本发明公开了一种物流中心能源消耗和污染排放监控及评估系统，包括装卸过程循环控制系统、运输过程循环控制系统、流通加工过程循环控制系统、分拣过程循环控制系统、仓储过程循环控制系统和总服务器，每个过程循环控制系统均包括设备、执行机构、检测器、通讯系统与过程用服务器，过程服务器能根据检测器发送的检测数据来判断此时设备是否处于最佳工作状态，当过程服务器检测到此时设备不是处于最佳工作状态时，过程服务器会报警或者对设备进行调整；总服务器所有过程循环控制系统发送的所有检测数据进行汇总保存、并进行能耗与污染排放数据分

采用一体化的监控管理体系结构，支持管理功能的跨域、分布式部署、运行与协作。支持和扩展了标准的信息模型，提供了主机、集群、节点、网络计算系统四个层次的监控信息，为各监控层次提供了完整的监控度量指标。支持对硬件、软件、网络、服务等各类资源的监控。支持OpenPBS、LSF、OAR等计算作业管理系统。 提供虚拟组织、系统操作员、站点管理员、普通用户等不同层次的信息抽象视图；提供强大的故障检测和报警功能，以邮件等方式报告资源故障；提供完整的基于web2.0的数据展示界面；支持用户定制的图表的生成；采用分布式记账方式，准确记录用户的资源消耗情况；支持灵活的计费策略。该技术目前在中国国家网格、药物设计网格、高能物理网格以及中国国家网格工业社区等多个实际运行的分布式网络计算系统当中得到应用。

本发明公开了一种基于在线学习的监控视频中运动目标跟踪方法，其首先利用离线训练的特定类别测器检测出视频序列中目标区域；然后结合外观特性，采用双阈值保守关联思路关联相邻两帧之间的目标，得到可靠保守的短跟踪片；再在得到的跟踪片上，利用时空域分布约束信息，定义正负样本集，分别提取颜色、纹理外观特征相似度以及运动信息，作为在线学习器训练特征集，通过机器学习在线学习算法的训练过程，得到轨迹片分布规律上基于运动和外观特性的概率

本发明公开了一种基于驱动过滤技术的动态文件监控和保护系统，由驱动模块和客户端部分组成； 客户端用于提供可视化的操作界面并负责数据库操作同时向用户展示相关信息；驱动模块为完成文件系 统监控和保护的主体，承担规则匹配、文件请求分析、文件请求拦截、向客户端发送信息的功能；驱动 模块和客户端之间的通信通过发送消息进行，只要满足规定格式的消息都能被正确接收并解释；本发明 采用驱动过滤技术，基于分桶和字典树的匹配算法实现规则匹配，实现驱动模块与客户端完整的

由本团队研制开发的便携式大范围三维场景全景重构与智能监控系统是用于移动机器人、环境监控、灾难救援等领域的三维环境感知、建模与监控的最新一代产品。本产品由自主研发的硬件设备和专用配套软件两部分构成。本产品还可与视觉传感器配合使用，并基于自主专利技术实现三维激光数据与视觉数据的像素级融合，从而基于RGB-D数据实现大范围三维场景的建模与重构。该成果属于自主创新成果，技术性能达到国际先进水平，填补了国内空白。本产品利用自主研发的高精度旋转云台，可实现360度全景激光测距数据实时采集与处理、多

交通隧道与城市地下工程是我国长期的热点研究领域，我校主要开展隧道与城市地铁工程有限元计算软件研发、城市地铁工程沉降控制技术、复杂地质环境山岭隧道施工监控技术研发、在役隧道病害治理技术研发、隧道与城市地铁工程事故分析与处理技术、山岭隧道与城市地铁工程次生灾害及防治技术研发。曾获得省部级奖励10余项，获得专利30余项，出版专著教材8部，取得了在国内、国际有学科影响力成果，聚集了一大批该领域的技术专家，在山岭隧道与城市地铁工程设计方法、施工监控技术、事故分析与处理方案设计、次生灾害及防治技术等方面处于国

