北京世纪超星信息技术发展有限责任公司是一家以技术、产品与服务创新为驱动力的教育信息化企业，是中国档案数字化、图书数字化、学术资源数字化的开创者，是中国精品课、视频课、公开课、MOOC、SPOC建设的先行者，是中国高校教学管理平台、移动教学平台、智慧教务系统研发的领军者，是中国通识教育、智慧教学、公共文化整体解决方案的提供者。

浪潮是中国领先的云计算、大数据服务商，拥有浪潮信息、浪潮软件、浪潮国际、华光光电四家上市公司，业务涵盖云数据中心、云服务大数据、智慧城市、智慧企业四大产业群组，为全球100多个国家和地区提供IT产品和服务，全方位满足政府与企业信息化需求。2018年，浪潮明确提出以数据为核心，基于全球领先的云数据中心平台和云服务平台，打造平台生态型企业，携手合作伙伴构建数据社会化大生态，加快向云服务、大数据、智慧城市“新三大运营商”转型，致力于成为“云＋数”新型互联网企业。 浪潮综合实力位列2015年中国电子信息产业百强第9位，浪潮服务器销量全球前三、中国第一，浪潮集团管理软件连续16年市场占有率第一，浪潮政务云服务连续5年市场占有率第一。浪潮是全国八家国家安全可靠计算机信息系统集成重点企业之一，自主研发的中国第一款关键应用主机浪潮K1使中国成为继美日之后第三个掌握高端服务器核心技术的国家，荣获2014年度国家科技进步一等奖。 浪潮是中国最早的IT品牌之一。上世纪六十年代，浪潮的前身——山东电子设备厂在开始生产计算机外围设备和低频大功率电子管。1970年，中国第一颗人造卫星"东方红1号"就采用了浪潮生产的晶体管作为电子元件。由此，浪潮开始了40余年以技术创新为本的IT征程。浪潮历程一直秉承创新的理念，数次在中国信息产业发展的重要历史阶段，以极具前瞻性的技术突破引领中国IT产业的发展。

安徽省模式识别信息技术有限公司，成立于2022-01-12，注册资本为500万人民币，法定代表人为严海娇，经营状态为存续，工商注册号为340172000475911，注册地址为安徽省合肥市经济技术开发区锦绣大道99号合肥学院中德青年学生创业孵化中心办公楼4层416室，经营范围包括一般项目：技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广；企业管理咨询；科技中介服务；教育教学检测和评价活动；会议及展览服务；住房租赁；物业管理；创业空间服务；工程管理服务；知识产权服务（专利代理服务除外）；专业设计服务；数据处理和存储支持服务；大数据服务；互联网安全服务；软件开发；智能机器人销售；人工智能硬件销售；信息咨询服务（不含许可类信息咨询服务）；计算机软硬件及辅助设备零售；计算机系统服务；互联网设备销售；软件销售；电子产品销售；物联网设备销售；智能无人飞行器销售；信息安全设备销售

北京华视恒通信息技术有限公司是智慧媒体数字信息化领域产品开发与系统解决方案品牌供应商，专注于为教育、广播电视、事业单位、企业提供智慧教育、智慧媒体、虚拟现实等领域系统集成、产品开发以及技术服务。 公司自主研发产品通过了国家权威机构严格的测试认证，通过ISO9001国际质量管理体系认证。公司拥有高新技术企业和软件企业认证。 公司提供完全自主知识产权的高科技产品，以科技创造财富，以实力创造品牌，已经成为教育信息系统的专业品牌设备提供商，专业解决方案提供商和服务商，为客户提供专业的解决方案和运维服务。 公司产品主要包括：虚拟数字人系统、3D快速建模系统、裸眼3D全息系统、XR虚拟演播室系统、互动教学系统、微课系统、优课系统、智慧教室、实训示教、分组教学、互动直播、智课平台、巡课系统等产品设备。 公司产品和服务被广泛应用于教育信息、广播电视、政府机构、企业、医疗等多种行业和机构，并与国内外多家企业建立了战略合作伙伴关系。公司凝聚了一大批具有使命感的高素质人才，积累了丰富的研发、生产和工程实践经验。

