本发明涉及一种四氧化三钴纳米线阵列、其制备方法以及作为锂离子电池负极的用途。该四氧化三钴纳米线阵列，其形貌为菱形结构，菱形的边长为100nm~500nm，菱形内角的锐角为30°~60°，阵列长度为5μm~20μm。本发明还提供了制备该四氧化三钴纳米线阵列的方法，以一定摩尔比的钴盐、化学结合剂、碱性反应物和水在常温下进行混合搅拌，将混合均匀的溶液移入反应釜中，并将干净的衬底置于溶液中进行水热反应后取出冲洗，再在惰性气氛中热处理，得到四氧化三钴纳米线阵列。本发明的四氧化三钴纳米线阵列可直接作为锂离子电池负极，能明显提高电池的比容量和循环性能，放电容量高达1000mAh/g以上，是一种理想的锂离子电池电极材料。

 传统的植物组织培养的方法是以琼脂为支持物的半固体或固体培养。固体、半固体培养是一个劳动密集型技术，需要大量的手工劳动，导致生产成本居高不下。液体培养易于操控，适合大规模的组培生产，但是由于组培苗长期的浸泡在液体中，无法进行有效的气体交换，组培苗玻璃化情况严重、抗逆性较差，栽培死亡率高，也增加了生产成本。随着植物组织培养产业日益兴盛，传统的固体、半固体培养及液体培养模式已经满足不了产业的需求。新型生物反应器采用间歇浸没培养模式和自动化控制技术，并以半夏等药用植物为材料进行试验，优化该装置的浸没频率等参数，实现了高通量植物种苗的工厂化扩繁。与传统的培养模式作比较，无论在培养周期、种苗质量上均较优。由于通量大，在育种上的应用节省了时间和人力、物力，效率大大提高，达到产业化应用水平。项目技术优势间歇浸没培养系统结合了固体培养（最大化气体交换）和液体培养（营养充分的吸收）的优点，在很多种植物幼苗和体细胞胚体的培养中占有一定的优势，植物的长势情况和增殖率比传统的固体培养、半固体培养和液体培养都要好，所获得的幼苗和体细胞胚体质量高，更能很好的适应环境，移栽成活率较高。间歇浸没培养模式采用程序控制，自动化程度高，大大的减少了劳动力的消耗，生产成本和传统的模式相比大幅度的降低，在商业化生产上占有很大的优势。①.减少甚至避免玻璃化 实验证明，增加通风和植物材料间歇的接触液体培养基是降低玻璃化的有效方法，而间歇浸没培养系统正好具备这两个特征。②.组培苗环境适应性强 利用传统的培养方式获得的组培苗，对环境适应能力较弱，在炼苗阶段由于环境变化较大，一般成活率较低。但间歇浸没系统获得的植物由于在培养时就进行了外界空气的锻炼，因此，绝大多数能够成功的适应环境，炼苗成活率较高。

本发明公开了一种季铵化壳聚糖衍生物的均相合成方法，首先壳聚糖粉末分散于 7wt?%?KOH?/ ?8?wt?%?LiOH?/?8?wt?%尿素水溶液中，然后迅速冷冻至溶液完全结冰，再在室温下搅拌 解冻，得到壳聚糖溶液;向壳聚糖溶液中逐滴加入 3-氯-2-羟丙基三甲基氯化铵水溶液，于 0?oC?~?50?oC 机械搅拌反应，得到季铵化壳聚糖衍生物。所用的壳聚糖溶剂无毒、无污染、价格低廉;整个合成方法 操作简便、反应条件温和、速度快且不需要加入有机溶剂作稀释剂。所

微生物菌肥以其改良土壤、增加产量、提高品质且保护环境等特点而受到人们的追捧。但这些菌剂产品主要是单独或添加到低浓度的有机肥中使用的，无法在高养分复合微生物肥料中使用。这不仅增加了施用成本，还因时间差造成两种肥料都不能发挥最大功效。 针对以上问题，本团队对功能性耐盐微生物菌剂的制备关键技术、与常规化肥的整体成型工艺展开了研究。首先开发出了枯草芽孢杆菌、地衣芽孢杆菌、解淀粉芽孢杆菌、胶冻样类芽孢杆菌、蜡质芽孢杆菌、侧孢短芽孢杆菌、巨大芽孢杆菌等8种功能性耐盐微生物菌剂产品，芽孢率≥98%；并确定了适用于复合肥、有机肥、液体肥的添加工艺，保证菌种在肥料中的高效存活，使有效活菌数符合国标。本技术产品可以有效改善多种连作土壤，抑制有害微生物的繁殖，提高土壤养分的利用。该产品具有很强的实用性价值。

