一、项目简介 随着科技进步和社会需求的发展，机器人手/臂除了工业生产，也越来越多用于服务人类的其它各个领域，这必然会使机器人承担比工业中更加多样的操作任务，面临更加多变的工作环境。因此，国内外对非结构自然环境下、具备自主操作能力的机器人的研究十分重视。当前，具备视觉感知能力的机器人已被公认为机器人发展的主流趋势，将视觉与机器人操作相融合，是对人类行为的模拟，由此产生的视觉伺服控制方法为机器人自主操作能力的实现带来了新的思路，代表了机器人的先进控制技术，也是促进机器人智能化发展的一个重要驱动。可以预见，未来的视觉系统将会成为机器人名副其实的眼睛，视觉伺服技术在机器人自主操作中将具有不可替代的作用。 视觉伺服利用视觉传感器提供的环境信息对机器人运动进行实时反馈控制，涉及机器人机械几何设计、运动学和动力学、自动控制理论、计算机视觉图像处理和摄像机标定等,是智能机器人领域中具有重要理论意义的研究课题之一。迄今为止，机器人手/臂的视觉伺服方法在太空遥操作、机器人手术、水果采摘、工业装配、焊接、抓取以及微操作等方面得到越来越多的应用。然而，现阶段可实际应用的方案主要面向特定的标定环境、模型参数已知，机器人操作是编码定式的，不具备模型未知条件下的自主操作能力，特别是当面向未来的刚-柔-软体共融机器人时，其柔型结构造成的运动模型及参数的变化与不确定性，必然使现有确定模型的研究方法失效。因此，无模型（目标几何模型，手眼标定模型，机器人运动模型）、非结构环境下的自适应操作对机器人提出了新挑战，是机器人手臂(尤其柔型手臂)视觉伺服控制研究的难点与前沿问题，不断深入对非结构环境下、无模型的机器人手/臂视觉伺服控制的研究具有重要的理论和现实意义。 在非结构自然环境下使机器人像人一样协调自适应操作是当今机器人研究领域的一项尚未实现但又令人感兴趣的研究工作。从理论上看，非结构自然环境下实现机器人柔性操作，就当前研究依靠单一的控制器设计是困难的。因此，本项目借鉴人的手眼协调操作是自适应学习过程，涉及智能进化和行为优化，将随机动态规划理论，结合约束规则与最优化控制，探索一种变参手眼关系，实现机器人在非结构自然环境下的自适应操作。 二、前期研究基础 研究团队一直致力于机器人视觉反馈控制的研究。在基础理论研究上，针对无标定视觉伺服控制方案与设计，均提出了一些新型方法，有扎实的理论基础和知识积累，并不断跟踪和深入在无模型视觉伺服控制的方面研究和前沿问题。目前，已经着手在无模型视觉伺服的可靠性、稳定性控制方面做了充分的探索工作：针对机器人无标定全局稳定操作问题，研究了一种鲁棒卡尔曼滤波(RKF)合作Elman神经网络(ENN)的全局稳定视觉伺服控制方法；提出了一种基于网络辅助尔曼滤波状态估计的无标定视觉伺服方法，提高伺服系统的鲁棒性。同时，立足机器人发展前沿，建立了多模特征深度学习抓取系统，在无结构环境下实现了机器人智能抓取与定位。 已发表的与项目相关的主要论文有： [1] 仲训杲,徐敏,仲训昱,彭侠夫.基于多模特征深度学习的机器人抓取判别方法.自动化学报,2016,7(42), pp:1022-1029. (EI) [2] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robots Visual Servo Control with Features Constraint Employing Kalman-Neural-Network Filtering Scheme. Neurocomputing, 2015, 151(3), pp:268-277 (SCI)  [3] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robust Kalman FilteringCooperated Elman Neural Network Learning forVision-Sensing-Based RoboticManipulation with Global Stability. Sensors, 2013, 10(13), pp:13464-13486. (SCI) [4] Xungao Zhong, Xiafu Peng, Xunyu Zhongand Lixiong Lin. Dynamic Jacobian Identification Based on State-Space for Robot Manipulation. Applied Mechanics andMaterials, vols. 475-476 (2014)pp: 675-679.