本项目提供压缩机全生命周期管理系统，建立模块化、集成化数据环境，面向于往复压缩机、隔膜压缩机，服务于石油化工、加氢站、储气库、船舶动力等行业主要包括： 设计规划阶段——压缩机整体方案设计，压缩机结构形式设计，核心部件材料遴选分析，启/停流程设计，安全控制策略设计等； 运行工作阶段——压缩机运行数据实时采集、远程动态展示，核心部件状态监测与故障诊断，监测诊断一体式/分体式硬件与软件系统开发； 检修维护阶段——零部件维修预警、寿命预测，可视化维修方案、维修模型、维修视频，压缩机及其辅助系统、零备件信息数字化管理平台。 关键技术一：压缩机性能计算技术与选型设计技术 基于 Windows 平台，遵循结构化、模块化原则，采用 QT 框架、C++语言编制交互设计软件，可实现往复压缩机物性计算、热力计算、动力计算、设计校核复算、平衡计算、产品系列化自动匹配、多工况计算七项功能于一体，可实现往复压缩机机组设计计算、选型、零部件管理一体化功能。现阶段已授权发明专利 1 项，软件著作权 1 项。 关键技术二：压缩机状态监测与故障诊断技术及设备 针对压缩机核心零部件构建相应状态监测方案与故障诊断方法，包括：①集成气缸内热力过程特征和阀片声发射信号的诊断方法，基于气阀声发射信号获得气阀故障的特征参数和反映故障程度的量化指标，诊断不同类型气阀故障；②基于活塞杆应变重构 pV 图方法的往复压缩机气阀无损故障诊断方法，基于活塞杆应变重构压力-容积图（p-V图）的无损监测方法，为传统侵入式方法破坏气缸完整性带来安全隐患的问题提供解决方案；③十字头销磨损、活塞杆松动的故障诊断方法，对不同程度十字头销磨损、活塞杆松动故障进行模拟试验，对比时频域分析研究十字头销磨损、活塞杆松动的故障机理、声发射信号和振动信号特征，提取故障特征识别故障程度；④基于压缩机内油-气压力“伴随”关系，国内外首次提出了集成声发射与油-气压无损监测的隔膜压缩机状态监测新方法，进一步根据油-气压力“伴随”关系的失调追溯故障根源；⑤基于增量式编码器的往复压缩机轴系扭振测试方法，基于增量式编码器构建了往复式压缩机扭振测试系统，为传统方法在现场实际应用时难于实施提出解决方案；⑥压缩机气流脉动和振动模态分析技术，隔振结构设计、管路结构设计，提供机组振动测试、诊断以及改进方案。 本项关键技术现阶段已授权国内发明专利 4 项，申请国际专利 2 项、国内发明专利10 项；应用于中海油海洋平台天然气压缩机；开发压缩机故障诊断仪，已在某加氢站压缩机调试中成功检测出气阀泄漏、膜片运动失效、活塞环磨损、溢油阀阀芯磨损等严重故障。 关键技术三：压缩机数据共享与健康管理云平台 构建压缩机及其辅助系统、零备件信息数字化管理平台；构建压缩机热力-动力-应力-寿命分析模块，集成监测数据评价机组运行状态；基于故障诊断技术，建立机组现场监测数据与健康/故障状态信息实时共享平台，打破机组现场与远程管理者之间的技术壁垒；实现压缩机核心部件维修预警、寿命预测，交互 GUI 界面集成可视化压缩机维修维保手册、指导视频、三维模型；压缩机全生命周期管理，显著提高运维效率和管理水平。

上海芸英工业皮带有限公司生产各种型号的糙面带，糙面橡胶带，糙面橡胶皮，糙面包辊带，包辊糙面带，防滑糙面带，罗拉皮，糙面罗拉皮，粒面罗拉皮，高温罗拉皮，包辊罗拉皮，防滑罗拉皮，刺皮，高温刺皮，糙面刺皮，粒面刺皮，包辊刺皮，刺皮包辊带，平面包辊带，光面包辊带,糙面带，耐高温糙面带，耐高温光面带，耐高温粒面，耐磨耐油防滑包辊带，耐高温硅胶包辊带,主要库存40mm，50mm，100mm门幅的包辊带，糙面带，拥有大量糙面带现货，我公司拥有一整套的生产加工糙面带的设备，可以根据不同客户的要求进行加工长度以及宽度可根据用户的特殊需要定做.特性采用经特殊处理的织物为骨架材料，表面压制特种花纹（糙面、粒面），广泛应用于各种辊筒的包辊；耐油、耐磨、高弹性、不变形、不剥离、牢固耐用糙面带又称糙面橡皮、糙面带、糙面橡皮、包辊带，包辊皮，辊包皮，颗粒带，颗粒皮，粒面带，粒面皮，糙面皮,罗拉皮,防滑带，糙面橡胶、胶刺皮、刺皮、粒面橡胶。糙面带适用于喷水织机、喷气织机、剑杆织机、印染机和验布机的导布辊上，可用于各类织物的牵引，增大摩擦力，提高生产效率。具有不变形、不剥离、耐磨、耐油、防水、抗静电等特点

