本发明属于船舶电力推进领域，并公开了一种多轴电力推进半实物模拟试验平台。该模拟实验平台包括依此连接的开发主机、实时仿真机、电机驱动器和电机组，开发主机用于开发船‑机‑桨模型；实时仿真机用于收集系统状态信息，完成对电机组的控制；电机驱动器分为主动电机和负载电机，电机组分为主动电机和负载电机，电机驱动器和电机组是组成电力推进半实物实验平台硬件在回路模拟的主体。通过本发明，实现船舶或海洋平台电力推进的半实物模拟试验，为研究人员对实际大型船舶和海洋平台多轴电力推进系统的设计、论证和验证提供指导，适用范围广，鲁棒性强，且方便快捷。

产品详细介绍Enlogic的EN2000 系列产品---IRMC级别测量，输出端口可开断系列将电能测量，功率和环境监测与远程控制输出端口开/断技术有机结合在一起，实现了保护和管理您的机柜环境的功能。输出端口上电顺序开启能防止浪涌电流造成的危害并允许用户自定义设备的启动顺序及延时。远程开/端控制技术允许授权用户远程控制设备，可通过关闭空载的输出端口实现机柜电源的管理。 计费级精度的瓦-时电能测量为用户计费，PUE及效率计量，工程项目规划以及容量管理提供了精准的电能测量数据。 持续地为IRMC每相的输入电源和断路器提供实时监测。该实时监测数据能在每个潜在电源问题发生之前提供预警，并保证用户更好的实现输入相和分路之间负荷的平衡，提高设备的可靠性与电源效率。 Enlogic的超薄机身及断路器的设计吻合了用户节约机柜空间的需求。每个Enlogic IRMC上可连接多达6个外置传感器，实现了完整远程监测和报警的解决方案。企业级的网络管理允许您轻松的通过HTTP, HTTPS, SNMP, 或Telnet实现管理功能；而与LDAP/S和AD（活动目录服务）的巧妙整合，允许您轻松的集成到现有的目录服务中。其他显著特点包括带色标识别的输出端口及断路器，标准的锁紧IEC插头，高可视角的OLED 显示屏，以及可现场热插拔的网络管理卡等提高了产品的可靠性并能减少人为错误造成的损失。输入允许输入电压：: 220-240 VAC +6%, -10%每相输入电流：: 32APhase Type: 1-phase最大输入功率(kVA)：: 7.68输入频率(Hz)：: 50输入插头类型：: IEC309 332P6输入电源线长度：: 3.0m输出输出电压：: 220-240 VAC总输出端口数：: 24IEC C13 输出端口数：: 24内置断路器的数量：: 2断路器类型: 1-pole hydraulic-magnetic每个断路器的最大输出电流(A)：: 16每个输出端口的最大电流：: 10A物理尺寸长,mm：: 1730 mm深,mm：: 50 mm宽,mm：: 55 mm外壳颜色:: Black环境要求：可运行温度：: -5 to 55°C可运行相对湿度：: 5-95% RH, non-condensing最高可运行海拔高度：: 0-3,000 m存储温度：: -25 to 65°C存储相对湿度：: 5-95% RH, non-condensing存储最高海拔高度：: 0-15,000 mCompliance ApprovalsUL: 否EMC: 是安全认证：:环境认证::

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。

原子核裂变数据的精确测量是很多核物理应用的先决条件，比如核能、国防、辐射防护、核废料处理、产生稀有同位素等。核裂变物理在超重元素合成、反应堆中微子、中子星融合中的r-process等研究中也不可缺少。特别是走向新一代核能-快中子反应堆，急需锕系核区精确的不同能量中子诱发裂变数据。但是目前实验和理论都无法提供可靠及完整的能量相关裂变数据。 由于涉及中子的实验难度较大，国际上主要的核数据库只有几个能量点的裂变数据。理论上基于微观模型去描述裂变过程非常复杂，是一个涉及多维位能面的大幅度、非绝热的量子动力学过程。目前微观理论对裂变可观测量的描述还有较大误差。 此外基于唯象裂变模型对未知核区和未知能区的外推往往不可靠。 北京大学物理学院裴俊琛研究员课题组首次采用贝叶斯神经网络（Bayesian Neural Network）来评估不完整的裂变产物分布。此前贝叶斯神经网络对原子核质量外推有一些成功的应用，并可以得出推断的误差，但是仍有量子壳效应的疑虑。核裂变过程涉及复杂的位能面，裂变产物分布具有统计特征，比较适合神经网络。 贝叶斯神经网络对不完整核裂变产物的评估 目前核裂变产物的实验测量很难给出完整的产物分布，只能结合模型评估给出完整的裂变产物分布。人们通常基于唯象模型、通过调参数来拟合出产物分布。该工作通过对已有裂变数据库的学习，当实验测量给出不完整的裂变数据时能够推断出完整的裂变产物分布。结果表明，随着中子能量增加，裂变模式逐渐从不对称裂变演化成对称裂变。这说明神经网络能成功抓住部分物理图像。当实验数点很少时，唯象评估模型失效，神经网络仍然可以给出有效的评估和合理的置信区间。贝叶斯神经网络对核裂变产物的评估开辟了一个新的方向，展现了机器学习的一个实际应用范例，将对核数据的定量评估产生重要影响，有望更好地提供应用级的精确核数据。 不同能量的裂变模式演化

