（一）项目背景 在实际应用中，一些油气管线的阀门与增压设备安装在偏远地区，没有 4G/5G 基站信号覆盖，无法对设备实现远程控制，是当前面临的一个主要问题。项目采用北斗短报文通信技术，其直接依靠卫星通信来实现关键设备远程控制，可以大大弥补这一短板，解决实际需求。 （二）项目简介 油气管线的阀门通常分为开关阀与调节阀，其中开关阀只能进行阀门的开闭操作，调节阀又叫做气动执行器，它可以控制阀门的开度大小。此外工业现场环境以及阀门的状态信息还需要对各种传感设备进行实时监控。用户针对阀门或传感器的控制或查询指令需要通过北斗短报文或 4G/5G 的无线通信方式传递到控制系统。 项目研制的控制系统由一个微型控制单元（MCU）结合 RS232、RS485 通信端口，北斗收发机与 4G/5G 通信模块、电磁继电器，电流转换电路，液晶屏，按键等硬件外设组成，相互协调共同实现了对工业现场阀门及传感器进行远程控制、查询与实时监控的功能。 （三）关键技术 基于北斗短报文通信的指令收发与控制技术 一个控制系统可以同时控制两路开关阀，一路调节阀和八个传感器，每个阀门与传感器在一个控制系统下都有唯一的 ID 号，而一个用户又能够同时对工业现场的多个控制系统进行控制与查询操作，针对北斗短报文自定义字段部分进行统一设计，形成三种功能的报文格式，包括指令发送报文，返回信息报文和定位信息报文。结合报文中的“设备卡号”、“阀门号”与“传感器号”字段即可实现了现场控制系统同多个阀门与传感器设备的协议组网；结合基于北斗短报文的阀门远程控制系统的多路电磁继电器与电流控制设备，既能够对现场多路开关阀与调节阀进行精确控制，还能够对现场阀门或传感器的状态信息进行实时检测或预警，对设备所在地经纬度信息进行查询，实现了用户对多设备的双向通信。 整个控制系统的指令接收，识别，处理，控制信号的生成，信息回传等功能均是通过微型控制单元（MCU）的软件部分实现的。阀门的反馈信号会通过控制系统的 IO 口进行检测，形成闭环控制，以防止指令的失效或是二次执行，增加了控制系统的可靠性。

本发明申请要解决的问题是，改进预测技术，提高预测准确度。本专利利用高阶马尔科夫模型的原理提出HM-gMTD模型的一种改进，即高阶HM-gMTD模型，并通过EM算法给出相应的参数估计方法和相应的计算方法，并能够快速进行参数估计，以提高模型预测的准确度。

本发明公开了一种基于全双工多中继系统的通信方法，属于无线协作通信技术领域。本发明在信源和信宿之间部署多个全双工中继节点对信源信号进行接收并解码，从能够正确解码的中继节点中选择一个最优中继节点将已解码的信源信号转发给信宿；同时，信源发送一个新的信号。由于工作于全双工模式，最优中继节点会受到环路自干扰影响；而其余中继节点会受到中继间干扰影响，鉴于此，本发明设计了相应的干扰消除技术并分析了在不同剩余环路自干扰强度下的系统性能。本发明通过实验仿真分析结果显示，在正常传输速率和信噪比情况下，本发明具有信号中断概率低，系统的频谱效率高，系统鲁棒性强的综合表现。

中信科移动公司作为中国信科本次5G产业落地湖北的实施主体，是2018年武汉邮科院与电信科研院融合重组成立中国信科集团后，整合武汉北京两地无线通信科技产业资源，于2020年10月重组成立的无线通信核心骨干企业。

北京华视恒通信息技术有限公司是智慧媒体数字信息化领域产品开发与系统解决方案品牌供应商，专注于为教育、广播电视、事业单位、企业提供智慧教育、智慧媒体、虚拟现实等领域系统集成、产品开发以及技术服务。 公司自主研发产品通过了国家权威机构严格的测试认证，通过ISO9001国际质量管理体系认证。公司拥有高新技术企业和软件企业认证。 公司提供完全自主知识产权的高科技产品，以科技创造财富，以实力创造品牌，已经成为教育信息系统的专业品牌设备提供商，专业解决方案提供商和服务商，为客户提供专业的解决方案和运维服务。 公司产品主要包括：虚拟数字人系统、3D快速建模系统、裸眼3D全息系统、XR虚拟演播室系统、互动教学系统、微课系统、优课系统、智慧教室、实训示教、分组教学、互动直播、智课平台、巡课系统等产品设备。 公司产品和服务被广泛应用于教育信息、广播电视、政府机构、企业、医疗等多种行业和机构，并与国内外多家企业建立了战略合作伙伴关系。公司凝聚了一大批具有使命感的高素质人才，积累了丰富的研发、生产和工程实践经验。

