本发明公开了一种设备预防性维护和柔性作业车间控制集成的 多目标优化方法，其特征在于，该方法具体包括：首先，根据柔性作 业车间控制问题的工序先后顺序、设备维护时段、每个工序的生产过 程不可中断、生产过程和设备维护过程之间不可冲突的约束条件，建 立考虑成本和效率的柔性作业车间控制和设备维护计划的集成优化模 型；其次，采用混合多目标化学反应方法对所述多目标进行优化，其 中，所述多目标包括最大完工时间、总生产费用以及总的设备预防性 维护的费用；最后，获得优化求解结果，即可得到柔性作业车间控制 计划。本发明可

研发阶段/n本技术根据当前推广油菜高产优质品种的需硼规律，通过湖北省油菜主产区土壤有效硼现状的调查，以及油菜施硼效果的大田和示范，修订了当前油菜种植中土壤有效硼和植株硼营养丰缺的诊断指标，制定了《油菜硼肥施用技术规范》。该规范概括为"测土定肥、依产调肥、因势补肥"12个字。主要表现在：在油菜整地之前，测定土壤有效硼及其他有效养分的含量，以此为主要指标，根据土壤有效硼的等级所对应的硼肥推荐量，确定硼肥施用量、施用环节和方式。然后根据产量目标和品质需硼特性调整硼肥用量，并根据土壤氮磷钾等肥力状况，制定硼

深入研究热泵热水器领域的工 质替代和部件优化，采用环保新工质，为提高蓄热效率、机组性能和新产品的产 业化提供可靠的理论依据。

本发明涉及一种智能土地利用布局优化配置方法，尤指应用于土地利用空间优化配置中的基于蚁群 优化算法的土地利用布局优化方法，属于土地利用规划领域。本发明提供一种基于蚁群优化算法的土地 利用布局优化方法，通过建立土地利用布局优化问题描述图，建立问题与算法的一一映射关系，蚂蚁在 此问题描述图上随机游走选择问题成分，即为每个图斑分配适宜的地类，从而完成土地利用布局方案的 构建。本发明通过模拟并改进蚁群的觅食行为求解土地利用布局优化问题，有利于问题的快速、有效求 解，同时该方法结合了多目标处理技术，可以协调多个优化目标间的冲突，能够在不同发展情景下生成 多种候选方案，为决策者提供决策支持。

成果简介：本项研究的应用领域为板带热轧，重点是热轧中厚板领域。板厚 控制、板形控制、轧制节奏控制、轧制温度控制及轧制规程自动生成与自动 修正等是热轧板带特别是热轧中厚板轧制过程中的关键技术和重要科学问 题。本研究运用的重要理论基础和技术包括现代控制理论、最优控制理论、 系统辨识理论和计算机控制与优化技术等。将上述理论与热轧液压自动厚度 控制(HAGC)系统研究与应用，轧制过程建模、仿真与优化控制研究，热轧规 程动态设定与自学习研究紧密结合

本项目针对矿井瓦斯爆炸早期探测与抑制的技术难题，采用实验与光谱分析方法，得到了瓦斯爆炸感应器内自由基变化的光学特征及其辨识方法，并以此为基础，利用量子化学软件分析瓦斯爆炸微观动力学过程，得出了瓦斯爆炸感应器内的关键基元反应、自由基和其围观动力学参数，以及微观反应与宏观现象的关系，为瓦斯爆炸抑爆技术提供理论支持，受到国内相关研究人员的普遍认可。项目成果在国内外重要期刊发表学术论文13篇（9篇已刊出，4篇已录用），其中SCI源刊1篇，EI源刊5篇（2篇已收录），CA收录2篇，CSCD收录及中文核心期刊5篇，完成硕士学位论文2篇。

本发明公开了一种动态变形下传递对准过程中角速度解耦合方法。本发明的方法包括如下步骤：(1)轨迹发生器产生主惯导系统的姿态、速度和位置信息以及惯性器件的输出，用二阶马尔科夫模拟主惯导系统与子惯导系统之间的弯曲变形角和弯曲变形角速度(2)将动态变形分解为高频率、低幅值的振动变形和低频率、高幅值的弯曲变形，建立机翼动态变形下角速度模型；(3)推导出由主惯导系统与子惯导系统之间动态变形所引起的主惯导系统与子惯导系统之间的误差角度(4)推导出耦合误差角速度表达式并应用于传递对准角速度匹配过程中，提高传递对准的精度。本发明用于传递对准角速度匹配过程。

