(1)金属板材数控渐进成形缺陷形态预估技术；利用机器视觉和传感装置监测成形加工状态，并根据监测数据利用模糊识别处理技术预估成形件缺陷形态，提前对将要加工零件刀具轨迹进行干预修正或补偿处理，并为以后深度学习做准备，提高成形质量。(2)金属板材渐进成形工艺参数智能优化技术；采用人工智能技术，并根据预先估计根据缺陷形态及尺寸，结合渐进成形加工过程监测状态记录的数据，利用全局数据反馈机制，动态优化渐进成形工艺参数。(3)金属板材渐进成形刀具路径智能优化技术；根据预先估计根据缺陷形态及尺寸，利用全局数据反馈机制，采用人工智能技术自动生成刀具路径与工艺参数，自主在线学习、优化新的刀具轨迹路径，实现渐进成形加工过程的自主、动态、智能规划。

目前石油高压管件的识别是采用塑料卡绑在管件上，易碎、易丢失；高压管件管理混乱，存在相互借用情况，没有一个明确的身份；高压管件使用记录采用手写，准确性不高，历史情况统计查询困难；高压管件监测采用人工巡检，工作强度大和效率低。针对上述问题，建立一套石油高压管件身份识别全生命周期监管系统是解决高压管件诸多问题的关键。通过对每个高压管件入库为其绑定RFID电子标签作为识别身份的唯一手段，该标签一直跟随管件入库、出库、使用、报警、检测直到报废，并结合手持机APP与PC监管平台进行管理，实现对管件全生命周期的跟踪监管，管理层可实时掌握每个管件的运行态势，并通过数据库，对比分析历史数据，为制定决策提供科学的依据，使得管理工作规范性和监管效率得到大幅度提升，具有广阔的应用前景和显著的经济效益。本项目以石油高压金属管件为研究对象，结合其“金属屏蔽、高温、环境恶劣”的特殊性，在现有RFID标签技术基础上，从抗金属屏蔽、耐高温、抗击打、易绑定、身份唯一性、读取管件详细信息的角度入手，对标签进行设计，从而完成对高压管件的识别跟踪。管件的特殊性在于金属属性，但普通的RFID标签在金属环境无法被识别，这是问题关键。所以研发RFID抗金属标签，突破金属管件识别困难的技术瓶颈问题。该技术可推广用于解决我国石油高压管件的管理难题。

（1）数字孪生模型搭建采用Unity3D平台对工业场景进行大体搭建，尽可能的复现出场景中各个设备及物体之间的物理位置关系，构建出较为真实的生产现场状况；通过构建的孪生模型可以直观的了解现场布局及各个设备具体位置，便于整体规划调整。（2）数据的采集与呈现现实场景部署的设备中的传感器及设备信息通过Modbus协议上传到网关，网关可以对多种协议的传感器数据进行处理，并将所有数据一并或分别通过MQTT协议发送至平台，实现数据孪生中数据的实时更新。数据孪生可以搭载多类传感器实现数据的采集，包括通过孪生的设备对现实设备进行数据交互。孪生平台通过部署在服务器上的MQTT订阅远端设备数据，并根据需要将一定时间段内的数据储存进数据库，便于后续实时查看、历史查询等；孪生模型中通过直接监听MQTT数据回传或者实时读取数据库内储存的数据从而得到现场设备的数据信息，并可以进一步的对数据进行安全性分析（是否超出高低阈值、是否存在异常情况等），在平台中将数据可视化展示。（3）工业设备远程控制工业场景中常用的智能锁、机械臂等设备，可以通过孪生平台根据实际状况及需求模拟指令在孪生模型中发出，现实对应物理设备根据收到的指令执行对应的命令动作，当孪生平台下发行为指令到云平台，通过MQTT协议直接将指令下发到网关中，例如智能锁收到网关发出的开锁指令后实施开锁动作，可以使管理人员远程掌握开锁权限，极大的保证了现场操作安全，机械臂等设备则可以通过远程控制前往人员不便抵达的区域执行作业，同时设备的状态信息也会实时回传到平台，做到远控和实时监测。（4）现场音视频监控回传现场部署的视频传输设备通过rtsp/rtmp协议将监控场景的实时画面及音频回传至服务器端，孪生平台通过配置的流地址对视频流进行访问，并将现场视频与孪生模型相结合，便于远程查看各场景实时状态、对现场进行远程指导，对比设备回传的数据分析，可以及时的发现存在的安全隐患，采取相关措施。

