本发明公开了一种基于RBF神经网络预测控制的双进双出球磨机控制系统及控制方法，控制系统包括基于RBF神经网络模型的预测控制器、控制量初始化模块以及被控对象，被控对象为双进双出球磨机模型，其输出连续被控量经离散化后生成的离散被控量和被控量当前设定值输入控制量初始化模块和预测控制器，控制量初始化模块输出控制量初始值输入给预测控制器，预测控制器输出离散控制向量经零阶保持器转换为连续控制量输出给双进双出球磨机模型。控制方法采用RBF神经网络正向模型和RBF神经网络逆向模型实现对被控对象的预测控制。本发明可以对系统进行提前控制和调节，适用于大滞后系统的控制，被控量响应快、超调量小，同时具有良好的鲁棒性。

本发明公开一种基于力觉信息和姿态信息的肢体运动意图理解与上肢康复训练机器人及其控制方法，通过姿态传感器分别获取人体手臂的各个姿态信息，并输入至控制器，人体手臂发力通过摇杆作用于六维力传感器上，六维力传感器输入相应信号至控制器，控制器将获取到的姿态参数以及力觉参数，通过建立的意图识别模型解算，并控制康复训练机器人做出相应动作，对康复训练机器人实现控制，以实现微弱主动力下的辅助主动训练。

本发明公开了一种基于CZT变换和剪除分裂基快速傅里叶变换的三维摄像声纳波束形成方法，包括以下步骤：分别计算每个换能器接收到的声波中，与载波频率fk对应的第k个DFT变换系数；利用所得变换系数，构建矩阵C；对应方位角方向，对矩阵C的每一列，进行一维离散卷积运算，得到P×N的矩阵MD；对应仰视角方向，对矩阵MD的每一行，进行一维离散卷积运算，得到P×Q的矩阵ME；利用矩阵ME，构建矩阵MF；计算矩阵MF中每个元素的模，得到三维摄像声纳波束。本发明在FFT运算过程中识别和去除不必要的运算操作，有效降低了三维摄像声纳波束形成方法所需的运算量。

我国是世界上受自然灾害影响最为严重的国家之一，地质灾害监测预警是最有效的减少人员伤亡的技术途径。针对我国广大山区难以全面实施具体灾点的精细观测和区域监测预警精度不能满足精准预警需求的局限，本团队利用大规模地质灾害起动和运动过程中产生的地震动信号与信号携带灾害的物理力学特性信息的原理，利用微弱信号处理与分析技术，提取地震动信号对应的灾害属性信息，进行灾害事件的预警；利用基于地震动信号与数值模拟耦合分析技术，反演灾害动力学参数、灾害运动和演化过程；结合灾害动力学和运动模型，快速计算灾害危害范围和危害能力

本发明提供一种基于石墨烯/介孔碳纳米复合材料生物传感器及其制备方法。本发明包括采用水热合 成法制备石墨烯/介孔碳纳米复合材料，将其作为吸附酶固载材料；采用生物传感及电化学原理，通过将 丝网和喷墨印刷相结合的方法制作检测试纸，丝网印刷用于印制导电线路，采用非接触的喷涂方式将敏 感生物元件喷印到电极支持物上，其中喷涂材料的喷涂量和喷涂面积可以控制。纳米复合载体材料是在 石墨烯片层的两面生长介孔碳，制成石墨烯/介孔碳复合材料，将其作为载体固载酶，与生

成功开发出了在正常太阳能辐射强度条件下能满足全天供热的锅炉-太阳能耦合工作的技术，保证了系统连续稳定运行；开发出了高效太阳能集热阵列（增加基于涂料分解反射聚光效应的高效集热器技术）；研发出一套具有一定生产能力和深入实验、改造能力的金属网基波纹管结构的相变蓄热样机；提高系统单位安装面积的集热量，保证全天候预热软水出水温度80-95℃并可产生不同温度蒸汽；开发出相应的锅炉结构、管线改造技术，精简锅炉结构；设备使用寿命20年。 首次将太阳能光热技术全天候昼夜应用于高能耗、高污染行业，例如：石化行业、皮革行业、印染行业；开发基于涂料分解反射的聚光技术及相关高效集热器技术高效太阳能集热装置，强化提高单位面积的产热量，适应工业化安装需求；将太阳能装置与锅炉耦合，不需要对厂区原来的设备进行大面积改装；使用自然对流+强制循环系统，满足部分行业（如石化行业）的生产要求；国内外首次开发就金属网基波纹管相变储热、换热装置，提高系统效率，改善太阳能的不稳定性，保证装置连续运作，符合大型工业的需求；可连续自动运行，节省人力，提高效率具有较好的经济性，前期投入可在5-8年内回收

