同济大学电子与信息工程学院康琦教授团队面向复杂工业过程智能运维，深度融合物联网、大数据、人工智能等技术，设计开发了高集成度与模块化的边缘计算平台。该技术采用云-边-端一体化的系统架构设计，结合迁移学习、演化计算等智能技术，构建了可持续学习的通用网络进化框架，针对不同应用场景，通过模型与算法的模块化管理与轻量化学习，可实现边缘侧模型定制与部署，全面感知系统动态，自适应环境与工况变化，实现无人值守的工业过程在线学习、智能控制与持续优化，显著降低运行成本，提升企业经济效益。边缘计算平台架构 目前该技术已经获得相关授权发明专利6项，面向钢铁冶炼、汽车制造、污水处理、轨道交通等领域，在多个省市的节能控制与运营优化相关智能化工程项目中得到了推广应用，平均节能达30%，经济效益明显。基于该平台技术对城市污水处理厂生物曝气过程进行自适应软测量建模与学习优化控制，实现了多目标联合优化的在线智能监控系统，年平均节电超过27%。对大型制造企业的多车间冷源系统实现了全自动在线优化与智能控制，系统能效提升一倍，年平均节电36.9%。

 PACS（Picture Archiving and Communication Systems）是医学影像计算机存档与传输系统的简称，是近年来随着数字成像技术、计算机技术和网络技术的进步而迅速发展起来的、旨在全面解决医学影像的获取、显示、存贮、传送和管理的综合系统。本设计方案完全遵循DICOM3.0国际标准（Digital Imaging and Communications in Medicine），符合医院的工作流程习惯，并可根据医院的实际需求提供整套的PACS解决方案，以满足医院实用、具有良好的扩展性和柔软性。 以读片诊断中心（PACS Station）为中心可组建PACS系统的各个模块，如下图所示。具体的PACS项目可根据医院的规模和投资的大小构成，组建不同级别的PACS系统。   1、放射与核医学影像中心 该模块将医院的CT、MR、DSA、CR、DR、RF等数字影像设备获得的标准DICOM影像传输到PACS系统，进行存储、管理，并通过读片中心显示和诊断。它遵循DICOM3.0国际标准，可以将所有满足该标准的数字影像设备轻松地接入PACS系统，具有无限的可扩展性。 2、视频设备 该模块将超声、内窥镜、病理等视频设备获得的非DICOM影像通过DICOM网关转换成DICOM影像，接入PACS系统。 3、登记与管理 该模块完成病人及其检查项目的登记、预约、病历管理、科室管理和系统维护等功能。包括放射科登记、核医学登记、超声登记、内窥镜登记、病理登记、急诊登记等。 4、DICOM照相输出 该模块将PACS系统中病人的DICOM影像和诊断结果进行编辑，通过激光相机打印，输出胶片。还可以将病人的胶片通过高精度扫描仪转换成DICOM数字影像，输入到PACS系统中。 5、诊断读片报告中心 该模块是PACS系统的核心部分，可以完成调阅病历和查询病人检查状态、阅读各种检查的影像资料、编辑诊断结论和审核等功能。诊断读片工作站具有强大的影像处理功能，可以对图像进行多模式调入、锁定、调节窗位窗宽、放大/缩小、移动、旋转、图像测量、标注、动态播放、伪彩、滤波、均衡、反相、拷贝、导出等操作，支持双屏浏览，内含放射影像描述专家系统，帮助医生快速生成诊断报告。 6、PACS影像存储中心 该模块由PACS服务器和RAID磁盘阵列构成，实现PACS影像的海量存储和自动备份管理。RAID磁盘阵列实现TB级的在线影像存储，可管理医院3－5年的影像资料。可外接CD－R、DVD－RW或磁带机，实现历史影像资料的离线存储。所有在线和离线影像均由数据库统一管理。     7、WEB发布与远程诊断 该模块通过WEB服务器实现B/S方式的影像资料的共享，医生工作台只需IE网络浏览器而不需要安装其他软件，即可浏览影像资料和诊断结论，方便临床和门诊医生。 8、HIS互连 该模块可根据医院现有HIS系统结构，实现PACS系统和HIS系统的互连。 本次开发包括上述的1至6模块，7和8模块作为本系统未来的可扩充功能。 读片诊断工作站（PACS Station）是PACS系统中的核心模块，其他的模块都是为它服务的。它接受和管理所有数字影像设备送来的DICOM影像，从数据库中获取病人的信息，在高精度影像显示器上显示检查的图片资料，对病灶部位的重要影像进行一系列操作，并帮助医生做出最后的诊断。系统结构如图所示。 “管理工作站”负责将病人的基本信息、检查申请和医嘱输入PACS数据库。