本发明公开了一种考虑节点业务流量的水下声信道网络媒体接入控制方法，本发明通过载波侦听及 按时隙发送来防止数据包碰撞；在每轮数据发送过程中，通过 RTS/CTS 包的交互选出发送队列最长的 节点；最后，发送队列最长的发送节点获得发送数据的机会，其所有邻居发送节点将延迟发送数据直至 该发送节点数据发送完毕。从长期过程来看，业务流量需求更大的节点将能够获得更大的传输带宽。因 此，本发明能实现更加优化的网络带宽分配，从而有效提高水下网络的实际吞吐量，减

重点围绕实施大型机电设备预测性的状态检修需要，建立设备状态劣化监测模型，在线评价设备健康状态。采用自动逻辑推理的自主故障诊断方法，结合专家人机交互方式进行观察、推理的人工诊断方式，形成更准确全面的故障原因分析和故障定位。根据状态评价和故障定位结果，自动给出设备维修建议的方法。利用长期积累的设备试验、运行、故障前后的各种状态数据，进行设备状态劣化模型、故障诊断模型的更新和修正方法。基于Internet的远程协作诊断机制，遇到疑难问题时邀请多领域专家进行在线会商。可以用于机电设备、水电机组、风力发电机组

提出基于矛盾体分离的动态多元协同自动演绎推理的理论和方法，提高了自动推理引擎求解和证明能力，增强了系统可信性测评的综合能力。 一、项目分类 重大科学前沿创新 二、成果简介 以具有国际先进水平的原创自动推理体系为核心支撑，立足通信系统安全检测、评定与防护，在网络空间安全可信性测评关键技术的研发与应用上实现以下重要创新:(1)提出基于矛盾体分离的动态多元协同自动演绎推理的理论和方法，提高了自动推理引擎求解和证明能力，增强了系统可信性测评的综合能力。获得命题逻辑求解器国际竞赛第二名和一阶逻辑证明器国际竞赛第二名，发表论文(JCRQ1)3篇，登记软件著作权3项。(2)提出了基于自动推理的形式化验证技术、基于交互式应用安全测试技术的检测方法，提升了网络空间安全软件系统在开发过程中软件代码层和业务逻辑层安全缺陷检测过程有效性和检测结果准确性。目前已形成拥有自主知识产权的商业工具，支撑了软件系统在关键信息基础设施中的安全应用，并辅助了国家相关信息安全标准的建设，测试工具是唯一一家被OWASPBenchmark工作组收录的中国厂商自研工具。获批国家标准2项(GB/T30279-2020  GB/T38628-2020)，获得发明专利4(ZL201910498983.9ZL2019108553424  ZL2020100476371  ZL20201175663.9)登记软件著作权11项。 (3)提出了一种网络空间非正常无线电信号的电磁干扰识别与自组织处理的方法，实现了及时发现与处理电磁威胁，提高了电磁信息的安全性。获得发明专利2项(ZL2012104380941、ZL2012104380937)，获得实用新型专利1项，发表论文1(JCRQ2）篇。

本发明公开了一种网络视频流的无参考图像质量在线估计方法。 所述方法利用 P 帧 PSNR 相对于 I 帧纹理复杂度和 P 帧运动量的线性 预测模型，估计网络视频流的 P 帧 PSNR 值；同时结合模型系数随 P 帧帧长和场景的变化而动态变化的规律，利用 I 帧的 PSNR 调整纹理 系数，利用上一 P 帧的运动系数和当前帧的运动信息调整当前帧的运 动系数，最终得出了较为准确的适应视频内容变化的 P 帧 PSNR 估计

本发明提出了多态聚类的概念，并公开了一种时序网络与时序 数据的多态聚类分析方法。多态聚类是一种针对时序网络或时序数据， 以多种标准作为相似性度量指标的聚类分析方法，包括以下步骤：首 先，如果处理对象为时序数据，则只对时序数据加工成特定的形式， 而如果处理对象为时序网络，则通过谱映射的方法把时序网络映射为 特定形式的时序数据。其次建立此时序数据的多态向量，最后，对多 态向量采用改进的同步化聚类方法聚类得到多态聚类结果。