技术结合了螺旋式电容传感器与圆环式静电传感器，通过螺旋式电容传感器的电容获得管内固相浓度，通过圆环式静电传感器检测管道中的颗粒与管道壁面以及颗粒之间的碰撞、摩擦、分离产生的静电噪声，采用互相关法快速获取固相流动速度；根据浓度与速度获取质量流量，实现对气固两相流的多参数测量。本发明是电容法与静电法的融合，发挥螺旋式电容传感器和圆环式静电传感器分别在浓度测量和速度测量方面的优势，简化了电极结构，提高了浓度、速度以及质量流量的检测精度和采样效率。

（专利号：ZL 201510137251.9） 简介：本发明公开了一种基于分层配料与布料的烧结过程中同步控制污染物排放的新方法，属于烧结过程污染物减排技术领域。本发明的具体步骤为：步骤一：烧结混料：制备烧结混合料(a)和配有添加剂的混合料(b)；步骤二：烧结布料：(A)在烧结台车的上面铺装铺底料层；(B)将烧结混合料(a)铺装在铺底料层的上面形成第一混合料层；(C)将配有添加剂的混合料(b)铺装在第一混合料层上面形成协同减排料层；(D)再将烧结混合料(a)铺装在协同减排料层上面形成第二混合料层；步骤三：烟气集中收集处理：将台车中后部的风箱内的烟气经增压泵汇入布袋除尘器。本发明通过分层配料与布料，实现了烧结过程中多种污染物的同步控制。

本发明公开了一种基于二维正交各向异性复合材料板的热模态对结构参数的灵敏度分析方法，包括如下步骤：（１）求解考虑拉压、弯曲、剪切变形的二维正交各向异性复合材料板线性刚度矩阵Ｋ０；（２）求解热结构的初应力刚度矩阵Ｋσ；（３）求解考虑热应力影响的结构有限元动力学方程的目标函数，即为转化为考虑结构热应力影响的广义特征值问题；（４）基于步骤（３）中的目标函数ｆ，采用复变函数法求解二维正交各向异性复合材料板的热模态对结构参数的灵敏度。本发明考虑了热应力对结构刚度以及结构响应（热模态）分析的影响，能够利用复变函数法分析得到精度较高的热模态对结构参数的灵敏度矩阵。