病人在CT（或者MR、DSA、RF、CR、DR等）做完检查后，检查的影像资料通过DICOM网关PACS Station的DICOM服务器。DICOM服务器将资料存入工作站的影像文件库的同时，通知数据库影像的位置和修改工作流（Workflow）的状态。最后，医生通过读片诊断工作站（PACS Station）主程序，从数据库读取病人信息，从影像文件库读取检查影像并显示，使用该工作站提供的工具对影像资料进行调入、调窗、放大、缩小、移动、旋转、测量（长度/角度/面积）、标注等一系列的操作，键入诊断结论并输出。 适合于中小型医院、县级医院、医学院和大学的附属医院等。 主要技术指标：  PACS Station的主要技术指标如下： 1、PACS Station支持的医学影像的分辨率和灰阶值 医学影像模式 分辨率 灰阶值 X射线 2048x2048 12 CT 512x512 12-16 DA或DF 512x512 8-12 1024x0124 2048x2048 MRI 256x256 12 NMI 64x64 8-16 128x128 256x256 US 64x64 16-32 128x128 2、影像分割模式：有1x1，1x2，2x2，2x3等四种模式（用户可自定义）。 3、调窗：支持鼠标快速调窗；精细调窗；窗宽调节等。 4、影像大小调节：支持 l  无级缩放：缩放倍数无限可调； l  放大镜：在鼠标所在处出现一个方框，方框可自由移动，框内图像被放大一倍； l  图像满幅显示：恢复到图像被载入时的初始状态； l  原始大小显示：被选中的图像以实际物理大小显示。 5、图像移动与翻转：支持 l  图像移动：用鼠标按住图像，直接拖动； l  图像翻转：可水平镜像和垂直镜像翻转； l  图像旋转：可按顺时针或逆时针方向0－360度任意旋转。 6、图像测量：支持以下方式 l  点测量：显示鼠标所在点的CT值（或灰度值）以及坐标； l  长度测量：显示鼠标给定的两点间的长度； l  面积测量：可按矩形、椭圆形和任意多边形显示和测量面积，并显示测量区域CT值的最大、最小、均值等统计参数。 7、图像标注：可用一条标注斜线和矩形方框指向一图像区域，在方框中可输入标注文字。 8、图像动态播放：可按键：“播放”、“暂停”、“首帧”、“前一帧”、“后一帧”等连续显示一个序列的图像。 9、图像处理：支持 l  图像伪彩：对原始黑白灰度的图像，按一定的映射关系转成彩色，增强显示效 果； l  图像增强：通过对比度的线性展宽，提升高灰阶值像素的灰度，抑制低灰阶值 像素的灰度，达到增加对比度的效果； l  中指滤波：显示中指滤波后的图像； l  直方图均衡：显示直方图均衡后的图像，增强原图像中较暗的部分，增强细节； l  反相：显示负片效果的图像。 与国内外技术水平及价格比较： 成果鉴定认为，该PACS系统的各项技术指标已经达到了国际同类产品的先进水平。而系统造价只有进口产品的五分之一到十分之一。 市场应用前景： 根据市场权威部门统计，我国县级以上医院每年用于PACS系统的投资都在50亿人民币以上，并且平均每年以20％的速度递增。市场前景非常客观。

集成一体化先进结构方案，将开放式的电路和实验平台、高品质数字信号源、新一代测量与分析仪器集成在一个实验箱中，不需要配电脑或其他仪器，只需一个实验箱就能全面支持“信号与系统”实验的教学内容。

随着返京高峰的到来，计算机学院软件开发环境国家重点实验室童咏昕教授团队与滴滴出行公司开展合作研究，全力攻关首都返程客流溯源监测与疫情相关分析，完成如下三方面内容：（1）协助北京市有关部门追溯确诊或疑似病例，并预警具有疫情接触风险的相关人员；（2）溯源外埠返京客流到北京各城区的人群流动模式，监测分析北京市各居民小区中外埠经历人群的动态移动模式；（3）分析外埠返京客流来源与首都各居民小区疫情变化的相关性。为服务社会大众了解疫情走势，并为相关部门提供决策支持，北航大数据与脑机智能高精尖创新中心刘旭东教授、胡春明教授、李建欣教授等组织师生，与复杂系统可靠性实验室李大庆研究员联合组成团队，全力投入建模和系统研发，已向决策部门提供疫情数据评估与预警报告、区域物资保障评估专项报告等，并迅速开发“新冠肺炎疫情数据导航服务”平台，数据单日访问量近 5 万次。此外，中心还进行新型冠状病毒的疫情评估与预测报告并开发疫情实时更新系统。中心对疫情现状进行分析和预测，为公众提供及时、准确的疫情态势分析、走势预测、舆情动态和政策措施等智能数据服务，实现全国及重点城市日度传播系数计算、短期确诊人数预测和长期疫情拐点。

