项目背景：现有船舶设计及强度评估方法已经处于缓慢发展 阶段，但是船舶结构安全事故（尤其是针对大型船舶）却屡见不 鲜，传统的技术方法在提升船体结构强度的同时，也直接导致船 舶建造成本和船舶营运成本的快速增加，因此船舶结构安全保障 技术发展已进入一个瓶颈期。类比其他行业如桥梁飞机等，发展 方向已逐渐向智能化监测以及预警及决策转变。为打破瓶颈，针 对船舶结构安全性的技术方向也应向智能化感知及辅助决策方 向转变。其中的主要研究要点为智能感知和数字孪生关键技术， 技术路径为构建传感系统的搭建与优化体系、研究结构状态智能 感知和数据挖掘方法，建立基于感知数据的载荷反向识别、数字 孪生模型与驱动更新技术，以及基于智能算法的安全评估技术， 该技术不但可以在营运过程中保障船舶结构安全，还可以船舶设 计优化和完善规范有重要的指导意义。该需求技术国内外均处于 初步研究阶段，国外船级社 DNV 已有该类产品，但国内尚无同类 产品，并未形成行业壁垒，可实现研究自主化，获得自主知识产 权，填补国内空白；该产品的研发也有利于实施国家制造业发展、 山东省产业转型和青岛市海洋发展等国家和地方战略，在抢占行 业高地的同时带动产业链升级。 所需技术需求简要描述：1.传感器网络布局优化及数据采集，硬件传感网络布局覆盖全船结构，最大监测点不小于 128， 最高采样频率不低于 500Hz；2.船体结构感知系统智能化数据处 理，实现结构正常状态数据和异常状态数据的模式识别；3.船舶 结构智能孪生模型构建及同步演化；4.结构安全在线评估，并提 出结构安全完成任务使命所需的运维处理和运维策略。  对技术提供方的要求:1.在船体结构监测领域具有一定的研 究经验；2.具备相关领域软件开发和硬件集成、测试能力；3. 具有相关技术的研发和软件开发背景；4.具备船级社质量管理体 系认证。 

产品详细介绍 智能设备与应用STEAM主题课程 项目背景 随着科技的快速发展，各式各样的智能设备已逐渐融入到我们的日常生活中，为人类带来诸多便利。传感器作为与外界环境交互的重要手段和感知信息的主要来源，是各类智能设备的基础与核心，在推动社会进步和经济发展有着十分重要的作用。学习电子传感相关知识有助于学生了解现代科技社会，并体会制作科技创意作品带来的乐趣。 在本项目中，学生可借助八爪鱼智能设备与应用套件和人工智能与编程教学系统，了解常见传感器和执行器的原理及应用，制作相应的创意作品，并通过编程实现智能控制。 课程性质 这是一门以项目式教学开展的跨学科课程，以基于建构主义理论的 5E 教学模式作为指导，结合了中小学信息技术课程标准与编程教学特色。 课程目标 1.知识与技能 ⚫ 认识常用传感器和执行器的原理，知道其功能和应用领域，并学会简单使用。 ⚫ 初步了解简单的机械结构和连接方式，体验简单的模型搭建。 ⚫ 了解指令、程序和算法的基本含义，能够读懂简单的程序流程图。 ⚫ 学会使用图形化模块或 C++语言设计简单程序，并下载到模型上执行。 2.过程与方法 ⚫ 通过阅读多媒体资料和对传感器、执行器进行连接测试，掌握搜集、分析、比较和分类信息的方法，培养信息处理能力。 ⚫ 能够读懂图形化编程或 C++的程序流程图，能分析程序的功能并简单调试，发展编程思维能力。 ⚫ 能根据现实生活中人工智能的实际应用，设计程序并使模型运行，发展工程思维能力和解决问题能力。 3.情感态度与价值观 ⚫ 了解日常生活中常见的智能设备，初步认识智能设备对工作和社会的影响。 ⚫ 乐于倾听不同的意见和理解别人的想法，尊重他人的情感与态度。 ⚫ 实事求是，勇于修正与完善自己的观点。

利用第一频谱遮罩序列和第一随机相位复序列，获得第一频域基础波形矢量；通过对第一频域基础波形矢量进行快速傅里叶逆变换，获得时域基础调制波形；将时域基础调制波形作为第一路基础调制波形，将时域基础调制波形进行虚数变换后作为第二路基础调制波形；将待传送的比特数据取k位后，再依照最右位最高位原则，获得所述k位待传送的比特数据的十进制映射值；随机获取第一十进制数和第二十进制数；通过移位循环调制，获得第一路调制波形和第二路调制波形；将第一路调制波形和第二路调制波形进行合成，获得发射信号，利用正交频分复用发射模块将发射信号进行发射。