在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。    本实验室与中国中医科学院合作进行中医临床数据仓库与挖掘分析平台，以及中医临床数据挖掘方法的研究，实现了对中医临床采集病历数数据的集成与整合，数据挖掘与分析的中医临床数据仓库及挖掘分析平台，该平台旨在支持从真实世界中医临床诊疗中产生海量科研分析用数据，并以真实、高质量的数据为基础进行中医临床与理论研究，为中医临床疗效评价、临床中药新药创制提供客观的医学证据和适宜的数据分析方法。该成果于2009年12月获得国家科技进步二等奖。   名老中医OLAP展示例子 1.2多维分析与复杂网络分析系统   以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。  在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。  获奖证书   1.中医临床数据仓库与挖掘分析平台 通过分析中医临床数据元素及其多维、多层次的关系特点，研究设计了中医临床参考信息模型，以及为基础构建中医临床数据仓库细节数据模型和多维数据模型，建立以数据仓库为核心的数据整合、数据抽取/转换/转载和数据整理、数据挖掘、OLAP和统计分析的智能信息处理平台。该平台以中医临床数据仓库及其运行环境工具的构建为基础，基于实际的临床诊疗数据，实现对中医诊疗数据进行多主题、多粒度、多需求、高效、快捷的展示、研究和查询检索，并支持基于Web的OLAP主题应用，为名老中医经验继承研究、中医临床评价研究和临床科研提供实际的诊疗数据证据和知识来源，以支持临床科研决策分析，满足中医临床评价研究的探索性分析需求。针对中医临床数据的特点，研究体现中医临床数据模型特点的数据挖掘新方法，为面向中医临床研究的数据挖掘和机器学习方法研究提供新的思路和研究方向。该平台的构建初期以重大慢性疾病：中风、冠心病和糖尿病诊治规律，以及名老中医经验传承研究为支持目标。   中医临床数据仓库平台   1.1中医临床数据预处理技术临床数据的预处理包括数据整合、数据整理和数据转换等技术，我们面向中医临床数据结构内容以及中医临床研究的分析需求，实现具有完善的数据抽取-转换-装载（Extraction-transforming-loading，ETL）、数据整理和数据转换导出功能的数据前处理软件。该软件针对医学数据利用中的分布式（多采集点）采集、患者隐私保护和大规模数据处理的特点，采用灵活的数据映射配置和临床术语库衔接等方式把各采集点数据导入到临床数据仓库中，并支持批量数据核查和数据规范整理（对临床数据中的术语性数据如症状体征、诊断和药物等进行概念化语义规范）功能。   在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。   名老中医OLAP展示例子    以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。     中医临床复杂网络分析系统  1.3 真实世界中医临床有效处方发现系统 中药新药创制与研发是极具挑战和机遇的领域，当前化学制药和单成份药物研发已经出现明显的瓶颈，传统植物/天然药以及多成份复方药物的研发成为国内外关注的焦点。而从多成份调控和多靶点机理的研究为主要视角的网络药理学更成为新的趋势和方法。针对中医临床诊疗过程中具有证-治-效信息，且个体性的真实世界诊疗实践特点，我们研究基于大规模临床诊疗数据进行有效处方分析和发现的问题，通过对以中药复方为重点的治疗手段药物组成原理的分析，基于复杂网络模型和方法研制形成了有效核心处方及适应症分析方法、有效临床中药筛选与发现系统，对基于真实世界临床诊疗数据分析获得有效处方知识的方法、技术平台和示范应用进行了探索和初步实践，初步表明从真实世界临床诊疗数据中发现和挖掘有效方药是一种可行的途径，有望为中医新药创制提供可以验证的新处方、新药物等临床有效目标药物。     1.  中医临床数据挖掘分析方法 海量观察型临床数据是中医辨证论治数据的主体内容，具有复杂、多维和多关系的特点。从大规模中医临床观察数据中分析提炼形成有意义的临床假设或诊疗知识如有效处方、人群划分、药症关系以及多阶段优化治疗方案等，是实现从复杂、系统的中医辨证论治过程中发现并确认有效优化的临床诊疗处方及其药物组成的基本方法。中医临床数据包括门诊数据和住院数据两大主要部分，其数据内容由临床表现、诊断和治疗（临床疗法）三部分核心内容（如下图），其中辨证知识、证候分布、药症关系、方证关系和药物组成等是数据挖掘和分析的主要目标，而所有这些知识的有效性的评价依据是临床疗效，即确认和发现临床有效的中医诊疗知识是中医临床数据挖掘分析方法的主要有价值研究目标。    中医临床数据挖掘问题：在疗效信息的约束下，验证和发现有价值的临床诊断/治疗关系知识。  2.1基于复杂网络的中药配伍分析方法 人们通过对中医临床处方数据的初期分析，并与临床专家的交流中发现，名老中医的临床复方的组织特性体现在两个层次。第一层次为临床医生一般以经典复方（包括经方、时方和验方等）为基础进行临床处方；第二层次为在药对或药症关系基础上的药物随症加减处理。