一、产品简介     本实验系统覆盖了光纤光学、 光纤通信和光纤传感器等相关领域。是学生学习并了解光纤传输信息和光纤传感信息的基本原理和相关技术的基础实验设备，通过实验掌握相关的基本原理和基本操作，为以后的学习奠定坚实的基础。涉及的专业：信息类专业、通信专业、光学专业、物理专业、计量测试专业和仪器科学专业等。 二、实验内容 光纤光学基本知识 1）光纤激光器与光纤的耦合实验； 2）光纤传输损耗性质及测量实验； 3）光纤数值孔径（NA）测量实验； 半导体激光器特性实验 1）半导体激光器阈值实验； 2）半导体激光器效率、串联电阻和背光电流的测量； 3）半导体激光器的调制特性实验； 4） 半导体激光器的结发热效应实验； 光纤无源器件 1）光纤转换器测试实验； 2）光纤变换器测试实验； 3）光纤耦合器测试实验； 4）光纤隔离器特性测试实验； 5）波分复用器和解复用器测试实验； 6）可调光纤衰减器测试实验； 7）光纤机械光开关特性测试实验； 光纤传感实验 1）M-Z光纤干涉实验； 2）光纤温度传感实验； 3）光纤压力传感实验； 光纤通信实验 1）多模光纤特性测量； 2）单模光纤特性测量； 3）法兰盘特性测量； 4）衰减器特性测量； 5）光分路器特性测量； 6）光波分复用器特性测量； 7）回波反损测量； 8）光波长测量； 9）扰模器制作； 10）PI特性测量； 11）光源稳定性测量； 12）模拟信号光调制； 13）模拟信号光接收； 14）图像信号传输； 15）CMI码型变换实验； 16）接收定时恢复电路实验； 17）消光比测量； 18）加扰码实验； 19）5B6B码型变换实验； 20）光时域反射测试仪； 21）CDMA扩频调制解调实验； 22）AMI／HDB3终端接口实验； 23）同步数据接口实验； 24）异步数据接口实验； 25）CMI传输系统测试； 26）5B6B线路编码通信系统综合测试； 27）CDMA传输系统测试； 28）在线误码测试； 29）计算机数据传输系统测试； 30）光纤传输系统抗干扰性能测量； 31）同步数据通信系统测试； 6、智能语音光纤通信设计实验 本实验主要涉及语音识别，光纤通信，和智能灯控三部分，利用语音识别电路将语音口令转化为电信号，信号通过远距离数据传输的光纤发送给主控电路，最终主控电路根据解析出的口令来实现控制LED灯的开关、亮度的切换以及颜色的切换。本实验实现了声音信号-电信号-光信号-电信号的一个数据传输与转化的过程，通过本实验，能够让学生进一步学习声光电的数字传输与转化应用，以及光纤通信的优势。  三、实验配置参数 1、 激光器波长：650±20nm， 功率：≤5mw，输出端口：FC/PC ； 1310/1550±20nm，功率：1-2.5mw，连续可调；输出端口：FC/PC； 2、可见光功率探头：中心波长：650nm，最大输入功率5.5mw； 3、红外探头：响应波长范围：800-1700nm； 最大输入功率：4mw，校准波长：1550nm/1310nm； 4、光纤数值孔径参数：多模光纤跳线：纤芯直径62.5um；长：1米； 5光纤机械光开关：插入损耗：1310/1550  P1→P2 0.56/0.54 dB ，P1→P3 0.53/0.47 dB ;回波损耗＞50dB ；开关速度：≦8ms ； 6、高隔离度光纤隔离器：最大插入损耗：0.35dB ；回波损耗：≧50dB ；隔离度：≧30dB ； 7、光纤耦合器：分光比：50% : 50% ；最大插入损耗1310/1550: 3.3dB ; 8、光纤波分复用器：隔离度：1310nm ：31.8% ；1550nm ：34%；插入损耗：1310nm ：0.30%；1550nm ：0.34% ； 9、光纤可调衰减器：0-30db可调； 10、光纤温度传感器：测温范围：-40°~260°，精度1%； 11、光检测灵敏度高，实际测试指标约-40dBm； 12、可建立临时应急通信系统（点对点距离大于50公里），可传输PCM电话、同步数据（速率：2.048Mbps），计算机数据、模拟图像等业务。 13、语音识别/声控芯片：内置单声道mono 16-bit A/D 模数转换；内置双声道stereo 16-bit D/A 数模转换；内置 20mW 双声道耳机放大器输出；内置 550mW 单声道扬声器放大器输出；支持并行接口或者 SPI 接口；内置锁相电路 PLL，输入主控时钟频率为 2MHz - 34MHz；工作电压：(VDD: for internal core) 3.3V；48pin 的 QFN 7*7 标准封装；省电模式耗电：1uA； 14、TF卡(MICRO SD 卡)：存储空间512M； 15、喇叭：直径5CM；负载电阻8欧；额定功率1W；厚度1.1CM ； 16、麦克风：3.5mm迷你麦克风；灵敏度52DB； 17、光纤收发器：额定电压:DC 5V; 物理接口：DB9串口接口与SC接头；RS-232数据传输速率： DC-250Kbps； 18、单模光纤跳线：接口：SC-SC单模光纤跳线；类型：单模；工作波长：1310-1550nm；纤芯直径：9μm。 四、实验目的 1、了解光连接器及其原理、种类，实验操作进行连接器参数测量； 2、掌握光纤偏振控制器工作原理，实验操作单模光纤偏振状态控制； 3、了解光纤耦合器用途及其性能参数，实验操作测量耦合器特性参数测量； 4、了解光纤隔离器用途及其性能参数，实验操作光纤隔离器特性参数测量； 5、了解光纤光开关用途及其性能参数，实验操作光纤光开关特性参数测量； 6、了解光波分复用器（WDM）原理与意义，操作双波长波分复用（WDM）原理性实验； 7、实现声音信号-电信号-光信号-电信号的一个数据传输与转化的过程，通过本实验，能够让学生进一步学习声光电的数字传输与转化应用，以及光纤通信的优势。