(EI) [5] Xungao Zhong, Xiafu Peng, Xunyu Zhong and Xueren Dong. Multi-Channel with RBF Neural Network Aggregation Based on Disparity Space for Color Image Stereo Matching. IEEE 5th International Conference on Advanced Computational Intelligence (ICACI), 10(2012) PP:620-625. (EI) [6]XUNGAO ZHONG, XIAFU PENG, XUNYU ZHONG. NEURAL-BAYESIAN FILTERING BASED ON MONTE CARLO RESAMPLING FOR VISUAL ROBUST TRACKING. Journal of Theoretical and Applied Information Technology, 2013, 2(50), pp: 490-496. [7] Xungao Zhong, Xiafu Peng and Xunyu Zhong. Severe-Dynamic Tracking Problems Based on Lower Particles Resampling. TELKOMNIKA Indonesian Journal of Electrical Engineering. 2014, 12(6), pp:4731-4739. [8] Xunyu Zhong, Xungao Zhong and Xiafu Peng. Velocity-Change-Space-based Dynamic Motion Planning for Mobile Robots Navigation. Neurocomputing. 2014, 143(11), pp:153-163. (SCI) [9] Xunyu Zhong, Xungao Zhong, Xiafu Peng. VCS-based motion planning for distributed mobile robots: collision avoidance and formation. Soft Computing,2016,5(20), pp: 1897-1908. (SCI) [10] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于雅可比预测的机器人无模型视觉伺服定位控制, 控制与决策, 已在线发表, 2018. [11] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于图像的机器人非标定视觉反馈控制全局定位方法, 厦门大学学报(自然科学版), 已录用, 2018. 三、应用技术成果 （一）基于多模特征深度学习的机器人抓取判别 研究了多模特征深度学习及其在机器人智能抓取判别中的应用，该方法针对智能机器人抓取判别问题, 研究多模特征深度学习与融合方法. 该方法将测试特征分布偏离训练特征视为一类噪化, 引入带稀疏约束的降噪自动编码 (Denoising auto-encoding, DAE), 实现网络权值学习; 并以叠层融合策略, 获取初始多模特征的深层抽象表达, 两种手段相结合旨在提高深度网络的鲁棒性和抓取判别精确性. 实验采用深度摄像机与 6 自由度工业机器人组建测试平台, 对不同类别目标进行在线对比实验. 结果表明, 设计的多模特征深度学习依据人的抓取习惯, 实现最优抓取判别, 并且机器人成功实施抓取定位, 研究方法对新目标具备良好的抓取判别能力. （二）无标定视觉伺服解决方案及其机器人操作应用 研究了无标定视觉伺服方法及其在机械臂任务操作中的应用。首先提出视觉伺服目标：假设机器人或者摄像节的模型参数未知或者部分未知，视觉伺服的目标是使用摄像节作为传感器，引导机械臂运动，使当前图像特征收敛到期望图像特征，从而完成定位或者跟踪的任务。 手眼协调关系描述。关节图像雅克比矩阵定量描述了机械臂关节变化引起图像特征变化，它是关节-图像映射的局部线性化矩阵。 建立图像雅克比的在线估计器。将关节图像雅克比矩阵的每一个元素作为辅助系统的状态，建立辅助系统的状态方程；摄像机提取到的图像特征作为测量值，建立辅助系统的观测方程。根据Kalman滤波器理论，我们设计了对关节图像雅克比的在线实时估计算法。 构建基于图像矩的目标函数。为了避免传统的基于点特征的缺陷，例如点特征的标记、提取与匹配过程复杂且通用性较差问题。构建基于图像矩的图像特征向量完成视觉伺服任务，来提高视觉伺服系统的稳定性和可靠性。 四、合作企业 厦门万久科技股份有限公司是一家集销售、软件研发、技术服务、加工技术整合为一体的高新技术企业。目前公司的经营范围涉及CNC软件开发及数控系统销售、CNC控制零件销售及专业维修；工艺优化、机台升级与技术改造、工程配电与软件优化、专用机控制系统开发、多轴机的设计与开发、机台精度检测与校正优化服务等。公司是国际知名生产制造企业——富士康的产品供应商和技术服务商。    