本技术整合了土地复垦学、土壤学、生物学、地质学、化学和信息技术科学等相关学科，采用物理模拟实验与数学模型相结合、理论分析与实际观测相结合的研究方法，通过模型建立、GIS 完全结合和系统开发，实现不同重构措施下的不同年限的复垦农田作物动态预报，揭示重构措施-复垦年限-复垦质量（作物产量）的动态响应机制，为矿山土地资源可持续利用提供技术支撑。 （1）建立复垦土壤水氮运移和作物生长联合模型。联合模型包括作物生长发育、土壤水分运移、土壤氮素运移三个子模块； （2）在 GIS 的基础上进行二次开发，确定数据库管理的结构、数据调运和追加的程序，编写用计算机程序。开发能与 GIS 完全结合的水氮运移和作物生长模拟联合模型组件及其配套的数据库，构建基于 GIS 和模型的复垦农田土壤作物产量预测系统； （3）采用智能化土壤作物系统模型和 GIS 结合的耦合模型，实现不同重构措施下的不同年限的复垦农田作物动态预报，揭示重构措施-复垦年限-复垦质量（作物产量）的动态响应机制。

该项目的关键技术已获批国家自然科学基金项目 2 项，江苏省科技厅社会发展项目 1 项。 1、项目简介 根据污水处理过程工艺特点、现场设备以及工厂环境，以 LabVIEW 和 PLC 相结合，通过 Profibus 总线、Internet 网络及 GSM 无线平台实现数据采集与共享的污水处理远程在线监控系统。并把 LabVIEW、Datasocket、GSM 无线通信和 WEB等技术应用到污水处理过程在线远程监控，实现了真正意义的监控管一体化，提升了水处理厂的自动化水平和故障实时处理能力。系统以西门子工控机作为上位机，PLC 系统采用西门子的 S7-300。基于LabVIEW 开发平台，通过西门子 SIMATIC.NET 建立了 OPC 服务器，使其可以连接下位机 PLC 实现实时通讯，并采用 SQL Server 作为后台数据库，实现数据采集、设备控制、实时曲线显示、历史记录、故障报警等基本监控功能，可以通过浏览器于异地实现远程实时监控。此外，系统通过全球移动通讯系统 GSM（global system of mobile communication），管理人员可在全球范围内用手机通过短信查询工业现场参数。 2、创新要点 实现污水处理过程的多总线分层递阶的分布式控制系统结构；将图像、动画和声音与 LabVIEW 软件结合，PLC 采集的设备实际运行信号转化为 3 维动画显示，实现多媒体控制的监控系统软件。把 LabVIEW、Datasocket、GSM 无线通信和 WEB 等技术应用到污水处理过程在线远程监控，实现了真正意义的监控管一体化。将先进控制技术与优化算法应用于 BOD 等参数的软测量及系统优化。 3、效益分析 该系统采用 LabVIEW 编程平台开发，完成了对水处理整个工艺流程的数据采集和设备控制任务。系统运行稳定可靠，人机交互界面友好美观，操作简便，利用 GSM 无线技术实现短信查询系统参数，通过短信和邮箱等多种手段实现故障报警，并利用互联网技术实现了随时随地的远程在线监控，实现了真正意义的监控管一体化，在推动污水处理过程自动化水平的同时，使整个污水厂人工投入减少了 2/3，提升了污水处理的效率，从而降低了单位体积污水的处理成本，给企业带来了一定的经济效益，相应的节省了生产成本的投入。项目资金需求总额约 100 万元。 4、推广情况 天津伊利乳业有限责任公司；宁夏伊利乳业有限责任公司（吴忠市）；潍坊伊利乳业有限责任公司；张北伊利乳业有限责任公司；上海达能乳业股份有限公司（奉贤区）；湖北劲牌有限公司（枫林酒厂）。 授权专利：污水处理远程在线监控系统 软著登字第 0342652 号 污水处理过程的触摸实时监控系统 软著登字第 0346531 号

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。