本发明公开了一种基于卷积神经网络和小波灰度图的旋转机械故障诊断方法，其包括以下步骤：(1)将振动位移传感器及振动速度传感器设置在旋转机械上，利用所述振动位移传感器及所述振动速度传感器采集所述旋转机械的振动信号；(2)对采集到的所述振动信号进行多尺度小波分解，以得到小波灰度图；(3)按照预先训练过的卷积神经网络的输入形式，对所述小波灰度图进行预处理；(4)将预处理后的所述小波灰度图输入到所述卷积神经网络，所述卷积神经网络对接收到的所述小波灰度图进行分析诊断，以得到所述旋转机械的故障诊断结果。

近日，上海交通大学电子系义理林教授课题组基于智能锁模算法、时间拉伸技术和实时高速电路建立的实时光谱分析控制平台，实现了锁模激光器输出飞秒脉冲的实时光谱调控，对飞秒激光器的设计具有重要的应用价值。相关成果以“Intelligent control of mode-locked femtosecond pulses by time-stretch-assisted real-time spectral analysis”为题目于2020年1月发表于国际光学顶尖期刊《Light: Science & Applications》（中科院长春光机所与Nature出版集团合办期刊），并入选为封面文章，在“News & Views”栏目被专门评述。博士生蒲国庆为第一作者，义理林教授为通信作者。 图说：期刊封面文章 飞秒尺度（1E-15秒）脉冲对应着原子分子、材料、生物蛋白、化学反应等丰富物质体系的众多超快过程，有着广泛而重要的应用。锁模激光器作为产生飞秒脉冲的重要基础研究工具，在物理、化学、生物、材料、信息科学等领域都有广泛的应用。飞秒锁模激光器自上世纪六十年代发明以来，与其相关的研究分别于1999，2005，2018年获得过诺贝尔奖。 随着超快光学的快速发展，越来越多的前沿应用需要对飞秒脉冲的时域和光谱进行精细控制。由于飞秒脉冲的产生涉及非常复杂的非线性和色散传输效应，达到特定脉冲状态的稳态输出需要对激光器多个参数在高维空间进行优化，传统基于激光器光学设计和优化的方法已被证明难以精确实现。 通过对飞秒脉冲状态进行智能识别，结合智能算法对激光器多参数进行全局优化，有望获得理想的飞秒脉冲输出，但其主要挑战在于飞秒脉冲难以实时精确识别。低速时域采样无法识别飞秒脉冲宽度和形状，光谱仪虽可识别飞秒脉冲积分光谱但无法识别其瞬时光谱，因此传统方法都无法做到实时控制飞秒脉冲精确锁模状态。为了解决这一难题，义理林教授课题组提出在锁模控制环内引入时间拉伸-色散傅里叶变换（TS-DFT）技术，通过时域到光谱的转换，采用低速时域采样即可识别飞秒脉冲对应的瞬时光谱宽度和形状。结合智能控制算法，实现了以1.4nm为精度对飞秒脉冲光谱宽带从10nm到40nm进行可编程控制，光谱形状可编程为高斯型或三角形等。这是本领域首次实现飞秒锁模脉冲光谱宽度和形状高精度实时编程控制，解决了飞秒锁模脉冲锁模状态无法精确调控的难题。 基于实时的光谱控制，该研究还展示了从窄谱锁模态至宽谱锁模态以及从三角形光谱脉冲态至宽谱锁模态的演变过程，发现两者动力学过程具有相似性，提出了目标锁模状态可能决定中间动力学过程的猜想，为人们进一步探索锁模激光器内部机理提供新视角。 图说：基于快速光谱分析的飞秒锁模脉冲智能控制 非线性光学著名专家John Dudley教授（欧洲物理学会主席，IEEE/OSA Fellow）在《Light: Science & Applications》的“News & Views”栏目撰文介绍此项工作，认为本工作极具创新性，开拓了研究锁模动力学新的可能性，很可能应用于多种锁模光纤激光器中。 义理林教授课题组过去六年来一直致力于解决飞秒锁模激光器的智能控制问题，2019年发表在光学领域顶级期刊《Optica》的“智能锁模激光器”成果入选美国光学学会旗下新闻杂志《Optics & Photonics News》2019年光学年度进展“Optics in 2019”。该方向工作部分得到国家自然科学基金（61575122）的支持。《Light: Science & Applications》论文全文https://www.nature.com/articles/s41377-020-0251-x《Light: Science & Applications》“New & Views”评述论文https://www.nature.com/articles/s41377-020-0270-7