一、项目简介 随着AlphaGo及其Zero的相继推出，近年来以神经网络计算为基础的深度学习及相关优化算法已成为人们研究AI的热点。深度学习算法在AlphaGo中的成功应用主要是依赖神经网络监督学习的网络层次及神经元数量提升，而其Zero的应用不同则是在于引进了博弈优化的思想，这就给以并行计算为核心的神经网络优化算法理论研究提供新的思路。 鉴于传统神经网络优化算法面临非全局优化的难题，我们基于吉布斯分布采样优化计算，提出一种以脉冲神经元构成的混合网络结构动力学系统来实现的神经网络全局优化算法，引进纳什平衡理论来优化的神经网络计算方案，并设计一款相应的通用神经网络并行处理器芯片，以新型芯片编程架构模拟人脑功能进行感知、行为和思考新型芯。 二、前期研究基础 本团队主要是由厦门大学福建省集成电路设计工程技术研究中心、厦门大学集成电路设计与测试分析福建省高校重点实验室的教师与学生组成的，主要从事人工智能、网络通讯、集成电路设计、纳米单电子器件等方面的研究工作，并积累了深厚的研究基础。团队首席科学家郭东辉教授十多年前曾在美国加州Berkeley 大学非线性电路实验室访问，从事有关细胞神经网络(CNN)有关课题的研究，先后主持国家自然科学基金项目五项，其中与神经网络研究内容相关的有两项，分别是《视觉神经网络光电集成系统的研究》(批准号：69686004)和《混沌神经网络加密算法及其相应集成电路的设计研究》(批准号：60076015)。 本团队同时也是厦门市集成电路设计公共服务平台的主要技术支撑单位。在厦门市科技重大专项经费的支持下，我们配备了开展模拟及数字SOC 芯片设计所需要的各种EDA 工具和IC 测试设备。此外，厦门集成电路设计公共服务平台也是TSMC、SMIC 等芯片制造厂重要合作伙伴，并与厦门联芯、三安集成等芯片制造厂也有长期的合作协议，可以进行包括射频及功率芯片在内各类模拟及数字SOC 芯片的设计流片。同样，在学校211 和985 经费的支持下，本团队也独立配备了8 台IBM 服务器分别运行MATLAB、OPNET、SPW、ANSYS、Silvaco TCAD 等系统设计与器件工艺仿真工具。本团队所在的微电子与集成电路学科也已列入我校“双一流”建设学科，有关类脑芯片设计相关课题研究所需要的科研环境建设将得到重点支持。特别是厦门联芯公司在量产后，已将本团队作为其先导技术开发的重要合作伙伴，也委托我们开发相应的器件模型及电路工艺库。在厦门火炬高新区及厦门市IC 平台的支持下，厦门联芯公司还可以为我们团队提供免费的MPW流片业务。 自2009年，本团队与福建新大陆电脑股份有限公司签署 “共建SoC联合实验室”以来，基于该平台，每年合作项目经费近百万，同时还完成了多项横向合作项目：面向金融、税控的专用信息处理与控制SoC芯片开发、安全密码算法研究、区块链接技术研究等等，培养了大批优秀的硕士毕业生；厦门市美亚柏科信息股份有限公司是本团队的长期合作伙伴之一。 总之，不管从算法理论研究还是从应用技术开发来看，本课题组已具备相当优秀的研究基础和研究经验，以及显著的前沿技术攻关能力。 三、应用技术成果我们的相关研究成果也得到企业界的重视和肯定，课题组先后承担过如深圳 华为公司首歀交换芯片项目的调度算法设计、福建新大陆首款二维码识别芯片的算法及后端版图综合设计、台湾盛群公司首款32 位处理器及专用处理器编译器开发和厦门元顺公司多款电源管理芯片的设计。最近课题组还为我国某研究机构开发28nm 的低功耗设计流程专门设计一款挂载加可重构解密算法协处理器的32 位通用处理器验证芯片。

