本发明公开了一种基于 FPGA 的 POWERLINK 从站帧缓存管理 系统，在 FPGA 内部实现数据数据帧类型检测模块、数据数据帧缓存 管理模块，使用 FPGA 内部块 RAM 作为帧缓存区，在数据帧接收过 程中由数据帧类型检测模块对帧类型进行识别，并将结果传递给缓存 管理模块，缓存管理模块动态安排存储结构，使不同类型的帧存放在 RAM 中的不同区域，互不干扰。

江西财经大学现代经济管理学院是一所以经济、管理类学科为主，法、工、文等学科协调发展的本科院校。学院创办于2001年，是国家教育部和江西省人民政府批准设立的全日制普通高校独立学院。学院从2016年起由江西财经大学与共青城中航文化投资有限公司合作办学。 学院位于赣江新区共青城市科教城，占地面积700亩，赣江新区是国务院批复设立的，是我国中部地区第2个、全国第18个国家级新区。共青城市位于昌九经济带及环鄱阳湖城市集群，南迎南昌，北接九江，是昌九经济带发展的先导区。是唯一以“共青团”命名的城市，也是一座充满活力的青春、创新、生态之城，是国家新型工业化产业基地，团中央唯一授牌的“全国青年创业基地”。学院依托江西财经大学雄厚的教育资源和优势学科，坚持以教学为中心，明确“以学生成才为本，走质量立院之路”的办学理念，构建“专通结合、因材施教、分类培养、张扬个性”的育人特色。学院教师主体来自江西财经大学，现有教师400余人，其中副高职称以上教师占48%，硕士以上学历的教师占90%以上。学院配备有电子阅览室、多媒体教室、语音室和专业实验室，建有各专业教学实训基地和校企合作基地。拥有各类图书80余万册，建有塑胶田径运动场等运动场地，具有全新的教学、生活设施，拥有全覆盖的数字网络系统，学生宿舍配备空调、热水、直饮水系统。 学院2001年开始招生，学制四年，现有在校学生8500余人。学院现设有会计学系、经济学系、工商管理系、文法系、外语系、信息管理系和思想政治理论教学部，体育教学部共8个教学系(部)，设有会计学、注册会计师、财务管理、国际经济与贸易、金融学、电子商务、保险学、市场营销、人力资源管理、物流管理、旅游管理、计算机科学与技术、信息管理与信息系统、法学、商务英语、新闻学、产品设计、工程造价共18个专业(方向)。学院积极与海外境外知名高校建立交流合作关系。目前已与英国埃塞克斯大学、美国威斯康星协和大学、芬兰海门应用科技大学、泰国皇太后大学、加拿大尼亚加拉大学、法国南特高商学院、新西兰国立理工大学等10余所高校建立了合作关系。 2018年面向北京、天津、河北、山西、辽宁、吉林、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、海南、四川、贵州、云南、上海、内蒙古、陕西、黑龙江、重庆、甘肃、宁夏等28个省(直辖市、自治区)招生。 学院实行学年学分制管理。对符合毕业条件的学生颁发“江西财经大学现代经济管理学院毕业证书”，符合学士学位授予条件的毕业生授予江西财经大学现代经济管理学院学士学位。学院开设有会计学、金融学、法学和商务英语四个双学位专业教育，在获得主修专业学士学位前提下，如能达到第二学位专业培养方案的要求，经学院学位评定委员会核准，可颁发第二学位专业的学士学位证书。 学院办学以来，坚持立德树人，全面贯彻落实党的教育方针，遵循教育规律，立足江西、面向全国，以国际的视角，努力进行管理体制、运行机制和应用型人才培养模式的探索与实践，教学质量、办学水平得到了快速的提升，学院社会声誉得到广泛认可，影响力逐步提高。学院先后荣获“全国暑期三下乡社会实践服务活动优秀单位”“全省高校思想政治教育工作先进集体”“全省五四红旗团委”等荣誉称号，9年连续3次荣获“全省普通高校毕业生就业工作评估优秀单位”(每三年评估一次)荣誉称号。学院学生在“挑战杯”全国大学生课外学术科技作品竞赛、全国大学生数学建模竞赛、全国大学生英语竞赛、全国大学生网络商务创新应用竞赛等大赛中多次获奖。有一批学生分别考取了清华大学、浙江大学、复旦大学、厦门大学、中山大学、上海国家会计学院、江西财经大学、华东政法大学等50余所高校硕士研究生;有一批学生考取公务员;有一批学生赴美国纽约州立大学、英国南安普顿大学、澳大利亚国立大学、法国雷恩商学院等学校出国留学深造。学院毕业生就业工作连年保持良好态势，就业率在全省同类院校名列前茅，办学十几年来，学院已为社会培养了近两万名高素质的毕业生，多数学生现已成为所在单位的业务骨干和中坚力量。 学院遵循高等教育规律，坚持规模、结构、质量、效益协调发展，努力培养具有“信敏廉毅”素质的应用技术型人才，朝着建设“全国知名特色鲜明的高水平财经类职业本科院校”的发展目标迈进。

