（一）项目背景 当前，智慧教育具有智能导学、精准推荐、定制辅导、精细评价等特点，已成为国际国内教育信息化发展的趋势。智慧教育的研究主要聚焦于智慧学习环境建设的研究、智能技术支持下的智慧教学研究和机器学习技术支持下的个性化学习研究。智慧教育的出现极大地促进了当前教育中学习空间的重构。在“学习空间”之前，人们通常使用“教学空间”来指代这种场所，将有教学活动的场所均称作教学空间。随着人们对学习过程的理解变化、智慧教育的快速发展以及人们对非正式学习的重视，学习空间逐渐由单一的物理教学空间向包含物理空间、网络空间、移动空间的多元学习空间转变。多元学习空间的提出虽然更多地体现出了“以学生为中心”的倾向，但如何具体衡量多元学习空间对学生学习效果的影响是评价多元学习空间的重要步骤。同时，在多元学习空间具体构建时，面对空间中来源不同、结构多样、数量庞大的多模数据如何进行处理存储、并在保证数据有效性的前提下对教育数据进行隐私保护是多元学习空间需要解决的另一个难点。 （二）项目简介 本项目主要目标是针对信息技术支撑下学习空间多元化、场景复杂、需求多样化，学习者及学习行为呈现出新的特点和规律，研究多元学习空间中学习行为数据化关键技术，构建“云-边缘-物联网”架构的多模态数据存储与处理平台，实现混合式学习环境下学习行为智能感知和数据化，优化学习行为模型，基于实际应用与不同学习目标函数及内容，建立可重复、可预测、可验证的对比数据集，为数据驱动的智慧教育生态构建和教育应用提供核心技术与数据支撑。 （三）关键技术 我们面向智慧教育中准确认知学生的学习状态和行为的大数据需求提出研究方案。本项目实施方案涉及教育学、物联网、云计算、人工智能、隐私保护等多个领域，主要技术路线如图所示： 图 1 技术路线图 其中，项目包括的关键技术主要有以下三点： 1.基于物联网的多模态数据实时智能感知和多时间域数据采集技术 该技术针对学习状态的数据化、特征参数量化问题，设计能够采集多 重学习空间下的智能数据感知物联网系统。主要技术难点在于抽样频率与 识别准确度的平衡、人机交互的变化规律等全新科学问题。 2.学习状态多模态数据解析和智能处理技术 利用智能感知物联网采集实时性的原始学习状态数据，包括面部表情、 脑电信号、头部姿态、交互行为等原始数据，这些数据具有数据量大、模 态多、冗余度高等特点，需要通过智能化的预处理方法转换成可以量化的 状态数据。 3.多层次数据差分隐私保护技术 学习行为数据是学习者被动采集的多方面行为数据，受到日益增长的 具有争议性的数据伦理的制约。该项技术通过数据隐私保护机制实现数据 多层次化的差分隐私安全算法；在保证学习者最大数据隐私性的前提下， 研究满足学习行为分析所需要的数据颗粒度。

