1.痛点问题 电动汽车在未来将大规模接入电网。在居民小区与公共慢充站等场景下，优化已接入电动汽车充电功率可实现削峰填谷、提高新能源渗透率和改善电压水平。由于单辆电动汽车充电功率、电池容量过小，需要在电动汽车调度环节中引入集群代理作为中间商管理大型充电站或者同一供电区内的电动汽车集群，并以此为单位参与电网调度。在获得电网下发的集群调度结果后，集群代理通过优化内部电动汽车的充电功率，使所有电动汽车的总充电功率尽可能逼近理想曲线，从而使各电动汽车以对电网有利的方式充电。目前，该问题多采用集中优化方案，需要各辆电动汽车向集群代理传递自身信息，当集群规模较大时，大量数据的存储和处理将占用较多资源，计算时间也较长，也和电动汽车的自治性不符。但采用分散优化方案时算法设计不当，分散优化算法结果有可能只是次优解甚至不可行。 另一方面，未来公共快充站的普及和车辆充电功率等级的提升将给电网运行带来新的挑战和机遇：一方面，公共充电站快充负荷的天然不确定性叠加上车辆大功率快充模式，使得部分充电站的充电负荷具有功率大、间歇性和波动性强等特点；如果不对这些公共充电站的快充负荷做合理调控，可能导致配网部分电压越限、电能质量恶化、甚至设备过载等问题；另一方面，电动汽车具有空间移动特性，在充电导航下，起到优化电网潮流分布、促进新能源发电消纳、维持配网节点电压水平、实现电网安全经济运行等目标。目前，电动汽车导航多局限于简单的车辆路径规划问题，缺乏对交通-电力信息的综合考虑，无法实现电力-交通融合网络的协同优化，且在导航过程中对用户隐私的保护不足。 2.解决方案 面向已接入充电的车辆，本项目提出一种对集群内多辆电动汽车充电行为进行分布式优化的方法，属于电力系统运行和控制技术领域。该方法采用停车场或者小区侧的控制器作为优化计算中的协调器，为各个汽车上的子控制器提供协调信息，子控制器根据这些协调信息优化自身的充电功率曲线，并将信息反馈回协调器；如此进行迭代计算：首先由各汽车的子控制器初始化一个满足自身充电要求的初始曲线，作为迭代的开始步骤；每一步迭代过后，协调器将会得到各个电动汽车改进后的充电功率，等迭代收敛得到的各个电动汽车的充电功率下发给子控制器。本方法所得到的充电方案将实现对理想曲线的最优逼近。该成果既适应汽车的物理分布特性，同时又有较高的计算效率。 面向未接入充电的车辆，本项目提出了一种基于智能交通系统的电动汽车充电路径规划方法，综合考虑了交通状况和电网状态。该方法基于智能交通系统实现，包含四个模块：电力系统控制中心、智能交通中心、充电站和电动汽车终端。电力系统控制中心根据电网数据计算可用充电容量和充电站充电容量，并将结果传输至充电站。充电站确定其充电计划，估计未来电动汽车的可用充电功率，并将这些数据传输至智能交通中心。在从智能交通中心接收可用充电功率数据和交通数据后，电动汽车终端估计不同站点的总充电时间，包括驾驶时间、等待时间和充电时间。驾驶员可以查看这些结果，并选择导航至与最小总充电时间相对应的充电站。 合作需求 本项目拟应用于新能源汽车充电管理与新能源汽车充电导航场景。针对已接入充电的车辆，以集群形式参与电网调度，收到电网下发的集群优化充电调度指令后，集群代理需优化集群内的电动汽车充电功率以追踪电网指令，从而降低车辆用户的充电费用。针对未接入充电的车辆，为电动汽车车主提供一条最佳充电路径，节约车主的时间，提高车主的出行效率。而且充电站的选取充分考虑了电力系统的运行要求，避免电力拥塞的现象，保障电力系统的安全运行。 本项目希望获得产品化所需资金与试点产地、开发团队等孵化资源支持。有意向与国家电网、南方电网等输配电企业，国网电动、特来电、星星充电等充电设施建设与运营企业，百度地图、高德地图等地理导航企业，售电公司与负荷聚合代理商合作。

项目简介： 发展自主知识产权的北斗卫

依多训内镜手术培训机器人依托云平台，将医学病理，影像数据、手术培训智能分析引擎等绝密数据及算法存储于云端。 打破传统内镜手术培训的模式，为广大用户带来系统化，精确化，数量化的手术仿真培训教学。系统集人机交互人工智能、VR、AR、医疗影像、机械电子等多个当代学科最尖端技术于一体，可广泛用于医疗行业的各个临床手术培训。

本成果围绕光伏并网系统电能质量展开。基于深度学习算法，研究谐波等电能质量指标变化规律，运用特征提取技术处理时序数据，实现电能质量预测。研发基于态势感知的电能质量调控装置，总谐波补偿率不小于 90%，补偿次数 2 - 50 次。成果形式包括研究报告、调控装置示范应用，申请发明专利 3 项，发表论文 3 篇。应用场景涵盖光伏电站、配电网等，可提升电网可靠性与经济性，减少设备损耗、优化调控策略、降低弃光率，为新能源消纳提供支撑。

本发明公开了一种针对组合导航中DVL失效的混合处理方法，当DVL有效时，采集SINS解算信息和DVL量测信息构成数据表，利用偏最小二乘回归建立线性预测模型，再将DVL量测信息和偏最小二乘回归模型预测所得结果相减得到残余部分，并将其作为训练目标，利用支持向量回归训练得到相应的预测模型；当DVL失效时，利用所建立的偏最小二乘回归模型和支持向量回归模型分别预测DVL量测线性部分和残余部分，并将两者之和作为所预测的DVL量测信息，从而保证DVL间歇失效情况下，SINS/DVL组合导航结果的可靠性。本发明利用

