本发明公开了一种用于评估数控加工三轴刀具轨迹质量的工艺 方法，其特征在于，包括：(a)获取由 n 个离散点依序共同组成的三轴 刀具轨迹，记录各个离散点在加工坐标系中的坐标值，将每个离散点 视为从坐标原点指向其所处位置的向量；(b)利用所获得的向量矩阵计 算三轴刀具轨迹的整体平滑度，并将其作为加工零件时的表面质量评 估指；(c)计算上述三轴刀具轨迹所对应的理想加工时间，并将其作为 加工效率的评估指标；(d)完成对三轴刀具轨迹质量的整体评估过程。 通过本发明，表明能够准确、高效和经济地评测三轴刀具轨迹加

本发明公开了一种基于指令域分析的数控加工工艺参数动态优 化方法，包括： (1)设置采样的加工状态信息和加工程序指令序列信息， 并相应配置形成加工信息动态采集界面；(2)实时采集获取实际加工数据，并利用正余弦算子对采集的数据进行迭代平滑处理，并提取滤波 处理后信号的特征值； (3)根据当前行加工的 G 指令和/或刀位轨迹类型 在工艺系数数据库中选择确定优化系数；(4)利用上述步骤获取的特征 值以及优化系数，建立优化模型，据此计算当前合理的工艺参数，从 而实现对加工工艺参数的动态优化。本发明的方法以指令域分析为基 础，可以实现对数控系统工艺参数快速优化，实现与插补周期同步， 最大程度实现数控系统加工质量与效率的提升。 

本发明公开了一种数控系统指令域序列异常数据检测方法，包括(1)获取训练样本数据中心线，获取包络线比率r；(2)构造窗宽N、临界长度X、连续异常点长度和阶梯点长度分界线Y、数据流分析长度Z的经验公式并根据经验公式设置相应参数；(3)利用N确定滑动窗口长度，利用滑动窗口分割数据流，利用简单移动平均法或多项式拟合法获取滑动窗口数据中心线，包络线外样本为当前滑动窗口内判定的异常点存入loutlier，利用过程记录序列lnew、过程记录正常序列lnormal、X、Y确定最终判定类型；(4)达到指定的数据流分析长度Z时，结束异常检查，否则清除序列号为(i-1)u+N+1、(i-1)u+N+2、...、i·u+N的数据缓存，进入第i+1个滑动窗口的分析。

该系统为开放式结构、模块化设计、工业用器件，具有数控车床电气设计、安装、接线、调试、参数设置、PLC开发、通讯、故障诊断维修、编程及仿真模拟、CAD/CAM，实际切削加工等教学培训功能。 DS-R1B由数控实验台及CK0638数控车床组成，数控系统可根据用户要求配置。数控实验台侧重于进行接线、各种信号测量、性能监控、调试、PLC编程、维修等实验，一台实际数控机床的电控系统每一主要环节都在电控实验台上分解展示，其信号均能显示并可测量。每个环节专门设有故障设置区，可设数十个故障点。面板上有电气图、接线标号等，便于学习和理解。 DS-R1B-E则在NNC-R1B的基础上增加于工业用数控车床一致的机床电气柜，可进行电路设计、电气元器件安装、接线、调试等实训，电气板可更换，便于学生分组进行数控机床电气元器件排布、接线、查线、调试等实际技能的训练。机床由数控实验台和机床电柜双路并联控制。 该设备既可进行数控车床调试维修、电柜设计接线等技能训练，又可进行数控车床编程、操作等实习，大大提高了设备的利用率。 所配数控机床为专门设计，精度高、转速高、结构紧凑、造型美观、功率大、可进行金属零件的实际加工。 选配气动卡盘实现工件自动夹紧松开。

该实验实训台具有加工中心、数控铣床的组成原理、调试、参数设置、故障诊断、维修等综合培训功能。由数控实验台、机构演示台、电气柜等组成。 数控实验台由数控系统、主轴变频、交流伺服驱动、刀库控制、输入/输出（I/O）、强电控制、电源、故障设置等模块组成，一台数控机床的电控系统每一主要环节都在电控调试箱上分解展示，其信号均能显示并可测量；可自行接线、调试；故障设置模块可设数十个故障点，可明设置和暗设置，并能显示故障数量。 机构演示台由X/Y/Z三维运动平台、主轴电机及编码器、八工位刀库等模块组成。三维运动平台采用滚珠丝杠、滚动导轨、电主轴、平口钳均，可进行有机玻璃、玉石等非金属的铣削、雕刻加工，特别适合CAD/CAM实验实习；电主轴有变频器调速，三轴均有双向超程、回零等功能，八工位斗笠式刀库模块直观展示加工中心刀库的机械结构、控制方式，以及加工中心气动系统的结构、原理和控制。X轴可选配直线光栅，实现全闭环控制；可选配伺服主轴电机。 实训电气柜实训电气柜工业化，可进行电路设计、电气元器件安装、排线、接线、查线、调试等实训。电气板上配有模拟驱动器和变频器，训练更逼真，又保护器件，降低成本。电气板可更换，便于学生分组进行技能训练。机床由数控实验台和机床电控柜双路并联控制。机构演示台由电控实验台和机床电柜双路并联控制。 用户通过装载随机软件，可实现加工中心、数控铣床实验功能的切换。

本发明提出一种五轴机床旋转轴几何误差一次装卡测量方法。 本发明通过分别测量两条运动链理想位姿与实际位姿间的偏差，然后 基于机构的空间误差模型，反算出双运动链上待标定运动副的几何误 差值，能够实现单摆头—单转台五轴联动机床两个旋转轴共十二项几 何误差参数的一次装卡连续测量，在保证测量精度的前提下，避免了测量仪器及试件的多次装卡，提高了测量效率，填补了本领域的空白。 该方法可应用于单摆头—单转台结构五轴联动机床两个旋转轴几何误 差的测量。

成果介绍本发明公开了一种虚拟家装室内场景设计中的阴影渲染方法。包括阴影映射图生成步骤，半影估计步骤，基于泊松碟采样的百分比渐近滤波步骤，最后通过加入漫反射环境光，生成具有真实感的虚拟家装室内场景阴影效果图。本发明方法能够高效且能改善阴影映射图锯齿走样的问题。技术创新点及参数本发明提供一种真实感强烈，生成了场景中物体的软阴影而且速度快， 可以满足虚拟家装实时渲染要求的虚拟家装室内场景设计中的阴影渲染方法。市场前景本发明方法结合阴影映射图与百分比渐进滤波技术实现虚拟室内家装 的实时阴影效果渲染，不仅能够生成具有真实感的家装室内设计中的阴影渲染，而且 不会随着场景中三维物体复杂度增加而增加，无需预处理能够满足实时应用需求。该 技术对计算机虚拟现实在虚拟家装领域的应用具有重要意义。

本成果以专利形式体现（专利号 201310723968.2 ），生命科学大多以微生物为研究对象，有很多物种都是近缘的，无法用普通方法区分，本方法通过 PCR 方法可以快速区分，建立了一种设计特殊引物的方法。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

针对子载波非连续可用的情况下，基于迭代平均处理的思想，设计了适用于载波扩展OFDM系统中的导频符号，使用这种导频符号，能有效地克服OFDM系统峰均功率比过高的问题，且能保证较优异的误比特性能。