本成果提出了基于零件批量加工数据分析的加工工艺与流程优化，主要包括零件加工过程的工艺数据挖掘与机器学习算法、基于数据和机理模型相结合的零件加工精度预测、基于机器学习的零件加工工艺优化与决策、基于数据驱动的零件批量加工工艺优化方法验证这四方面。以下是各方面具体对应内容： 1）零件加工过程的工艺数据挖掘与机器学习算法：在数据挖掘与机器学习算法方面，搭建了轴类零件全流程加工工况数据实时采集硬件平台，实现对加工力、加工振动、主轴电流等工况数据的实时在线获取。 2）基于数据和机理模型相结合的零件加工精度预测：在航空薄壁件加工精度预测方面，对复杂曲面加工过程混合建模与全流程加工精度预测等理论开展了深入研究工作；建立了零件单工序/多工序加工精度预测混合驱动模型，实现了加工精度的高效高精预测。 3）基于机器学习的零件加工工艺优化与决策：在轴类零件全流程加工工艺优化与决策方面，围绕隐马尔可夫决策过程、遗传算法等理论开展了理论研究工作，结合轴类零件加工过程开展了优化工作；提出了加工参数自适应调控联合决策方法。 4）基于数据驱动的零件批量加工工艺优化方法验证：构建加工数据库1套，包含机床设备、加工刀具、加工参数、检测数据等四种类型数据。开发全流程加工智能推理软件1套（部署于中航发南方公司柔轴车间），实现航轴全流程质量数据感知与工艺优化，其中全流程误差建模与分析模块实现了端到端的零件加工质量智能推理，可以用于工艺设计与现场预先感知，加工过程工艺数据挖掘模块实现基于批量数据的多工序误差流分析，实现后续工序加工误差推理，加工过程工艺优化与智能决策模块实现了零件多工序加工质量数据推理与给定期望指标下的加工参数优化。 图1 本成果对应功能结构示意图 【技术优势】 围绕航空领域制造的加工质量问题，开展基于制造过程数据的工艺全流程智能决策技术与系统的研发，初步实现工艺与制造过程的智能控制。在数据挖掘与机器学习算法、航空薄壁件加工精度预测、轴类零件全流程加工工艺优化与决策、零件全流程加工质量智能推理与优化、智能加工产线智能决策技术应用与推广等多个方面实现了突破，具有显著的理论价值与应用价值。 规范制定方面，研究了薄壁件加工误差产生的深层机理，构建了批量零件加工过程中误差传递的理论模型，探究了机床、夹具、刀具、加工参数全方位、多层次的因素对于零件加工误差产生的影响规律，提出了零件加工工艺与流程优化策略，形成制定面向航空发动机大长径比轴类零件的决策规范，规定轴类零件全流程加工过程中机床、刀具、装夹、加工参数四个方面的具体要求。通过中国航发南方工业有限公司企业标准体系管理系统制定、修改、审批，形成《航空发动机轴类零件加工工艺优化与决策技术规范Q/2B 1586—2022》。 软件开发方面，将上述理论成果进行高度集成，开发了零件全流程加工智能推理优化软件（MIO软件）。软件集成了四大功能模块，包括加工工艺数据库、全流程误差建模与分析、加工过程工艺数据挖掘、加工工艺优化与智能决策。相关知识与优化规则形成权。全流程加工智能推理优化软件以及知识库软件通过第三方测评，测评机构具备MA与CNAS认证资质，最终形成《零件全流程加工智能推理优化软件第三方测试报告》、《智能加工产线工艺全流程智能决策工艺知识库软件第三方测试报告》。 应用验证方面，结合航空发动机制造具体需求，将相关成果应用到某型号航空发动机轴类零件（动力涡轮传动轴）加工生产中。将零件全流程加工智能推理优化软件部署在航轴加工车间，在验证产品的加工设备上部署了数据采集装置，实时采集加工过程数据，集成企业工艺资源数据库和产品数字化检测系统，获取机床、夹具、刀具、产品质量等信息，构建了加工工艺数据库，开展了航轴加工工艺分析、现场加工质量预先感知、加工工艺与流程优化、现场实际加工验证等工作。通过南方公司现场应用验证，零件次品率平均降低54.53%。（2019年至2020年优化前，次品率为8.38%；2021年6月至2022年5月优化后，次品率为3.81%）。相关应用验证通过了中国航发南方公司的效果认定，并形成用户报告。 【技术指标】 1）采用机理模型/有限元仿真技术获取切削力/热/柔度/加工误差数据集，构建代理模型实现了切削过程的毫秒级预测，切削过程关键物理量的预测时间优于10毫秒。 2）建立了机理模型与小样本工况数据混合驱动的预测模型不确定分析与量化模型，提出了贝叶斯框架下的不确定校准方法，实现了加工误差快速（毫秒级）精准（偏差小于5微米）预测。 3）提出了航轴加工质量状态估计方法，建立了现场多源数据信息串联模型，基于隐马尔科夫的决策模型，实现工序间感知平均误差控制在9.21%内。 4）建立了加工次品率与加工参数约束集间双向映射互通模型，首次提出了基于隐马尔科夫模型与遗传算法的联合决策方法框架，联合决策优化框架保证次品率降低优于50%。