项目简介 本成果涉及一种手术导航设备，尤其是用于骨科髋关节置换手术中对患者股骨腔的 切削导航仪。151 有益效果是：股骨腔髓腔锉切削导航仪的中央处理单元对图像采集单元采集的数据进行 分析，模拟并在现实单元上显示出的髓腔锉切削参考导路，通过这种方法可确保股骨柄 假体一次植入成功，保证定制型人工髋关节股骨柄假体与患者股骨腔的匹配程度。该成 果已获得发明专利授权。 适用范围、市场前景 适用范围：骨科髋关节置换手术髓腔锉切削患者股骨腔松质骨手术导航。市场前景： 我国地大物博，医学水准参差不齐，

项目背景：目前电力机器人在作业过程中，由于环境恶 劣，电磁刚绕强度高，造成控制系统不稳定；同时在巡检过 程中，要对各种线路金具、各种作业仪表进行识别与检测， 通常采用机器视觉技术。但由于机器人作业在野外或阴暗照 明等复杂环境，存在识别率低，不稳定等问题。本项研究针 对特殊应用环境，拟开发一套基于机器视觉的巡检机器人控 制系统。 所需技术需求简要描述：1.基于多传感器信息融合的机 器人越障系统：主要包含视觉、激光雷达、超声、红外等传 感器信息，能够实现对巡检路径上障碍物的实时识别与定 位；2.巡检机器人远程监控平台：用于对巡检机器人采集到 的信息进行远程传输和监控，包含巡检路径上的实时视频传 输、机器人运行状态信息显示、巡检故障诊断与显示等；3. 小样本深度学习算法：针对极端环境下数据采集困难，数量 少等问题，研究基于小样本学习的深度学习算法，提高极端 环境下的障碍物识别精度；4.图像增强算法：针对高空强光、 阴暗、潮湿等极端环境所带来的图像识别困难问题，研究相 应的图像增强算法，提高识别精度。主要技术指标：1.开发 设计一种适合高压线路金具视觉检测与识别技术，对输电线 路各种金具进行动态识别与检测，解决野外环境下识别率低 的问题，形成一套完整的线路金具机器视觉识别与检测方 法。2.开发设计一种适合地下阴暗、潮湿、多尘环境下视觉检测与识别技术，形成一套完整的机器视觉识别与检测方 法。包括线路金具的识别模型和线路金具的定位方法与双目 测距技术。  对技术提供方的要求:拟与高校联合开发，要求团队具 有类似经验，具备电力机器人研究经历，具有电力线路识别 研究基础，最好有研发案例。 

随着社会经济的发展，医院、车站、机场等大型场所的规模和数量不断扩大，其保安巡逻 自动化需求将日趋迫切。目前依赖于人力巡逻或CCD定位监控已不能满足夜间保安的要求， 采用保安巡逻机器人实行定时、定点监控巡逻与不间断流动巡逻结合将是目前最佳的解决方 案。 为了实现保安巡逻的各项功能，使系统在总体性能上满足实时性、可靠性和方便性的要 求。远程操作计算机远离移动机器人的工作现场，操作者通过这台计算机实现对机器人的远程 操作控制，其实现的功能有：网络通信、视频的解压缩和显示、非视觉传感器信息的可视化显 示、移动机器人工作状态的显示和接收操作者通过控制设备对移动机器人下达的控制命令。 移动机器人平台由移动机器人信息处理及操作系统、道路识别系统、视频采集系统、非视 觉传感器信息采集系统和伺服驱动系统组成，其中移动机器人上位机系统实现的功能有：网络 通信、视频信息压缩、视频信息识别、非视觉传感器信息的处理、移动机器人的运动规划和运 动控制。本项目创新点如下： (1) 基于区域矢量化道路识别 对车道线进行区域矢量化，并对获取的车道线进行数学分析及建模，用以后续的自动导航 控制。 (2) 基于多信息融合的自动导航 本巡逻机器人自动导航系统采用多信息融合，结合视觉信息和GPS定位。视觉信息用来识 别车道线进行导航，而GPS可以提供必要的导航信息，对视觉信息的不足进行补充。 (3) 巡逻机器人组网及远程控制 巡逻机器人控制系统接入无线网络，可以通过控制端PC对机器人发送指令，使其按所发 送的指令自动到达指定站点。机器人之间应该也能够互相通信，这样才能够及时的避免冲撞以 及交换信息。

自主导航技术是移动机器人实现自主化的最为核心的关键技术。在现有的智能工厂环境中，工业AGV等多采用色带、磁钉、磁条、二维码、有反射板激光等自主导航技术，这类方法共同缺点就是需要对使用环境进行大量改造，系统的建设周期较长、维护成本高且难以满足智能工厂对柔性和灵活制造的要求。因此，目前AGV的导航模式逐渐从传统的导航方式转向了基于自然环境和SLAM技术的完全自主导航方式。但是，目前常规的基于激光传感器的定位技术只能达到2-5cm的精度，并且对于环境要求较高，无法满足工业环境高精度、强鲁棒性的要求。针对上述难题，研发了利用激光、视觉、惯性传感器等多模态传感器，在动态、视觉退化、非结构化等自然环境中实现了高精度、高可靠性和高实时性的2D/3D自主定位与导航技术。