传统的植物组织培养的方法是以琼脂为支持物的半固体或固体培养。固体、半固体培养是一个劳动密集型技术，需要大量的手工劳动，导致生产成本居高不下。液体培养易于操控，适合大规模的组培生产，但是由于组培苗长期的浸泡在液体中，无法进行有效的气体交换，组培苗玻璃化情况严重、抗逆性较差，栽培死亡率高，也增加了生产成本。随着植物组织培养产业日益兴盛，传统的固体、半固体培养及液体培养模式已经满足不了产业的需求。 新型生物反应器采用间歇浸没培养模式和自动化控制技术，并以半夏等药用植物为材料进行试验，优化该装置的浸没频率等参数，实现了高通量植物种苗的工厂化扩繁。与传统的培养模式作比较，无论在培养周期、种苗质量上均较优。由于通量大，在育种上的应用节省了时间和人力、物力，效率大大提高，达到产业化应用水平。 项目技术优势 间歇浸没培养系统结合了固体培养（最大化气体交换）和液体培养（营养充分的吸收）的优点，在很多种植物幼苗和体细胞胚体的培养中占有一定的优势，植物的长势情况和增殖率比传统的固体培养、半固体培养和液体培养都要好，所获得的幼苗和体细胞胚体质量高，更能很好的适应环境，移栽成活率较高。间歇浸没培养模式采用程序控制，自动化程度高，大大的减少了劳动力的消耗，生产成本和传统的模式相比大幅度的降低，在商业化生产上占有很大的优势。 ①.减少甚至避免玻璃化实验证明，增加通风和植物材料间歇的接触液体培养基是降低玻璃化的有效方法，而间歇浸没培养系统正好具备这两个特征。 ②.组培苗环境适应性强利用传统的培养方式获得的组培苗，对环境适应能力较弱，在炼苗阶段由于环境变化较大，一般成活率较低。但间歇浸没系统获得的植物由于在培养时就进行了外界空气的锻炼，因此，绝大多数能够成功的适应环境，炼苗成活率较高。 技术成果 本项目已利用新型生物反应器进行了半夏、铁皮石斛、大蒜、百合等经济植物的扩繁。 目前本项目已申请发明专利1项，实用新型专利2项：

传统的机器或机械零件的产品开发模式是必须开发出实物样机或样品，并对其进行静强度或动态性能测试，然后再进行设计修改，这样要重复好几次上述过程，才能设计制造出合格的产品。这需要花费大量的时间与金钱成本，已经跟不上日益变化的市场的需要。本成果采用了先进的虚拟仿真技术，对计算机中的机器的3维几何模型，可容易地进行编辑、修改，并检验其制造的可能性，生产成本，能否容易装配。另外，可以对其3维几何模型附于物理属性，能模拟其工作状态，可进行运动学、动力学、热力学、强度、振动分析仿真，也就是说，在设计阶段(不需要制造出实物)，就可以把握住机器或机械零件的静态与动态性能，最终可以设计制造出低成本、高性能的机器。 该成果适用于任何大中小型机器及其零部件。 本成果已经应用到国内外多家著名公司，如摩托车的动态力学性能的仿真分析,计算机硬盘系统的静态与动态性能的仿真分析,配气机构的动力学优化与分析,大型曲轴车床整机动静态性能分析与优化,渐开线齿轮的精密接触分析与优化。

面向机器人的智能视觉环境感知及三维场景重建 面向机器人视觉的自然场景理解是近年来的研究热点和重要挑战之一，其目标是对自然场景图像及视频的内容作出有效分析、认知与表达，目前相关理论和算法正处于初期探索阶段。我们的研究成果表明，从场景视觉语义推理、场景目标识别和场景行为模式检测三个环节展开研究，有助于构建自然场景理解的创新机制，进一步开发机器人

本课题在重庆市工业发展资金的资助下，开展了片上可信嵌入式系统的研 究。采用S0PC将TPM标准安全处理模块、外围接口与处理器整合在单个集成电路芯片上，为解决特殊领域嵌入式系统的安全问题提供有效和实用化的解决方 案。可以直接在国防、金融等领域推广应用，以提高智能化产品的安全性能。 系统特色： 1.  芯片化可信安全机制牢固 2.  应用范围宽 3.  可以不改变原有产品系统的硬件结构 4.  拥有核心技术与国家发明专利5.市场需求面广、量大。

