项目概况 基于实时、历史数据库或热力试验数据，对大型火电机组各项性能指标进行分析计算、能损诊断、运行优化、性能试验，全厂综合分析，为机组节能运行提供指导。

本发明公开了一种茶树叶片矿质元素营养诊断技术。制定了“茶树叶片营养指数”和“茶树叶片矿质元素含量诊断参考指标”；在茶树的全年生育期内，按照不同的诊断单元，采用“S”形或“W”形五点采样路线；确定了“茶树叶片三段营养诊断模式”：即第一段为秋季全营养诊断阶段，采用ICP-OES和半量凯氏定氮法测定茶树成熟叶片全部营养元素，即N、P、K、S、Ca、Mg、Fe、Zn、Mn、Cu等元素含量，作为配制基肥及春季催芽肥的依据；第二阶段为春茶末夏茶初，仅测定N、P、K含量，确定夏茶肥料配方；第三阶段为秋茶初，采用半量凯氏定氮法测定叶片中N的含量，从而确定夏秋季施肥种类和标准。

对机车上的设备与系统进行实时监测和故障诊断是关系到行车安全，提高机车运用效率的一项重要技术措施。通过技术手段对机车关键部件进行故障监测和诊断，在设备发生故障时可及时发现并确定故障部位，记录故障过程，通过司机室显示屏等向司乘人员报警并提示排除故障方法或采取应急措施的建议是该系统的主要目标。 车载故障监测与诊断信息网络是网络化的机车运行状态信息和故障数据的监测和管理。如同我们常见Internet网络把许多计算机连接起来一样，列车信息网络把机车上各个具有独立功能的模块化检测与控制设备连接起来，司机对整个列车的控制命令通过列车通信网络送到列车的各个车厢，各个车厢工作状态通过列车通信网络送到司机室显示屏，这样既便于机车运行情况的集中监测和管理，又分散了机车的控制与管理功能，同时减少了机车上的布线数量，提高了机车运行的可靠性。 当机车发生故障时，一方面各个模块可以把当时的状态信息记录下来，另一方面又可以及时地提示司机采取相应的处理措施。在故障车到段之后，通过无线通信装置或者显示屏上的USB接口进行数据转储，利用微机上的专业的处理软件，可以分析出故障的原因。 整个信息系统的各个模块可以通过网络联合工作，又可以单独行使一定的功能。另外，本系统还具有十分灵活的网络接口和协议，可以很方便地进行系统扩展，安装其它功能检测控制设备。 应用范围： 该系统不但适用于铁路机车，地铁、城市轻轨车辆，也可用于其他如科研、教学部门，电力系统等领域。 该项目不产生对环境有污染的废水、废气、废料，属“绿色产品”，可以采用技术入股、合作开发、合作生产等多种方式合作。要求合作单位有一定的技术、经济实力。

 本项目的研究内容是面向大型煤矿的生产工艺流程，针对煤矿主要生产设备系统（电铲、钻机、单斗挖掘机、轮斗挖掘机、皮带车、排土机、自卸卡车等）运行状况的实时在线监控、性能衰退过程的评估预测、故障预测预警、故障诊断与分析、维修维护的智能分析与决策以及优化维修维护调度方法进行研究，开发相应的软硬件系统，实现现代化煤矿关键设备的远程监控、运行状况分析、故障预测预警、故障分析诊断、优化维修维护、全寿命跟踪管理，为预知检修维护提供技术支持，保障煤矿生产的安全、可靠、连续运行。 针对以上技术需求，本项目的总体目标是： （1）建立覆盖整个矿区关键设备的数据采集系统。 （2）开发关键设备常见故障判断分析系统。 （3）开发关键设备故障预知判断分析系统。 （4）通过数据采集信息达到智能判断故障点、故障类型、故障原因并提供检修维护方案的技术支持；达到智能预知判断设备状况、运行状态及其可能发生的状况。 （5）提供预知检修维护技术支持，避免故障范围扩大而影响设备安全可靠连续运行。 （6）提供维修业务支持，针对典型故障提供相应维护维修方案。 （7）提供数字化点检支持。 （8）提高设备出动率1-3%，每年降低设备检修费用及维护成本1000-3000万元，提高设备检修工作效率3-5%，实现高效维护检修目标。 该项目与同类技术产品比较，具有故障预警功能以及全方位生产设备监测，并实现远距离矿区无线数据实时通信。在采矿行业中具有明显的技术特点和优势，解决了采矿行业的无线预警、矿区全方位监测等问题，在国内外同行业中处于领先水平。

