机器人在煤矿救援领域发挥着越来越重要的作用，但仍存在无法精确识别灾后环境、无法适应井下复杂地形以及难以检测、定位井下生命体等问题。 一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 柳佳乐 自动化18-2 2018-2022 刘浩峰 计算机科学与技术18-7 2018-2022 石少勇 测控技术与仪器18-2 2018-2022 栾广鑫 电气工程及其自动化18-5 2018-2022 李明晶 测控技术与仪器18-1 2018-2022 三、指导教师 姓名 学院/所学专业 职务/职称 研究方向 杨洪涛 机械工程学院 教授 精密测试技术、仪器精度理论及应用、自动化测控系统 凌六一 电气与信息工程学院 教授 智能信息处理、光电检测及环境光谱探测技术 苏树智 计算机科学与工程学院 副教授 人工智能、模式识别、机器视觉、信息融合、深度学习等领域 四、项目简介 目前，机器人在煤矿救援领域发挥着越来越重要的作用，但仍存在无法精确识别灾后环境、无法适应井下复杂地形以及难以检测、定位井下生命体等问题。为此，本团队充分利用六足机器人高稳定性和多地形适应性的优势，应用激光雷达、深度相机和其他辅助传感器，设计仿生六足煤矿救援机器人，结合SLAM、A*、ROS等先进技术，实现矿井灾后局部复杂环境的三维地图构建、地形障碍物识别以及机器人自主路径规划。机器人所获信息实时无线传输至上位机，帮助救援人员快速制定科学有效的救援方案。

Visdom系统是基于大数据可视化和虚拟仿真技术来提供应急管理和决策支持的软件系统平台，其最突出的应用是水灾防预决策管理。Visdom提供完全三维可视化的场景模拟，包括对水流、车辆的仿真，同时，决策者可以在Visdom的平台上测试防洪决策的科学性，并看到实时的结果，不断完善决策，以便应付突发情况。该系统平台已经成功被德国、奥地利等发达国家用于防洪减灾。

简介： 1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题，从医学CT图像出发，搭建深度学习模型。对于肿瘤分类，我们将问题建模成两部：胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络，从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络，针对CT图像的特性，将多切片多造影剂时期多区域的数据进行融合，在胰腺肿物分类中取得了较好的结果。 层级分割模型示意图  分类模型可视化热图   2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检，是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络，患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中，患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上，患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果，更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络，我们不仅使用了双侧测试集 1，还使用了额外的双侧测试集 2 进行测试。 钼靶乳腺图像预处理   双侧双体位深度学习网络   优势：从客观的医学图像数据出发，结果可重复，而且高效快捷，提高识别准确率的同时，便于临床推广。  

1、胰腺肿瘤CT图像诊断算法。针对胰腺肿瘤分类问题，从医学CT图像出发，搭建深度学习模型。对于肿瘤分类，我们将问题建模成两部：胰腺定位查找和胰腺肿瘤分类。我们建立级联分割网络，从病人腹部的CT图像中将胰腺器官分割出来。级联分割网络比之前的层级分割网络结果提升10各点。之后建立多模态分类网络，针对CT图像的特性，将多切片多造影剂时期多区域的数据进行融合，在胰腺肿物分类中取得了较好的结果。层级分割模型示意图 分类模型可视化热图 2、现有的乳腺癌腋窝淋巴转移的医疗诊断措施为病理活检，是一种过度医疗。基于乳腺钼靶图像的术前无创的乳腺癌腋窝淋巴转移预测手段能够有效避免过度医疗。我们构造了基于乳腺钼靶图像的深度卷积神经网络模型来处理乳腺癌腋窝淋巴转移问题。我们对乳腺钼靶数据进行了预处理和数据集的整理、划分。我们构造了三个不同的深度卷积神经网络，患病侧单体位网络、患病侧双体位网络和双侧双体位四视图网络。其中，患病侧单体位网络分为 CC 位网络和 MLO 位网络。在乳腺钼靶数据的测试集上，患病侧 CC 位网络、患病侧 MLO 位网络、患病侧双体位网络、双侧双体位四视图网络的结果依次递增。这表明了同时使用同一患者的四张钼靶图像的双侧双体位四视图网络具有更好的预测效果，更适合乳腺癌腋窝淋巴转移预测任务。对于双侧双体位四视图网络，我们不仅使用了双侧测试集 1，还使用了额外的双侧测试集 2 进行测试。钼靶乳腺图像预处理 双侧双体位深度学习网络 优势：从客观的医学图像数据出发，结果可重复，而且高效快捷，提高识别准确率的同时，便于临床推广。