本发明公开了一种面向关系数据库扩展的自适应影像金字塔切片方法，本发明针对空间数据管理系 统发展现状，综合考虑局域网网络带宽和服务器端数据库存储块大小，并结合局域网客户端硬件情况， 提出了自适应影像切片模型，根据自适应影像切片模型自适应的选择影像切片尺寸。本发明可在多种不 同的数据库、网络和客户端条件下实现影像数据智能化高效存储与访问，为高效的影像数据管理提供了 可行的思路和方法，有助于在 C/S 架构的网络环境下高效存取和管理基于数据库技术的遥感影像数据。 

本发明公开了一种滤波器组多载波系统的数据传输方法，属于滤波器组多载波通信领域，利用与导频相邻的多个辅助导频符号抵消导频受到的虚部干扰并且通过编码可以发送额外数据。解决了滤波器组多载波系统中导频符号会受到虚部干扰的技术问题。本发明包括计算导频受到的虚部干扰步骤、计算编码矩阵步骤、设计导频周围的辅助导频符号步骤、发送及接收数据步骤、信道估计及均衡步骤、数据恢复步骤。本发明能够在保证良好信道估计性能的情况下，显著降低用于抵消虚部干扰的能量。

本发明公开了一种用于网络虚拟手术的网络数据传输方法及系统，包括：获得网络虚拟手术的工作在线特征，将工作在线特征输入至预训练后的反向传播神经网络获得四个监测输出特征；根据四个监测输出特征计算获得数据压缩率、预测补偿窗口大小、冗余重传次数以及本地插值平滑因子；按照数据压缩率对网络虚拟手术的工作数据压缩后执行数据传输；在网络虚拟手术的数据传输过程中，基于预测补偿窗口大小的卡尔曼预测器补偿延迟，根据冗余重传次数触发冗余重传对抗丢包，将本地插值平滑因子代入插值滤波器平滑网络抖动；将反向传播神经网络与虚拟手术力反馈系统相结合，实现了对网络化虚拟手术中延迟、抖动和丢包问题的自适应调节。

针对目前智能服务系统在服务过程中存在的人机交互语 义理解不够深入、服务适配实时性差、以及智能化优化不足 等问题，利用深度学习、强化学习、知识图谱等技术手段， 重点研究：1）高效低成本的服务数据获取方法，为各类基 于机器学习的服务模型提供高质量训练数据；2）面向服务 过程的深度语义理解，包括服务意图识别、服务过程抽取、 事件检测等；3）面向复杂服务需求的服务任务智能调度， 结合具体服务场景展开基于多目标多约束的智能优化。

该系统可以完成整车直发、零担干线、零担配送、城配、短驳等运输业务，功能涵盖基础设置、货票合同、签收回单、运输计划，调度派车、运单管理、货物交接、异常处理、回车、行车可视化追踪，以及对账、收付款和费用结算等；可对中小运输企业的“车、货、场、人”进行全面管理，最大程度上提高作业效率和人员绩效。该系统以自主研发的基于动态容重比的智能配载优化算法为技术核心，可代替传统的人工排线和调度，大幅度提升车辆配载效率，平均降低物流成本 10%～15%，可以为中小型运输企业（如专线、零担、城配）提供从“接单-配载调度-运输-回单-回款”的全流程运输解决方案。

