复杂地质条件下深井、软岩和动压巷道岩体呈现强流变特性，围岩的长期稳定性控制极其困难。现阶段，以钢管混凝土为主体的强力刚性支架支护形式在一定程度上缓解了原有U型钢支护强度不足、阻力过小、成本过高及让压受制等问题，钢管混凝土强力刚性支架是由钢管和混凝土组成的组合支护结构。现有的支护体系为U型钢或者单纯的钢性支护体系，无法吸收额外转移的能量，巷道围岩变形能量无法得到释放，而现有强力刚性支架支护系统由于支架与围岩接触面较小，容易导致钢管表面的应力集中，深部巷道刚性支架偏压现象明显，刚性支护让压能力欠缺，过高的强度要求导致支护成本上升。 专利优势： (1) 本发明通过弹性件的设置，解决了现有钢管混凝土强力刚性支护支护刚度有余而柔性不足的问题，通过装置内置的弹性可调节弹簧，利用较小的恒阻或变阻结构，实现支护体系在一定阻力条件下与围岩协调变形，达到缩小截面面积换取较小支护刚度，从而保证大变形巷道的长期稳定。 (2) 本发明通过无线压力传感器的设置，可对弹性件与让压节点部件之间的力进行检测，便于支架与围岩岩体之间发生协调变形时，对弹性件回弹力的调整。 (3) 本发明整个装置为拆卸式结构，可重复利用，节约资源。 (4) 本发明整个结构使得支护体系具有吸收额外转移能量的能力，以保证巷道围岩变形能量得到释放，支护系统所具有的这种让压能力可以释放不可控制的变形，提高支护系统的有效性和完整性。

本发明属于柔性膜质量检测设备相关领域，并公开了一种适用 于对移动中的柔性膜执行标识的多自由度打标装置，包括支撑组件、 传动组件、动力组件、打标针组件和记号笔组件，其中支撑组件可实 现打标装置的机械连接，同时还具有导向和位置调节的功能；动力组 件为打标装置提供可控的动力，传动组件可适于在运动中多自由度地 驱动打标针组件和记号笔组件，并提供高精度的打标操作；打标针组 件和记号笔组件分别可在柔性膜上打出针孔和颜色标记，并检测标记 是否成功完成。通过本发明，在高速运动过程中也能够高精度、稳定 可靠地执行打标操作，而且反应灵敏度高，因而尤其适用于 RFID 标 签之类对表面标识质量高的运用场合。 

成果与项目的背景： 目前，国内计量要求传感器的标定时间有效期为半年至一年，大型结构物称重系统涉及大量的千斤顶和重量传感器，工况恶劣复杂，在多次使用过程中会出现不同程度的磨损，千斤顶的内壁摩擦力和内腔泄露情况均会发生变化，国际上没有千斤顶的内壁摩擦力和内腔泄露完善的测量方法；同时重量传感器在使用过程中也会出现多种因素影响，其精度不能得到保证。需要一种装置对千斤顶和重量传感器随时进行标定。 技术原理： 千斤顶的内壁摩擦力和内腔泄露参数校验装置工作原理为，油泵出口开始工作，由计算机控制称重系统液压箱内部的两位两通电磁阀，使溢流阀分别独立工作，溢流阀的溢流压力根据用户的要求设定。当油泵压力稳定后，停泵，标准传感器压力信号数据减去压力传感器信号与千斤顶内腔面积乘积为千斤顶内腔摩擦力；标准传感器压力信号数据变化值为千斤顶内腔泄露参数。通过对不同的溢流阀的溢流情况交替控制，每次只有一个溢流阀工作，由于溢流阀的溢流设置不同，一次连接可以得到多个不同压力下的数据。重量传感器校验装置工作原理为，油泵出口开始工作，由计算机控制称重系统压力箱内部的两位两通电磁阀使溢流阀分别独立工作，溢流阀的溢流压力根据用户的要求设定。当油泵压力稳定后，停泵，标准重量传感器压力信号数据为千斤顶实际受力值，如果重量传感器与标准重量传感器的数据有偏差，偏差值为重量传感器误差，每次只有一个溢流阀工作，由于溢流阀的溢流设置不同，一次连接可以得到多个不同压力下的数据。 应用前景分析及效益预测： 该技术克服了现有技术的不足，提供一种大型结构物体称重系统的千斤顶和重量传感器的校验装置，可以快速、便捷地进行千斤顶内壁摩擦力、千斤顶的内腔泄露特性和对重量传感器进行校验。本装置包括油泵、千斤顶、连接在所述的油泵出、回油口和千斤顶进、出油口之间的其上装有压力传感器的千斤顶下腔油管、上腔油管，一个液压箱内设置有其上分别装有两位两通电磁阀的至少四个控制管路，所述的每一控制管路的入口分别与所述的千斤顶下腔油管相连通并且其出口分别与相应的其上分别装有一个溢流阀的溢流管的入口相连通，所述的每一溢流管的出口与所述的千斤顶上腔油管相连通，所述的千斤顶、一个称重重量传感器、一个标准重量传感器从上至下依次设置在一个支架内，一个现场巡检仪分别通过电磁阀控制电缆、传感器电缆与所述的每一两位两通电磁阀、标准重量传感器、压力传感器相连或者分别与所述的每一两位两通电磁阀、标准重量传感器、称重重量传感器相连，所述的现场巡检仪通过信号网络电缆读取所述的每一传感器的输出信号并将其进行模数转换后传递给一个计算机，所述的计算机读取并存储所述的现场巡检仪传输的数据信号并通过所述的现场巡检仪将开关控制信号传输给所述的每一两位两通电磁阀。该装置可以快速、便捷地进行千斤顶内壁摩擦力、千斤顶的内腔泄露特性和对重量传感器进行校验。 应用领域： 海洋石油生产的超大型机电装备，涉及大型结构物建造过程的称重技术、连续顶升、移位、装船及海上安装技术 技术转化条件（包括：原理、设备、厂房面积的要求及投资规模）：具体面谈。