“智能物联大数据分析决策系统”是以复杂装备及过程在工程现场的指挥决 策为需求、以对大规模运行工况进行智能化分析与决策作为切入点、以对使用先 进物联手段获取到的装备过程运行监测数据进行采集、处理、分析、呈现、交互 等为途径，完成了 “大规模的系统装备运行监测数据的完整实时存储与检索”“大 数据环境下运行监测数据的智能分布式交互处理”“利用运行监测数据深度解析 直观呈现系统装备运行状况”“具有多层级特征的系统装备运行监测数据的云架 构服务平台”等系统性研究，研发了一系列具有自主知识产权的智能物联大数据 分析决策关键技术，以此为基础申请了 53项发明专利（其中授权21项），发展 成为了相应的方法体系，并在航天测试发射任务、智能消防综合服务、热轧无人 化行车生产、机电设备安装调试及运维等多类对象及场景中进行了指挥控制、在 线监测、诊断评估、决策支持等方面的系统级应用。成果针对系统装备运行提供了智能化的决策和监控手段，为系统装备运行工 况监测和运行机理认识和发现形成了完备的数据基础和先进的技术支撑。

“智能物联大数据分析决策系统”是以复杂装备及过程在工程现场的指挥决 策为需求、以对大规模运行工况进行智能化分析与决策作为切入点、以对使用先 进物联手段获取到的装备过程运行监测数据进行采集、处理、分析、呈现、交互 等为途径，完成了 “大规模的系统装备运行监测数据的完整实时存储与检索”“大 数据环境下运行监测数据的智能分布式交互处理”“利用运行监测数据深度解析 直观呈现系统装备运行状况”“具有多层级特征的系统装备运行监测数据的云架 构服务平台”等系统性研究，研发了一系列具有自主知识产权的智能物联大数据 分析决策关键技术，以此为基础申请了53项发明专利（其中授权21项），发展 成为了相应的方法体系，并在航天测试发射任务、智能消防综合服务、热轧无人 化行车生产、机电设备安装调试及运维等多类对象及场景中进行了指挥控制、在 线监测、诊断评估、决策支持等方面的系统级应用。 成果针对系统装备运行提供了智能化的决策和监控手段，为系统装备运行工 况监测和运行机理认识和发现形成了完备的数据基础和先进的技术支撑。其技术 发明应用效果好、创造性突出，达到国内领先的水平，具有广阔的市场应用前景。

本发明公开了一种电网设备检修决策优化方法。针对现有的状 态检修相关规程以及相关决策技术中，仅根据设备当前的健康状态评 分给出定性的检修建议和时间，缺乏具体优化方案的问题，本发明通 过提出一种多判据优化方法，制定了明确的检修决策，提供了定量的 优化检修时间，增强了状态检修的明确性和目的性。此外，针对已有定期检修周期优化模型不适应状态检修体制的问题，将价值工程中 的费效比和求取条件极值的拉格朗日乘数法相结合，建立新的检修优 化模型，作为检修决策的制定依据，能很好地适应状态检修体制。 

因果关系是自然界现象之间最普遍和最基本的联系。在物理学、生命科学、地理学等各个自然科学领域乃至哲学、经济学等社会科学中，发现内蕴的因果关系、因果网络可以反映系统演化的核心互作机制，具有重要的科学意义。