冶金、石化、电力行业是国家重要的基础产业，行业中大型关键设备的运行状态直接关系到企业的生产能力和经济效益，对其早期故障的准确定位故障部位及成因有着重要的意义。目前，对大机组典型常见故障的诊断已经比较成熟。但对于疑难故障，要迅速对其故障原因和部位进行确诊，还存在一定的难度，最主要的原因是诊断人员专业技术水平限制，专家数量较少。因此对关键机组实行网络远程诊断，充分发挥国内及行业内具有实力的知名诊断专家的知识和经验，对于提高诊断准确率和快捷性具有显著的作用。 本系统在大机组监测诊断网络系统的基础上，重点解决准确快捷定位疑难故障的问题，充分利用Internet/Intranet资源，实现机组远程（异地）状态监测和故障诊断。对于疑难故障，进行网上专家会诊，充分利用领域专家知识和经验，提高诊断准确率和快捷性；同时便于有关管理人员随时、随地了解关键机组运行状况，为生产、维修决策提供科学依据，确保设备安全、高效运行。系统基于用户驱动模式（匿名用户、注册用户、远程专家、管理员），充分利用视频、音频、电子白板、WAP、手机短信、EMAIL、网络会诊室等多种信息交互方式，构建了“用户-专家-管理员”的交互诊断平台，实现专家知识共享、诊断资源共享   本系统集成多种通讯协议，实现了“现场级-企业级-远程级”的三层体系结构，在不改变原有前端采集系统的前提下，跨平台实现对现场的机组、设备、测点进行监测，如图2所示。在客户端的信号处理方面，除常规的棒图显示、简图显示、波形分析、频谱分析、轴心位置分析、轴心轨迹分析等方法以外，还具有全息谱分析、Wigner分布、小波分析、奇异谱降噪、局部投影降噪、多种综合趋势分析等最新的分析手段，可以对测得的信号提供非常完备的分析功能。 系统中“诊断中心”的诊断流程如图1。系统具有“诊断实例”库和“典型案例”库，实现了案例的多种方式查询，以积累诊断专家的诊断思路及诊断规则等。其中“自助诊断”功能，用户可根据系统提取的各种特征信息，参考诊断实例和典型案例进行自主分析和诊断，实现数据的共建共享。

机泵产品每年耗电量占全国总发电量的20％左右，是耗能大户。风机／泵在运行时，实际工况多变，如果在非设计工况下运行，会导致效率、可靠性、寿命降低。此外，噪声严重影响泵的使用效果和使用场景。 效率与振动是泵与风机等流体输送设备的主要技术指标，与此同时振动也直接影响着阀门作为流动控制部件的调节精度。现有通流部件设计更多从提高效率的角度出发的，对其振动指标缺乏足够的关注，尚未形成系统的低振动通过流部件设计方法。本技术在过流部件设计上突破现有模型库和设计理念，通过研究流体机械内部流动机理、液力过程及能量转换机理，利用CFD分析和三元流设计工具来开发高效、低振动过流部件模型。 轨道交通风机主要应用于隧道通风排烟系统、车站通风空调系统和车辆段通风空调系统。本项目成果基于对地铁站点的典型关键风机组群进行健康状态预测性维护。能够实时、远程监测和诊断典型故障类型，适用于关键风机组群，例如隧道通风排烟系统和车站通风空调系统的风机设备，包括区间隧道风机、车站排热风机、车站通风空调系统的大系统和小系统风机。本项目通过对上述轨道交通通风关键风机设备运行安全的监测和节能优化的研究，积累大量数据，并经过在试点车站的实践基础上，总结风机设备的安全导则，开发风机安全监测平台，建立风机设备的安全评价体系，最终进一步提升风机设备系统运行的安全性、可靠性和经济性，实现轨道交通安全、绿色运营。

