XM-MZ01中医面诊、问诊检测采集分析系统（中医面诊仪）   XM-MZ01中医面诊、问诊检测采集分析系统通过对病人面部图像进行分割、人机病症问诊作答，结合医生专业诊断，给出专业诊断结果并打印成报告，该系统能达到辅助中医临床诊断的作用，从数据库中读取面诊以及问诊信息数据，建立和编辑病例，建立中医诊断报告。中医面诊检测分析系统采用形状模型实现对眼睛、鼻子等器官进行定位，提取出额头、下颏和两颧区等人脸区域。通过采用K-means算法对面部图像的颜色进行提取，计算不同的颜色聚类中心的距离而进行面部颜色的分析；通过采用改进的2DPCA对面部图像进行特征抽取，通过计算测试样本特征与训练样本特征之间的余弦距离，实现对面部图像的光泽分析。   功能特点： ■ 软件界面简洁、操作简单。 ■ 随时可以添加、删除病人信息并自动保存。 ■ 采集分析流程：新建病人、问诊采集、面象采集、分析 结论、保存病例。 ■ 问诊采集主要是病人对照数据库中的各种症状进行挑选，通过回答 88 道试题( 病人起病和转变的情形，寒热、汗、头身感、大小便、饮食、胸腹、耳、口等各种状况)，最后进行提交并由系统自动判断。 ■ 面象采集主要是在特定的光源环境下，采用高清晰摄像头 获得患者面部的图像信息，将这些特征值与特征数据库中的阈值进行比对，给出面色分析结果。可分析12种面色：青色、赤色、黄色、白色、黑色、正常、淡白、淡红、红、 深红、暗红、紫黑。 ■ 分析结论主要是给出问诊和面诊的结论。问诊部分的结论有定位结论和定性结论，面诊部分的结论为面诊概述。 ■ 测试结果用表格显示，简洁易懂，并可以生成PDF文件保存以便查询，也可以打印体质报告。 ■ 软件建议丰富，包括体质特征、运动养生、饮食养生、起居调理。 ■ 软件一机一码，使用安全。

产品详细介绍    【应用领域】 行车记录：吊车,机械,长车,铲车,小车360全景 汽车内窥镜,倒车后视,法院多方参与视频实时 前提需要X 86电脑搭配. 教育: 支持VGA/DVI输入； 标清/高清分辨率,软件/硬件的H.264的录像； RTSP协议网络串流； 支持网络直播.   【产品简介】 最大帧率: 120/100fps @1920 x 1080p 录像模式: 软压实时 尺寸: 140x 94.5(mm) 接口: PCIe ×4 视频输入: 4 × HDMI Display Video Format: YUY2 显示分辩率 : 1920×1080p @ 60/50fps     1920×1080p @ 30/25/24fps 1920×1080i @ 60/50fps     1280×720p @ 60/50fps              720×480i @ 60fps          720×576i @ 50fps              1440×900p @ 60fps         1360×768p @ 60fps              1280×1024p @ 60fps        1280×960p @ 60fps 1280×800p @ 60fps         1280×768p @ 60fps              1024×768p @ 60fps         800×600p @ 60fps              720×480p @ 60fps          720×576p @ 50fps 640×480p @ 60fps 录相视频格式: Software Compression(H.264 or MPEG-4 ) 录像视频分辩率: 1920×1080p @ 60/50fps     1920×1080p @ 30/25/24fps 1920×1080i @ 60/50fps     1280×720p @ 60/50fps 1280×720p @ 30/25fps      720×480i @ 60fps                 720×576i @ 50fps          1440×900p @ 60fps                 1360×768p @ 60fps         1280×1024p @ 60fps                 1280×960p @ 60fps         1280×800p @ 60fps                 1280×768p @ 60fps         1024×768p @ 60fps                 800×600p @ 60fps          720×480p @ 60fps                 720×576p @ 50fps          640×480p @ 60fps 音频输入: 4 x HDMI 音频格式: Stero/16 bit/32000--48000Hz I/O: 16 WatchDog: YES Multiple Cards: 支持 SDK: VC++/.NET/VB/V4L2 支持操作系统: Windows XP/Vista/Windows 7 Linux2.6.14or Higher(32-bit and 64 bit)

本发明公开了一种基于RBF神经网络预测控制的双进双出球磨机控制系统及控制方法，控制系统包括基于RBF神经网络模型的预测控制器、控制量初始化模块以及被控对象，被控对象为双进双出球磨机模型，其输出连续被控量经离散化后生成的离散被控量和被控量当前设定值输入控制量初始化模块和预测控制器，控制量初始化模块输出控制量初始值输入给预测控制器，预测控制器输出离散控制向量经零阶保持器转换为连续控制量输出给双进双出球磨机模型。控制方法采用RBF神经网络正向模型和RBF神经网络逆向模型实现对被控对象的预测控制。本发明可以对系统进行提前控制和调节，适用于大滞后系统的控制，被控量响应快、超调量小，同时具有良好的鲁棒性。

