在规范采样及针对性测试条件下，释光测年技术应用在埋藏陶器、烧土类考古受热材料的年代学研究中具有高准确度的优势，并有望确定最后一次考古受热事件（如祭祀、焚烧、烹煮等）的高精度年代。

一种宽光谱、强吸收的表面光伏型光探测器的制备方法，其作法是：以钛箔为阳极，铂为阴极，对钛箔进行氧化，得非晶态TiO2纳米管阵列；经处理后，得TiO2纳米管阵列；将钛箔置于高温反应釜内，再将Na2S2O3、Bi(NO3)3水溶液注入密封反应釜，热处理得Bi2S3-TiO2纳米管阵列；在Bi2S3-TiO2纳米管阵列表面覆盖FTO，引出电极，在未生成Bi2S3-TiO2纳米管阵列的钛箔上引出电极，将FTO与钛箔及其Bi2S3-TiO2纳米管阵列的接触边缘封装即得本发明的光探测器。该方法能耗低，工艺、设备简单；制得物适用光谱范围大，适合做光谱分析；还可以做光敏开关等光电器件，具有广阔的应用前景。

本发明公开了一种基于模糊概率的光伏电池的最大功率点的跟 踪方法。所述跟踪方法包括：以ε为采样间隔，获得 N 个采样点 [ui,P(ui)]，i 为小于等于 N 的正整数；其中，ε为 0.05UOC/Ns～ 0.5UOC/Ns，UOC 为光伏电池的开路电压，Ns 为光伏电池的串联数； 通过构造扩散函数 fD 和隶属度函数 fM，求取概率函数 Pro(i)，对概率 函数 Pro(i)的结果从大到小排序，并依次选取排序靠前的概率对应的 Xi 的并集作为最大功率点的搜索范围，使得所述排序靠前的概率函数 Pr

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

随着现代激光技术的快速发展，激光跟踪在空间光通信、激光雷达、卫星遥感、定向能应用及工业测量等领域得到了广泛的应用，光束偏转原理、跟踪机构及其控制方法等是影响跟踪范围、精度、实时性和稳定性等光电跟踪性能的决定因素。在国家自然科学基金的支持下，由同济大学牵头，联合中国科学院上海光学精密机械研究所以及上海同新机电控制技术有限公司等单位开展了面向机器人误差测量等工业应用的多模式激光跟踪仪的研究。该研究对复杂场合下时变轨迹跟踪、测量或加工具有强适应性；结合图像采集系统，可以精确调整成像视轴以实现视觉导引或大范围高精度图像拼接。该项目从原理上拓展了激光多模式、变尺度跟踪的实现方法，形成了复杂场合下大范围高精度动态目标激光跟踪的核心技术，在机器人动态误差测量、动态成像检测、空间激光通信以及军事侦察等领域具有广泛的应用前景。

本实用新型公开了一种扒爪履带式底盘及车辆，底盘的履带总成的前端铰接有扒爪越障器总成，之间连接有折叠油缸。在越野行驶中，在一般地面采用履带驱动行驶；在攀越陡峭阶梯障碍时，扒爪越障器向前伸展，与此同时在履带总成的驱动下，共同实现助力越障的功能，或车辆向后倒退，将前进方向的障碍向后扒平，为车辆顺利通行创造条件。可适用用于各种履带式车辆，如农用履带拖拉机、履带式挖掘机、履带式军车、履带式采伐机、履带式推土机、履带式铲车等。