该成果突破了作物生长监测、诊断、调控一体化精确化技术，实现了传统农业向现代农业的技术升级；并且促进了农学与遥感、信息、工程、物联网等多学科的交叉融合，开创了作物精确栽培与智慧农业的新领域；形成了一系列农业信息化自主知识产权成果，提升了农业产业化水平和核心竞争力。同时，培养了一批高素质人才，带动了现代农业相关领域的创新研究与开发应用。 一、项目分类 关键核心技术突破 二、成果简介 高产、优质、高效、生态、安全作物生产是我国农业产业发展的主要目标，快速无损地监测作物生长状况，并根据实时监测结果对肥水管理方案进行定量调控，是实现这一目标的关键技术环节。南京农业大学曹卫星教授团队将定量光谱分析方法与作物生理生态原理相结合，通过实施不同生态点、不同品种、不同管理措施下多年的田间试验，构建了作物冠层和叶片水平的反射光谱库，着重解析了不同条件下的作物高光谱响应模式和时空变化规律，提取了作物主要生长指标的特征光谱波段和敏感光谱参数，构建了叶片、冠层、区域等多尺度的作物生长指标光谱监测模型；同时，定量研究了不同产量水平下作物生长指标的动态变化模式，构建了基于产量目标的生长指标适宜时序动态模型，进一步耦合实时苗情信息，综合利用养分平衡原理、氮营养指数法、指标差异度法等，集成建立了多路径的作物生长实时诊断与定量调控技术；将上述监测诊断技术与软硬件工程相结合，研制开发了面向多平台的作物生长监测诊断装置和基于遥感的作物生长监测诊断系统等简便适用的软硬件产品，进而形成了基于反射光谱的作物生长指标快速监测与定量诊断技术体系，实现了作物生长的实时监测、精确诊断和智慧管理。 该成果突破了作物生长监测、诊断、调控一体化精确化技术，实现了传统农业向现代农业的技术升级；并且促进了农学与遥感、信息、工程、物联网等多学科的交叉融合，开创了作物精确栽培与智慧农业的新领域；形成了一系列农业信息化自主知识产权成果，提升了农业产业化水平和核心竞争力。同时，培养了一批高素质人才，带动了现代农业相关领域的创新研究与开发应用。 已授权国家发明专利25项、实用新型专利5项，登记国家计算机软件著作权20多项；发表学术论文160多篇，其中SCI/EI论文60多篇；出版专著1部。成果先后得到国内外专家同行的充分肯定，2011年的成果鉴定认为（罗锡文院士主鉴），该研究整体居国际先进水平。同时作为稻麦精确管理关键技术，入选江苏省主要农作物2014~2015年“四主推”推介名录，团队起草的《稻麦生长指标无损监测诊断技术规程》入选2014年江苏省地方标准项目。技术成果已在江苏、河南、江西、安徽、河北、浙江等水稻和小麦主产区进行了大面积示范应用，表现为明显的节氮和增产作用，取得了显著的社会经济效益，对于推进精确农业和智慧农业的发展具有重大意义和良好的应用前景。

本发明公开了一种工业过程故障诊断方法，包括如下步骤：采集工业过程的历史正常数据；利用工业过程的历史正常数据计算检测统计量；采集待检测的工业过程数据；当检测到工业过程故障时，利用相对重构贡献方法提取特征量；根据特征量计算故障模式下的条件概率密度函数和正常模式下的条件概率密度函数；根据先验概率和条件概率密度函数计算后验概率；采用最小风险贝叶斯决策理论对当前时刻样本进行故障变量识别；根据诊断后的结果更新下一时刻样本的

失眠障碍是一种普遍存在的睡眠障碍疾病，我国成年人中的患病比例高达30%，其主要表现为难以入睡、难以维持睡眠或睡眠质量不佳，导致出现疲倦、注意力不集中、记忆力减退、情绪波动等负面影响，并且与多种疾病（如心血管疾病、糖尿病等）的发生和发展密切相关。我国庞大的患者群体增加了对医疗资源的需求和社会负担，对个人和社会经济造成重大影响。失眠障碍需要引起足够的重视和关注，早期诊断是减少其对个人和社会危害性的有效方法。 目前临床睡眠诊断主要依靠睡眠专家人工判读多导睡眠图（polysomnography，PSG），PSG技术同时记录多个生理参数，如心电图、脑电图、肌电图、眼电图等，从而准确评估睡眠的各个阶段和睡眠中的生理变化。然而，现代临床睡眠诊断方法存在一些弊端。首先，依靠睡眠专家人工进行诊断成本很高。例如，临床诊断中标记一位患者的PSG数据并完成诊断，往往需要一位训练有素的睡眠专家数个小时的集中工作才能完成，无法应对大规模睡眠障碍群体需求。此外，睡眠诊断存在个体差异，同一种睡眠障碍在不同人群中的表现可能不同，诊断结果需要根据患者的具体情况进行综合评估和判断。这些方法需要专业人员进行操作和解读，费用昂贵，操作复杂，很难普及应用。 人工智能技术可以帮助解决以上问题。人工智能技术可以在不需要专业人员干预的情况下，对失眠障碍进行自动化分析和诊断，具有高效性、低成本和易普及的优点。此外，还可以在大数据层面上进行分析，深入探究失眠障碍的病理生理机制，从而更好地指导治疗和预防措施的制定。 睡眠诊断是最为适合采用云平台技术进行自动化诊断的领域，患者潜在群体数量庞大。本项目涉及基于人工智能睡眠医学诊断技术的全系统的各个环节，系统的诊断准确率目前为世界范围内第一。前期已经服务于制药企业睡眠类药物评价、可穿戴消费级电子设备睡眠监测等领域。目前市场上的类似产品均不具备临床医疗级的诊断能力，本技术填补了市场空白。 图1.本项目研发的原理样机部件