研制背景：企业数据处理与数据分析需求在扩大，数据投入在持续增加；数据种类多，数据量大，潜在价值高；使用者难以有效地操作使用；业务复杂，调参静态组合参数过程繁琐； 平台技术： 微服务的构建方式，微服务、前后端完全分离。 分布式开发框架——SpringCloud Web开发框架——SpringBoot 、VUE（ELE） 机器学习算法框架——R、Spark集群计算 数据存储工具——Mysql、JPA、Hadoop（集群） 中间件: RabbitMQ

机械结构可靠性设计及分析软件是一个模块化的机构\结构零部件和系统的可靠性设计及概率分析的软件系统，采用了最新的概率算法和通用数字分析方法以计算工程系统的概率响应和可靠性；提供了丰富的可靠性分析仿真功能和图视化前后处理界面；可以在虚拟样机和有限元模型等数字化环境中，协同三维建模、控制仿真、有限元分析和动力学分析等成熟的商业化CAD、CAE 工具实现复杂机械结构和机构的可靠性定量性设计、可靠性预计和设计方案仿真评价、优化设计。 该软件先进性体现在：先进的可靠性设计分析方法；先进的集成框架技术；良好的开放性和二次开发平台。 机械结构可靠性设计及分析软件包括可靠性定量分析、产品可靠性预计、设计方案可靠性定量仿真评价及机械结构可靠性设计。可满足航空、航天、兵器、船舶、核等军民品企业开展复杂机械结构和机构产品的可靠性、参数化定量设计和综合分析评价、优化等设计分析工作的需要。 该软件的功能模块图如图1所示，其中可靠性优化设计界面如图2所示。 图1 本平台功能模块图 图2 可靠性优化设计界面

机械结构可靠性设计及分析软件是一个模块化的机构\结构零部件和系统的可靠性设计及概率分析的软件系统，采用了最新的概率算法和通用数字分析方法以计算工程系统的概率响应和可靠性；提供了丰富的可靠性分析仿真功能和图视化前后处理界面；可以在虚拟样机和有限元模型等数字化环境中，协同三维建模、控制仿真、有限元分析和动力学分析等成熟的商业化CAD、CAE 工具实现复杂机械结构和机构的可靠性定量性设计、可靠性预计和设计方案仿真评价、优化设计。

高速永磁电机无需借助维护困难、体积庞大的齿轮增速箱即可同轴连接至风机、压缩机、真空泵、透平膨胀机、燃气轮机等高速负载或原动机，提高了系统的可靠性、降低了维护成本，并可实现无油驱动。 东南大学电气工程学院课题组紧紧把握这一契机，在高速永磁电机的电磁设计、温升分析与冷却设计、转子结构分析等方面做了深入的研究工作。设计并应用了36000转/75kW, 24000转/140kW, 18000转/300kW工业鼓风机/空压机用高速永磁同步电机。

项目成果/简介:研制背景：企业数据处理与数据分析需求在扩大，数据投入在持续增加；数据种类多，数据量大，潜在价值高；使用者难以有效地操作使用；业务复杂，调参静态组合参数过程繁琐；平台技术：微服务的构建方式，微服务、前后端完全分离。分布式开发框架——SpringCloudWeb开发框架——SpringBoot 、VUE（ELE）机器学习算法框架——R、Spark集群计算数据存储工具——Mysql、JPA、Hadoop（集群）中间件: RabbitMQ应用范围:智能装备预测性维护：滕州机床设备在线监测云，实现设备状态监测、关键参数监测、能效管理、异常报警等服务。有效降低设备非计划停机和能耗，协助技术人员评估关键设备的实时性能，实现设备全生命周期健康管理。矿井工业视频联动：引入大数据对工业视频存储、管理提供支持，工业视频与各业务系统联动，调阅视频，存储视频。依托合作伙伴在正通煤业、鲁花集团、软控股份、山东省计算中心、斯木信息、西山煤电等企业进行应用示范。技术成熟度:可以量产