北京大友可为信息技术集团有限公司是一家专注于高等教育领域教学实训平台技术的高科技企业，提供基于 5G、 人工智能、机器人和物联网结合领域的新一代信息技术教学实训科研平台。 公司总部位于北京中关村国家自主创新示范区核心区，在上海、成都、西安、长沙等地高科技产业园设有子公司 / 分支机构。各地员工总数50余人，其中博士4人，高级技术人员12名，中级技术人员19名。公司在智能机器人、 5G+AI、5G+ 物联网、疫情防控系统、智慧小区、智慧物流、智慧医疗、通信专网等领域落地创新成果。 我司结合各高校人才培养计划，提出 5G 和新一代信息技术实验室建设方案，配套教学科研统一软件平台，在学校 实验室内搭建一个功能齐全、性能先进的 5G 通信 /5G 物联网 /5G 人工智能 /5G 机器人实验平台，帮助高校快速建 立相关专业教学资源以及实训、教学科研环境，满足课程实验、课程设计、实习实训、科研训练等多方面需求，帮 助学生更好地学习课程内容，提高学生动手能力，激发学生学习兴趣。

深圳市艾迪思特信息技术有限公司（iDste）是一家提供智慧校园建设及服务的高科技企业，自成立以来坚持为一线学校提供可靠、实用、高效的智能系统，目前产品及方案已在全国上千所学校得到应用与普及。 iDste始终将卓越的创新科技与市场经验相结合，坚持高水平研发投入，在智慧校园基础应用平台建设方面为用户提供具备竞争力的、可增值的、超融合的解决方案。 公司产品通过了国家ISO9001、ISO14001及3C认证，2016年获得国家高新技术企业认证。在北京、上海、广州、南京、武汉、成都、长沙、西安等地设有办事处，业务和客户遍及国内各省市自治区。

（专利号：ZL 201510007741.7） 简介：本发明公开了一种线锯绕制电极电解‑机械微细切割加工方法，属于特种加工技术领域。该方法利用两股截面为圆形的电镀金刚石线锯相互扭绞在一起制作成电极；该电极利用其凹凸结构以及高速自旋特性能有效地改善间隙内流场状态，使新的电化学反应离子及时补充到加工区；利用电镀金刚石线锯刮除电解产物和电解作用产生的钝化膜，能够大幅提高加工质量、加工效率；利用绞合线形成的很多凹槽，加工过程中磨损的金刚石颗粒进入凹槽中，这样在凹槽部分储存着很多磨粒，可以提供更多的人造金刚石用于磨削，从而改善了排屑性能，提高了磨削性能、切削效率和切削质量。

项目简介 化工设备及化工设备是在高温、高压及腐蚀环境下工作的机械设备，其零部件的安全可靠工作是整个生产装置的安全运行的基本保障。化工机械零部件的脆性破坏，对化工装置的安全生产危害性极大。它无先兆、容易引起重大事故。我们采用数值分析方法，对化工设备常用零部件的受力情况进行分析计算，运用金相分析及扫描电镜等手段对零部件断口的组织特征及微观形貌进行分析；采用化学分析方法及微区能谱分析方法对断口物质成分进行分析；采用断裂力学分析方法根据断口的形成过程对零部件的破坏进行断裂力学参量分析。应用情况 运用以上方法及手段，对武汉石油化工厂聚丙烯装置活化剂管道连接螺栓的突然破坏、原油加热装置热电偶管的突然破坏及催化装置浮头式换热器小浮头连接螺栓的突然破坏进行了失效分析，找出了导致零部件发生脆性突然破坏的原因，为采取有效措施防止此类破坏提供了参考依据，为整套装置的安全运行起到了一定的保障作用。

