本发明公开了一种基于改进麻雀优化算法的光伏电池模型参数辨识方法，具体步骤如下：1)获取光伏电池的实测电流和实测电压；2)建立光伏电池模型，并将模型估计输出与实际输出的均方根误差作为目标函数；3)将levy飞行和螺旋搜索机制融入到标准的麻雀优化算法中，形成改进的麻雀优化算法；4)使用改进的麻雀优化算法最小化目标函数，对光伏电池模型的未知参数进行辨识，获取最佳参数并建立数学模型；5)基于获取的最佳参数及模型进行外电路i‑v特性预测；本发明具有快速收敛、能够有效避免陷入局部最优解以及较高搜索精度的特点，能够显著提高对光伏电池模型参数辨识的准确性。

本发明提供了一种绿氢耦合加氢过程在线代理模型辅助多目标优化方法，包括：针对绿氢耦合加氢过程的绿氢‑灰氢混合波动，构建经济与碳减排多目标操作参数优化问题，对操作参数进行灵敏度分析，获取待优化操作参数及其取值范围；对加氢过程建立第一性原理模型并进行拉丁超立方采样，采用高斯过程回归建立离线代理模型；在混合氢气波动条件下，基于高斯过程生成初始在线代理模型，采用快速非支配排序优化方法求解经济与碳减排多目标优化问题，并通过周期性更新在线代理模型。本发明兼顾了投资成本与碳减排效益，实现了绿氢‑灰氢混合频繁波动下的经济效益与碳减排多目标的平衡优化。

本发明提供了一种基于改进NSGA‑II的橡胶密炼工艺参数优化方法，采用XGBoost算法建立工艺参数与质量指标之间的非线性映射模型；通过改进的NSGA‑II算法对工艺参数进行优化，引入正态分布交叉(NDX)算子提升解的多样性，结合优点集生成方法确保初始种群分布均匀，最终获得最优工艺参数组合。本发明能够在多维复杂参数空间中高效完成建模与优化，有效提升胶料质量的稳定性，提高效率，解决了密炼工艺参数复杂、非线性强、多目标优化困难的问题，可广泛应用于橡胶制品生产企业，为智能化生产和工艺优化提供技术支撑。

本发明属于结构优化设计相关技术领域，并公开了一种基于应力惩罚和自适应体积的结构拓扑优化设计方法，适用于考虑应力约束、刚度最大化和体积分数最小化的结构优化，所述方法包括以下步骤：利用基于应力惩罚和参数化水平集方法的优化模型，求解体积约束下基于应力的柔度最小化结构优化，利用区间搜索方法调整体积约束，以缩小结构最优体积分数的搜索范围，获得最优结构的体积分数上限值；利用局部搜索方法进一步调整体积约束，以获得最优结构的体积分数，并输出最优结构。本发明运用循环的方式进行求解，避免了直接将结构体积最小化作为优化目标或人为主观选取体积约束带来的弊端。优化后的结构具有高刚度、轻量化的优点，且其强度满足设计要求。

传统发酵通常采用固态多菌种酿造，其功能微生物组成复杂，其形成的微生态在酿造的过程中一直处于动态的平衡，这种微生态结构与功能的揭示对提升传统酿造食品的营养价值、风味保持具有重要意义，通过现代的微生态技术，认识酿造微生物群落结构及其功能，并加以理性应用，既是重要的基础科学问题，又是行业技术升级的关键。实验室长期从事传统酿造食品的应用基础研究和产业实践，与国内的众多大型酿造企业，如镇江恒顺、泸州老窖、山西老陈醋、张家界大德酿造、安徽胡玉美等保持着长期的产学研合作。近十多年来，针对白酒、黄酒、酱油（酱）、泡菜等传统酿造食品，在系统研究酿造微生物功能的基础上，理性设计功能调控手段，达到传承工艺特色，稳定发酵生产，提升产品品质的目的。 创新要点 （1）系统建立了复杂酿造微生物群落结构解析和微量代谢产物精确分析的技术体系，解决了妨碍定量研究传统酿造食品微生物群落结构以及精确其复杂组份的技术难题。 （2）创新了传统酿造功能微生物高效筛选技术，从传统食醋等酿造过程中分离获得近百株背景明确、安全可靠、发酵性能优良的微生物，形成了完备的酿造用菌种库，包括乳酸菌、醋酸菌、酵母菌、米曲霉等。 （3）首次提出了传统酿造菌群生物强化策略，构建了酿造微生物群落功能强化技术体系并实现了产业应用，促进了传统酿造生产的三个可控（酿造微生物群落功能可控、酿造过程可控、产品品质可控）。

本技术成果将网络负载均衡与路由技术延生至交通领域中的车流量导航与道路控制，通过基础图论中的关键理论，结合大数据分析与聚类技术，旨在解决现有城市道路路网中存在的潮汐效应与拥堵问题，项目拥有多项自主核心知识产权，涵盖路径规划与搜索算法、数据并行存储与计算。通过仿真表明，项目实施后，能在现有路网规模的基础上，显著提升现有道路的负载通行能力，缓解城市道路因局部负载过大导致的负载不均与交通拥堵，改善出行体验，降低尾气排放，提升智能交通效率。