这两个层次的临床处方配伍过程形成了具有核心处方结构，而又具有较大灵活性的处方集合。因此，通过对名老中医处方集的共性网络结构分析，能够发现体现其处方思维和学术特点的核心处方配伍结构，从而辅助进行名老中医经验的传承和整理研究。通过应用基于无尺度网络现象的网络分析方法进行研究。无尺度网络作为复杂系统研究的一种实证现象和方法，对基于网络研究复杂现象和复杂系统的方法具有很大的推动作用。具有宏观无尺度现象的网络在拓扑上存在幂律现象，即节点的度分布服从幂函数分布。这在医生处方中的具体体现就是某医生对药物的使用具有比较集中的趋势，某些名老中医偏好使用某些药物，使得这些药物的已有或潜在功效得到更大的发挥或挖掘。 我们基于网络中权值的幂律分布规律，实现了多层核心子网分析方法，能够从复杂的中药配伍网络中抽取多层核心子网。该算法已经在名老中医处方配伍经验的分析中得到广泛应用。其得到的结果具有直接而明确的临床含义，且可靠性较强。第一层核心子药物子网一般解释为共性的核心处方；第二层解释为主要药物配伍；第三层解释为次要药物配伍。这些药物配伍分别对应样本的核心病机如主要疾病和主要证候等、兼证和加减症状等。以下是两类特定中药处方：1287个肝脾不调证(GPBT)处方和752个2型糖尿病合并代谢综合征处方的分析结果。   特定中药处方的核心药物配伍网络和主要加减网络，其中的网络中的节点是药物，边的权重表示两相关药物配伍使用的次数。 2.2基于隐主题模型的疾病人群临床特征类别分析方法 症状-中药-诊断主题模型（Symptom-Herb-Diagnosis Topic model，SHDT), 用来提取中医临床数据中的症状、中药和诊断间的隐主题结构。SHDT模型是LDA主题模型在多关系应用中的扩展。该模型的核心思想是假设一类样本里面包含有多个主题，例如，一类糖尿病人群有不同的并发症，且这些主题所包含的信息特征（以症状来表达）具有相对完整性和独立性。SHDT把每个主题看作是症状上的多项式分布，并通过症状来表达主题的内容；同时，把每种中药看作是主题上的多项式分布，因为一类中药可以治愈多种症状/疾病；又因为一种诊断包含多种症状/疾病，于是把诊断看作是对主题的描述，构建一种“症状-中药-诊断”主题模型。SHDT模型这种分析原理和思路与中医辨证论治过程基本吻合，它可以客观地按照症状找到自然分类人群，给出诊断描述特征和中药治疗特征。SHDT模型分别在2型糖尿病、冠心病和肝炎等慢性疾病中进行人群特征分析。实验结果说明了该模型具有较好的适宜性和科学性，分析结果能够较为完整的反映特定疾病中相关的主要人群特征类别。   症状-中药-诊断主题模型，图中三个黑色圆圈，代表显变量（观察变量），其中s 表示一个采样症状，表示患者p的所有药，表示患者p的所有诊断。白色圆圈代表隐变量，其中z 采样症状s对应的主题，x表示s对应的药，u表示s对应的诊断。矩形框表示重复采样。外部矩形框表示在集合中有P个患者。内部矩形框表示对患者p的个症状、主题、药物以及诊断重复采样。 2.3基于内隐对照和部分可观察马尔可夫决策过程模型的动态序贯处方治疗方案优化方法 中医辨证论治是症-治-效紧密相关的个体、动态的复杂干预过程，动态序贯干预是中医临床治疗慢性疾病的基本方法。以患者为轴心的治疗原则和医生的个体性特点，使得中医动态序贯干预过程中包含多样化的治疗方案。在临床诊疗经验知识的形成阶段，医生往往通过对治疗前后患者健康状态的判断，试图获得较好的治疗方案的认识，进而逐步形成固化的有效经验性治疗方案。因此，在无外部对照的情况下，如何从大规模的复杂多维临床关系数据中发现并确认在临床实际中较优的动态序贯诊疗方案是有效临床方案形成的重要课题。 考虑到实际可行性和研究代价的问题，在未有明确的有效干预方案形成的临床研究初期，无外部对照的传统中医经验整理和归纳普遍存在，且长期的中医学实践表明是有效的。但由于临床诊疗信息关系的复杂性，基于传统经验整理方式形成有效治疗方案是一个较为漫长的过程。 因此，如何借助源自真实世界（无外部对照）的大规模临床观察数据，进行挖掘分析，以辅助发现和确认较优的临床治疗方案成为辨证论治临床评价研究的关键问题之一。我们采用部分可观察马尔可夫决策过程模型(POMDP)对此问题进行研究，实现了基于POMDP的中医临床处方优化分析方法，以探寻从来自临床实际的大规模观察性临床数据中发现较优或最优的动态序贯治疗方案，为中医辨证论治有效动态干预方案的形成和临床验证提供参考知识。   中医临床诊疗过程对应的POMDP模型 1.  成果的推广应用 本成果已经在国家科技重大专项：重大传染病防治、重大新药创制等两个项目；国家科技支撑计划项目-名老中医经验传承研究；北京市科技攻关项目和国家中医临床研究基地等项目中进行推广应用。分别对艾滋病、肝炎和肺结核等传染病的中医药防治规律，从中医临床中分析确认有效处方与药物，名老中医的辨证论治个体诊疗经验，中风、冠心病和糖尿病等重大慢性疾病的临床诊治规律，以及全国10余家重点中医院诊疗优势病种（如上海龙华医院的中医胃癌治疗、骨关节病治疗；河南中医学院一附院的中医艾滋病治疗、中医慢性阻塞性肺炎治疗等）的临床诊疗优化方案等进行应用研究。逐步探索和完善中医临床科研一体化技术体系，支持基于临床诊疗实践及其真实世界诊疗数据，进行中医临床研究和中药新药创制研究的医学模式。   北京地区22家单位应用分布图