本项目以污水处理厂存在能源消耗高，二次污染等问题，针对污水体量庞大，复杂多变量，多相体系的数据信息滞后，强耦合，非线性等问题，采取学科交叉方式与物理学院、智能学院合作开发新型水质传感器，开发信息处理系统，多变量耦合神经网络系统，深度学习和算法，构建污水处理智能控制关键技术，仪器和设备。为污水厂的智能节能减排创造提供技术支持。

项目成果/简介:本项目以污水处理厂存在能源消耗高，二次污染等问题，针对污水体量庞大，复杂多变量，多相体系的数据信息滞后，强耦合，非线性等问题，采取学科交叉方式与物理学院、智能学院合作开发新型水质传感器，开发信息处理系统，多变量耦合神经网络系统，深度学习和算法，构建污水处理智能控制关键技术，仪器和设备。为污水厂的智能节能减排创造提供技术支持。应用范围:该技术主要应用于给水处理系统和污水处理系统的智能控制。效益分析:项目的研究已经进行了多年， 2017 年投资 1500 万元在南开大学津南校区建立了 1000 吨/日污水处理厂， 为传感器的应用和示范创造十分有利的条件。

本发明公开了一种应用于智能配电网的双有源桥直流变换器软启动控制方法，先解锁原边全桥，闭锁副边全桥和外移相角的闭环控制，原边全桥采用斩波控制，开关管Q3和开关管Q4以50％的占空比互补导通，开关管Q1和开关管Q2采用变占空比控制，并且每个开关周期以一定的步长增加；当副边电压上升到足以驱动开关管，且开关管Q1和开关管Q2的占空比都增至0.99时，解锁副边全桥及外移相角的闭环控制；当输出电压达到额定值时，切入负载，输出电压稳定完成启动过程。本发明有效抑制双有源桥直流变换器在启动过程中的电流过冲，保证电流的正负对称，降低对开关管的耐流要求，降低成本，避免变压器偏磁现象，降低变压器的容量、体积和成本。

"本发明公开了一种基于附加交变电压的无气隙传感器电磁吸力悬浮控制方法，采用在悬浮电磁铁线圈闭环控制电压中掺杂具有一定特征的交变电压，施加在悬浮电磁铁线圈，在线圈中得到含有相同特征的分量的电流，根据输入掺杂的特征交变电压和线圈电流中具有相同特征的电流分量辨识出悬浮电磁铁线圈电感，通过电感得到悬浮电磁铁气隙，使用此气隙值进行闭环控制。由于不采用气隙传感器，可以大大简化系统，通过附加线圈得到的电感可以反映真实的悬浮气隙，本发明可以降低磁浮列车系统轨道精度要求，也不会由于气隙传感器的测量不准确导致系统控制不稳定，可以比较好的解决磁浮列车过轨缝、齿槽效应等问题，具有可靠性高、成本低，安全可靠等优点。 "

本发明公开了一种独立无刷双馈感应发电机无速度传感器直接 电压控制方法，将无刷双馈感应发电机的功率绕组 PW 电压矢量分解 为同步旋转坐标系中的 d 轴和 q 轴分量，调节控制绕组 CW 电流幅值 使 PW 电压的 d 轴分量收敛至 PW 电压的参考幅值，调节 CW 电流频 率使 PW 电压的 q 轴分量收敛至 0，当系统稳定时 PW 电压矢量与同 步旋转坐标系的 d 轴重合，于是同时实现了对 PW 电压幅值和频率的 控制。该控制方法省去了速度传感器，降低了发电系统的硬件成本， 提高了运行可靠性，并增

本发明提供了一种用于电动汽车动力电池的多模式谐振变换器及其控制方法，涉及汽车动力电池优化控制领域。该变换器包括电池侧全桥单元、谐振电路、高频变压器、直流侧全桥单元；由电池侧全桥单元将电池的输入电压转换为高频方波，通过谐振电路，经由高频变压器流入直流侧全桥单元，输出直流电压；谐振电路可在在LLC工作模式与LLCC工作模式之间自适应切换；通过预定的开关管可使谐振电路与电池形成LC回路，利用电池内阻的欧姆效应产生可控热量。本发明将谐振电路与电池热管理功能融合，通过开关控制使谐振网络与电池形成闭环回路，直接利用电池内阻的欧姆效应实现内部加热。无需外接加热装置，在低温环境下同步完成能量传输与电池预热。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。