本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。 解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。 在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。 目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。

一种具有环境适应性的足式机器人稳定性控制方法及系统，该控制方法通过利用上一触地过程相关参数信息与期望达到的控制目标进行比较，对飞行相水平运动速度和系统总能量实行反馈控制，预测控制触地角度并进行系统能量补偿控制，最终实现足式机器人 SLIP 等效模型在不同地面环境下的期望稳定周期运动。系统包括系统状态检测模块和稳定控制模块。本发明不需要建立具体的机器人动力学模型，不需要计算精确的不动点触地角度，通过反馈控制实现控制收敛，控制方法简单，计算迅速，很好的解决了现有方法控制实时性不足、适应性不够等问题。且具有较好的未知环境适应性，为足式机器人稳定性控制提供了一种较好的解决方案。

一、技术参数要求： 1、输入电源：单相三线AC220V ±10%  50Hz 2、工作环境：环境温度范围为-5℃～+40℃ 相对湿度＜85%（25℃）海拔＜4000m 3、装置容量：＜1.5kVA 4、设备外型尺寸：376cm×180cm×150cm 5、单站工作台尺寸：860mm×470mm×1500mm 二、系统组成要求： （一）上料检测单元 由料斗、回转台、货台、螺旋导料机构、直流减速电机（10W/24V  5r/m）、光电开关、电气安装板等组成。主要完成将工件从回传上料台依次送到搬运工位。 （二）搬运站 由机械手、横臂、回转台、机械手爪、旋转气缸等组成，主要完成对工件的搬运。 （三）加工单元 由旋转工作台、平面推力轴承、直流减速电机（10W/24V  5r/m）、刀具库（3种刀具）、升降式加工系统、加工组件、检测组件、光电传感器、转台到位传感器、步进电机、步进电机驱动器、电气挂板等组成。主要完成物料加工和深度的检测。工件在旋转平台上被检测及加工。旋转平台由直流电机驱动。平台的定位由继电器回路完成，通过电感式传感器检测平台的位置。工件在平台并行完成检测及钻孔的加工。在进行钻孔加工时，夹紧执行件夹紧工件。加工完的工件，通过电气分支送到下一个工作站。 （四）搬运单元 由机械手、直线移动机构、无杆气缸、薄型气缸、单杆气缸、平行气夹、工业导轨、电气安装板等组成，主要完成对工件的提取及搬运。提取装置上的气爪手将工件从前一站提起，并将工件根据前站的工件信息结果传送到下一单元。本工作单元可以与其他工作单元组合并定义其他的分类标准，工件可以被直接传输到下一个工作单元。 （五）传送带站 由输送带、检测机构、推料气缸、分拣料槽、交流电动机、变频器、同步带轮、光电传感器、色标传感器等组成，主要完成对工件的输送及分拣。 （六）安装站 由料筒、换料机构、推料机构、旋转气缸、真空吸盘、摇臂、电气安装板等组成，主要完成对两种不同工件的上料及安装。为系统逐一提供两色小工件。供料过程中，由双作用气缸从料仓中逐一推出小工件，接着，转换模块上的真空吸盘将工件吸起，转换模块的转臂在旋转缸的驱动下将工件移动至下一个工作单元的传输位置。 （七）机器人安装单元 由机器人、控制器、气爪等组成，主要完成对工件的搬运，装配。 （八）分类单元 由步进电机、步进电机驱动器、滚株丝杆、立体库、推料气缸、电感传感器、电磁阀、电气安装板等组成。主要完成对成品工件分类存储。 （九）主控单元： 主要完成监视各分站的工作状态并协调各站运行，完成工业控制网络的集成。总线结构采用工业以太网通信，使各站之间的控制信息和状态数据能够实时相互交换。 （十）MCGS工业组态监控软件： 当8个单元全部进入联网状态时，管理员能够通过组态监控机中各种组态按钮方便的控制整个系统的运行、停止等。每个单元的工作状态以及工件的材质、颜色等在监控画面上也能够清楚的看到。  

一、项目简介 人体是视频监控、车辆辅助驾驶等应用领域中重点关注的目标。人脸和人体姿态的分析，易受光照、遮挡、穿着和复杂背景等因素的影响，研究的挑战极大。对人体的属性，尤其是人脸和人体姿态的智能分析，是计算机视觉和人工智能中的热点研究问题，也是视觉产业化急需突破的关键技术。 二、前期研究基础

在国家自然科学基金等项目资助下，本课题组在2003年成功研制出基于立体视觉的显微操作装配工作站，主要用于对微小物体进行操作和微小系统的装配，已推广到台湾大学等地区使用，近年来结合不同领域用户实际需求，不断改进，显著改善了系统的可靠性、模块化、灵活性、控制软件智能化程度，拓宽了本技术的应用范围，在多种微纳器件和系统的集成制造中发挥了重要作用。系统具有图像采集、图像获取，三维成像、三维测量、微小系统装配、微小零件在线修磨等，还可以根据用户具体要求定制特殊功能。系统配置可根据用户要求选配，一种典型的配置如下：高倍立体显微成像系统、微操作器、数控微位移工作台、彩色CCD摄像机、高速图像采集及立体显示卡、高分辨率显示器、微型计算机以及可选操纵单元（夹持器、真空吸盘、喷涂装置等）等。具有动静态彩色立体成像及显示。 系统典型技术参数如下：光学分辨率水平方向最高可达到500nm，深度方向分辨率最高可达到80nm，立体视觉的深度分辨率为10um，X/Y每轴运动范围：50mm，Z轴运动范围：25mm，运动分辨率：1μm(per step)，自动引导重复定位精度：±3μm；具有操作自动寻位、自动避障功能；有真空吸附与夹钳式拾取器（操作手）；具有空间位置测量及相对距离测量功能，图像处理与分析功能、可以实现存储、打印等操作。

本发明公开了一种结合全球 DEM 与立体视觉的卫星影像云检测方法，利用密集匹配的 DSM 数据 和现有的全球 DEM 数据 SRTM，结合高程与影像灰度信息提取云区域。主要步骤如下：通过多影像多 匹配基元方法获得模型匹配的 M-DSM，基于特征线的方法配准 M-DSM 与 SRTM，通过高程差值获得 初始种子点，然后把种子点计算到像方，结合影像的灰度信息提取出云区域。本发明在有大面积雪的影 像，能有效的避免雪的干扰，准确地检测出云区，提高了遥感影像的利用率。 

本成果为获得发明专利授权的专利成果。该成果可应用于视频监控、传感网络等领域。

本发明提供了一种基于稳态视觉诱发电位的文字输入方法及装置。本发明实施例通过将各个笔划以不同的频率闪烁，用户注视笔划产生脑电信号，通过特征识别输入笔划，确定候选字表。候选字达到一定阈值或用户确认后，进入候选字选择。通过分割候选字表为不同区域并以不同频率闪烁，用户注视候选文字所在区域产生脑电信号，通过特征识别选择该区域，不断细化分割为子区域并重复该识别过