本发明公开了一种基于流程模拟软件自定义模块的流程模拟方法、装置、平台、介质及产品。所述方法包括:响应于流程模拟事件被触发，获取流程模拟自定义脚本；其中，所述流程模拟自定义脚本为用户在所述流程模拟软件的自定义模块中编写的流程模拟脚本；判断所述流程模拟软件中是否存储有与所述流程模拟自定义脚本对应的CPU控制指令；若所述流程模拟软件中存储有与所述流程模拟自定义脚本对应的CPU控制指令，则调用所述CPU控制指令，生成流程模拟结果。本方案在基于流程模拟软件进行流程模拟时，可有效提升代码的执行性能，快速获取流程模拟结果。

 本发明涉及数据处理技术领域，本发明涉及气动进给清灰装备控制方法，包括:首先，通过获取气动进给清灰装备中多个锯齿在不同时刻下的扭矩数据，并将同一时刻下多个锯齿的扭矩数据组合为一个扭矩序列，从而形成第一扭矩序列组；接着，计算当前扭矩序列与下一扭矩序列之间的关联度，利用皮尔逊相关系数及扭矩的最大最小值的乘积进行分析；若关联度低于设定关联度阈值，则剔除对应的扭矩序列，获得第二扭矩序列组；然后，针对第二扭矩序列组计算异常值，当异常值超过异常阈值时，系统将自动触发最大气动功率进行清灰。本发明解决了面对复杂操作环境下清灰效果不佳的问题。

 本发明公开了一种基于自学习的数据挖掘方法及系统，收集不同生鲜产品在各个新鲜度阶段的时间序列图像数据，从中提取出静态特征和动态特征，通过分析这些特征，定义标签，该标签将静态特征与动态特征关联起来，以形成一个综合性的描述；根据动态特征的变化规律，将具有相似变化模式的产品归入同一相似组；在此基础上，利用这些标签和相似组数据训练自学习挖掘模型，专注于提升对相似组产品的识别能力；将挖掘结果反馈至系统的动态时空图中，实现对图中节点属性的更新，从而持续优化识别算法。本发明不仅能够有效克服动态特征变化带来的识别难题，还能通过静态特征提供稳定的识别基准，进而显著提升生鲜产品在不同新鲜度下识别的准确性和可靠性。

 本发明公开了一种基于商密SM9的前向安全标识签名方法，包括密钥生成中心、签名者、验证者。密钥生成中心跟签名者、验证者之间是完全信任的。其中密钥生成中心初始化系统参数，并根据用户标识ID为签名者颁发初始密钥。签名者向密钥生成中心发出密钥更新请求，从而获得更新后的密钥。签名者输入系统主公钥、消息以及t时段下的密钥执行签名算法生成消息签名，并将消息、签名以及自身的用户标识ID发送给验证者。验证者输入系统主公钥以及接收到的参数执行签名验证算法，验证成功则输出1，验证失败则输出0。本发明通过引入密钥更新机制，即使在私钥泄露的情况下，也能确保过去生成的签名不被伪造的签名机制。

 本发明提供一种面向深度强化学习的电网运行环境推演方法，涉及数据处理技术领域，基于电网中设备的属性对电网运行环境进行分类得到发电侧设备、储电侧设备以及用电侧设备；根据各设备的历史电力数据进行深度学习训练，分别得到发电子神经网络、储电子神经网络以及用电子神经网络；根据发电侧设备、储电侧设备以及用电侧设备的数据关联关系对发电子神经网络、储电子神经网络以及用电子神经网络组装，得到总神经推演网络；获取推演目标所对应的变量推演参数输入至总神经推演网络得到预测推演结果；将预测推演结果与实际发生结果比对得到多维度训练数据，基于多维度训练数据对总神经推演网络中神经元的权重以及激励函数训练更新处理。

 本发明公开了一种基于知识图谱的多模态习题表征方法，涉及多模态表征技术领域，包括:获取多模态信息的数学习题信息以及相关知识点，提取多模态习题涉及的所有元素；提取多模态习题的图像和文本特征；基于表层理解规则，明确习题文本和图片中各元素之间的空间关系，并构建表示表层信息的知识图谱；基于隐层理解的规则，将习题涉及的相关定理和公式转化为形式化语言，并构建表示隐层信息的知识图谱；将表示表层信息和表示隐层信息的知识图谱融合为表示完整的习题信息的知识图谱；基于表示不同习题信息的知识图谱节点和边，计算习题之间的相似度和困难度及文本知识图谱和图像知识图谱的匹配度；基于自动解题模型，获得习题的深度表征。

 本申请公开了一种非结构化文本类信息融合方法及装置，方法包括首先对不同格式的文本信息中的各种信息标签进行提取，提取出对应的键值对标签；根据标签对文本信息进行信息提取，并将提取出来的信息存表落库；将根据信息不同划分为多个不同的数据流，然后进行标准化、进行修复和规则转换，重新融合到标准数据流中；从每个数据源中提取主键ID信息，并根据主键ID信息建立每个数据源之间的关联性。最后建立每个信息源的主键关联性，同时设置不同数据源的信息使用优先级，将多个数据源形成为统一整体。可以高效的完成对多个存在较大的关联性的文本数据源的融合，融合后生成一个标准化好的新数据源。

 本发明涉及机器学习领域，具体为基于生成对抗网络数据解耦的数据平衡去毒方法，对数据集进行降维映射和聚类分析，得到若干数据聚类；对每个数据聚类加入对抗扰动，生成对抗数据聚类；对每个对抗数据聚类进行转移率计算和中毒样本去除，得到去毒数据聚类，并将所有去毒数据聚类组合为去毒数据集；对去毒数据集进行数据解耦和平衡处理，得到平衡数据集；基于平衡数据集，对待去毒模型进行微调训练，从而得到去毒模型。本发明能够减少训练数据的中毒样本，避免模型训练过程中学习拟合后门触发器的特征，提高模型后门攻击防御效果的稳定性和模型在实际应用中的可靠性。

 本发明涉及多目标优化控制技术领域，公开了一种地脚螺栓防松设计方法及系统，包括提取地脚螺栓的基础尺寸参数，基于基础尺寸参数构建螺栓初始实体模型；提取地脚螺栓的精细几何参数，生成带有精细螺纹特征的完整螺栓实体模型；对螺栓实体模型划分有限元网格，生成有限元模型；构建防松性能目标函数和重量目标函数，建立多目标优化模型，并求解得到最优解；收集常用金属的物理力学性能数据，搜索最优材料组合，生成地脚螺栓的优化模型；通过优化迭代循环，直至多目标优化模型的函数值达到收敛条件，输出最终的防松地脚螺栓设计方案。本发明提供了一种高效、精确的地脚螺栓防松方案，实现了防松性能和重量的优化平衡。

 本申请提供了一种弹性组合定步长仿真方法及系统，涉及工业互联网数值仿真计算领域，方法包括:获取信息物理系统模型；将信息物理系统模型编译成标准状态方程形式的数学模型；设置定步长仿真算法；设置基础仿真步长；设置仿真采用的定步长模式；定步长模式包括：分时段自定义步长模式和自适应步长模式；通过设置的定步长仿真算法、基础仿真步长以及定步长模式，生成仿真配置文件；通过仿真配置文件、结合数学模型，执行单步积分，完成仿真。本申请的技术方案可支持，分时段跨区间自定义步长离线仿真，同时支持基于事件触发的自适应定步长在线仿真。