|
搜索
搜 索
高等教育领域数字化综合服务平台
基于大数据 AI 的智能网络规划及运维
基于大数据和 AI 的应用，可实现复杂场景下的网络问题识别、多场景优化方案的协同策略方案的动态和自动化执行。可以构建智能网络规划及运维平台，以实现极致性能和极简运维，使能新业务的自动化覆盖优化、移动性优化、负载均衡优化、节能优化、故障分析与定位。同样可以基于无线数据和视频数据融合的用户个体及群体行为在多场景应用下，充分发挥5G的优势，创造巨大的社会效益。
东南大学
2021-04-11
基于AI技术的通用网关及数据管理平台
本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。
如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。
北京邮电大学
2021-05-09
动态质量信息的 XML 体系建模研究
南京工程学院
2021-04-13
大数据应用软件建模系统DWF
1. 痛点问题
当前，很多创新型的应用无法购买到可用的系统，如果在项目周期很紧急的情况下希望快速交付一个可以使用的原型系统，往往会遇到如下问题：不同客户系统之间存在巨大差异，大量需求要定制开发；市面上没有现成的应用程序可以直接购买；解决方案过于复杂和/或过于昂贵；难以低成本控制未来数字化的发展。
此外，很多软件公司人力成本达到65%，且无法满足企业业务快速变化的需求，交付周期无法保证，后续系统维护成本很高，已经影响到企业的发展。因此，很多企业都希望能有业务人员或参与配合少量开发即可快速构建原型系统的工具，满足企业的创新应用。
2. 解决方案
本成果”大数据应用软件建模系统-DWF“（清华数为DWF）支持应用开发人员快速实现中小规模协作型应用，是一款基于模型驱动的代码开发工具，可以构建复杂的数据模型，可以实现数据模型、表单模型、功能模型、组织模型、权限模型、模型包管理功能，通过前、后端的脚本可以提供业务系统的扩展功能。DWF还提供对异构数据的集成能力，方便企业快速进行模型迁移和部署。
DWF具有如下特点：
一站式：DWF自身追求尽可能简单的结构，可在普通PC上部署启动，也可以在云计算或者容器环境下部署，又可以并入容器管理器中成为微服务。
可配置：采用模型驱动的设计理念，通过组织建模、数据建模、表单建模、功能操作和权限控制直接建模产生系统本。
低码量：基于模型开展有针对性的扩展编码工作，减少编码总量，降低开发难度。配合敏捷定制功能，大幅度减少了代码量和系统缺陷产生的可能。
组件化：允许在线将全部或者部分模型从系统中导出独立的模型包，组合到其他DWF系统中，从而方便即时交付系统，即改即用，快速响应变更需求。
清华大学
2021-10-21
“图智”-PDF工程图AI识别与审查重建系统
1. 痛点问题
PDF电子工程图作为一类重要的非结构化数据，承载了丰富的业务知识和信息。然而，因其复杂性和专业性，PDF工程图难以被机器直接处理，目前主要还是靠人来读取、理解、核对和应用，限制了工程建设领域行业的深层次智能发展。若机器能够像人类一样理解图纸的内涵，就可以支撑丰富多彩的下游智慧应用。如规范智能审查、3D模型智能重建、面向应急逃生、无障碍等特定应用场景的信息智能提取等。这些基于图纸的智慧应用，其核心挑战就是对图纸内容的有效识别和理解。
2. 解决方案
清华大学软件学院BIMChecker Group，自主研发了“图智”-PDF工程图AI识别与审查重建系统，基于深度学习技术和工程领域业务知识应用的有效融合，解决了现实PDF工程图纸信息高分辨率、高密度、相互遮挡等识别难题，实现了对建筑平面图图元和空间布局的智能识别和结构化表达。主要特点如下。
1） 适用于住宅建筑、公共建筑等民用建筑以及仓库、厂房等工业建筑；
2） 支持建筑设计说明、表格、建筑平面图的一键式AI识别；
3） 支持Revit模型一键生成和面向《建筑设计防火规范》的一键审查；
4）支持对现有防火条文、其他国家规范、企业规范的修改和自定义，系统的审查算法可自动适配更新。
合作需求
寻找在AI审图、室内矢量模型重建、图纸特定信息智能提取及其它基于图纸的智能应用场景方面有需求的合作方；开展系统的应用推广、定制化图纸内容识别服务等内容，为各类下游应用、平台提供核心AI图纸理解技术支撑。合作方需具备项目或资金支持。
清华大学
2022-02-28
嵌入式实时系统建模验证工具
为了提高安全关键实时嵌入式软件系统的质量，降低开发成本与周期，并使得软件系统具有可重用、可移植和互操作等特性，基于目前国际标准体系结构描述语言AADL（ Architecture Analysis and Design Language）和同步语言Signal，研发了辅助配套软件工具集，可进行系统的可靠性、可调度性、安全性分析，以及自动代码生成，从全生命周期的角度保证系统的可信性质。 本项目主要特点如下。 1．可以插件的形式集成在AADL开发平台OSATE上，支持高可靠性实时系统的软件设计建模； 2．可以提供集成开发环境，将AADL模型转换为TASM模型和UPPAL模型，然后采用相关的模型分析和检测工具进行验证分析，包括可靠性、可调度性、时间属性等分析； 3．可以支持基本的AADL到C，Signal到OpenMP的自动代码生成技术。 目前该成果已指导多个关键实时系统的建模和验证应用，获得国家专利1项。