本发明公开了一种基于多光谱图像处理的水稻稻叶瘟病检测分级方法。利用可见/近红外多光谱摄像机实时采集绿光波段,红光波段,近红外波段三个波段通道的单色灰度图像,然后使用MATLAB软件,通过图象处理方法编写应用软件,进行图像处理。包括背景及噪声、干扰等的消除和作物病斑信息的识别分析,实现植物是否发病及病斑位置和分级的准确快速处理。每张图片的病害识别时间仅为数秒。本发明用于快速、准确、稳定、实时、非破坏性的水稻稻瘟病感染诊断并且准确地指出病斑所在的位置以及感染程度分级,减少由于全面喷洒而造成的药物用量,降低生产成本并减少污染,为变量喷药提供数据支持,提高精确喷药的决策水平,实现精细农业起到积极的作用。

基于Xen虚拟化环境的内核级rootkit检测和处理方法，所述Xen虚拟化环境包括管理域、虚拟机监控器和半虚拟化的客户机；管理域包括控制模块，虚拟机监控器包括安全链表维护模块、检测模块和敏感信息备份模块，客户机包括运行时维护模块和rootkit处理模块。还包括客户机启动过程中敏感信息备份、内核模块加载时安全链表更新、内核模块加载成功后交叉对比检测rootkit、内核敏感信息攻击性检测和在管理域对客户机中的rootkit进行处理的步骤。

本项目将研制一套软硬件一体化的医学图像处理与三维重建系统产品，该产品由三大部分组成，包括： 高性能、大容量、适合处理医学图像的硬件平台； 针对医学图像处理裁剪后的专用Linux操作系统；综合医学图像处理与三维重建的医疗专业应用系统。 成果性能：三维重建速度快、重建的图像真实、精细，操作方便。 应用范围：CT、MRI等医学图像处理与三维重建虚拟手术

带钢连续热处理(包括立式炉、卧式炉)过程是冷轧和热轧带钢生产的重要工序，该过程是在带钢成分确定的情况下，依靠控制热量传递过程来控制带钢内部微观结构的演化，最终完成金相组织的转变，达到控制带钢力学、电磁等性能的目的。因此，温度控制是带钢热处理过程控制的核心，也是热处理质量的根本保证。为了解决带钢连续热处理炉优化控制的技术难题，并克服半理论或纯经验控制模型严重依赖于现场、难以移植和泛化能力有限的不足，本成果基于传热机理模型对带钢在连续热处理炉内的传热过程及其优化控制策略展开相关的理论分析和实验研究。 本成果瞄准带钢连续热处理热过程模型研究,基于传热学的基本原理,精确解析退火炉内辐射换热、对流换热(喷气快速冷却、喷气快速加热)、接触换热(炉辊与带钢之间)、喷雾冷却等传热过程，开发带钢在热处理过程中的温度分布预测软件,准确预测带钢温度分布(包括稳定工况和工艺过渡工况)，带钢温度预测的典型精度在±2.5%以内(90%以上的命中率)，为提高带钢连续热处理的产品质量奠定了基础。在带钢温度精准预测的基础上，基于可行工况集和最优化方法，建立了炉况参数优化策略，大大降低带钢连续热处理工艺切换的效率。

针对现阶段木竹材防腐处理技术对环境污染大、长期效果不佳等问题，研发的新型防腐技术具有高效、低毒、高渗透性、低流失性的优点，可广泛应用于木竹材防腐、防霉、防白蚁等领域，可满足木竹材防腐、人造板、木质包装等企业的相关需求,获国家发明专利授权4项。 季铵盐/硼酸盐复合防腐处理工艺。针对硼酸盐极易流失问题，开发了一种无机硼酸盐与季铵盐用两步法处理木材的复合防腐处理工艺。硼的流失率可从接近100%降至10%。处理材的耐腐性明显提高，对白蚁的毒性不强，具有环保特性。处理后物理力学特性及耐光老化性也得到提高。 有机微乳液型木竹材防腐防霉剂。以低毒、高效的有机杀菌剂为主要杀菌成分，用低挥发、高环保型有机溶剂替代高挥发性有机溶剂，制备微乳液型木竹材防腐防霉剂。可直接使用自来水进行稀释，采用常规防腐剂处理方法处理各种针阔叶材与竹材，防腐处理过程与防腐处理材均安全环保无污染。

