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。应用范围: 1、智能网关： 开发基于具有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服务器。 综合接入能力： 包括有线传感器和特定的无线传感器、与现有系统的对接 有效感知能力： 实现基于图像的AI视觉感知能力，重点研究基于小目标的图像分类算法 安全传输能力： 提供4G、5G、NB-IOT的上行传输模块化替换 提供安全的加密手段，保证数据安全 现场调试配置能力： 具有现场WiFi调试功能，方便安装和运维人员现场配置和检测 软件和通信标准版本现场升级 2、AI模型管理系统 需要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。 样本管理能力 原始样本管理、样本实例库分类和管理、检测样本管理等 模型计算和管理 算力管理：对算力的统筹，外部算力的对接等 算法管理：自主开发算法的管理和调动，外部算法的调用和对接 模型管理：包括模型的功能属性和已经应用的情况的统计分析 设备管理 设备的AI模型配置能力、AI推演过程的监控、AI推演结果的跟踪采集和分析 3、数据管理和标准化处理 数据有效性管理 监测数据是否按时上传、上传数据是否符合要求、是否为非法数据 告警输出：把告警信息进行分类，并推送给相关的运维系统 数据质量评估 按照标准对现场采集数据进行多维度的质量分析，为后续数据应用提供参考依据 数据标准化 格式标准化：完善采集时间、地点、单位等属性， 输出标准化：按照标准协议与工业互联网平台数据池进行对接 数据安全 区域性部署：可以应用户要求部署在其内网 并行部署：可以通过并行部署，网关上联多个服务器，确保用户的可靠性需求 数据回滚能力：可以应工业互联网平台要求对数据进行一定期限内的回滚，保证数据在一定时间段内不丢失 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，提供效率、降低人员成本、保证系统运行质量和数据的有效性。 运维人员管理 对运维人员的信息、定位、工作状况管理 巡检任务管理 对部署的硬件和相关工作环境定期巡查的任务制定、下发、执行过程和结果的记录和管理 临时故障处理 对系统自动告警和现场突发状况的应急处理能力，包括人员调配、处理流程提示和建议、相关情况处置参考案例、后续统计追踪等。网关核心板实物照片

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。

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。

人工智能语音交互实验套件是一款用于人工智能语音方向的AI实验套件。开发板搭建Linux系统，可自主进行嵌入式生态系统的应用软件开发，支持深度的语音识别、语音唤醒、语音合成等诸多人工智能领域的应用开发。通过这套设备的学习，可以认识了解 AI 人工智能嵌入式设备的架构、硬件部署、软件在 AI 领域中语音识别、语音合成等应用上的实现，是一套 AI 前端实践性极强的学习套件。        套件配套实验清单（含知识点），由资深工程师编写，全面涵盖语音交互技术的实验过程。并提供教学指导、实验视频、实验手册、实验PPT等，便于师生更好的理解实验项目，是高职、本科院校相关专业在 AI 智能语音方向课题的专用教学实验套件。 

本发明公开了一种基于重复子结构的复合材料有限元建模方法，包括以下步骤：建立复合材料精细化的多组分单胞有限元模型；基于上述精细化的多组分单胞有限元模型，建立复合材料重复子结构模型；对重复子结构进行缩聚，然后将特征矩阵装配到单胞残余结构，得到全复合材料分析模型；此方法在保证计算精度的同时简化了复合材料精细化建模工程，极大的提高建模效率，具有十分重要的工程意义。

本发明提供一种重型机床车间环境温度解析建模方法，其结合 时间序列分析，傅立叶级数分解方法，将实测的环境温度用傅立叶三 角级数形式表达，获取环境温度的时间序列、波动频率、波动幅值、 相位等信息，实时测量更新的温度数据和当前时间信号作为输入，实 现温度的实时预测，代替实测温度用于热误差响应预测建模。本发明 考虑了环境温度波动的周期性和非周期性，以及波动随季节和年度变 化的特征，同时考虑了当前机床当前热状态既受当前环境温度影响又 受历史温度状态影响的客观事实，有利于更准确地定量描述机床热变 形误差的时滞响应特性，进而提高机床热误差预测的精度和鲁棒性。 

随着人们生活水平的不断提高和社会的发展进步，环境问题和能源问题已经得到越来越广泛的重视。电动车辆由于其具备很多优势如环保节能、零污染和能量来源途径广泛等优点而逐渐受到人们的喜爱。但是电动车本身是一个受多源干扰影响的非线性系统，传统的控制方法(如PI控制)已经不能满足电动车在高性能场合的需求。面向电动车控制系统，我们已经拥有一整套的建模、分析和设计方案。我们的成果是，利用时变干扰观测器技术对受外界环境变化、负载变化和模型误差等因素引起的时变干扰进行实时精确估计，从而进行精确补偿，消除干扰对系统造成的不利影响，同时可以与滑模控制或其他先进控制方法相结合，设计和实现基于时变干扰观测器的复合控制方案。目前已受理多项国家发明专利，发表多篇高水平学术论文。技术成熟，解决方案尤其适合基于位置传感器/无位置传感器的模型参数不匹配、受大时变干扰影响和有高效率需求的电动独轮车、两轮车和四轮车等电动车辆应用场合。

基于多元信息融合的油菜生长模型是用数学方程描述油菜、气候和土壤之间的作用过程,根据气象条件、土壤条件以及管理方案，动态定量的描述油菜生长、发育、籽粒形成及产量。油菜生长模型最重要的意义是对整个油菜生育系统的知识进行综合，并量化生理生态过程及其相互关系,即综合知识和量化关系。油菜模型是利用计算机强大的信息处理和计算功能,对不同生育过程进行系统分析和合成,相当于所研究系统的最新知识的积累和综合。在这种知识合成的过程中,还能鉴定知识空缺,从而明确新的研究方向，同时，油菜模拟研究在理解油菜生理生态过程及其变

 在过程控制中，若要使生产过程处于最佳运行工况、实现卡边控制，提高装置的经济效益，就必须要对生产过程的重要过程变量进行严格控制。然而对许多工业过程来说，一些重要的输出变量目前还很难通过传感器得到，即使可以测出也不一定具有代表性，不能总体的反映出设备的运行工况。为了解决这类变量的测量问题，出现了不少方法，目前应用较广泛的是软测量方法，目前软测量在流程工业中已得到广泛应用。