而大部分企业与组织不具备该领域的专业技能来妥善应对日益增长的恶意攻击。从安全测评到防御加固，RealSafe让AI更加安全可控就如网络安全时代，网络攻击的大规模渗透诞生出杀毒软件，RealAI团队希望通过RealSafe平台打造出人工智能时代的“杀毒软件”，帮助企业高效应对人工智能时代下算法漏洞孕育出的“新型病毒”。目前，RealSafe平台主要支持两大功能模块：模型安全测评、防御解决方案。其中，模型安全评测主要为用户提供AI模型安全性评测服务。用户只需接入所需测评模型的SDK或API接口，选择平台内置或者自行上传的数据集，平台将基于多种算法生成对抗样本模拟攻击，并综合在不同算法、迭代次数、扰动量大小的攻击下模型效果的变化，给出模型安全评分及详细的测评报告(如下图)。目前已支持黑盒查询攻击方法与黑盒迁移攻击方法。防御解决方案则是为用户提供模型安全性升级服务，目前RealSafe平台支持五种去除对抗噪声的通用防御方法，可实现对输入数据的自动去噪处理，破坏攻击者恶意添加的对抗噪声。根据上述的模型安全评测结果，用户可自行选择合适的防御方案，一键提升模型安全性。另外防御效果上，根据实测来看，部分第三方的人脸比对API通过使用RealSafe平台的防御方案加固后，安全性可提高40%以上随着模型攻击手段在不断复杂扩张的情况下，RealSafe平台还持续提供广泛且深入的AI防御手段，帮助用户获得实时且自动化的漏洞检测和修复能力。准确度99.99%也难逃被“恶意干扰”，RealSafe高效应对算法威胁 考虑到公众对于对抗样本这一概念可能比较模糊，RealSafe平台特意选取了公众最为熟知的人脸比对场景(人脸比对被广泛用于金融远程开户、刷脸支付、酒店入住登记等场景的身份认证环节)提供在线体验。并且，为了深入研究“对抗样本”对人脸比对系统识别效果的影响，RealAI 团队基于此功能在国内外主流 AI 平台的演示服务中进行了测试。实测证明，“对抗样本”可以极大的干扰人脸比对系统的识别结果，而测试的这几家互联网公司平台开放的人脸比对API或SDK，几乎覆盖了目前市面上很多中小型企业在落地人脸识别应用时的选择，如果他们的人脸比对技术存在明显的安全漏洞，意味着更广泛的应用场景将存在安全隐患。因此，为了帮助更大范围内的企业高效应对算法威胁，RealSafe平台具备以下两大优势：·  组件化、零编码的在线测评：相较于ART、Foolbox等开源工具需要自行部署、编写代码，RealSafe平台采用组件化、零编码的功能设置，免去了重复造轮子的精力与时间消耗，用户只需提供相应的数据即可在线完成评估，学习成本低，无需拥有专业算法能力也可以上手操作。·可视化、可量化的评测结果：为了帮助用户提高对模型安全性的概念，RealSafe平台采用可量化的形式对安全评测结果进行展示，根据模型在对抗样本攻击下的表现进行评分，评分越高则模型安全性越高。此外，RealSafe平台提供安全性变化展示，经过防御处理后的安全评分变化以及模型效果变化一目了然。从数字世界到物理世界 RealAI落地更多安全周边产品随着机器学习模型不断的升级演化，“对抗样本”已经演变成一种新型攻击手段，并且逐渐从数字世界蔓延到物理世界：在路面上粘贴对抗样本贴纸模仿合并条带误导自动驾驶汽车拐进逆行车道、胸前张贴一张对抗样本贴纸在监控设备下实现隐身……因此，除了针对数字世界的算法模型推出安全评测平台，RealAI团队也联合清华大学AI研究院围绕多年来积累的领先世界的研究成果落地了一系列AI攻防安全产品，为更多场景保驾护航。比如通过佩戴带有对抗样本图案的“眼镜”，黑客可以轻易破解商用手机的面部解锁，通过在胸前张贴特制花纹实现在AI监控下的“隐身”，以及通过在车辆上涂装特殊花纹躲避AI对车辆的检测。发现类似新型漏洞的同时，RealAI也推出相应的防御技术，支持对主流AI算法中的安全漏洞进行检测，并提供AI安全防火墙对攻击AI模型的行为进行有效拦截。人工智能的大潮滚滚而来，随之而来的安全风险也将越来越多样化，尤其近年来因AI技术不成熟导致的侵害风险也频频发生，可以说，算法漏洞已逐渐成为继网络安全、数据安全后又一大安全难题。所幸的是，以RealAI为代表的这些顶尖AI团队早已开始了AI安全领域的征程，并开始以标准化的产品助力行业降低应对安全风险的门槛与成本。此次上线RealSafe人工智能安全平台是RealAI的一小步尝试，但对于整个行业而言，这将是人工智能产业迈向健康可控发展之路的一大步。

2011年，苏州市交通局在全市范围内进行桥梁检测和安全隐患排查整治工作，我校承担了苏州地区国、省干道公路桥梁、苏州城区部分中小桥梁及各辖区、市5000多座农村公路桥梁的安全隐患排查项目。 此次排查主要内容包括桥梁基础安全隐患、主要承重构件安全隐患、护岸防护设施是否完好有效、有无影响桥梁安全运行的其他隐患，对所有桥梁进行了技术状况评定，建立了基础技术档案。为苏州市公路桥梁的养护、维修提供了可靠的技术支撑，确保了桥梁运行安全。