产品详细介绍RFID智能设备工具柜 一、产品简介RFID智能设备工具柜是北京泰格瑞德科技自主研发的RFID工具管理系统方案之一，该系统设备工具柜内部集成了RFID读写器、RFID 定制天线、安卓一体机/工控一体机、IC卡刷卡设备等智能设备，对柜内贴有RFID电子标签的设备、工具进行智能自动化管理。                RFID读写器                            RFID天线二、产品特点*安全化：设备工具柜内装有RFID刷卡控制器，非授权卡无法打开对应的设备工具柜门。*信息化：设备、工具实时监测，记录每项工具参数数据，实现生命周期可视化。*自动化：省去人工扫描、盘点、录入等繁琐工序，实现快速、批量管理。*高效化：自动化+信息化代替手工作业，计算机自动实现数据采集，大大节约了人力成本，提高了工作效率。*智能化：当设备、工具未及时归还时，系统将自动报警并生成报表发送给相关负责人；如果工具不慎丢失，可通过RFID手持终端人工找回。 13965501553三、工作流程员工扫描IC员工卡打开柜门→取出/归还工具（设备）→关门自动确认借出/归还，系统提示借出人员、工具明细、借出时间等信息。还有日检查，月检查等操作模式，可以实时掌握各级单位工具的数量、种类、状态；采集数据；做到工具的高效化、智能化管理。四、行业应用主要应用于航空、电力、消防、机械、铁路等行业，实现设备、工具自动快捷的借用、归还、定位、查找、维护等功能。四、数据效益1. 盘点效率提升10倍以上，原人工盘点工作所需5-10分钟，RFID工具车系统自动盘点只需3-5秒。2. 当设备、工具在使用过程中失落，人工找寻一个工具平均花费时间10-20分钟，RFID工具管理系统利用RFID手持终端进一步查找失落工具只需3-5分钟，管理效率提升五倍以上。

丰石公司成立于2015年，是一家以资本为核心，再生资源创新投资为双轮驱动力的环保产业私募基金管理机构，立足于“循环经济、再生资源产业、互联网+环保”，专注于铅循环产业链等国家支持型产业的巨大价值类项目投资，致力打造受人尊敬的绿色金融品牌。

项目成果/简介: i4Ocean 的命名分为两个部分，其中Ocean代表本平台主要应用于海洋信息可视化领域，而i4寓意为四个英文单词即：Interactivity（交互性），Imagination（构想性），Immersion （浸没感），Intelligence（智慧性）。这四个单词概括了i4Ocean 的主要特点，也是本平台致力于实现的终极目标。 i4Ocean可视化原型系统主要实现以下功能： 1、数据处理：将常见的海洋数据转换为geotif、json、geojson。 2、可视化功能：标量数据可视化、剖面动画、体绘制、二、三维流线可视化。 3、可视化分析：中尺度涡识别、追踪。 4、舰船远洋航行系统：港口信息查询、全球港口显示、航线添加、海图导航、水文信息可视化。 5、视频录制：保存加载相机路径、高清截图、高清录像。 在系统中，我们提出了两种算法用于海洋环境数据可视化和分析。一种是基于gpu的光线投射算法绘制海洋温盐数据，一种是基于传输函数的海洋中尺度涡流交互式流场可视化算法，实现了时空相干和视口相干。引入交互式传输函数，从背景洋流中提取基于多种涡旋参数（如Okubo-Weiss参数）的二维和三维涡旋特征。 相关成果评选为2012年山东高等学校优秀科研成果奖、2013年青岛市科学技术奖、青岛市2017-2018年度优秀大数据解决方案。项目阶段:系统原型阶段效益分析: 该系统可用于船舶远洋航行、海洋数据分析、海洋数据处理。将常见的海洋数据转换为tiff，json。利用系统标量场、矢量场可视化功能，对海洋数据进行分析，为船舶航行提供指导。 该技术和装备可用于海洋深部结构研究，为发展我国海洋经济提供技术支撑，这将具有重要的社会经济效益。发展海洋数据分析及可视化功能，更可以拓展蓝色经济空间，推进军民深度融合。 该成果已与青岛海洋科学与技术试点国家实验室等单位开展深度合作，现阶段处在项目支持的前期研究中。同时与外地的合作单位有：中船工业集团，自然资源部直属单位国家海洋信息中心、国家海洋环境预报中心、国家海洋卫星应用中心。知识产权类型:发明专利 、 软件著作权知识产权编号:201510066037.9 201510070177.3 201510212425.3 201510212424.9 201710827686.5 201710828365.7 2013SR004155 2013SR010109 2014SR062104 2015SR014980 2015SR038759 2015SR085063 2015SR246570 2016SR010562 2016SR326470 2016SR325154 2017SR732244 2017SR737071技术成熟度:通过中试技术先进程度:达到国内领先水平成果获得方式:独立研究获得政府支持情况:无

项目成果/简介:本作业平台可以实现掘进头支护作业的完全机械化，改善掘进头工作面的支护状况，大大减轻工人劳动强度，能满足一定的超前支护要求，能有效提高掘进面作业速度，充分保证工作人员的作业安全性，是改进目前掘进头支护作业工作方式的综合机械化成套作业设备。

通过车载终端以至少 1Hz 的频率采集发动机动态运行数据和静态数据，并通过远程监管终端上传至远程监管平台；远程监管平台将车辆上传的动态运行数据输入相应的诊断模块进行信号诊断，输入相应的排放因子计算模型计算出排放因子，并读取 OBD 故障信息对排放结果进行有效性评估，从而获得车辆的实际排放状态。

本作业平台可以实现掘进头支护作业的完全机械化，改善掘进头 工作面的支护状况，大大减轻工人劳动强度，能满足一定的超前支护 要求，能有效提高掘进面作业速度，充分保证工作人员的作业安全性， 是改进目前掘进头支护作业工作方式的综合机械化成套作业设备。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。