本项目面向飞行器自主导航需求，研发设计了一款基于视觉智能感知的自主导航吊舱产品，并在无人机上完成了样机产品的研制和飞行测试。本产品瞄准GNSS拒止条件下仍然适用的全天时感知导航一体化智能光电吊舱装备需求，能够在实战对抗环境下，为无人机提供全天时导航定位、目标识别跟踪和态势感知等典型基础功能。

本项目提供一种应用于武器装备测试、培训或教学用途的雷达信号模拟设备，包括模块化信号生成软件、中频信号产生通用板卡和射频前端电路。雷达信号模拟器是一个通用化的雷达信号模拟设备，可模拟产生多种雷达的模拟信号，具有通用性、软件化配置、实用性等优点。

本项目主要在智能资源优化和智能信息压缩方面提供技术支持。可通过已授权的专利，直接或经过知识迁移实现资源配置的优化，例如通信资源的优化分配、人员的分配、资金的分配以及材料和设备的分配等；也可以实现信息的智能压缩，如通信中边缘存储信息的压缩、语音和图像的压缩，在压缩中根据需要调节压缩率和压缩比。

现勘鞋印作为犯罪现场留下的主要物证，在案件侦破、串并案分析与法庭举证时，具要重要作用。本项目曾依托“电子信息现场勘验应用技术公安部重点实验室”，针对鞋印图像通常存在残缺及欠清晰的问题，且基于团队具有独立知识产权的多示例及深度学习算法，聚焦公安行业信息化建设发展趋势，立足刑侦工作大数据情报化技术需求，研究与开发“现勘鞋印图像综合管理与分析系统”，利用计算机视觉与人工智能技术，按照人们理解的方式对鞋印图像进行理解与分析，且按图像的语义及视觉信息，将库中所有图像分门别类、条理清晰的组织与管理起来，建立索引结构，以帮助警察能从库中快速查找图像，提高破案效率，在当前“科技强警”工作中具有重要意义及应用前景。针对鞋印图像自动相似比对与识别应用需求，在对鞋印花纹图像特点进行深入分析的基础上，本项目在注重基础理论研究的同时，也关注算法的工程可实现性。在VS2017编程环境中，开发了一个现勘鞋印图像综合应用系统，该系统分为三个子系统，即：鞋印图像与信息入库子系统、鞋印图像库管理与维护子系统、鞋印图像比对子系统，实现了鞋印图像信息入库、鞋印图像处理增强、鞋印图像库管理与维护、索引结构建立、鞋印图像相似比对识别等功能。

本发明成果属于本发明属于通信技术领域，涉及移动自组织网络的稳定拓扑生成，具体是一种移动自组织网络的基于强化学习的分布式自适应稳定拓扑生成方法，用于一种移动自组织分布式网络。

本发明成果属于通信技术领域，涉及无线传感器网络数据漂移盲校准，具体是一种分布式无线传感器网络数据漂移盲校准方法，用于无线传感器网络下分布式数据漂移的盲校准。

5G作为中国新基建之首，在网络建设大规模推进的同时，也越来越多地用于交通、物流、能源、医疗等领域的数字化转型场景。在5G时代，无数可能将变成现实：路上的汽车将是无人驾驶模式，所有车辆通过网络协同行驶，再也没有堵车、交通事故的难题；货物可以通过无人机进行运输，快速送货到家；盲人可以通过辅助设备感知外界，像正常人一样出行生活；手表、眼镜、牙刷等个人物品，以及停车位、垃圾箱等基础设施都可以连成一体。可以看出，5G是一个万物感知、万物互联、万物智联的智能世界，将成为世界万物进入数字世界的入口。项目围绕大规模机器类设备的网络接入问题，研究一种基于混合多域资源的多址接入技术。该项技术主要用来解决B5G或6G时代，大规模物联网中海量机器类设备的网络接入问题，以网络接入密度、系统容量、频谱效率、能量效率为性能指标。