|
搜索
搜 索
高等教育领域数字化综合服务平台
芯片热设计自动化系统
TDA（芯片热设计自动化）软件是清华航院曹炳阳教授团队全自主研发的国际首个芯片跨尺度热仿真与设计系统。TDA软件可实现芯片从纳米至宏观尺寸的热设计与仿真，支持芯片微纳结构内部热输运过程的模拟研究，直接提高芯片热仿真精度与结温预测准确度，进而提高芯片性能、寿命和可靠性。
清华大学
2025-05-16
专家报告荟萃② | 杨俊辉：“三浸三制三化”创新人才自主培养 高质量服务国家战略腹地建设
加强国家战略腹地建设，是以习近平同志为核心的党中央统筹国内国际两个大局、统筹发展与安全两件大事作出的重要部署。
中国高等教育博览会
2024-12-04
电网三相不平衡调节系统
项目简介： 由于在电网中会出现三相不平衡现象，通常需要运用多种补偿技 术进行调节。其中一种可行的方法，便是在三相电系统中加入负荷平 衡器，进行动态相间补偿，这种补偿的目的是在不影响负载工作（即 负载不断电）的情况下进行自动换相，其核心技术是逆变和变频。本 系统借助能源互联网这一新概念，搭建新型能源局域网（子单元）， 从而实现三相电的平衡。
南开大学
2021-04-11
人工智能AI三维解析系统
北京体育大学主导研发的全球首款基于AI图像识别技术的三维运动解析系统可以自动识别人体关键点，将不同摄像机拍摄到的同一运动画面进行三维合成和运动技术分析，获得运动生物力学的详尽参数。该系统利用AI 技术大大降低了人工解析时间，提高了三维解析效率，有效提高运动表现。
北京体育大学
2021-04-10
高精度三维物体轮廓测量系统
由西安交通大学精密工程研究所自行研制开发的逆向测机系统是逆向工程（RE）领域的关键设备之一，是先进制造技术的重要组成部分。它主要用于工业产品的快速开发和快速制造过程，它的推广与应用将给企业界带来一种全新的生产制造模式。本研究所研发的逆向测机系统是利用先进的非接触光电测试手段，并运用现代图像采集和处理技术对三维物体进行扫描测量，高效率地获取物体的三维轮廓信息
西安交通大学
2021-01-12
牵引供电三维虚拟实训系统
本成果来自有重大应用前景的横向项目，经四川省科技厅鉴定，达到国际先进水平。该系统首次将基于动作捕捉的人机交互技术、沉浸式显示技术引入牵引供电系统培训，提高了设备认知和系统培训演练的真实度；利用虚拟现实技术实现了虚拟培训与实际变电所、接触网运行系统的有机融合，实现了牵引供电系统的高效、集约化培训；研发了实时高效、自由可控的牵引供电系统业务流程解析引擎，实现用户自由定制业务和功能扩展。
西南交通大学
2016-06-27
三相光学电流互感器系统
本项目为国家专利项目，专利号：ZL 00 2 61363.8.2001。电力工业是国家经济建设的基础工业，在国民经济中占有举足轻重的地位.随着科学技术的进步和电力工业的发展，高达数百千伏的输电、变电站、网已被越来越多的引入电力系统,一次仪表和二次仪表之间的电绝缘和信息传递的可靠性要求可能使传统的测量手段无用武之地.目前，在高电压、大电流、强功率的电力系统中
西安交通大学
2021-01-12
海信三个课堂+系统解决方案
基于“三个课堂”教育政策基础下的海信“三个课堂+”系统解决方案。全新的海信“三个课堂+”系统解决方案打破传统“1托3”限制，建立多间“1托N”教学子系统，区域间可实现千间教室同时在线互动学习。该方案不仅可满足专递课堂，名师课堂、名校网络课堂的“三个课堂”的场景应用，同时也可满足远程会议、空中课堂、在线教研、“四点半工程”、巡课督导等应用需求。最新版本还创新性的提供了“远程讲评”“答题互动”等功能，搭配协作白板、随机挑班、抢答等互动工具，打造趣味性课堂互动模式，让主讲老师充分关注到听讲班级的每位学生，即使相隔千里，犹如置身同一课堂。
青岛海信商用显示股份有限公司
2021-08-23
M6三维移动扫描系统
M6是一款3D可自由移动的室内扫描系统，能够在环境中进行快速扫描来捕获室内可视化的所有数据，并可以实现无间断作业，同时实现高采集效率与数据质量。
广州南方高速铁路测量技术有限公司
2022-05-24
锂电池管理系统AI算法研究
本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。
解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。
在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。
目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。
西南大学
2025-05-12