本发明公开了一种基于应用性能损失分析的数据中心功率配给 方法，数据中心管理员通过厂商或实验室实测获得服务器机型的 CPU 使用率和功率对应关系的配置信息，服务器中的监控模块提取 CPU 使 用率数据并上报给中心数据库，数据分析模块抽取中心数据库中的 CPU 使用率数据，并比照服务器配置信息，分析计算服务器在任意功 率配给下的应用性能损失值，计算完成后，数据分析模块生成功率配 给调整指导单，用以指导数据中心管理员制定服

本发明公开一种基于云技术的商品溯源及消费流向统计分析方法及系统，本发明中采用所述云计算平台与云计算终端相互协作的云技术架构，由所述云计算平台负责亿级加密二维码的编码、压缩、加密、生成、激活、赋值及管理，并为消费者提供商品溯源服务，为企业提供消费流向统计分析服务；所述云计算终端负责赋予商品加密二维码标识，本发明利用云技术强大的计算能力和性能，以及方便的

本发明公开一种基于云技术的商品溯源及消费流向统计分析方法及系统，本发明中采用所述云计算平台与云计算终端相互协作的云技术架构，由所述云计算平台负责亿级加密二维码的编码、压缩、加密、生成、激活、赋值及管理，并为消费者提供商品溯源服务，为企业提供消费流向统计分析服务；所述云计算终端负责赋予商品加密二维码标识，本发明利用云技术强大的计算能力和性能，以及方便的

近日，我校数学与统计学学院刘磊教授与上海交通大学朱苗苗教授合作的论文Asymptotic analysis for Sacks-Uhlenbeck$\alpha$-harmonic maps from degenerating Riemann surfaces被Memoirs of the American Mathematical Society接收发表。

本发明提供基于丰度显著性分析的高光谱图像解混方法及系统，包括建立待处理的高光谱遥感图像 的端元光谱库；用基于稀疏回归的混合像元分解方法对每个像元进行初步混合像元分解并按照丰度值的 大小降序排列，对排序后的丰度序列进行显著性分析，得到显著性丰度的临界值，然后根据预设的显著 性丰度阈值进行判断组成该像元的稀疏表示端元子集；最后采用丰度约束的最小二乘法再次进行混合像 元分解，将结果作为最终的混合像元分解结果。本发明可以得到更为稀疏和准确的像元表示端元

一种人行横道线自动检测分析方法及系统，包括输入街景的影像，将影像分为训练组和测试组，利 用训练组训练用于检测人行横道线的分类器；例如分类器对测试组影像进行人行横道线的检测识别，通 过后期处理排除错误检测；利用分类器对训练组影像进行人行横道线的检测识别，并通过后期处理排除 错误检测；根据步骤 4 所得各测试组影像的识别结果和步骤 5 所得各训练组影像的识别结果分别统计检 测结果，包括对任一张测试组影像或训练组影像，依照横坐标值的不同，对每一个识别

本发明公开了一种光学元件支撑参数的确定方法，该方法具体为：确定保证面形精度的最少支撑点数为最优支撑点数，并计算支撑点的理想支撑力；依据理想支撑力定义多个不同支撑力波动水平，计算不同支撑力水平下随机支撑力引起的镜片面形变化；统计并检验镜片面形畸变的随机分布规律，建立不同支撑力水平与光学元件成像质量的映射关系；根据质量控制标准，确定支撑力的波动范围。本发明基于蒙特卡洛方法，解析不均匀支撑力作用下镜片面形畸变的随机分布规律，分析不同随机支撑力水平对光学元件成像质量的影响，从而确定合理的支撑力波动范围，为光

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%。

本发明提供了一种基于曲面拟合的电力系统节点动态频率响应特性分析方法，本发明综合考虑了电 力系统初始运行方式及故障形式、故障位置对观测节点动态频率特性的改变和影响，并将节点动态频率 响应特性拟合为多变量的空间曲面形式，采用离线仿真方式提取有限的节点动态频率响应特性仿真值拟 合状态曲面；同时采用节点动态频率响应特性仿真值对曲面进行校核和修正，使得节点动态频率响应特 性在任意状态下均为曲面上一个对应的矢量点。本发明的计算快速性、简便性及准确性均有了本质性提 高，适用于频率响应快过程的电力系统节点动态频率响应特性分析。