本发明公开了一种工业过程故障诊断方法，包括如下步骤：采集工业过程的历史正常数据；利用工业过程的历史正常数据计算检测统计量；采集待检测的工业过程数据；当检测到工业过程故障时，利用相对重构贡献方法提取特征量；根据特征量计算故障模式下的条件概率密度函数和正常模式下的条件概率密度函数；根据先验概率和条件概率密度函数计算后验概率；采用最小风险贝叶斯决策理论对当前时刻样本进行故障变量识别；根据诊断后的结果更新下一时刻样本的

失眠障碍是一种普遍存在的睡眠障碍疾病，我国成年人中的患病比例高达30%，其主要表现为难以入睡、难以维持睡眠或睡眠质量不佳，导致出现疲倦、注意力不集中、记忆力减退、情绪波动等负面影响，并且与多种疾病（如心血管疾病、糖尿病等）的发生和发展密切相关。我国庞大的患者群体增加了对医疗资源的需求和社会负担，对个人和社会经济造成重大影响。失眠障碍需要引起足够的重视和关注，早期诊断是减少其对个人和社会危害性的有效方法。 目前临床睡眠诊断主要依靠睡眠专家人工判读多导睡眠图（polysomnography，PSG），PSG技术同时记录多个生理参数，如心电图、脑电图、肌电图、眼电图等，从而准确评估睡眠的各个阶段和睡眠中的生理变化。然而，现代临床睡眠诊断方法存在一些弊端。首先，依靠睡眠专家人工进行诊断成本很高。例如，临床诊断中标记一位患者的PSG数据并完成诊断，往往需要一位训练有素的睡眠专家数个小时的集中工作才能完成，无法应对大规模睡眠障碍群体需求。此外，睡眠诊断存在个体差异，同一种睡眠障碍在不同人群中的表现可能不同，诊断结果需要根据患者的具体情况进行综合评估和判断。这些方法需要专业人员进行操作和解读，费用昂贵，操作复杂，很难普及应用。 人工智能技术可以帮助解决以上问题。人工智能技术可以在不需要专业人员干预的情况下，对失眠障碍进行自动化分析和诊断，具有高效性、低成本和易普及的优点。此外，还可以在大数据层面上进行分析，深入探究失眠障碍的病理生理机制，从而更好地指导治疗和预防措施的制定。 睡眠诊断是最为适合采用云平台技术进行自动化诊断的领域，患者潜在群体数量庞大。本项目涉及基于人工智能睡眠医学诊断技术的全系统的各个环节，系统的诊断准确率目前为世界范围内第一。前期已经服务于制药企业睡眠类药物评价、可穿戴消费级电子设备睡眠监测等领域。目前市场上的类似产品均不具备临床医疗级的诊断能力，本技术填补了市场空白。 图1.本项目研发的原理样机部件

按照《新型冠状病毒肺炎诊疗方案（试行第五版修正版）》，湖北省增加了“临床诊断病例”分类，对疑似病例具有肺炎影像学特征者，确定为临床诊断病例，以便患者能及早按照确诊病例相关要求接受规范治疗，进一步提高救治成功率。因此，对患者的影像学分析在确定“临床诊断病例”上就具有极为重要的意义。 根据国家指南这一重要变化，西安交通大学第一附属医院影像学郭佑民团队，在前期承担国家卫健委重大行业专项《基于“数字肺”的呼吸系统疾病评价体系与诊断标准研究》基础上，针对新冠肺炎肺部影像学特点与医学成像技术公司合作，第一时间研发了新冠肺炎肺部感染辅助诊断系统，实现了对新冠肺炎感染者肺内病变部位快速检出、定量评价病变范围和病变演变过程评估 CT扫描是新冠肺炎诊断的重要环节，已成为确定“临床诊断病例”的重要标准。但是在影像诊断过程中，每位患者的CT检查多达几百幅甚至上千幅图像，单靠影像诊断医师从庞杂的图像特征中筛选出新冠肺炎所具有的特征，不仅要求医师具备肺炎诊断与鉴别诊断的经验，还需要相当的观察时间，严重影响病例筛查的效率。   同一患者3次检查结果对比，红色区域为病变，相比较病变体积逐渐缩小，提示病情好转。   同一患者3次检查结果对比，红色区域范围增大，数目增多，提示病变进展，同时还能观测到病变密度的变化。   图为同一患者4次检查结果对比，图中红色区域体积逐渐增大，提示病情进展。 郭佑民教授团队利用AI技术为新冠肺炎的影像诊断“赋能”。依托专家训练，人工智能结合传统的计算机视觉技术，对新冠肺炎患者肺部病变区域进行分割、计算，可以同时获取病变区域的体积、密度、磨玻璃成分等定量参数，尤其是对于患者随访的数据，可以实时进行图相配准，精准定位病灶位置、大小，方便比较病变的消长。   通过临床试验发现，该系统能够辅助临床医生对新冠肺炎进行快速诊断，并能提供智能诊断报告，适应阻断疫情扩散蔓延的公共卫生紧急应对要求，具有很好的临床应用效果。该系统已在包括华中科技大学协和医院等多家医院部署，为了鼎力支持抗“疫”一线，新冠肺炎辅助诊断系统将开放全国同行免费使用。