系统非接触式实现变电站及所有设备的异常监测，包括全景视频、温度和局部放电。对GIS、变压器、电抗器、开关、电缆、CT、PT等一次设备各部件温度及各类绝缘缺陷，违规作业、异物入侵等实施直接监测或计算外推，并实时智能预警。系统由多物理量值守机器人、智能云APP和大数据后台组成，值守机器人集成局部放电、红外测温、视频图像及声音诊断等传感器，并具备初步的人工智能算法和设备异常诊断能力，后台包括设备管理和大数据评估功能模块，APP接收智能终端和后台信息，主要显示诊断结果、数据内容，并实现人机交互。通信方式有无线、有线两种。 局放传感模块、红外传感模块、视频模块、气体传感模块、声音模块、油色谱等不同功能模块可根据实际情况合理增减搭配使用。产品的集成度高，远距离非接触采集信息，高智能、高可靠、低成本。近5年来，使用该技术发现了48起变电站内潜在故障隐患，避免了多起停电事故。 本项目经过十余年的研发与产学研合作，对应了目前泛在电力物联网的总体思路和要求，具有多个电网公司的应用案例，取得了一系列国际上具有独创性的成果。 适用范围广  能在高温、低温、高湿等环境条件下可靠运行，防水防尘。 多物理量协同  集成局放、红外、视频、声音等传感器，同时监测变压器、敞开式开关、电抗器等变电站内一次设备的局放信号、红外热像、视频信息，实现多传感器的高效结合及协调诊断。 使用方便  配备智能云APP，实时接收现场值守机器人采集的数据，实现人机交互，能够早期发现缺陷，判断缺陷位置，提高现场人员的工作效率。 智能化程度高  监测的数据可以通过无线网络或有线数据同步传输，嵌入人工智能算法，提高了监测数据及时率、准确率及有效性。 安装方便  值守机器人体积小，重量轻，一键式安装。有线通信与无线通信系统自动切换，内部参数可以通过手机设置。 性价比高  采用低成本、高可靠技术路线，通过人工智能算法降低硬件的复杂性。 目前该系统已获得14项国内发明专利授权、3项PCT专利授权、8项实用新型专利、软件著作权登记3项。高电压技术、电力设备智能监测领域权威期刊上发表论文30篇。应用在国家电网、中国石化30多个变电站，有三百多套挂网运行。 不同场景的实物及应用照片，或原理图解 图1 长距离多参数智能传感器（视频、红外、局放、声音+人工智能边缘计算） 图2 短距离多参数智能传感器（视频、红外、局放、声音+人工智能边缘计算） 图3 用户报告 图4 变电站安装监测 图5 大数据后台应用

项目简介： 针对设备如何正确理解人类的逻辑和时序知识，并将获得的知识便捷的转换为当前计算机体系的执行代码的问题，设计了用于智能应用的SOC芯片。此芯片由当前通用微处理器和相应的固件构成，固件由操作系统、类似人脑树突学习和推理的新型思维模型和通用通信模块构成，SOC系列芯片可以解决认知人类逻辑、时序思维的问题，具备了一定的认知智能。系列芯片可分无带代码编程的控制芯片，无代码编程的总线与网络通信芯片，低代码编程的运动控制芯片，制造业核心控制设备本质安全芯片等几个系列的芯片。 技术的创造性与先进性、创新要点： 01）、提出了类人思维计算理论方法 02）、有别于冯诺曼和哈弗结构的计算机运行架构  a、传统的计算机程序由程序员完成，新的框架和机制要求计算机 程序由使用者经过简单培训便可完成，改变了目前程开发模 式。  b、应用开发过程可直接认知和理解以人类思维描述的开发目标 几乎无需编写代码，与现有单片机、PLC等开发模式完全不同， 具备了认知人类知识和经验的高等级人工智能功。 c、与现有的开发模式和开发工具相比，对开发人员专业技能要求大大降低，应用开发效率极大提高。 03）、以人类思维的视角而非二进制运算的模式进行计算机数据的处理。 获奖情况： 获2016年山东省科技进步一等奖