1. 痛点问题 工业时序数据具有应用领域广、数据规模大、经济价值高的特点，蕴含的巨大商业价值，因而其安全性受到不法分子采用黑客攻击等技术手段以及雇佣商业间谍等非技术手段的威胁。数据所有者通常会采用前效方法对数据库中的数据加以保护，但是这些方法只能有效防止外部人员进行非法盗窃，对于内部人员盗窃等途径并不能有效遏制。数字水印是解决数据在传播过程中安全问题的一个主流分支，通常的数字水印采用分组多数投票方法来提升算法的鲁棒性，但时序数据通常有较多的噪声，高价值数据点相对集中，因而一个未经加权的投票算法可能会因为大范围的噪声干扰而导致水印判定失效。此外，常见时序数字水印算法基于时间戳进行水印嵌入计算，容易受到更改时间戳或频率变换的攻击，一旦时间戳序列大幅度改变，水印提取算法将受到很大影响，很可能导致水印提取完全失效。 2. 解决方案 工业物联网数据是工业大数据规模迅速扩张的主要来源。各类物联网传感器以极高的频率采集其所在设备的工作状态数据，通常为一系列包含数据产生时间戳（Timestamp）和采集数据（Data）形式为(Timestamp, Data) 的元组序列，称为时间序列。工业时序数据具有应用领域广、数据规模大、经济价值高的特点，蕴含的巨大商业价值，因而其安全性受到不法分子采用黑客攻击等技术手段以及雇佣商业间谍等非技术手段的威胁。 数据所有者通常会采用前效方法对数据库中的数据加以保护，包括但不限于：数据加密、用户权限划分等等。但是，这些方法只能有效防止外部人员进行非法盗窃，对于内部人员盗窃等途径并不能有效遏制。数字水印是解决数据在传播过程中安全问题的一个主流分支，常见时序数字水印算法基于时间戳进行水印嵌入计算，容易受到更改时间戳或频率变换的攻击，一旦时间戳序列大幅度改变，水印提取算法将受到很大影响，很可能导致水印提取完全失效。此外，数字水印通常采用分组多数投票方法来提升算法的鲁棒性，但时序数据通常有较多的噪声，高价值数据点相对集中，因而一个未经加权的投票算法可能会因为大范围的噪声干扰而导致水印判定失效。 本项目针对常见的水印失效场景进行了分析，提出了能够有效提示水印鲁棒性的技术，更好的确保数据安全的管理能力。 3.合作需求 在全国范围内工业互联网/工业大数据相关领域寻求应用场景，希望能与能源/装备制造行业的大中型企业开展这方面的合作研究和落地实施；并针对上述企业开展包括二次开发在内的各类实际应用，助力企业降本增效、转型升级。

产品详细介绍 机械臂运动算法STEAM主题课程 项目背景 随着工业 4.0 科技革命的到来，工业机器人已成为工业化程度的重要标志。机械臂是最为典型也是最早出现的工业机器人，它可以代替人的繁重劳动以实现生产的机械化和自动化，提高生产效率的同时避免人身事故的发生。机械臂课程的学习可以培养学生将科学技术应用于日常生活、社会实践的意识。 在本项目中，学生可借助机械臂运动算法套件与人工智能与编程教学系统，了解关节机械臂和伸缩机械臂的原理及特点，搭建不同类型机械臂并通过编程实现智能控制。 课程性质 这是一门以项目式教学开展的跨学科课程，以基于建构主义理论的 5E 教学模式作为指导，结合了 中小学信息技术课程标准与编程教学特色。 课程目标 1.知识与技能 ⚫  了解机械臂的类型及其在现实生活中的应用。 ⚫  掌握关节机械臂和伸缩机械臂的结构特点，设计并制作相应模型。 ⚫  学习图形化编程或 C++代码编程的基础知识，使模型完成实际任务。 ⚫  掌握机械臂运动算法的设计、编写及调试。 2.过程与方法 ⚫  通过观察、查阅相关资料等活动，培养对信息的有效性、客观性做出判断的意识，发展分析概括能力。 ⚫  通过机械臂模型的搭建和编程，发展编程思维和工程思维能力。 ⚫  在完成模型设计和算法设计过程中，提高分析问题和解决问题能力，养成自学能力。 3.情感态度与价值观 ⚫  了解机械臂在日常生活中的实际应用，萌发将科学技术应用于日常生活、社会实践的意识。 ⚫  养成实事求是，尊重自然规律的科学态度。 ⚫  关注科学技术对社会发展、自然环境及人类生活的影响。