一、项目简介 随着科技进步和社会需求的发展，机器人手/臂除了工业生产，也越来越多用于服务人类的其它各个领域，这必然会使机器人承担比工业中更加多样的操作任务，面临更加多变的工作环境。因此，国内外对非结构自然环境下、具备自主操作能力的机器人的研究十分重视。当前，具备视觉感知能力的机器人已被公认为机器人发展的主流趋势，将视觉与机器人操作相融合，是对人类行为的模拟，由此产生的视觉伺服控制方法为机器人自主操作能力的实现带来了新的思路，代表了机器人的先进控制技术，也是促进机器人智能化发展的一个重要驱动。可以预见，未来的视觉系统将会成为机器人名副其实的眼睛，视觉伺服技术在机器人自主操作中将具有不可替代的作用。 视觉伺服利用视觉传感器提供的环境信息对机器人运动进行实时反馈控制，涉及机器人机械几何设计、运动学和动力学、自动控制理论、计算机视觉图像处理和摄像机标定等,是智能机器人领域中具有重要理论意义的研究课题之一。迄今为止，机器人手/臂的视觉伺服方法在太空遥操作、机器人手术、水果采摘、工业装配、焊接、抓取以及微操作等方面得到越来越多的应用。然而，现阶段可实际应用的方案主要面向特定的标定环境、模型参数已知，机器人操作是编码定式的，不具备模型未知条件下的自主操作能力，特别是当面向未来的刚-柔-软体共融机器人时，其柔型结构造成的运动模型及参数的变化与不确定性，必然使现有确定模型的研究方法失效。因此，无模型（目标几何模型，手眼标定模型，机器人运动模型）、非结构环境下的自适应操作对机器人提出了新挑战，是机器人手臂(尤其柔型手臂)视觉伺服控制研究的难点与前沿问题，不断深入对非结构环境下、无模型的机器人手/臂视觉伺服控制的研究具有重要的理论和现实意义。 在非结构自然环境下使机器人像人一样协调自适应操作是当今机器人研究领域的一项尚未实现但又令人感兴趣的研究工作。从理论上看，非结构自然环境下实现机器人柔性操作，就当前研究依靠单一的控制器设计是困难的。因此，本项目借鉴人的手眼协调操作是自适应学习过程，涉及智能进化和行为优化，将随机动态规划理论，结合约束规则与最优化控制，探索一种变参手眼关系，实现机器人在非结构自然环境下的自适应操作。 二、前期研究基础 研究团队一直致力于机器人视觉反馈控制的研究。在基础理论研究上，针对无标定视觉伺服控制方案与设计，均提出了一些新型方法，有扎实的理论基础和知识积累，并不断跟踪和深入在无模型视觉伺服控制的方面研究和前沿问题。目前，已经着手在无模型视觉伺服的可靠性、稳定性控制方面做了充分的探索工作：针对机器人无标定全局稳定操作问题，研究了一种鲁棒卡尔曼滤波(RKF)合作Elman神经网络(ENN)的全局稳定视觉伺服控制方法；提出了一种基于网络辅助尔曼滤波状态估计的无标定视觉伺服方法，提高伺服系统的鲁棒性。同时，立足机器人发展前沿，建立了多模特征深度学习抓取系统，在无结构环境下实现了机器人智能抓取与定位。 已发表的与项目相关的主要论文有： [1] 仲训杲,徐敏,仲训昱,彭侠夫.基于多模特征深度学习的机器人抓取判别方法.自动化学报,2016,7(42), pp:1022-1029. (EI) [2] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robots Visual Servo Control with Features Constraint Employing Kalman-Neural-Network Filtering Scheme. Neurocomputing, 2015, 151(3), pp:268-277 (SCI)  [3] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robust Kalman FilteringCooperated Elman Neural Network Learning forVision-Sensing-Based RoboticManipulation with Global Stability. Sensors, 2013, 10(13), pp:13464-13486. (SCI) [4] Xungao Zhong, Xiafu Peng, Xunyu Zhongand Lixiong Lin. Dynamic Jacobian Identification Based on State-Space for Robot Manipulation. Applied Mechanics andMaterials, vols. 475-476 (2014)pp: 675-679.