2022年10月17-21日，第28届ACM移动计算与通讯系统大会（MobiCom 2022，CCFA类）在澳大利亚悉尼举行。计算机学院系统软件团队关于泛在计算环境下的利用异构计算资源进行端侧原位训练的论文“Mandheling:Mixed-Precision On-Device DNN Training with DSP Offloading”进行了在线汇报，得到了与会者的高度关注和广泛讨论。

本技术成果涉及呼吸生理医学研究领域，研发了一种模拟人肺自 主呼吸运动的装置及控制方法。本装置包括模拟肺腔、弹簧、牵拉 绳、流量传感器、显示触摸屏、电机驱动器、直流伺服电机及控制电 路等组成。其中由显示触摸屏输入吸呼比、呼吸频率、潮气量和肺活 量等呼吸生理参数，流量传感器检测通过模拟肺腔换气口的气流量， 微控制器根据设定的呼吸参数及检测到的流量信号触发电机控制信 号，进而电机控制牵拉绳的收线与放线动作，最后控制模拟肺腔的呼 吸运动。

本发明属于海流能发电领域，具体涉及一种低速直驱液压型海流发电装置及，包括叶轮、与叶轮主轴相连的定量液压泵、与定量液压泵并联且与定量液压泵出口相连的变量液压泵和变量液压马达、发电机；定量液压泵的入口、变量液压泵的入口和变量液压马达的出口均连接油箱；变量液压泵和变量液压马达的主轴刚性连接；变量液压马达主轴另一端与发电机主轴相连；控制方法，步骤包括：1、通过叶轮将海流能转换为机械能；2、通过定量液压泵将机械能转换为液压能，并且通过调整变量液压泵排量大小调整液压系统压力，进而调整叶轮捕获功率大小；3、通过变量液压马达将液压能转换为机械能；S4、将得到的机械能通过发电机将机械能转换为电能。

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。    

"该成果获2017年度国家技术发明奖二等奖（通用项目）。(1)创立了快速道路交通安全状态辨识事故风险预警方法体系。 (2)提出了事故前兆的快速道路交通安全分析与多目标优化设计方法。 (3)研发了基于速度引导的快速道路交通安全主动调控技术。 建立了快速道路交通事故前兆特征的表征与识别方法，系统解析了交通事故风险形成机理及演变规率，提出了快速道路交通安全状态类归与主动辨识技术，构造了快速边路交通审故风险主动预警技术。提出了事故前兆特征的快速道路交通安全分析技术，研制了事故前兆特征的交通事故风险分析与优化设计软件，研发了快速边路出入交通冲突仿真快速提取技术，提出了综合考虑效率、安全、环境和能耗的快速道路典型节点交通设计多目标协同优化技术。某于交通安全影响系数构建了常用车速管控设施综合优化技术，提出了不利天气条件下快速道路限速值优化设计技术，构建了面向安全增强、效率提升和多目标协同优化的可变限速控制和系统搭建技术。 "

本发明涉及汽车能量回收，旨在提供一种汽车制动能量回收装置及其分段控制方法。该装置包括超级电容和电机、低压端电流表、双向Buck-Boost变换器、高压端电流表、PWM控制器、低压端继电器和高压端继电器；低压端继电器和高压端继电器均为单刀双掷开关，包括动触点、第一静触点和第二静触点；低压端电流表设于超级电容与低压端继电器的动触点之间，高压端电流表设于电机与高压端继电器的动触点之间；各设备分别通过信号线连接至PWM控制器。本发明可直接用于现有电动汽车和油电混合动力汽车上，提高其制动能量回收的效率、增加节能效果、延长其续驶里程。

本项目科技成果可以有效解决大跨度或多高层民用、商用或工业用途筑结构物中的振动问题，振动类型可以是由地震和风等环境荷载诱发的结构振动，也可以是由电机和旋转机械等工业设备引起的建筑物振动反应。科研项目“多高层建筑地震反应的消能与控制”系国家重点科技项目（攻关）计划专题，课题编号 101-9914006-3，由国家计委下达。本项目是在日本、美国和新西兰等地震多发国家近十年来广泛关注的技术，随着经济的发展在我国也备受重视。其基本思想是使被设计的建筑物在使用期间符合基于三个水准即“小震不坏，中震可修，大震不倒”的抗震设防目标的要求，实质是强调满足生命安全和损坏控制这样两个设计目标，但是解决的手段依靠的是包括消能减震技术在内结构控制技术。本项目的研究内容以被动控制技术为主，开发了包括挤压型铅合金阻尼器和弯剪型铅合金阻尼器在内的各种工程实用的阻尼器。项目研究成果 2007 年获华夏建设科学技术一等奖（建设部，获奖年度为 2006 年），其中的弯剪型铅合金阻尼器获国家发明专利。

本发明提供一种高比例风光储接入配电网多模式自适应控制方法，所述方法包括：获取光伏输出有功功率Ppv、风机发电输出功率Pwd、负载有功功率Pl、光伏输出电压Upv、光伏输出频率Fpv；根据光伏输出有功功率Ppv、风机发电输出功率Pwd、负载有功功率Pl、光伏输出电压Upv和光伏输出频率Fpv按照预设条件自适应地选择恒定功率跟踪控制模式、电网电压频率辅助控制模式、主动离并网控制模式和储能辅助并网控制模式中的一种对电网进行控制。本发明提供的高比例风光储接入配电网多模式自适应控制方法，通过根据电网的不同运行状态，选择相应的控制模式，使电网出现故障时能够平滑的切换控制模式，避免了停机，使操作电网时更加平稳，提高了电网的可靠性和安全性。