产品详细介绍 MD-711TS高智能电缆故障测试仪是迎合工业级电力行业方案和IT时代的快速发展,将原来电缆故障测试仪的局限性，用工控嵌入式计算机平台系统、网络服务业务、USB通信技术系统化，极大提高了仪器的使用功能和利用价值以及便捷的现场环境操作。特别对于日益增多的地埋电缆资料提供了一套独有的管理软件。整套系统满足中华人民共和国电力行业标准《DL/T849.1～ DL/T849.3-2004》电力设备专用测试仪器通用技术条件，该系统测试由系统主机和故障定位仪以及电缆路径仪三部分组成，用于电力电缆各类故障的测试，电缆路径、电缆埋设深度的寻测和电缆档案资料的日常维护管理，以及铁路、机场信号控制电缆、和路灯电缆故障的精确测试。◆ 国内首家采用工控嵌入式计算机平台系统，工业级使用环境，实现极强稳定性。锂电供电、方便现场测试。◆ 国内首家采用12.1英寸大屏幕系统，全电脑XP操作平台集成化软件，彻底告别电缆仪单片机时代，并配有电缆故障测试软件和电缆资料管理软件。◆ 采用最新的USB通信接口，采集信号稳定，配一款笔记本电脑可实现双控双显，主机可自动选择最低6.25MHz、最高达100MHz五种采样频率，能满足不同长度电缆的测试要求，减少了粗测误差。◆ 软件实现故障自动搜索，距离自动显示，双游标移动可精确到0.15米，波形可任意压缩、扩展，同屏随机显示两个更接近标准的波形供你准确比较分析，提高测试精度，减少误差。◆ 支持最新开通的3G通信终端或无线上网卡，专用3G软件可实现专家远程现场实时测试技术服务，专家远程操控用户主机，给用户现场测试提供及时、准确波形分析和交流指导，使您无忧工作。◆ 4G内存多类现场波形和现场实物接线图，轻轻一点即可使用，电缆资料管理软件可做完善的电缆档案管理，为电缆的维护工作和精确定位提供参考和帮助。◆ 关键的精确定点仪部分，直接数字显示测试者离故障点距离，是国内同类定点技术的又一次创新，为快速准确查找电缆故障，减少停电损失提供了有力保障。◆ 最新研制智能组合式采样器，取代了烦琐的现场接线，具有波形直观，容易分析，与高压完全隔离，对主机、操作人员绝对安全的特点。一、测试仪技术指标：1、可测试各种不同电压等级、不同截面、不同介质及各种材质的电力电缆的各类故障，包括：开路、短路、低阻、高阻泄漏、高阻闪络性故障。2、可测试铁路通信控制电缆、路灯电缆、机场信号电缆的各类故障。3、可测量长度已知的任何电缆中电波传播的速度。4、可测试电缆走向及埋设深度。测试距离：不小于40km 最短测试距离（盲区）：5-10米精确定点误差：±0.2m 测试误差：系统误差小于±1%分辨率：V/50m；V为传波速度m/μs；软件游标0.15米。　 仪器采样频率：6.25MHz、10MHz、25MHz、50MHz、100MHz、（自适应脉宽）电源与功耗：　AC　220V±10%　 15W　　DC　12V（7AH）　不大于20W待机时间：可连续使用4小时左右。管 理：电缆埋设路径分布示意图。用户管理区域内所有电缆的资料的详细档案：包括电缆分布图、编号、起始位置、埋设深度及时间、电缆介质、接头位置、维修记录、故障产生原因、试验报告、电缆测试记录等信息。二、路径仪技术指标1﹑输出信号频率：15 KHz 2﹑输出最大出功率：＜1Ｗ3﹑体积48×76×170mm34﹑重量0.5Kg选配设备：DSG-Ⅱ（Ⅲ）一体化交直流高压发生器，高压组件（包括3KVA 交直流高压发生器、控制箱和2UF/30KV脉冲电容各一台）