(EI) [5] Xungao Zhong, Xiafu Peng, Xunyu Zhong and Xueren Dong. Multi-Channel with RBF Neural Network Aggregation Based on Disparity Space for Color Image Stereo Matching. IEEE 5th International Conference on Advanced Computational Intelligence (ICACI), 10(2012) PP:620-625. (EI) [6]XUNGAO ZHONG, XIAFU PENG, XUNYU ZHONG. NEURAL-BAYESIAN FILTERING BASED ON MONTE CARLO RESAMPLING FOR VISUAL ROBUST TRACKING. Journal of Theoretical and Applied Information Technology, 2013, 2(50), pp: 490-496. [7] Xungao Zhong, Xiafu Peng and Xunyu Zhong. Severe-Dynamic Tracking Problems Based on Lower Particles Resampling. TELKOMNIKA Indonesian Journal of Electrical Engineering. 2014, 12(6), pp:4731-4739. [8] Xunyu Zhong, Xungao Zhong and Xiafu Peng. Velocity-Change-Space-based Dynamic Motion Planning for Mobile Robots Navigation. Neurocomputing. 2014, 143(11), pp:153-163. (SCI) [9] Xunyu Zhong, Xungao Zhong, Xiafu Peng. VCS-based motion planning for distributed mobile robots: collision avoidance and formation. Soft Computing,2016,5(20), pp: 1897-1908. (SCI) [10] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于雅可比预测的机器人无模型视觉伺服定位控制, 控制与决策, 已在线发表, 2018. [11] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于图像的机器人非标定视觉反馈控制全局定位方法, 厦门大学学报(自然科学版), 已录用, 2018. 三、应用技术成果 （一）基于多模特征深度学习的机器人抓取判别 研究了多模特征深度学习及其在机器人智能抓取判别中的应用，该方法针对智能机器人抓取判别问题, 研究多模特征深度学习与融合方法. 该方法将测试特征分布偏离训练特征视为一类噪化, 引入带稀疏约束的降噪自动编码 (Denoising auto-encoding, DAE), 实现网络权值学习; 并以叠层融合策略, 获取初始多模特征的深层抽象表达, 两种手段相结合旨在提高深度网络的鲁棒性和抓取判别精确性. 实验采用深度摄像机与 6 自由度工业机器人组建测试平台, 对不同类别目标进行在线对比实验. 结果表明, 设计的多模特征深度学习依据人的抓取习惯, 实现最优抓取判别, 并且机器人成功实施抓取定位, 研究方法对新目标具备良好的抓取判别能力. （二）无标定视觉伺服解决方案及其机器人操作应用 研究了无标定视觉伺服方法及其在机械臂任务操作中的应用。首先提出视觉伺服目标：假设机器人或者摄像节的模型参数未知或者部分未知，视觉伺服的目标是使用摄像节作为传感器，引导机械臂运动，使当前图像特征收敛到期望图像特征，从而完成定位或者跟踪的任务。 手眼协调关系描述。关节图像雅克比矩阵定量描述了机械臂关节变化引起图像特征变化，它是关节-图像映射的局部线性化矩阵。 建立图像雅克比的在线估计器。将关节图像雅克比矩阵的每一个元素作为辅助系统的状态，建立辅助系统的状态方程；摄像机提取到的图像特征作为测量值，建立辅助系统的观测方程。根据Kalman滤波器理论，我们设计了对关节图像雅克比的在线实时估计算法。 构建基于图像矩的目标函数。为了避免传统的基于点特征的缺陷，例如点特征的标记、提取与匹配过程复杂且通用性较差问题。构建基于图像矩的图像特征向量完成视觉伺服任务，来提高视觉伺服系统的稳定性和可靠性。 四、合作企业 厦门万久科技股份有限公司是一家集销售、软件研发、技术服务、加工技术整合为一体的高新技术企业。目前公司的经营范围涉及CNC软件开发及数控系统销售、CNC控制零件销售及专业维修；工艺优化、机台升级与技术改造、工程配电与软件优化、专用机控制系统开发、多轴机的设计与开发、机台精度检测与校正优化服务等。公司是国际知名生产制造企业——富士康的产品供应商和技术服务商。