塑性精密成形是坯料在外力作用下，使金属在模具中发生塑性变形而成为所需形状、尺寸和性能的产品加工过程。该工艺能够解决材料切屑加工困难、加工量大、材料利用率低等问题，既减少了人力物力的浪费，又提高了产品的尺寸精度和使用性能。 1、铝合金、钛合金等温精密模锻工艺应用 某型号飞机铝合金法兰盘无斜度、无余量等温精锻件，图1所示，该锻件通过一次性成形达到零件外形设计尺寸，内孔和外形无须机械加工。 图1 铝合金法兰盘精密成型件 某型号飞机Ti-1023钛合金护板接头等温精锻件，图2所示，该等温精锻件外形无余量，为简单毛坯一次成形。   图2 钢板焊接件及钛合金精锻件 某型号Ti-1023钛合金摇臂等温精锻件，图3所示，已通过装机试飞测试，属于无斜度无余量精锻件。                                                                          图3(a) 钢摇臂机加件     图3(b) 钛合金摇臂等温精锻件 图4所示为某型号发动机TC6钛合金等温精锻件摇臂和指针。研制的钛合金等温精锻件的复杂程度处于国内领先水平。 图4 钛合金等温精锻件 2、液态模锻（挤压铸造）工艺应用 该工艺可解决铝合金小型复杂结构件的精密、高效的成型问题。针对气泵上盖零件，图5所示，实现了一模成形（多）两件、带侧孔抽芯、钢镶嵌件等工艺特点，简化了原加工工艺，降低了制造成本。 图5 气泵上盖液态模锻件 与某军工厂合作完成了多功能炮弹壳体液态模锻工艺研究，图6所示，炮弹毛坯内孔不加工，材料利用率大幅提高，加工工时大幅度下降，炮弹试验件经靶场试验测试满足设计要求。 图6 气泵上盖液态模锻件 某航空仪表电器厂传感器法兰盘，图7所示，材料为Ly12，采用液态模锻技术制取通用毛坯，替代原工艺采用的挤压棒料直接加工，可加工出8种尺寸规格的零件，降低了材料消耗，缩短了加工周期，节省了加工费用，已实现批量生产。 图7 气泵上盖液态模锻件 电器安装基板，如图8所示，材料为6063铝合金，采用液态模锻技术，实现了一模成形两件，将原数控加工的槽沟一次成形，尺寸达到设计要求，简化了该零件的加工工艺，缩短了加工周期，提高了生产效率。 图8 电器安装基板液态模锻件 3、铝合金精密冷挤压工艺应用 变形铝合金薄壁深筒“液压锁缸体”零件，图9所示，原工艺采用棒料直接加工而成，加工难度大、材料利用率低；利用冷挤压技术直接成形，挤压件要求外形及内孔不加工，表面质量要求高，通过工艺及模具设计优化，零件尺寸精度均达到设计要求，内外表面均不需要加工。 图9 液压锁缸体挤压件 手机电池用铝壳毛坯，图10所示，一次冷挤压成形工艺，铝壳壁厚0.3mm，外形尺寸可按要求设计，同时解决了挤压件的表面质量问题，所开发的工艺可用于成型矩形的各种尺寸规格手机电池铝壳。 图10 手机电池壳挤压件 铝合金电器屏蔽罩，图11所示，截面尺寸29×43mm，长度160mm，壁厚1.2mm，采用简单毛坯一次性挤压成形，表面质量好，尺寸精度高。 图11 铝合金电器屏蔽罩挤压件

常用的煤层气增产措施是水平井技术，精确导航钻头钻进将水平井与目标井连通，是煤层气开采时关键技术之一，也是目前开采技术发展的一大瓶颈。为解决这一难题而研制地下导航装置并于2011年5月在山西晋城某煤层井进行现场试验，效果良好，在全国多家知名媒体都有报道。 两井连通示意图 远距离磁穿针整体样机 操作室 山西晋城现场试验

成果描述：本专利建立一种基于线性判别分析和独立成分分析的车辆分类方法，首先利用线性判别分析提取特征进行第一次大小车型的分类，再利用独立成分分析的第二种结构与线性判别分析的结合，进行特征提取，实行第二步将车辆分为不同的详细车型。市场前景分析：车辆分类技术有着非常重要的现实意义，车辆分类技术在自动收费系统、车辆图像检索如市场统计、流量分析及公安交通监控侦稽系统等领域中有着广泛的应用。本发明着重根据车辆视频图像的特点，即其具有较大噪声，且光照强度变化较大，同类型的车辆形状颜色等外在相似程度也较低的特点，将独立成分分析第二种结构的改进方法（FICA2）作为细分类的特征提取方法，构建特征空间进行细分类。经研究表明，本发明的方法处理速度可达到15帧每秒，满足实时处理需求，准确率达到96%以上。与同类成果相比的优势分析：本专利将独立成分分析的第二种结构与线性判别分析的结合方法，即FICA2应用到车辆图像的特征提取中来，FICA2通过寻求稀疏的编码表示，来构建一个分离度更高的子空间。 本专利提出二次分类方法，首先利用线性判别分析进行特征提取，将车辆按车型大小分为大型车与小型车两大类，然后利用FICA2进行第二次分类来达到将车型分为具体类别的目的。经实验验证，与现有的基于图像的分类方法比较，获得了更好的分类准确率。

成果描述：本发明提供了一种货物接收及储存装置，涉及快递物流货物的运输、接收与储存。大楼的楼顶设有卷扬机和固定传送带的平台，传送带的上方设有电子标签识别设备；卷扬机的牵引钢缆与货物运送箱顶部的吊环固结，货物运送箱的两侧设有楼层间的导轨，货物运送箱设有推送机构和箱口限位挡板，推送机构主动端设有电机，电机的轴与平行四边形连杆的主动连杆通过键连接。平行四边形连杆的主动连杆和从动连杆之间通过固定在连杆上的两个倒三角形连接块铰接。主动齿轮与平行四边形连杆的主动连杆固结，从动轮与平行四边形的从动连杆固结，推板与连接块前端固结，三角形连接块的后端设有带滚轮的轮轴，箱口设有限位挡板。主要用于接收无人机送货。市场前景分析：仓储及物流技术。与同类成果相比的优势分析：技术先进，性价比较高。