国内首家推出的全数字式系列智能花式纱线生产装置，可作为传统环锭细纱机、转杯纺纱机制造厂的选配件，但主要是作为纺纱工厂的设备技术改造后生产竹节纱或段彩纱等高附加值产品，能够满足生产实际需求的任意竹节长度、竹节粗度、竹节间隔任意调节与组合，并可生产特殊的具有平面投影拟合的特色竹节纱，始终处于国内领先水平，已在国内外200多家企业推广应用。

1.痛点问题 多年来，工业大数据领域大数据分析算法和模型都是基于大量代码实现，效率低，难以实现快速开发。同时，工业大数据处理分析模型处理过程多由多个算法通过一定的计算流程构成，计算流程复杂多变，迫切需要一款支持灵活定制和快速开发的处理分析技术来支持工业大数据处理分析。 2.解决方案 清华数为交互式大数据处理与分析技术针对工业大数据处理与分析任务的交互式探索、建模、调试和应用而设计。根据CRISP-DM设计原则，一般大数据处理与分析分为业务理解、数据理解、数据准备、建模、评估和部署等阶段，各阶段相辅相成，形成一个大数据处理分析生命周期。 图1.交互式大数据处理与分析技术设计思想 本成果技术基于上述CRISP-DM的设计思想而设计，完全支持大数据处理与分析生命周期。该技术的特点包括： （1）内置数百种通用和专用的大数据分析算法和模型，并提供了按需扩展机制，用户可以按照自己的需要随时添加和扩充，以支持客户特定的大数据应用需求； （2）支持拖拽方式构建处理与分析流程，完全图形化设计大数据处理分析计算流程，并能在设计过程中进行单步/多步运行调试，查看中间结果，实时调整运行结果，以获得用户期望的处理分析结果； （3）支持机器学习模型训练及使用，内置了机器学习模型训练框架，一般机器学习模型在该技术的支持下，可以实现快速训练，训练结果可支持进一步的大数据处理与分析； （4）支持数据处理与分析流程参数化，在其提供的内部数据处理与分析算法模板中，用户通过算法模板可以开发面向Java、Python的算法，并集成和扩展到该技术的算法集合，实现按需定制处理分析； （5）支持数据画像和学习模型可视化，以图形化的方式定制数据画像的方法模型，并以二维和三维图表的形式展示给用户； （6）支持批处理、流处理和流转批处理三种处理方式； （7）按需定制运行计划与资源有效利用，用户可设置任务执行计划，任务执行计划定期运行，以实现周期性处理分析，方便获得持续的运行结果。 清华数为交互式大数据处理与分析技术面向多种用户角色，包括数据工程师、数据分析师、数据科学家、算法工程师、运维工程师、代码工程师等。采用分层设计，分为客户层、服务层、计算层。 客户层包括流程建模调试工具，用户可用工具图形化拖拽式设计处理与分析计算模型，并可进行调试和查看中间结果；管理工具，针对服务层所调用和访问的计算框架或者外部系统进行管理，包括对于数据源、计算环境、存储环境等的管理工具。 服务层主要包括流程调度服务，即负责按照用户所设定的工作计划来定时调度执行计算模型；执行服务，是负责执行处理分析计算的模型和算法的服务；计算资源管理服务负责管理执行服务中所能集成的所有的服务，如计算框架和存储设施等。 计算层是执行服务在执行处理分析算法和模型中所访问的外部服务，包括计算组件或框架，以及持久化存储组件或者系统等。 图2.交互式大数据处理与分析技术架构 本成果的交互式处理与分析技术较好地解决了工业大数据处理分析工作中所遇到的问题和痛点，并且能够广泛应用于多个行业和领域中，如能源、矿山、医疗器械、装备制造业、消费品制造业、工程机械行业等。 合作需求 期待与工业、医疗等领域企业紧密合作，获得各领域的实际需求，促使该技术不断完善和升级迭代，走向成熟。 未来将在工程机械行业、医疗机械行业、矿山行业、装备制造行业、互联网电商行业等寻求更多的成果转化、深度合作机会，在合作基础上，推动上述行业领域实现数字化转型和智能化升级，为国家实现“双碳”目标做出清华贡献。