目前北京理工大学基于神经网络的智能无人机疫情预警监控系统主要由无人机平台、光电载荷、喊话系统和地面控制及图像处理平台组成。 该智能无人机疫情预警监控系统能够自动监控广场、公路、小区等各类环境中的人群，检测人员聚集情况，利用红外热成像技术实时获取人员体温情况，实现在非接触情况下对疑似高危人员的快速区分，并快速形成疫情人员相关数据，还可以提供数据接口，供大数据系统进行分析。该智能无人机疫情预警监控系统可同时提供监控人员及被监控人员交互通道，通过喊话系统，监控人员可以随时疏导或制止被监控人员的异常行为，为疫情监控和预警提供了更为清晰和直接的手段方式。

在中加国际科技合作、自然科学基金中德基金、总装预研基金等的资助下，开展以可穿戴计算、工业无线传感器网络、身体传感网络、感知计算等前沿技术为核心的研究工作，并面向老年健康、工业物联网、移动增强现实等领域研究实用化技术和产品装置，具体包括：1） 工业物联网应用：开发了一系列符合IEEE 802.15.4/Zigbee、Wireless HART等无线传感器网络标准的微型化传感节点、模块、网关，以及相关的协议栈源码。2） 健康应用：主要面向安全、健身、医疗等健康应用，研发超低功耗、无障碍、可长期持续穿戴应用的智能腕带（腕表）、腰带（腰挂、腰带扣）、胸带等各类形态的健康装置，开发运动统计、跌倒预警和检测、睡眠监测、多生理参数监测等产品应用，参见下图。

本技术成果将网络负载均衡与路由技术延生至交通领域中的车流量导航与道路控制，通过基础图论中的关键理论，结合大数据分析与聚类技术，旨在解决现有城市道路路网中存在的潮汐效应与拥堵问题

一、项目简介 随着AlphaGo及其Zero的相继推出，近年来以神经网络计算为基础的深度学习及相关优化算法已成为人们研究AI的热点。深度学习算法在AlphaGo中的成功应用主要是依赖神经网络监督学习的网络层次及神经元数量提升，而其Zero的应用不同则是在于引进了博弈优化的思想，这就给以并行计算为核心的神经网络优化算法理论研究提供新的思路。 鉴于传统神经网络优化算法面临非全局优化的难题，我们基于吉布斯分布采样优化计算，提出一种以脉冲神经元构成的混合网络结构动力学系统来实现的神经网络全局优化算法，引进纳什平衡理论来优化的神经网络计算方案，并设计一款相应的通用神经网络并行处理器芯片，以新型芯片编程架构模拟人脑功能进行感知、行为和思考新型芯。 二、前期研究基础 本团队主要是由厦门大学福建省集成电路设计工程技术研究中心、厦门大学集成电路设计与测试分析福建省高校重点实验室的教师与学生组成的，主要从事人工智能、网络通讯、集成电路设计、纳米单电子器件等方面的研究工作，并积累了深厚的研究基础。团队首席科学家郭东辉教授十多年前曾在美国加州Berkeley 大学非线性电路实验室访问，从事有关细胞神经网络(CNN)有关课题的研究，先后主持国家自然科学基金项目五项，其中与神经网络研究内容相关的有两项，分别是《视觉神经网络光电集成系统的研究》(批准号：69686004)和《混沌神经网络加密算法及其相应集成电路的设计研究》(批准号：60076015)。 本团队同时也是厦门市集成电路设计公共服务平台的主要技术支撑单位。在厦门市科技重大专项经费的支持下，我们配备了开展模拟及数字SOC 芯片设计所需要的各种EDA 工具和IC 测试设备。此外，厦门集成电路设计公共服务平台也是TSMC、SMIC 等芯片制造厂重要合作伙伴，并与厦门联芯、三安集成等芯片制造厂也有长期的合作协议，可以进行包括射频及功率芯片在内各类模拟及数字SOC 芯片的设计流片。同样，在学校211 和985 经费的支持下，本团队也独立配备了8 台IBM 服务器分别运行MATLAB、OPNET、SPW、ANSYS、Silvaco TCAD 等系统设计与器件工艺仿真工具。本团队所在的微电子与集成电路学科也已列入我校“双一流”建设学科，有关类脑芯片设计相关课题研究所需要的科研环境建设将得到重点支持。特别是厦门联芯公司在量产后，已将本团队作为其先导技术开发的重要合作伙伴，也委托我们开发相应的器件模型及电路工艺库。在厦门火炬高新区及厦门市IC 平台的支持下，厦门联芯公司还可以为我们团队提供免费的MPW流片业务。 自2009年，本团队与福建新大陆电脑股份有限公司签署 “共建SoC联合实验室”以来，基于该平台，每年合作项目经费近百万，同时还完成了多项横向合作项目：面向金融、税控的专用信息处理与控制SoC芯片开发、安全密码算法研究、区块链接技术研究等等，培养了大批优秀的硕士毕业生；厦门市美亚柏科信息股份有限公司是本团队的长期合作伙伴之一。 总之，不管从算法理论研究还是从应用技术开发来看，本课题组已具备相当优秀的研究基础和研究经验，以及显著的前沿技术攻关能力。 三、应用技术成果我们的相关研究成果也得到企业界的重视和肯定，课题组先后承担过如深圳 华为公司首歀交换芯片项目的调度算法设计、福建新大陆首款二维码识别芯片的算法及后端版图综合设计、台湾盛群公司首款32 位处理器及专用处理器编译器开发和厦门元顺公司多款电源管理芯片的设计。最近课题组还为我国某研究机构开发28nm 的低功耗设计流程专门设计一款挂载加可重构解密算法协处理器的32 位通用处理器验证芯片。