这个项目是集硬件、软件、服务于一体，通过高科技现代化的网络技术、4G/5G技术、云技术、调频广播发射技术、远程监测、播放管理等技术，实现远程管理、播放服务。

1、江苏优埃唯智能科技有限公司UAV智能视觉感知教学研究实验平台，包含3个彩色高清工业相机与2个免驱USB多系统兼容摄像头，满足不同场景、不同功耗需求的图像采集需求，并包含配备数字光源控制器的补充光源、高精度可控PLC置物台、内置数据存储与处理器、显示器。 2、支持单目、双目、三目等不同数量相机、以及工业相机、免驱USB摄像头等不同类型图像采集装置的自由组合、协同数据采集与处理功能、适用于不同尺寸目标的静态/动态连续帧触发采集。 3、提供机械设计及电气图纸、Python开发例程源码与功能手册，支持二次开发。 4、具有基础图像处理功能，以及相机标定、立体匹配、目标定位等多种先进的图像处理功能。

该系统对推拿手法尤其是慎用手法利用VR技术让学生们进行互动练习，在最大程度保证安全的情况下达到训练目的。

知行医苑在线3D医学教学平台,主要用于查看医知苑虚拟三维数字资源，所有3D模型结构均可任意角度旋转、缩放和移动；隐藏、透明、菜单等功能，医知苑平台包含：3D人体解剖虚拟模型、3D人体解剖实物标本、3D人体小微结构解剖，中医穴位3D数字人、病理学3D虚拟模型、病理学3D大体标本、组织学3D虚拟模型、生理学3D模型、细胞生物学3D模型、病原生物学3D模型、动物解剖3D模型，各学科数字全景切片、动画/视频等丰富的教学资源，平台包含上万个数字资源。 《人体解剖学》 包含系统解剖、局部解剖、3D断层解剖、3D模型断面解剖、小微结构解剖、CT/影像、标本图片、3D动画/视频、3D实物标本模型九大部分。 3D人体解剖截图 3D人体实物标本截图 小微结构3D解剖 《运动康复学》： 包含：肌肉起止点、肌肉扳机点高清图、关节曲、骨性标志、运动系统动作分析、运动系统病理分析、3D动画部分。 肌肉起止点 关节曲   运动系统动作分析 《中医针灸学》： 1、中医针灸学系统包含男女两套中医穴位模型，包括十四经络和经外奇穴 中医穴位模型 《病理学》 包含病理学数字切片、病理学3D虚拟模型、病理学3D大体标本模型、病理学高清标本图、病理学切片微视频、病理学3D动画六大部分 数字切片 病理学3D虚拟模型 病理学3D大体标本 《组织学》 包含组织学数字切片、组织学电子显微切片、组织学3D模型、组织学微视频四大部分 组织学数字切片 电子显微切片 组织学3D模型 《胚胎学》 包含虚拟人类3D胚胎解剖、胚胎学3D虚拟模型、胚胎学3D正常标本模型、胚胎学3D畸形标本模型、胚胎学3D动画、胚胎学数字切片六大部分 3D胚胎解剖 3D虚拟模型 3D正常标本模型 《寄生虫学》 包含寄生虫数字切片、寄生虫3D模型、寄生虫3D动画三大部分   寄生虫数字切片 寄生虫3D模型 《微生物学》 包细菌学3D模型、病毒学3D模型、细菌学动画、病毒学动画、细菌病毒电子显微高清图五大部分 细菌学3D模型 病毒学3D模型 电子显微高清图 《细胞生物学》 包含细胞生物学3D模型、细胞生物学3D动画模拟机制、细胞生物学镜下视频三大部分 细胞生物学3D模型 医知苑-3D医学数字化教学平台网址：http://3d.xd-zxyy.com

本发明公开了一种直流电机的驱动?调速一体式约束预测控制方法，本发明将这种驱动?调速一体式的控制技术应用于直流电机，首先利用广义比例积分观测器技术在串级电路和转速的光电编码器采集的转速信息的基础上对系统的集总干扰进行估计，得到重构后的集总干扰信息，结合模型预测控制相关技术设计出针对直流电机的带输入约束的输出反馈控制器，在保证系统动态响应性能的基础上，因为不需要使用电流、电压以及转矩传感器，降低了系统的成本，提高了系统容错能力，同时可以明显地抑制参数摄动和负载转矩突变等因素引起的干扰，从而大大提高直流电机系统的输出转速的控制精度和干扰抑制能力。

利用合成gRNA-靶序列的高通量文库允许直接在细胞环境中便捷和高通量地收集gRNA活性数据，由此建立的计算模型来预测gRNA的活性比较可靠。

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。