本技术提供了一种基于柔性产线开启的高端装备供应链双代理协同调度方法，涉及生产调度技术领域。所述调度方法设置输入参数和运行参数，在优先满足代理2的前提下，构造初始解集，选最优的解作为初始解x0；对初始解x0进行Shaking操作获得新的解x1，对x1进行局部搜索，获得新的解x2，判断x2的适应度值是否优于x1的适应度值，若是，则将x2作为初始解继续进行迭代，直到搜索出全局最优解xbest，按照xbest所提供的方案对供应商生产任务进行指派，实现最大限度地提升高端装备制造企业对资源的利用效率和运行效率，降低供应链的总成本。

 本文提供的基于熵的肌肉疲劳评估方法及其应用，具体涉及信号处理技术领域，该方法首先采集表面肌电(sEMG)信号并进行预处理。随后，采用分数阶微积分与波动分散熵(FDE)算法结合，并引入多尺度处理过程，从而创新性地提出RCMFFDE算法。利用此算法对预处理后的sEMG信号进行多尺度分析，生成多条熵值曲线。通过选取满足预设条件的熵值曲线作为最终熵值曲线，所述最终熵值曲线能够准确反映肌肉疲劳状态。该方法能够有效、可靠地评估肌肉疲劳程度，对预防人体肌肉疾病和运动损伤，具有重要的运动学和医学意义。

 本技术提供一种基于生产外包情形的高端装备研制与批产协同调度方法、系统、存储介质和电子设备，涉及高端装备研制与批产协同调度领域。本发明面向高端装备制造商的研制与批产两阶段协同调度问题，增加了制造商将订单外包的情形，符合高端装备企业发展的实际需求。针对制造商自行研制批产的情况，以制造商总体利润最大为优化目标，获取自行研制批产订单集合及其对应的研制团队与生产线，并据此确定外包订单集合。此外，利用改进的迭代贪婪算法快速且准确的求得问题近似最优解，求解结果能够满足高端装备制造商的生产需求，提升高端装备研制和批产的效率，增加高端装备制造商的总收益。

 本技术属于信号处理技术领域，具体涉及一种基于时变模糊色散熵的脑电信号复杂度分析方法，包括下列步骤:对脑电EEG数据进行预处理；进行粗粒化处理，得到粗粒化之后的时间序列；考虑每一通道内的瞬时变化，得到变化序列；基于正态累积分布函数NCDF分别对每一通道的元素进行0‑1之间的映射，之后进行二次线性映射；依据多元嵌入理论，进行多元嵌入重构；从每个多元嵌入向量中每次选取m个元素，依据模糊隶属度函数确定这m个元素的色散模式；基于香农熵的定义计算多元多尺度时变模糊色散熵。本发明在多尺度下对信号进行了全面的探索，通过计算通道内的瞬时变化，在衡量通道间关系时同时关注到通道内的信息，引入模糊化的思想提高了抗噪能力和稳定性。

 一种基于大规模语言模型的电子装备变体设计方法，属于电子装备变体设计技术领域。为解决生成符合相应领域、功能要求的CBB模型的问题，本技术包括向通义千问模型提供生成目标电子装备CBB模型的命令；向通义千问模型中提供加入提示词命令；生成电子装备CBB模型，然后向通义千问模型输入文本命令，通义千问模型根据文本命令和电子装备CBB模型生成电子产品架构；得到文本特征作为电子装备变体数据集；采用中文版BERT模型作为电子装备变体设计Bert模型，然后基于Lora方法微调电子装备变体设计Bert模型，得到训练好的中文版BERT模型；根据模型文本特征的相关性，过滤掉无关的电子装备CBB模型。本发明正确性高。

 本技术提供了一种电力现货机制下储能系统的容量与运行规划方法及系统，基于储能参与电力现货机制的框架，对储能在现货机制下的规划指标、运行损耗与利用度进行建模；建立储能全寿命周期规划指标模型，并通过资本回收系数将储能全寿命周期规划指标折算到单日，同时建立常规火电机组的日运行总损耗模型；根据现货机制的出清要求，建立平衡约束，并采用DC潮流模型建立输电网线性潮流约束；结合平衡约束和输电网线性潮流约束，以储能日规划指标与常规机组运行损耗最小为目标，建立第一阶段储能容量配置优化模型，求解储能的最优容量配置；以提高储能利用率与降低系统损耗为目标，建立第二阶段储能优化运行模型，求解得到储能最优运行规划。

 本技术公开一种全芯片电源网络设计方法，包括:步骤一、功耗分析，分别计算出芯片在不同应用情况下的最大瞬态功耗和平均功耗；步骤二、电源网络参数的估算，对电源网络的参数进行估算，从而为电源网络提供参考设计；步骤三、电源网络的设计，包括确定电源网络的密度，电源IO的数量以及选择电源轨的风格；步骤四、进行网络格点的分析。通过对全芯片电源网络进行优化设计，进而确保了电压降和电迁移处于理想范围内的前提下，使电源网络所占的芯片面积最小，并且不会引起不限的拥塞，提高电源网络与芯片的适配度，进而使得全芯片电源网络面积比均匀分布法要小，大大提高芯片工作寿命。

 本技术属于成矿预测技术领域，公开了一种精细样本分割和小样本学习策略的成矿预测方法。本发明提出一个鲁棒的小样本学习框架，通过数据增强扩充了有标签数据的容量，并采用迁移学习对模型预训练和微调，使模型具有出色的预测效率，在一定程度上抑制了模型的过拟合问题，降低了模型预测的不确定性。小样本学习框架经过SMOTE对数据集平衡化，提高了数据集在训练过程中的分类精度。小样本学习框架的预测点呈拱形，有利于对高概率、低不确定性的潜在目标进行聚焦。小样本学习框架有控制过拟合的能力，并产生了具有低不确定性水平的高置信度勘探目标。

 本技术公开了一种基于分解兼容性仿射粒子网格算法的固液耦合仿真方法，适用于弹性固体与不可压缩流体在自由滑移边界条件下的相互作用仿真。其步骤为:a）通过采用粒子与网格兼容性描述流固界面处的网格节点与粒子关系，为后续的粒子‑网格‑粒子传递提供指导；b）使用相场梯度法追踪界面处的流固兼容性和法向；c）在不兼容的网格节点间传递速度的切向分量，以防止不同相场间的速度平滑化，而速度的法向分量则不受限制地传递，实现流固界面的顺畅分离。本发明有效减少了传统MPM方法中的非物理粘性，提供了更精确的固液耦合仿真效果。

 本技术公开了一种基于两阶段搜索的学习型查询优化器构建方法及装置，包括:通过基于马氏距离度量的适用域检测器，利用训练数据验证用户查询是否在优化器的适用域内；若不在适用域内，此查询将被交于底层的数据库管理系统进行处理和执行；若在适用域内，本方法将利用现有的基于束搜索的计划生成器生成最优的k个计划作为候选集，并利用数据增强后的执行计划训练挑选器；计划挑选器将利用回归模型预测候选计划的预计延时，从而选出最优查询计划，并交由数据库管理系统执行。本发明利用两阶段搜索和适用域检测的方式，提出了一种准确高效且鲁棒的查询优化器，拥有产出计划质量高、训练效率高、鲁棒性强等优点，具有广阔的应用场景。