本发明公开了一种用于多自由度倒装键合过程的芯片控制方法，其主要控制过程包括：获取芯片的贴装位置信息；键合头拾取芯片，获取芯片 Z 旋转轴和 X/Y 直线轴的角度及位置粗调偏差值，然后在执行粗调的同时，实现 X/Y 直线轴的闭环跟随控制；获取芯片 X/Y 旋转轴的当前实际角度值，并在逐次选择 X/Y 旋转轴执行角度闭环控制的同时，实现另外两直线轴的位置闭环跟随控制；获取芯片 Z 旋转轴和X/Y 直线轴的角度及位置精调偏差值，然后在执行精调的同时，实现X/Y 直线轴的闭环跟随控制。通过本发明，可使得芯片

研究催化剂在实际催化反应过程中的状态对于理解催化剂的催化机理具有非常重要的意义。实际催化过程中，气体分子会通过影响表面能进而对催化剂的表面结构进行调制。但受限于研究方法，在真实催化环境中，气体分子如何重构催化剂表面仍然不清楚。此外，除了催化剂表面结构的变化，在催化反应过程中，催化剂颗粒整体的结构乃至物相也会发生变化。

（一）项目背景 当前，智慧教育具有智能导学、精准推荐、定制辅导、精细评价等特点，已成为国际国内教育信息化发展的趋势。智慧教育的研究主要聚焦于智慧学习环境建设的研究、智能技术支持下的智慧教学研究和机器学习技术支持下的个性化学习研究。智慧教育的出现极大地促进了当前教育中学习空间的重构。在“学习空间”之前，人们通常使用“教学空间”来指代这种场所，将有教学活动的场所均称作教学空间。随着人们对学习过程的理解变化、智慧教育的快速发展以及人们对非正式学习的重视，学习空间逐渐由单一的物理教学空间向包含物理空间、网络空间、移动空间的多元学习空间转变。多元学习空间的提出虽然更多地体现出了“以学生为中心”的倾向，但如何具体衡量多元学习空间对学生学习效果的影响是评价多元学习空间的重要步骤。同时，在多元学习空间具体构建时，面对空间中来源不同、结构多样、数量庞大的多模数据如何进行处理存储、并在保证数据有效性的前提下对教育数据进行隐私保护是多元学习空间需要解决的另一个难点。 （二）项目简介 本项目主要目标是针对信息技术支撑下学习空间多元化、场景复杂、需求多样化，学习者及学习行为呈现出新的特点和规律，研究多元学习空间中学习行为数据化关键技术，构建“云-边缘-物联网”架构的多模态数据存储与处理平台，实现混合式学习环境下学习行为智能感知和数据化，优化学习行为模型，基于实际应用与不同学习目标函数及内容，建立可重复、可预测、可验证的对比数据集，为数据驱动的智慧教育生态构建和教育应用提供核心技术与数据支撑。 （三）关键技术 我们面向智慧教育中准确认知学生的学习状态和行为的大数据需求提出研究方案。本项目实施方案涉及教育学、物联网、云计算、人工智能、隐私保护等多个领域，主要技术路线如图所示： 图 1 技术路线图 其中，项目包括的关键技术主要有以下三点： 1.基于物联网的多模态数据实时智能感知和多时间域数据采集技术 该技术针对学习状态的数据化、特征参数量化问题，设计能够采集多 重学习空间下的智能数据感知物联网系统。主要技术难点在于抽样频率与 识别准确度的平衡、人机交互的变化规律等全新科学问题。 2.学习状态多模态数据解析和智能处理技术 利用智能感知物联网采集实时性的原始学习状态数据，包括面部表情、 脑电信号、头部姿态、交互行为等原始数据，这些数据具有数据量大、模 态多、冗余度高等特点，需要通过智能化的预处理方法转换成可以量化的 状态数据。 3.多层次数据差分隐私保护技术 学习行为数据是学习者被动采集的多方面行为数据，受到日益增长的 具有争议性的数据伦理的制约。该项技术通过数据隐私保护机制实现数据 多层次化的差分隐私安全算法；在保证学习者最大数据隐私性的前提下， 研究满足学习行为分析所需要的数据颗粒度。