该项目发现了饲草类饲料蛋白各组分中C组分是可以消化利用的,更正了国际上认为饲草类饲料中C组分不能消化利用的观点，为饲料蛋白的高效利用提供了新的理论依据。确定了奶牛常用饲料在小肠可消化吸收利用的氨基酸种类、利用效率，为我国养牛产业提供了常用饲料小肠可消化吸收（实际奶牛机体利用水平的）氨基酸数据库。 揭示了蛋氨酸（Met）和赖氨酸（Lys）缺乏时奶牛生产中乳蛋白合成的代谢机制，为氨基酸在奶牛生产中的平衡应用提供了理论依据。提出了奶牛小肠可代谢10 种必须氨基酸的适宜配比，确定了北方典型日粮泌乳早中期奶牛瘤胃保护蛋氨酸（Met）和赖氨酸（Lys）的适宜添加量分别为74g和190g。提出了以小肠可代谢氨基酸为基础的奶牛日粮应用技术1 套，日粮粗蛋白水平降低2个百分点，提高了日粮中氮的利用率，降低了饲料成本，提高了奶产量和乳蛋白，乳蛋白率平均提高0.15个百分点。减少了奶牛粪尿中氮的排放，降低了对环境的污染。

原子核裂变数据的精确测量是很多核物理应用的先决条件，比如核能、国防、辐射防护、核废料处理、产生稀有同位素等。核裂变物理在超重元素合成、反应堆中微子、中子星融合中的r-process等研究中也不可缺少。特别是走向新一代核能-快中子反应堆，急需锕系核区精确的不同能量中子诱发裂变数据。但是目前实验和理论都无法提供可靠及完整的能量相关裂变数据。 由于涉及中子的实验难度较大，国际上主要的核数据库只有几个能量点的裂变数据。理论上基于微观模型去描述裂变过程非常复杂，是一个涉及多维位能面的大幅度、非绝热的量子动力学过程。目前微观理论对裂变可观测量的描述还有较大误差。 此外基于唯象裂变模型对未知核区和未知能区的外推往往不可靠。 北京大学物理学院裴俊琛研究员课题组首次采用贝叶斯神经网络（Bayesian Neural Network）来评估不完整的裂变产物分布。此前贝叶斯神经网络对原子核质量外推有一些成功的应用，并可以得出推断的误差，但是仍有量子壳效应的疑虑。核裂变过程涉及复杂的位能面，裂变产物分布具有统计特征，比较适合神经网络。 贝叶斯神经网络对不完整核裂变产物的评估 目前核裂变产物的实验测量很难给出完整的产物分布，只能结合模型评估给出完整的裂变产物分布。人们通常基于唯象模型、通过调参数来拟合出产物分布。该工作通过对已有裂变数据库的学习，当实验测量给出不完整的裂变数据时能够推断出完整的裂变产物分布。结果表明，随着中子能量增加，裂变模式逐渐从不对称裂变演化成对称裂变。这说明神经网络能成功抓住部分物理图像。当实验数点很少时，唯象评估模型失效，神经网络仍然可以给出有效的评估和合理的置信区间。贝叶斯神经网络对核裂变产物的评估开辟了一个新的方向，展现了机器学习的一个实际应用范例，将对核数据的定量评估产生重要影响，有望更好地提供应用级的精确核数据。 不同能量的裂变模式演化

一、成果简介 该课题受北京市自然科学基金项目“植物乳杆菌素对肉源李斯特氏病原菌作用机理研究”的资助，鉴于化学防腐剂在食品防腐应用中的不安全性，重点开展了新型生物防腐剂乳酸菌细菌素产生菌株的筛选，活性细菌素的分离纯化，细菌素及其产生菌株的应用研究。二、技术指标 从传统宣威火腿中分离筛选出一株高产

基于车辆-轨道耦合动力学理论，对高速铁路（普速铁路）轨道结构设计应采用的设计轮载进行研究，提出了高速铁路（普速铁路）设计时的设计轮载建议值。该研究成果对高速铁路（普速铁路）的合理设计具有重要的理论意义和工程实用价值，研究成果获得甘肃省科技进步三等奖，在国内处于先进水平。

工艺流程 ：将 50%以上的粉煤灰与硅酸盐水泥熟料或硅酸盐水泥、 少 量的化学外加剂和矿物混合材料共同磨细并混合均匀，即可制成满足 GB1344-1999 水泥标准中强度等级为 32.5 或 32.5R 要求的大掺量粉煤灰水 泥。 技术特点 ：该水泥具有热量低、耐腐蚀性好的特点。它可以广泛用于 工业与民用建筑中的地基、地下室、梁、板、柱等的混凝土工程，特别适 用于大坝、地基基础、隧道、地下

本项目针对传统矿用蓄电池机车在运输的过程存在直流电机维护困难、蓄电池的使用寿命、蓄电池机车的制动和电能损耗等问题，研制了适用于煤矿防爆特殊型蓄电池电机车用的永磁同步电动机及其调速器，形成矿用隔爆蓄电池永磁同步牵引电机车及其控制系统。PMSM 及其驱动系统在蓄电池机车中的应用为解决传统矿用蓄电池机车运输过程中的问题提供了新的方法。 （1）输入电压：根据电机车的实际电池电压。 （2）输出功率：根据电机车的力矩和功率要求。 （3）控制要求：平滑调速，性能稳定。 （4）电池管理：要求有电量指示系统，电池电量不足是自动停机并配有应 急启动系统。