本发明属于食品检测技术领域，涉及一种畜禽肉黏弹性无损检测方法，具体涉及一种多要素黏弹模型建立及其黏弹参数确定的方法。具体步骤为：首先利用畜禽肉黏弹性无损检测系统采集、计算待测样品的应变数据；然后根据待测样品的变形特征选择多要素模型，将不同多要素模型与不同数据拟合算法结合，对应变数据进行数据拟合，建立若干畜禽肉多要素黏弹模型；最后比较若干畜禽肉多要素黏弹模型的拟合效果，根据实际需求，选择最佳畜禽肉多要素黏弹模型，并计算黏弹参数。最终实现对畜禽肉黏弹性的无损、快速检测。

本项目提出了将时间维度与空间维度相结合的多尺度综合能源需求分析与预测模型，设计并实现了一种面向智慧城市的综合能源需求分析与预测的方法，提升能源供应规划和营销策略的优化与决策支持。

一种基于Bagging?RNN模型的电梯制动性能评价方法，包括：a)获取不同制动性能的电梯在制动过程中的闸皮温度序列数据，作为样本集；b）按照比例将样本集划分为训练集和验证集；c）使用训练集数据训练Bagging?RNN模型，根据训练误差修正Bagging?RNN模型参数；d）使用验证集数据验证Bagging?RNN模型的泛化能力，根据验证结果进一步修正Bagging?RNN模型参数，将修正后的Bagging?RNN模型作为电梯制动性能的评价模型；e)将被测电梯在制动过程中的闸皮温度序列数据作为Bagging?RNN模型的输入，模型输出被测电梯的制动性能评价结果。本发明从电梯制动时电梯闸皮最高温度变化的生成机理出发，获取不同制动性能电梯制动过程中的闸皮温度序列数据，并基于历史数据提出了相应的电梯制动性能的评价方法。

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。    

成果介绍火电机组深度调峰改造是消纳可再生能源的有效途径，深度调峰就是在自动控制的情况下将机组的负荷调节下限从原来的50[[[[%]]]]Pe下调至30[[[[%]]]]Pe，甚至更低。控制难点在于：当机组处在低负荷工况时，机组被控过程的动态特性具有快速变化的特征，常规控制策略难于有效控制。本项成果采用多模型智能预测控制技术，分别提出了适合于亚临界和超（超）临界机组深度调峰的多模型智能预测控制系统，实现了在低负荷或超低负荷工况下的平稳控制。市场前景本项成果已成功应用于华能丹东、华能大连、华能营口、华能井冈山、华能大坝、国投钦州、大唐当途、中铝银星、国信射阳港、国华筹光等电厂近30台300MW亚临界、600MW和1000MW超（超）临界机组的深度调峰中。特别是，已成功将华能营口电厂#4 600MW超超临界机组的负荷深调到15[[[[%]]]]Pe，并实现了机组”干态/湿态”的一键转换控制，达到了国内外最先进的深调水平。目前，在国内已完成的机组深度调峰改造中，大部分均采用了本深调优化控制技术，得到了广大用户的一致好评。

本发明涉及一种基于遥感影像值多元参量定标模型的自适应成像方法,其步骤包括建立成像系统电子学参数与遥感图像的定量数学关系；获取遥感成像系统的位置和姿态参数,并计算成像区域获取成像区域地物覆盖类型、地物反射光谱以及成像区域上空大气和气溶胶参数,根据辐射传输方程计算该成像区域对应的入瞳辐亮度；对每一景遥感影像入瞳辐亮度进行排序得到最大入瞳辐亮度值,并通过成像系统调节成像参数使其不超过成像系统最大输出图像值,然后驱动成像设备获取遥感影像。