本发明公开一种基于鸽群智能反向学习的无人机集群多目标控制优化方法，其实现步骤为：步骤一：搭建无人机动力学模型；步骤二：搭建具有感知能力无人机传感器模型；步骤三：搭建无人机目标搜索图模型；步骤四：建立无人机目标搜索代价函数模型；步骤五：设计多目标鸽群优化算法；步骤六：设计基于鸽群智能反向学习的多目标鸽群优化算法；步骤七：输出无人机目标搜索仿真轨迹图。

一、技术(成果)简介 9ZZ-250ZN型牧草种子加工智能控制成套装备解决了牧草种子加工设备中存在的应用范围小和设置参数多操控复杂的难题。本成果建立了基于虚拟仪器技术的牧草种子加工成套装备的智能控制系统，利用多线程技术实现了多参数同步测试和多点实时控制，性能价格比高，扩展能力强，提升了系统智能化水平；采用模块化设计思想，实现了加工过程中物料和成套装备信息的分类采集与控制，便于系统的优化和扩展；运用关系型数据库方法，建立了典型形态牧草种子加工工艺、测控

产品特点 1. 工业级机柜式机箱设计，机箱采用钢结构，有较高的防磁、防尘、防冲击的能力。 2. 15英寸LED液晶显示屏，内置五线工业加固触摸屏，简单易用的触摸屏操控。 3. 工业级专用主板设计，双核两线程超低功耗的嵌入式工业级处理器，处理速度更快，运作性能更强，可以长时期不断电稳定工作。 4. 内置大容量128G SSD固态硬盘，具有抗震动、抗摔、读写速度快、功耗低等特点。 5. 内置6组工业异步传输接口，内置4组通用串行总线，最高480M传输速率。 6. 具有一路短路触发开机运行接口，用于定时驱动开机运行，实现无人值守功能。 7. 支持DHCP，兼容路由器、交换机、网桥网关、Modem、Internet、2G、3G、4G、组播、单播等任意网络结构。

由于航空发动机和燃气轮机叶片型面是空间异型曲面，因而其设计、制造及维修都面临巨大挑战。为了在设计加工层面提高叶片加工质量，同时在修复层面提高叶片使用寿命，开展叶片高效高精测量研究至关重要。 本项目面向叶片制造研发了一套基于四轴运动平台与线激光扫描相结合的叶片型面检测装置，并开发了集运动控制、数据采集与处理、精度评估等多功能于一体的软件系统，可实现多类型叶片的二维截面高精度测量与三维型面自动化高效重构,有效克服因叶片复杂结构特征带来的扫描数据密度差异性大、重叠区不足等因素对重构精度的影响。本项目面向叶片3D打印修复，研发了一套高效高精度的叶片检测方法与集成系统，可实现批量化叶片截面轮廓位姿及其轮廓的自动化测量、数据重构和叶片配准，为叶片修复工艺流程中的3D打印和后续机加工等工艺环节提供关键的数字化测量、加工工艺数据，有效提升修复精度与效率，并降低成本。 本项目的开发成果可应用于航空发动机、燃气轮机等叶片制造、修复全生命周期的测评、重构、反求等场景，市场规模大。 图 面向叶片3D打印修复的检测方法与集成系统硬件平台

杭州冠力智能科技有限公司是建筑增材智能制造全方案提供商和建材智能智慧型试验检测设备研发生产的科技型企业，总部位于杭州，在山西设有机加工基地，山东设有建筑3D打印基地。拥有发明专利3项、实用新型专利17项、外观专利9项、软著8项，专著3部，主参编行业内标准31部。   组建了一支由具有多年土工工程行业背景、全球知名高校硕博毕业高级知识分子构成的研发团队，涵盖建筑结构、建筑材料、算法开发、软件开发、机械设计、电控设计等多专业、多学科融合，主要研发人员包括清华大学、浙江大学、澳大利亚斯威本科技大学等知名高校的6名博士、6名硕士，其中6人具有高级职称，6人具有中国建筑科学研究院、中国建筑技术中心等国内建筑领域知名央企高管从业背景。

人工智能应用创新实训平台是一款专为人工智能领域专业学生设计的多功能教学工具，它集科研教学、实验实训和项目实践于一体，提供了一个全面的学习环境。该平台以国产高性能芯片RK3588作为其边缘计算的核心，支持本地化编程开发，使得学习者能够深入掌握人工智能技术。此外，平台还支持PyTorch、TensorFlow、NCNN等多种主流深度学习框架，便于学生进行模型训练和推理实践。 平台内置了丰富的案例资源，包括但不限于MobileNet、Fcn_Resnet、Resnet、Openpose、Unet、Retinaface、Yolov8pose、Yolov11等前沿模型，为学生提供了实际操作和学习深度学习模型的机会。这些内置模型不仅有助于学生理解深度学习算法的实际应用，也为他们的创新项目提供了坚实的基础。通过这样的实训平台，学生能够在实践中深化理论知识，提升解决实际问题的能力。 本平台融合了先进的多模态大模型智能体，并配备了一系列场景化实体组件，包括深度相机、双轴云台、多轴机械臂、微型输送带、工业级相机以及麦克风阵列等。这些尖端设备使得我们能够快速构建智慧工厂、智能分拣、智慧交通、智能家居等多种应用场景。