成果描述：互联网文本内容主题 概念漂移检测系统， 通过分析数据集中的 所有文档数据的潜在 语义关系，提取出它 们之间的潜在语义主 题标示，通过评估参 数的方法，将生成的 主题时序关系用数据 的形式表示出来，并 以此为依据主动发现 待预测数据集中主题 的转变与转化现象， 并提供给用户这一主 题转移过程。市场前景分析：点。基于这些特点， 流数据的处理和分析 面临巨大的挑战，是 当前数据挖掘领域研 究的热点。 分类是数据挖掘领域 的重要课题，当前流 数据分类问题面临的 主要挑战之一就是概 念漂移问题，即数据 中学习的概念（从属 性到类别的映射）是 随时变化的。 通过对互联网中文本 内容的主题概念漂移 进行检测，对于正确 分类互联网文本等方 面具有重要的意义。与同类成果相比的优势分析：能够将生成的主题时 序关系用数据的形式 表示出来，方便用户 查看； 可以动态调整评估参 数，以实现对不同数 据集的自适应性分析； 可以将评估参数值与 发生概念漂移的主题 中心相关联，主动探 测出主题发生变化的 过程。

项目成果/简介:项目在多年国家项目的支持下，在项目“面向工厂规划和生产过程的数字化工厂技术”获2013年教育部科技进步二等奖的基础上，进行持续开发完善，与沈阳机床合作，在智能制造领域进行了深入的合作研究， 在沈阳机床智能制造展示线开发完成数字化孪生仿真模型及基于互联网的定制信息系统，系统实现了网络化定制下达生产订单，数字化孪生系统在线仿真模拟，真实展现生产场景，并可通过移动设备进行浏览和信息管理。项目符合中国制造2025所倡导的智能制造和互联网+技术的发展，对中国制造向智能化转型起到促进作用。项目通过展示真实个性化印章的智能加工、检测和装配，体现网络化的定制及数字化双胞胎技术。应用范围:项目所开发完成的技术符合中国制造2025所提出的智能制造技术路线，已应用于工业实际和大专院校的教学培训。目前国家大力资助建立智能制造试点示范项目，制造企业也在积极转型，向数字化和智能化转型发展，这些都需要数字孪生和互联网+技术的支持。 项目成熟度：小批量生产，项目已独立以及结合沈阳机床的生产线及教育系统得到市场的应用，特别是在中国航发商用航空发动机有限责任公司相关项目中得到应用。 拟在全国范围内推广：1.项目可应用于离散制造业的规划、调试、运行和维护阶段的仿真优化，通过建立工厂、生产线、设备的三维模型，实现虚实结合的数字双胞胎。 2、教育培训领域：通过实现智能制造理念的面向教育和培训的生产线系统，通过模块化的系统，实现对智能制造教学和培训。项目阶段:小规模生产效益分析:项目的技术创新点、先进性在于实现了数字孪生技术在生产线中的应用，达到了生产线的虚实融合。不仅可在规划阶段对生产线进行仿真验证，还可在生产运行过程中实现虚实融合，并通过AR-VR技术对操作指导、维修指导和生产过程监控提供支持，从而实现多维的虚实融合，是实现智能制造的关键技术之一。项目相关技术不仅能够应用于工业实际的智能化制造之中，还特别适合面向智能制造的教育和培训。

本系统在设计中使用了先进的网络处理器技术，包括高性能的IXP2400处理器和高速千兆以太网接入能力，提供了强大的网络处理能力和可靠的运行稳定性。本系统完成的基于网络处理器硬件平台根据不同的实际需求，可以广泛应用于各种网络通信系统和网络安全领域，边缘路由器，千兆硬件防火墙和入侵检测系统，具有广阔的市场前景。

随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。