新冠肺炎疑似病例基数庞大，给临床一线诊疗带来巨大压力，疫情波及地域广泛，基层医院缺乏经验，面临严峻挑战。由清华大学精密仪器系尤政院士、临床医学院董家鸿院士领导研发的新型冠状病毒肺炎智能辅助诊断系统成功通过应用测试，进入临床试用阶段，有望为上述难题提供解决方案。新型冠状病毒肺炎智能辅助诊断系统董家鸿介绍，新型冠状病毒肺炎智能辅助诊断系统可同步实现智能化影像诊断、临床诊断及临床分型三大功能。该系统包括三大模块，其中影像诊断模块主要基于对新型冠状病毒肺炎初诊病例的珍贵临床资料的大数据分析，使用人工智能算法深度学习该疾病的CT影像特征，实现对新型冠状病毒肺炎影像的智能识别。临床诊断模块则依据卫健委发布的《新型冠状病毒感染的肺炎诊疗方案(试行第五版)》，结合影像与流行病学、症状及关键检验数据等临床信息，实现智能诊断。临床分型模块通过智能判读呼吸功能参数，“自适应”判断新型冠状病毒肺炎的严重程度。董家鸿谈到，该系统可在短时间内完成大量疑似病例的胸部CT筛查、依据指南进行临床与影像相结合的综合分析，显著提升新型冠状病毒肺炎诊断效能，有望大幅降低临床医师及影像医师的工作负荷。

“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。

在长期为电力行业解决设备重大疑难故障的实践过程中，提出了轴系载荷分配测试、分析和优化调整技术，发展了动平衡和振动故障诊断技术，提高了动平衡效率和振动故障诊断准确率。先后解决了田湾和秦山核电、平圩、宣城、姚孟、福州等40多家电厂100多台、次大型机组重大疑难振动问题。该项成果先后获得江苏省科技进步一等奖和国家技术发明二等奖。

该成果创造性地利用高阶非线性光学材料获取医学临床诊断的关键信息。利用自主发明的双光子荧光探针与双光子光学CT成像的特性，首次获取了可用于癌症病理组织快速临床诊断的荧光图像。该技术是山东大学晶体材料国家重点实验室于晓强教授团队的原创，国际、国内均没有同类工作。 全新的观测技术：基于荧光探针与光学切片成像的肿瘤病理临床诊断技术。 该成果将直接带动三个高附加值的高技术产业： 新材料产业：双光子荧光探针 新设备产业：临床专用双光子荧光显微镜产业 新技术产业：技术人员培训、临床服务产业 符合临床要求的检测流程：

项目概况 以本领域高新技术和丰富的现场实际工程经验为基础，直接为国内电力、石油化工及冶金行业旋转机械设备的振动提供各种技术服务，同时进行科技成果工程化产品化的研究开发。 主要特点    1、直接面向电力、化工及冶金行业旋转机械设备，技术服务内容明确是解决生产设备的实际振动问题； 2、 具有丰富的现场实际经验，结合深厚的转子振动理论研究成果，可以迅速地解决现场绝大多数疑难机械振动故障；3、 具备先进的测试仪器、计算分析软件和开发工具；技术指标 现代化的在线机械监测及预测分析系统CSI XP32 机械健康专家，具有灵活的组态功能，适合在电力行业、钢铁行业、石化行业和造纸行业中旋转机械的应用。这些旋转机械包括汽轮发电机组、烟机或透平压缩机组、风机、泵类、齿轮箱等。16或32通道可携带式机械健康状态连续监测系统可以数星期所有通道连续同步无人值守状态监测及数据存储，解决整台机器或机组的振动分析及故障诊断问题，瞬态分析实现对透平类机械的启动、停车和生产过程全方位的状态监测。通过PeakVue波形、阶数跟踪、自定义数据采集设置、时间同步平均等参数设定、基于事件的全自动自适应监测，实现强大的故障预测分析技术。集数据采集、存储、浏览与管理于一体，能够以每秒钟5次的刷新率浏览实时的分析图谱。自定义快进、倒回、慢放、及自动重放等回放模式、将保存的瞬态数据重新以事件实时的完整过程展现给用户。AMS设备管理组合软件平台方便多种预测分析技术的融合，简单快捷的使用方法使得振动故障诊断更为简单，PeakVue专利技术是滚动轴承、复杂齿轮箱、纸机设备及轧机设备健康状态监测的利器。市场前景     1、汽轮发电机组及辅机现场振动测试、分析、故障诊断与处理        ●振动测试        ●振动分析和机组状况评估        ●各种振动故障分析和判断        ●故障处理与消除 2、各种类型旋转机械的现场高速动平衡 3、新机组振动调试        ●新机组分步与整套启动的振动调试        ●调试阶段（首次冲转到满负荷试运行结束）振动测试、分析和处理。 提供分析意见，给出运行和消缺的处理方案，参与实施处理        ●高速动平衡 4、新机组性能考核试验（振动部分）        ●对新机组振动性能的测试、分析和评估

"该成果创造性地利用高阶非线性光学材料获取医学临床诊断的关键信息。利用自主发明的双光子荧光探针与双光子光学CT成像的特性，首次获取了可用于癌症病理组织快速临床诊断的荧光图像。该技术是山东大学晶体材料国家重点实验室于晓强教授团队的原创，国际、国内均没有同类工作。该成果将直接带动三个高附加值的高技术产业： 1. 新材料产业：双光子荧光探针 2. 新设备产业：临床专用双光子荧光显微镜产业 3. 新技术产业：技术人员培训、临床服务产业 "