可以量产/n该项目公开了一种基于共变正交和神经网络的网络流量预测方法，该方法首先确定神经网络参数，再利用神经网络参数进行网络流量计算。基于共变正交原理的流量预测方法可以有效的预测网络中的流量变化趋势，但对流量数值的精度预测上还有较大差距；基于神经网络的流量预测方法由于其无法准确描述网络流量的特性，因此在预测流量的变化趋势上效果一般，但在流量数值的精度预测上比较有效。该发明将这两种流量预测方法有机的结合起来，设计了一种

采用一体化的监控管理体系结构，支持管理功能的跨域、分布式部署、运行与协作。支持和扩展了标准的信息模型，提供了主机、集群、节点、网络计算系统四个层次的监控信息，为各监控层次提供了完整的监控度量指标。支持对硬件、软件、网络、服务等各类资源的监控。支持OpenPBS、LSF、OAR等计算作业管理系统。 提供虚拟组织、系统操作员、站点管理员、普通用户等不同层次的信息抽象视图；提供强大的故障检测和报警功能，以邮件等方式报告资源故障；提供完整的基于web2.0的数据展示界面；支持用户定制的图表的生成；采用分布式记账方式，准确记录用户的资源消耗情况；支持灵活的计费策略。该技术目前在中国国家网格、药物设计网格、高能物理网格以及中国国家网格工业社区等多个实际运行的分布式网络计算系统当中得到应用。

随着科技的发展和网络技术的应用，网络在带给人便利的同时，其安全性问题也日趋严重。各种新的应用和未知协议导致网络越来越复杂、多样化和难以管理。例如:P2P、视频 流等应用，占用了大量带宽，造成网络带宽耗尽;各种网络恶意攻击(僵尸网、蠕虫、病毒 等)更是严重地危害到网络服务和信息安全。网络安全问题不仅使普通网络用户的个人信息 和隐私受到威胁，还使得企业机密变得不再安全，网络服务提供商和管理者对网络的管理也 变得更加困难。更为严重的是，不法分子在网上肆意进行盗版、黄色和反动内容传播等不法 行为，如果不将这些恶意流量从骨干网的背景流量中识别并分类出来，就会对网络的净化、 社会的和谐、国家的稳定造成不良影响。网络流分类技术的提出和发展解决了网路流量的实 时分类和识别问题，是解决上述问题的必由之路，是网络安全技术的基础研究之一。网络流分类技术是网络安全领域中迫切需要解决的核心技术和热点问题。只有对流量进 行实时的有效识别和分类，才能对网络进行有效的管理和控制，从而净化网络环境，确保网 络和信息安全。本系统基于采样的、基于交互控制命令信息和基于载荷的网络流分类技术，提出了融合 三种分类技术的层次化网络流分类方法，建立和完善一整套适用于网络流分类问题，由基本 模型、分类算法、硬件平台和体系结构组成的实用系统，系统具有在真实环境下的网络中对 网络流进行快速、准确和实时分类的能力。应用说明 政府管理部门 通过精确的网络流分类系统，可以对一些涉及盗版、黄色内容、网络攻击、非法反动思想的传播工具所使用的协议作出有效识别。同时对一些 P2P 视频网站、国外热门论坛等内 容进行流分类，只有将这些恶意不法流量或者敏感流量准确并实时地识别和分类，才可以从 技术上提供有效的后续管理和控制。 企业随着计算机技术和网络技术的发展，大部分企业都实现了电子办公和互联网办公，因此 网络安全对于企业尤为重要。首先，企业的网络管理十分严格，如果没有流分类技术将无法 进行流量识别，那么如 P2P 等流量必将会对企业的正常工作带来影响。其次，企业的机密 可能会因为网络安全问题被泄露，使得企业的利益受到损失。因此准确有效的流分类技术对 于各大企业来说是非常重要的。 网络服务提供商(Internet Service Provider，ISP)网络服务提供商非常关心如何保证其服务能够正常运行并使用户满意，对于网络流分类 技术的需求也很迫切。准确有效的流分类技术能够提供当前流量的组成部分，可以帮助网络 服务提供商制定有效的管理策略和合理的收费政策，保证网络服务的质量，提升网络服务的 经济效益。 网络管理者网络管理者需要利用网络流分类技术来更有效地管理带宽，避免出现带宽被 P2P 等流 量耗尽而使得正常业务流量不畅的问题，同时避免网络攻击等危害。这就需要流分类技术实 时有效地将这些流量识别分类出来。 研究者5 合作方式 商议。6 所属行业领域 电子信息领域。对于现有协议的分析可以促进新的更完善的协议出现，通过对流量的分类，也可以判断 当前网络流量的组成和发展趋势，有助于整体网络模型的研究。