北京航空航天大学
2021-04-13
大尺寸焊接结构件高效建模方法
由于大尺寸焊接结构尺寸较大、结构复杂，所以其有限元建模过程难度较大，利用计算机编程技术对整个建模过程进行参数化设计，将复杂的结构转化为典型的简单结构，使得整个有限元仿真过程更加简单、效率更高。
一、项目分类
关键核心技术突破
二、成果简介
由于大尺寸焊接结构尺寸较大、结构复杂，所以其有限元建模过程难度较大，利用计算机编程技术对整个建模过程进行参数化设计，将复杂的结构转化为典型的简单结构，使得整个有限元仿真过程更加简单、效率更高；同时有限元分析对网格模型的要求高，需要在保证计算精度的前提下保证计算效率，使用网格过渡技术，保证热源影响大的区域使用精细的网格，热源影响小的区域使用较粗的网格，从而达到相同网格条件下更精确地计算结果与更高的计算效率。例如《大型复材工装焊接工艺研究》项目，针对大型复合材料结构件Invar合金模具手工电弧焊焊接工艺进行研究，采用高效建模的手段对研究对象进行模拟分析，降低时间与材料等方面的成本。采用实验与仿真并行，理论分析、实验研究、仿真分析相结合的技术路线开展 Invar 合金试板件手工焊接工艺参数探索。
三、创新点及主要技术指标
创新点：参数化建模，缩短建模周期；采用非均匀过渡性网格以控制计算量，在保证计算精度的前 提下压缩计算量，采用多 CPU 并行计算以提高计算效率。
技术指标：建模效率提高 30%，计算效率提高 30%。
四、知识产权及获奖
论文10余篇，其中典型示例如下：
Modeling and simulation of the columnar-to-equiaxed transition during laser melting deposition of Invar alloy
Stochastic Modeling Columnar Dendritic Grain Growth in the Weld Pool of Al-Cu alloy
专利：
基于精准能量分配的激光-电弧复合加工的能量分配系数模型的构建方法
一种焊接过程气孔形成与演变的二维计算机模拟方法
南京航空航天大学
2022-08-12
微生物交叉污染建模技术及应用
以肉类加工、流通、贮藏等下游生产链为切入点，以工厂加工生产、超市卖场销售、冷链运输流通、厨房贮藏烹饪等为主要场景设计，对气单胞菌、单增李斯特菌、肠炎沙门氏菌等的交叉污染建模理论进行了完善，定量观测并模拟了食源性致病菌在不同传递介质和操作方式影响下的交叉污染情况，并与消费者摄入 后的定量暴露评估、风险管理预警、限量标准制定、软件参数设置等相结合，特别是提出了采用矩阵的形式对气单胞菌在不同场景下和不同介质之间的转移过程进行量化的直观方法（，模拟了厨房环境下消费者食用不同材质案板处理过的污染
上海理工大学
2021-01-12
基于AI技术的对全国疫情扩散情况及高峰期
2月1日，清华大学深圳国际研究生院马兆远课题组首次公布基于AI技术的对全国疫情扩散情况及高峰期预测模型。根据后续一周内国家卫计委公布的疫情实时数据反馈，该模型在一周（2月1日至2月7日）之内的预测结果与真实情况吻合度较高，平均准确率达98%以上。团队比较早地对疫情高峰期及拐点出现时间做出“2月7-12日内达到峰值，疫情拐点最迟于2月16日前后出现，总感染人数或达7万”的预判，该预测与钟南山院士的判断互相印证。虽然预测结果的准确度得到验证，课题组团队并没有因此松懈，而是不断根据最新的数据变化调整参数、优化拟合结果，同时积极联络政府相关科技、数据信息等部门，让预测结果成为施策者有力的决策参考。2月1日，清华大学深圳国际研究生院马兆远课题组首次公布基于AI技术的对全国疫情扩散情况及高峰期预测模型。根据后续一周内国家卫计委公布的疫情实时数据反馈，该模型在一周（2月1日至2月7日）之内的预测结果与真实情况吻合度较高，平均准确率达98%以上。团队比较早地对疫情高峰期及拐点出现时间做出“2月7-12日内达到峰值，疫情拐点最迟于2月16日前后出现，总感染人数或达7万”的预判。
清华大学
2021-04-10
肺部多病变CT影像AI筛查与辅助诊断系统
四川大学华西医院2020年3月13日对“肺部多病变CT影像AI筛查与辅助诊断系统”进行测试，该系统能迅速高效地对患者胸部CT影像做出分析，发现具有“肺结节、肺癌、结核、病毒性肺炎、细菌性肺炎”等病症的影像特征。 该技术依托于“疾病流行病学大数据研究平台”，在华西生物医学大数据中心的牵头下，汇聚近20家医疗机构的医学研究支持，基于人工智能深度学习技术，数据来自临床确诊病例，数据的遴选、标注由华西医院放射科影像专家完成。技术研发到测试用时不到30天。CT影像是临床诊断包括新冠肺炎在内的肺部病变的重要依据，但一名患者的肺部CT影像数量在500张左右，导致医生诊断过程中工作量很大。 查看原文
四川大学
2021-04-11