角蛋白酶是一种特异性蛋白酶类，可降解结构复杂、硬质难溶的角蛋白，具有多种优良的催化特性，在生物加工、绿色制药、废弃生物质处理、生物制革、生态纺织、洗涤剂等实际应用中备受关注，被认为是有着巨大应用潜力和市场前景的新一代蛋白酶类。 本项目从角蛋白酶基因挖掘、高效表达、性能改造及其应用研究等方面开展了一系列工作。课题组目前建立了角蛋白酶资源库，是我国拥有角蛋白酶基因资源产权最多和最具多样性来源的单位；实现了角蛋白酶基因在大肠杆菌及枯草芽孢杆菌等外源宿主中的克隆及高效表达；在 5L 罐上发酵酶活最高可达10000 U/mL 以上，是目前文献报道的重组角蛋白酶表达最高水平；项目已完成了 1M3 规模中试试验，成本降低 30%以上。在应用方面，本项目成功将角蛋白酶用于生物法制备纳米银粒子 AgNPs，与传统化学法相比，酶法合成的纳米银具有更好的抑菌活性。另外，项目组已首次开发出无胶原活力的高特异性角蛋白酶，具有高角蛋白活力，不会对皮革胶原造成破坏，能保护胶原结构完整性，可开发出不伤及皮肤真皮的洗涤剂产品、药品及化妆品，在生物制革领域也具有极大应用价值，可缓解制革工业中的烂皮现象；同时本研究所开发的角蛋白酶在活性多肽制备中也表现出良好的应用前景。

项目成果/简介: 潜标可实现全海深海洋环境的定点、长期、连续、多层次、多要素同步观测，并具有隐蔽性好、不易被破坏等优点，是开展海洋环境长期连续观测最有效的手段。 自主研发系列海洋动力环境监测潜标：2008年以来，团队突破了深海潜标系列关键技术，自主研发了“海洋动力环境多尺度同步观测潜标”、“定时卫星通讯潜标”等系列高可靠性深海潜标，实现了海洋动力环境长期连续准实时观测。相关研发成果已获4项国际发明专利及8项国家发明专利授权。基于研发的潜标，在南海、西太平洋、东印度洋累计布放潜标400余套次，总结出一套安全高效的规范化、标准化的潜标布放回收作业流程，作业成功率达到100%，解决了我国海洋环境长期连续观测技术瓶颈，大幅提升了我国海洋环境长期连续观测水平。 构建了国际上规模最大的区域海洋潜标观测网—南海潜标观测网：自2009年以来，在南海开展潜标布放回收航次22次，累计布放各类潜标350套次，目前同时在位观测潜标42套，观测海域横跨吕宋海峡、南海深海盆、南海东北部与西北部陆坡陆架区，最长工作时间已接10年，是世界上规模最大的区域潜标观测网。南海潜标观测网于2017年完成潜标观测站位在南海深海盆的全面覆盖，实现了南海复杂环境的长期连续观测。上述成果入选2017年度“海洋与湖沼十大科技进展”。 构建了横跨西太平洋热带-副热带的全水深潜标观测阵：2015年以来，在西太平洋热带、副热带海域布放海洋动力环境监测潜标60余套次，构建了横跨热带、副热带（0-22°N）的西太平洋潜标观测阵，实现了西太平洋低纬度流系时空特征、中尺度/亚中尺度过程及混合的长期连续观测，有力支撑了西太平洋海洋动力环境研究工作的开展。 成功布放回收国际上首套万米综合观测潜标：基于自主研发的海洋动力环境监测潜标，2016年1月在马里亚纳海沟挑战者深渊成功布放国际上首套万米多学科综合观测潜标，并于2016年9月成功回收。目前以在马里亚纳海沟深渊海域构建了由6套潜标构成的海沟观测阵，实现了深远海域海洋动力环境的长期连续监测，体现了我国深远海长期连续调查的技术水平。项目阶段:工业化生产阶段效益分析: 该系统主要用于海洋动力环境的长期连续监测，是海洋环境监测最基本的设备和手段，可为海洋动力过程科学研究、海洋数值预报模式同化验证、海洋环境安全保障、海洋生态环境监测等提供数据和平台支撑，具有重要的科学、社会和军事意义。随着当前海洋科学研究、海洋资源开发、海上经济贸易、海上军事活动等方面的迅速发展，对海洋动力环境的观测和认知的需求日益迫切，海洋动力环境监测潜标的需求量迅速增加，具有突出的经济效益前景。知识产权类型:发明专利 、 软件著作权知识产权编号:US 9,372,082 B1 US 9,423,251 B2 US 9,593,947 B2 US 9,557,171 B2 201410252441.0 201410252601.1 201410821320.3 201510243938.0 201510244120.0 201510244469.4 201510244144.6 201410820855.9技术成熟度:通过中试技术先进程度:达到国内领先水平成果获得方式:独立研究获得政府支持情况:无