本发明公开了一种实现太阳翼调频作动器位置优化的方法，包括如下步骤：(1)根据太阳翼调频加载区域的范围，确定参数变化范围；(2)基于Nastran软件非线性静力分析模块生成一个施加作动器作用的计算工况文件；(3)通过Matlab中GA遗传算法修改Nastran生成的*.bdf文件信息，明确目标函数进行全局化搜索，最终获得最优化作动器布置位置。本发明基于MATALB中GA遗传算法调用修改Nastran生成的模型计算文件进行全局化搜索，由于遗传算法具有全局寻优的优势，同时利用NASTRAN计算能力，可以有效地确定太阳翼结构调频的最优位置，具有实际工程意义。

本发明公开了一种永磁同步电机无位置传感器控制方法。其中， 包括一个用于修正电压合成矢量速度的转速稳定环，以及一个用于实 现矢量控制的电压幅值修正环。本发明所设计的永磁同步电机无位置 传感器控制方法，从本质上解决了电机运行过程中易失步崩溃的问题， 同时提出了一种新的实现矢量控制的控制策略算法，从而实现永磁同 步电机驱动系统稳定、可靠、高效运行。 

本发明公开了一种机器人砂轮位置标定装置及标定方法，属于 机器人智能加工技术领域。标定装置包括装置主体和两个圆柱体。装 置主体的 A 平面与砂轮侧面贴合，两个圆柱体的圆柱面与砂轮外圆柱 面相切。依据标定方法要求，机器人夹持标定装置移动，使标定装置 接触砂轮，获得装置主体上标定点坐标并进行分析运算，确定砂轮轴 线与砂轮侧面的交点的坐标和砂轮半径，确定砂轮位置。本发明可以 实现对砂轮空间位置的精确标定，能够大幅提升砂轮位置标定的效率 和精度。

本发明提供一种基于广义空间调制系统的自适应调制方法，选择最有的调制方式组合对信号进行传输，能够使星座点间最小欧式距离变大，在使系统在引入较少的反馈量和增加较小的复杂度的情况下，使系统的BER性能得到显著的提高。

 本发明属于无线通信技术领域，具体涉及广义空间调制(generalized spatial modulation，GSM)通信系统中的一种信号迭代检测方法。本发明提出一种低复杂度广义空间调制迭代检测方法。对于所有的N种可能的激活天线组合，分别通过B‑MMSE检测得到一组候选符号，最终得到一个N元的候选集，然后进行ML检测，取其中欧氏距离最小的组合作为最终结果。

本发明公开了一种农田秸秆资源空间分布估算方法，将传统统计方法与遥感技术相结合，综合利用 统计年鉴和遥感净初级生产力（NPP）数据，对区域内部农田秸秆资源空间分布特征进行估算。本发明 充分利用了统计数据在总量计算方面的精确性优势和遥感数据在反映空间分布特征方面的优势，从而能 够更加精确的反映区域内部农田秸秆资源空间分布特征，总体上具有快速简便、低成本的特点。

针对老年人与护理人员存在严重的数量差异，难以匹配，一对多 护理模式难以确保医疗机构护理服务质量，以及视频监控的方式掌握患者的护理情况存在个人隐私泄露、数据流量庞大、存在监控盲区、人力成本高昂等痛点问题，本项目采用低成本、小流量可随时随地掌 握护理情况的解决方案，即更便宜：MEMS 可穿戴传感器，更安全：无需图像采集保护个人隐私，更快捷：数据流量小方便分析上传，实现室内精确定位、护理情况监控、紧急救护报警等主要功能。

研制了大型折展机构、自重构机构及空间机器人系统，提出“机-电-热-控”多重耦合动力学建模、“结构-驱动-控制”相融、自主轨迹规划与智能控制等理论及方法，解决了恶劣太空环境下漂浮基、大挠性、强耦合、变拓扑复杂系统设计、建模与控制等关键难题，为航天器在轨组装与维修维护、轨道垃圾清理等提供技术支撑。成果用于航天型号，获国家技术发明二等奖1项、省技术发明一等奖1项、军队科技进步一等奖2项，出版专著3部。

随着人工智能、大数据、物联网、区块链等新一代信息技术兴起，数据量呈现爆炸式增长，传统计算系统的算力难以满足海量数据的计算需求。与此同时，摩尔定律逐渐放缓，单纯依靠提高集成度、缩小晶体管尺寸来提升芯片及系统性能的路径正面临技术极限，通过引入忆阻器新器件、模拟计算新范式、存算一体新架构，将拓展出全新的高性能人工智能芯片与系统，实现计算能力的飞跃。 目前被广泛使用的经典冯·诺依曼计算架构下数据存储与处理是分离的，存储器与处理器之间通过数据总线进行数据传输，在面向大数据分析等应用场景中，这种计算架构已成为高性能低功耗计算系统的主要瓶颈之一：数据总线的有限带宽严重制约了处理器的性能与效率，且存储器与处理器之间存在严重性能不匹配问题。忆阻器存算一体系统把传统以计算为中心的架构转变为以数据为中心的架构，其直接利用阻变器件进行数据存储与处理，通过将器件组织成为交叉阵列形式，实现存算一体的矩阵向量乘计算。忆阻器存算一体系统可以避免数据在存储和计算中反复搬移带来的时间和能量开销，消除了传统计算系统中的“存储墙”与“功耗墙”问题，可以高效、并行的完成基础的矩阵向量乘计算，未来极有潜力成为支撑人工智能等新兴应用的核心技术。 清华大学吴华强教授团队实现了材料与器件、电路设计、架构和算法的软硬件协同等多方面原始创新，解决了系统精度损失等被广泛关注的难题： 材料与器件创新。科研团队选择了电学特性稳定的二氧化铪作为忆阻层核心材料，提出了通过插入少量氧化铝层来固定离子分布、抑制晶粒间界形成的新理论，提出了引入热增强层的新原理器件结构，成功抑制了忆阻器非理想特性的产生。 电路设计创新。开发了一套忆阻器与晶体管的混合电路设计方法，提出“差分电阻”设计思想，采取源线电流镜限流设计，抑制了忆阻器电路中可能产生的各种计算误差。 算法创新。提出了混合训练算法，仅用小数据量训练神经网络并只更新最后一层网络的权重，即可将存算一体硬件系统的计算精度达到与软件理论值相同的水平。 “技术链”创新。从“单点技术突破”拓展到“技术链突破”，开发了针对忆阻器存算一体芯片的电子设计自动化（EDA）工具，打通了从电路模块设计到系统综合再到芯片验证的设计全流程。 上述理论和方法发表于《自然》《自然·纳米技术》《自然·通讯》等国际顶级期刊，以及被誉为“集成电路奥林匹克”的“国际固态电路大会”等顶级学术会议。研究成果被“国际半导体技术路线图”和30多部综述文章长篇幅引用。团队已在该研究方向申请国内外专利72项，其中30项已获得授权，知识产权完全自主可控。 团队已研制出全球首款忆阻器存算一体芯片和系统，集成了8个忆阻器阵列和完整的外围控制电路，以更小的功耗和更低的硬件成本大幅提升了计算设备的算力。全系统的计算能效比当前主流的人工智能计算平台——图形处理器（GPU）高两个数量级。团队还设计了一款基于130nm工艺研制的完整忆阻器存算一体芯片，在MNIST数据集上计算速度已超过市面上28nm工艺的四核CPU产品近20倍，能效有近千倍的优势。