“自来水生产过程控制关键技术研究与自动化、信息化示范工程建设”项目通过对制水生产流程的关键性工艺流程的研究，针对整个工艺流程大时滞、大惯性和非线性的特点，在原有检测和控制设备的基础上，通过建立与实际工艺和设施相应吻合的系统数学模型，改进控制算法，开发臭氧投加，加矾和加氯系统的智能化自动控制系统，并进行大系统整合、优化，实现对自来水厂整个工艺流程的自动控制，进而提高和稳定出厂自来水的水质，并实现节能降耗。该成果已经在南京城北水厂、北河口水厂、苏州相城水厂得到广泛应用。

哈尔滨工程大学饱和蒸汽压测定和临界现象观测实验仪采购项目竞争性磋商

西安交通大学能源与动力工程学院微区X射线衍射仪竞争性磋商

简介内容文字控制在150-300字，主要说明成果的特点和技术创新点，应用领域（可以包括：主要技术、经济性能指标，成熟程度，应用前景，投资规模，希望的合作方式、获得的荣誉或专利情况等内容）“自来水生产过程控制关键技术研究与自动化、信息化示范工程建设”项目通过对制水生产流程的关键性工艺流程的研究，针对整个工艺流程大时滞、大惯性和非线性的特点，在原有检测和控制设备的基础上，通过建立与实际工艺和设施相应吻合的系统数学模型，改进控制算法，开发臭氧投加，加矾和加氯系统的智能化自动控制系统，并进行大系统整合、优化，实现对自来水厂整个工艺流程的自动控制，进而提高和稳定出厂自来水的水质，并实现节能降耗。该成果已经在南京城北水厂、北河口水厂、苏州相城水厂得到广泛应用。  ①平流池出水实际浊度值与设定浊度值的偏差在95%以上时间内应小于等于±1NTU（目前南京市自来水公司浊度内控标准允差±2NTU ）； ②出厂自来水余氯在95%以上时间内控制在0.6mg/L～0.8mg/L （目前南京市自来水公司出厂自来水余氯内控范围为0.6mg/L～1.0mg/L）； ③（相比目前）年均节约矾耗≥8%； ④（相比目前）年均节省氯气投加量≥10%； ⑤（相比目前）年均节省电耗≥5%； ⑥（相比目前）年均节约反冲洗水量≥10%； ⑦从自来水总公司调度控制中心，可实现对城北水厂一泵房（取原水）、二泵房（输出自来水）远程监视和远程调度。获得4项发明专利授权，5项软件著作权授权 1.基于废水排放比例采样时刻低比例系数的确定方法 专利号：ZL201110280585.3 2.在线采集水质数据有效性的诊断方法             专利号：ZL200910185421.5 3.一种水厂臭氧接触池进水流量的在线测量方法     专利号：ZL200910233689.14.基于RFID 的记忆式废水留样装置                专利号：ZL201120354013.0   ① 平流池出水实际浊度值与设定浊度值的偏差 在 95% 以上时间内应小于等于± 1NTU （目前南京市自来水公司浊度内控标准允差± 2NTU ）； ②出厂自来水余氯在95%以上时间内控制在0.6mg/L～0.8mg/L （目前南京市自来水公司出厂自来水余氯内控范围为0.6mg/L～1.0mg/L）； ③（相比目前）年均节约矾耗≥8%； ④（相比目前）年均节省氯气投加量≥10%； ⑤（相比目前）年均节省电耗≥5%； ⑥（相比目前）年均节约反冲洗水量≥10%； ⑦从自来水总公司调度控制中心，可实现对城北水厂一泵房（取原水）、二泵房（输出自来水）远程监视和远程调度。获得4项发明专利授权，5项软件著作权授权 1.基于废水排放比例采样时刻低比例系数的确定方法 专利号：ZL201110280585.3 2.在线采集水质数据有效性的诊断方法             专利号：ZL200910185421.5 3.一种水厂臭氧接触池进水流量的在线测量方法     专利号：ZL200910233689.14.基于RFID 的记忆式废水留样装置                专利号：ZL201120354013.0

酿酒、调味品等食品酿造工艺工程类及精细化工领域装备技术合作

为推动合成孔径雷达(SyntheticApertureRadar，SAR)目标识别等前沿技术发展，安徽大学电子信息工程学院陈杰及黄志祥教授团队联合中国电子科技集团公司第三十八研究所对地观测研发中心邬伯才研究员团队、天地信息网络研究院（安徽）有限公司盛磊研究员团队共同发布一套大规模多类SAR目标检测数据集-1.0（简称为：MSAR-1.0）。

本技术成果将网络负载均衡与路由技术延生至交通领域中的车流量导航与道路控制，通过基础图论中的关键理论，结合大数据分析与聚类技术，旨在解决现有城市道路路网中存在的潮汐效应与拥堵问题，项目拥有多项自主核心知识产权，涵盖路径规划与搜索算法、数据并行存储与计算。通过仿真表明，项目实施后，能在现有路网规模的基础上，显著提升现有道路的负载通行能力，缓解城市道路因局部负载过大导致的负载不均与交通拥堵，改善出行体验，降低尾气排放，提升智能交通效率。

目前北京理工大学基于神经网络的智能无人机疫情预警监控系统主要由无人机平台、光电载荷、喊话系统和地面控制及图像处理平台组成。 该智能无人机疫情预警监控系统能够自动监控广场、公路、小区等各类环境中的人群，检测人员聚集情况，利用红外热成像技术实时获取人员体温情况，实现在非接触情况下对疑似高危人员的快速区分，并快速形成疫情人员相关数据，还可以提供数据接口，供大数据系统进行分析。该智能无人机疫情预警监控系统可同时提供监控人员及被监控人员交互通道，通过喊话系统，监控人员可以随时疏导或制止被监控人员的异常行为，为疫情监控和预警提供了更为清晰和直接的手段方式。