湖北中潮教育科技集团有限公司（简称“中潮教育”）是一家基于教育大数据和产教融合理念，通过教育内容研发与创新，充分利用移动互联网和信息技术的手段，打造商学类、管理类、法律类、党建类、人文类专业、职业与行业的课程体系，为各类企业、事业和政府组织建立特色化的职业技能提升学习系统，帮助社会大众提升职业素质，培养学习型组织，实现利用互联网平台传授知识、传播思想、传承文化的教育企业。

1、超大型厂房内部温度、湿度、CO2浓度和气流的分析模拟技术。2、超大型厂房内部温度、湿度、CO2浓度和气流精密控制技术与装置。

美林数据技术股份有限公司（简称：美林数据，NEEQ：831546）是国内知名的数据治理和数据分析服务提供商，重点面向企业客户提供数据资产管理、数据分析与挖掘、数据开发应用为主的大数据产品及增值解决方案。成立至今，在能源、制造、金融、政务等领域积累了丰富的项目经验，自主研发的 Tempodata 系列大数据产品广泛应用于上千家大型企业，为用户提供从数据采集、数据资产管理、数据挖掘、数据分析应用等综合解决方案。 当前，以信息技术和数据作为关键要素的数字经济蓬勃发展，并成为推动我国经济增长的重要力量。数字人才是数字经济发展的核心要素，实践出真知，美林数据基于数十年数据领域实践经验，结合产业发展的人才需求，为高校提供从教学、实践、科研一体化的大数据应用能力解决方案——Tempo Talents 大数据人才应用能力成长平台。  

振动等长多角度胸腿组合力量训练及监控装置,它涉及一种胸腿组合力量训练及监控装置.针对摔跤,投掷等专项力量训练缺乏振动等长多角度胸腿组合练习及监控手段问题.支撑立柱的两端与振动装置及上支撑横梁固接,第一调速电机与上支撑横梁固接,第一调速电机通过齿轮传动副将动力传递给相应的齿轮安装轴,齿轮安装轴与下支撑横梁的凸台转动连接,阻力计顶靠在齿轮安装轴上,下轴套与齿轮安装轴转动连接,斜弯连杆与下轴套和连接套固接,斜弯连杆与圆弧形板连接,把手与连接套转动连接,液压缸和油泵固装在垫板上,垫板设置在振动装置的上面板上,液压缸通过拉力传感器与背带固接,压力传感器固装在把手上.本发明用于胸腿组合等长力量训练.

本发明公开了一种智能视觉监控检索中提取目标运动轨迹特征的方法，包括以下步骤：获取目标运动轨迹，以二维空间坐标序列对目标运动轨迹进行描述；根据描述目标运动轨迹的二维空间坐标序列，计算描述每次采样中目标运动方向的水平分量和垂直分量；将每次采样中目标的二维空间坐标和描述每次采样中目标运动方向的纵向斜率和横向斜率合并组成每次采样中目标的流矢量；以流矢量序列对目标运动轨迹进行描述；读取预先建立的参考矢量集合；计算描述目标运动轨迹的流矢量序列到各参考矢量的距离作为该目标运动轨迹的特征向量。本发明方法使用流矢量序列描述目标运动轨迹并提取特征向量，可以在轨迹描述中同时包含位置和方向信息，避免了测量误差。

本发明涉及一种在线监控电池和电容器安全性能的方法，属于能源安全相关领域。本发明所要解决的技术问题是为了有效在线监控电池和电容器由于微观应变引起的宏观形变，对其热效应和胀气等安全性能进行实时有效管理，对安全事故进行预警，消除爆燃等安全隐患，对事故原因进行在线分析。本发明技术方案采用无损应变检测方法，将应变片分布在电池和电容器表面，实时监控其运行过程中的应变变化，对即将失效的组件进行提前预警并处置，有利于对电源有效安全管理并对失效过程与原因进行原位分析，将事故消除在萌芽状态。本发明的无损在线监控电池和电容器形变安全性能的方法简单，快速、准确，可操作性强，适用于能源器件的长期可靠安全预警与事故分析。