带钢连续热处理(包括立式炉、卧式炉)过程是冷轧和热轧带钢生产的重要工序，该过程是在带钢成分确定的情况下，依靠控制热量传递过程来控制带钢内部微观结构的演化，最终完成金相组织的转变，达到控制带钢力学、电磁等性能的目的。因此，温度控制是带钢热处理过程控制的核心，也是热处理质量的根本保证。为了解决带钢连续热处理炉优化控制的技术难题，并克服半理论或纯经验控制模型严重依赖于现场、难以移植和泛化能力有限的不足，本成果基于传热机理模型对带钢在连续热处理炉内的传热过程及其优化控制策略展开相关的理论分析和实验研究。本成果瞄准带钢连续热处理热过程模型研究,基于传热学的基本原理,精确解析退火炉内辐射换热、对流换热(喷气快速冷却、喷气快速加热)、接触换热(炉辊与带钢之间)、喷雾冷却等传热过程，开发带钢在热处理过程中的温度分布预测软件,准确预测带钢温度分布(包括稳定工况和工艺过渡工况)，带钢温度预测的典型精度在±2.5%以内(90%以上的命中率)，为提高带钢连续热处理的产品质量奠定了基础。在带钢温度精准预测的基础上，基于可行工况集和最优化方法，建立了炉况参数优化策略，大大降低带钢连续热处理工艺切换的效率。

1.痛点问题 多年来，工业大数据领域大数据分析算法和模型都是基于大量代码实现，效率低，难以实现快速开发。同时，工业大数据处理分析模型处理过程多由多个算法通过一定的计算流程构成，计算流程复杂多变，迫切需要一款支持灵活定制和快速开发的处理分析技术来支持工业大数据处理分析。 2.解决方案 清华数为交互式大数据处理与分析技术针对工业大数据处理与分析任务的交互式探索、建模、调试和应用而设计。根据CRISP-DM设计原则，一般大数据处理与分析分为业务理解、数据理解、数据准备、建模、评估和部署等阶段，各阶段相辅相成，形成一个大数据处理分析生命周期。 图1.交互式大数据处理与分析技术设计思想 本成果技术基于上述CRISP-DM的设计思想而设计，完全支持大数据处理与分析生命周期。该技术的特点包括： （1）内置数百种通用和专用的大数据分析算法和模型，并提供了按需扩展机制，用户可以按照自己的需要随时添加和扩充，以支持客户特定的大数据应用需求； （2）支持拖拽方式构建处理与分析流程，完全图形化设计大数据处理分析计算流程，并能在设计过程中进行单步/多步运行调试，查看中间结果，实时调整运行结果，以获得用户期望的处理分析结果； （3）支持机器学习模型训练及使用，内置了机器学习模型训练框架，一般机器学习模型在该技术的支持下，可以实现快速训练，训练结果可支持进一步的大数据处理与分析； （4）支持数据处理与分析流程参数化，在其提供的内部数据处理与分析算法模板中，用户通过算法模板可以开发面向Java、Python的算法，并集成和扩展到该技术的算法集合，实现按需定制处理分析； （5）支持数据画像和学习模型可视化，以图形化的方式定制数据画像的方法模型，并以二维和三维图表的形式展示给用户； （6）支持批处理、流处理和流转批处理三种处理方式； （7）按需定制运行计划与资源有效利用，用户可设置任务执行计划，任务执行计划定期运行，以实现周期性处理分析，方便获得持续的运行结果。 清华数为交互式大数据处理与分析技术面向多种用户角色，包括数据工程师、数据分析师、数据科学家、算法工程师、运维工程师、代码工程师等。采用分层设计，分为客户层、服务层、计算层。 客户层包括流程建模调试工具，用户可用工具图形化拖拽式设计处理与分析计算模型，并可进行调试和查看中间结果；管理工具，针对服务层所调用和访问的计算框架或者外部系统进行管理，包括对于数据源、计算环境、存储环境等的管理工具。 服务层主要包括流程调度服务，即负责按照用户所设定的工作计划来定时调度执行计算模型；执行服务，是负责执行处理分析计算的模型和算法的服务；计算资源管理服务负责管理执行服务中所能集成的所有的服务，如计算框架和存储设施等。 计算层是执行服务在执行处理分析算法和模型中所访问的外部服务，包括计算组件或框架，以及持久化存储组件或者系统等。 图2.交互式大数据处理与分析技术架构 本成果的交互式处理与分析技术较好地解决了工业大数据处理分析工作中所遇到的问题和痛点，并且能够广泛应用于多个行业和领域中，如能源、矿山、医疗器械、装备制造业、消费品制造业、工程机械行业等。 合作需求 期待与工业、医疗等领域企业紧密合作，获得各领域的实际需求，促使该技术不断完善和升级迭代，走向成熟。 未来将在工程机械行业、医疗机械行业、矿山行业、装备制造行业、互联网电商行业等寻求更多的成果转化、深度合作机会，在合作基础上，推动上述行业领域实现数字化转型和智能化升级，为国家实现“双碳”目标做出清华贡献。