随着计算智能方法得到更广泛的应用，其从问题本身学习的能力亟待增强。为此，越来越多研究提出使用机器学习模型来驱动计算智能。通常，这种基于模型的进化算法的性能高度依赖于所采用模型的训练质量。而传统机器学习方法需要大量训练数据进行模型训练，而且受维度灾难的影响，这类方法通常很难解决维度较高的问题，约束了计算智能方法的应用范畴。课题组在IEEE Transactions on Cybernetics上发表了一种由生成对抗网络（GAN）驱动的进化多目标算法。

本发明一种马铃薯定位标记装置和一种马铃薯播种装置，该马铃薯定位标记装置包括机架，机架上设置有漏播检测单元，漏播检测单元的后端设置有定位标记单元，漏播检测单元检测到马铃薯播种过程中漏播，将漏播信号传递到定位标记单元，定位标记单元定位标记以示马铃薯漏播；马铃薯播种装置包括上述的马铃薯定位标记装置。该发明在马铃薯出现漏播情况时可以进行标记，以便于后期补种。

本发明公开了一种基于卷积神经网络的给水管网多点漏损定位方法，包括以下步骤：对供水管网压力数据进行采集，将采集的供水数据分为训练样本和测试样本；将各个样本归一化，归一化后的训练样本输入到卷积神经网络模型中进行训练，得到卷积神经网络模型，归一化后的测试样本对卷积神经网络模型进行测试，保存训练好的卷积神经网络模型；实时数据归一化后输入到训练好的卷积神经网络模型中，通过训练好的卷积神经网络模型来得到预测结果；将预测结果对比标签索引，判断漏损。本发明还公开一种基于卷积神经网络的给水管网多点漏损定位装置。本发明

本发明公开了一种空间多自由度定位装置及其空间位置解算方法。所述装置包括底板平台、第一三维转台、第二三维转台、第一转台底座、第二转台底座、伺服电机、丝杠和导轨，导轨铺设在底板平台上，第一三维转台安设在第一转台底座上，第一转台底座固定在底板平台的一端，第二三维转台安设在第二转台底座上，第二转台底座可以沿导轨做靠近或远离第一转台底座的运动，两个目标物体分别固定在第一三维转台和第二三维转台上。所述空间位置解算方法根据本发明装置的机械结构特点，通过固定在夹具上两物体间期望的空间位置姿态关系解算出装置上每个运动部件的运动量。本发明能够实现空间中两个物体之间的复杂相对位置姿态的定位。

无线通信技术VHF/UHF频段基于OFDM技术的高速数据通信系统   无线通信的突出问题：频率资源严重不足 。   我国无管会允许在这一频段进行数据的传输，如地质矿产、水利、能源、国家地震局、建设部、气象局、军队等部门的专用无线通信系统。

本发明公开了一种考虑双馈风电机组励磁调节特性的电力系统 故障电流值计算方法，包括 S1 建立双馈风电机组受励磁调节特性影响 的等效受控电流源模型；S2 建立电力系统的正序阻抗矩阵、负序阻抗 矩阵和零序阻抗矩阵； S3建立不同故障类型下的故障点边界条件方程； S4 进行迭代计算获得双馈风电机组的受控电流源值； S5 根据双馈风电 机组的受控电流源值、以阻抗矩阵表征的电网节点电压方程以及故障 点边界条件方程获得当前迭代计算时各节点的各序电压值，并计算实 际节点的电压值；S6 获得当前迭代计算的节点实际电

本发明公开了一种基于MEMS传感器和VLC定位融合的双粒子滤波导航装置和方法，包括MEMS传感器、INS模块、PDR定位模块、VLC定位模块、测姿粒子滤波器和定位粒子滤波器；本发明在测姿滤波器的设计中，三维姿态误差和三轴陀螺仪漂移作为6维的状态向量。基于惯导机械编排的误差方程作为其系统方程，用于更新粒子状态。观测方程包括加速度计观测量更新和磁力计观测量更新，用于计算粒子权重。测姿滤波器输出VLC接收器的姿态给VLC定位模块以校正姿态的影响。在定位滤波器的设计中，二维平面的位置信息作为系统状态向量，基于行人航位推算的误差方程作为系统方程，而VLC的定位结果则作为定位滤波器的观测方程。

本发明公开了一种基于MEMS传感器和VLC定位融合的单粒子滤波导航装置和方法，包括MEMS传感器、INS模块、VLC定位模块、PDR定位模块和测姿定位单粒子滤波器模块；本发明中基于INS惯导机械编排的误差方程作为融合滤波器的系统方程，用于对粒子群的粒子进行更新。观测方程包括VLC定位信息更新、PDR定位信息更新和磁力计观测量更新，用于计算各个粒子的权重。输出姿态信息给VLC定位模块和PDR定位模块。本发明首次在VLC定位领域使用融合测姿准确估计VLC接收器的姿态信息，解决VLC定位容易受接收器姿态影响以及在光信号被遮挡情况下定位不连续的问题，并消除姿态对VLC定位的影响。