本发明公开了一种基于在线学习的监控视频中运动目标跟踪方法，其首先利用离线训练的特定类别测器检测出视频序列中目标区域；然后结合外观特性，采用双阈值保守关联思路关联相邻两帧之间的目标，得到可靠保守的短跟踪片；再在得到的跟踪片上，利用时空域分布约束信息，定义正负样本集，分别提取颜色、纹理外观特征相似度以及运动信息，作为在线学习器训练特征集，通过机器学习在线学习算法的训练过程，得到轨迹片分布规律上基于运动和外观特性的概率

交通隧道与城市地下工程是我国长期的热点研究领域，我校主要开展隧道与城市地铁工程有限元计算软件研发、城市地铁工程沉降控制技术、复杂地质环境山岭隧道施工监控技术研发、在役隧道病害治理技术研发、隧道与城市地铁工程事故分析与处理技术、山岭隧道与城市地铁工程次生灾害及防治技术研发。曾获得省部级奖励10余项，获得专利30余项，出版专著教材8部，取得了在国内、国际有学科影响力成果，聚集了一大批该领域的技术专家，在山岭隧道与城市地铁工程设计方法、施工监控技术、事故分析与处理方案设计、次生灾害及防治技术等方面处于国

该项目的关键技术已获批国家自然科学基金项目 2 项，江苏省科技厅社会发展项目 1 项。 1、项目简介 根据污水处理过程工艺特点、现场设备以及工厂环境，以 LabVIEW 和 PLC 相结合，通过 Profibus 总线、Internet 网络及 GSM 无线平台实现数据采集与共享的污水处理远程在线监控系统。并把 LabVIEW、Datasocket、GSM 无线通信和 WEB等技术应用到污水处理过程在线远程监控，实现了真正意义的监控管一体化，提升了水处理厂的自动化水平和故障实时处理能力。系统以西门子工控机作为上位机，PLC 系统采用西门子的 S7-300。基于LabVIEW 开发平台，通过西门子 SIMATIC.NET 建立了 OPC 服务器，使其可以连接下位机 PLC 实现实时通讯，并采用 SQL Server 作为后台数据库，实现数据采集、设备控制、实时曲线显示、历史记录、故障报警等基本监控功能，可以通过浏览器于异地实现远程实时监控。此外，系统通过全球移动通讯系统 GSM（global system of mobile communication），管理人员可在全球范围内用手机通过短信查询工业现场参数。 2、创新要点 实现污水处理过程的多总线分层递阶的分布式控制系统结构；将图像、动画和声音与 LabVIEW 软件结合，PLC 采集的设备实际运行信号转化为 3 维动画显示，实现多媒体控制的监控系统软件。把 LabVIEW、Datasocket、GSM 无线通信和 WEB 等技术应用到污水处理过程在线远程监控，实现了真正意义的监控管一体化。将先进控制技术与优化算法应用于 BOD 等参数的软测量及系统优化。 3、效益分析 该系统采用 LabVIEW 编程平台开发，完成了对水处理整个工艺流程的数据采集和设备控制任务。系统运行稳定可靠，人机交互界面友好美观，操作简便，利用 GSM 无线技术实现短信查询系统参数，通过短信和邮箱等多种手段实现故障报警，并利用互联网技术实现了随时随地的远程在线监控，实现了真正意义的监控管一体化，在推动污水处理过程自动化水平的同时，使整个污水厂人工投入减少了 2/3，提升了污水处理的效率，从而降低了单位体积污水的处理成本，给企业带来了一定的经济效益，相应的节省了生产成本的投入。项目资金需求总额约 100 万元。 4、推广情况 天津伊利乳业有限责任公司；宁夏伊利乳业有限责任公司（吴忠市）；潍坊伊利乳业有限责任公司；张北伊利乳业有限责任公司；上海达能乳业股份有限公司（奉贤区）；湖北劲牌有限公司（枫林酒厂）。 授权专利：污水处理远程在线监控系统 软著登字第 0342652 号 污水处理过程的触摸实时监控系统 软著登字第 0346531 号

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。