本发明公开了一种基于拉曼光谱技术的藻种分类识别方法，包括：取相同藻种的多个样本，每个样本均为当前藻种的活体藻液，采用拉曼光谱仪获取各个样本的拉曼光谱原始信息；对采集的拉曼光谱原始信息进行预处理，得到对应的预处理谱图，然后采用偏最小二乘法从各预处理谱图中提取主因子；更换藻种，获得与不同藻种相对应的主因子；以所有藻种的主因子作为输入，以与各主因子相对应的藻种分类为输出，建立BP神经网络模型；取待鉴别活体藻液，获得该待鉴别活体藻液的主因子并输入所述BP神经网络模型，获得待鉴别活体藻液中所包含的藻种分类。本发明实现了基于拉曼光谱技术的藻种快速准确分类，大大简化了操作步骤，缩短了检测时间。

本发明公开了一种基于被动毫米波极化成像的材料分类方法； 首先利用毫米波辐射计成像系统在无极化照射环境中获取给定入射角 下场景的水平极化图和垂直极化图；再根据水平极化图和垂直极化图 计算得到“线极化比”图像；然后统计分析“线极化比”的分布规律， 利用阈值估计公式估计“线极化比”阈值；最后根据分类准则，实现 对场景中的金属材料和非金属材料的分类。本发明能非接触、被动地 对金属材料和介质材料的进行有效分类，并且不受环境辐射变化的影 响，具有很好的鲁棒性，可用于金属目标的遥感与探测、金属危险品 的安全检测与预警等领域。

本发明提供了一种基于音频信号特性分类的无参考音频质量评价方法和系统，包括步骤：步骤 1， 基于有参考音频质量评价模型建立训练模型，采用机器学习获取不同类型音频信号的音频质量与网络参 数的关系，即无参考音频质量评价模型；步骤 2，在音频信号网络传输中，将当前丢包率、当前延迟时 间和当前丢包数据的音频信号类型输入无参考音频质量评价模型，获得当前音频质量。本发明对不同类 型信号采用不同的质量评价关系式进行质量评价，能更真实地反映用户体验。

1. 痛点问题 2021年12月，生态环境部会同相关部门印发了《“十四五”时期“无废城市”建设工作方案》，指出将在100个左右地级及以上城市开展“无废城市”建设，对提升城市固体废物的全过程管理水平提出了更高的要求。然而，当前我国许多城市固体废物产生量持续加大，无害化处置能力尚未得到有效保障，处理设施布局零散，固体废物精细化、信息化管理水平较低，在构建先进的城市固体废物管理模式中面临顶层设计、基础设施、管理体系等软硬件条件的不足，显著影响“无废城市”建设成效及固废管理领域碳减排目标的实现。亟需改进传统碎片式、分种类、智能化水平较低的固体废物管理模式，依托物联网和智慧支撑技术形成多种类型固体废物分类-收运-协同处置全链条系统性方案，充分发挥固废处置中的减污降碳协同增效作用，提升城市固体废物处理在全环节规划设计、工艺技术集成优化、工程及园区的可持续运营等方面的综合实力。 2. 解决方案 针对城市固体废物全过程管理问题，本项成果发挥清华大学环境学院循环经济产业研究中心在城市固体废物管理理论研究、工艺优化调控和规划决策应用等领域的长期积累，开发“无废城市”建设顶层系统规划工具，研发全链条工艺模拟与优化技术，搭建基于物联网和大数据的城市固废智慧化管理平台，形成能够有效服务于“无废城市”建设的城市固废分类-收运-协同处置全链条系统性解决方案。具体包括： （1）针对城市固体废物处理处置系统存在的现实问题，在整个城市层面构建从源头分类减量到末端处理处置、处理设施协同共生的工程技术体系和管理运营模式，打造处理设施协同共生、碳减排和二次污染集中控制效果显著、实现物质有序循环和能量梯级利用的多源固废协同处置园区，构建无害化、资源化、可持续的城市循环代谢链网； （2）开展多源固废处理处置工艺机理模拟，揭示固废-水-能耦合代谢路径与减污降碳潜力空间，实现工艺参数优化；模拟不同固废管理路径对物流、能流的影响，支撑不同应用场景下涵盖源头分类及减量化、污染处理处置、残余物集中控制全过程的工程技术体系优化； （3）基于物联网、智能监控、在线仿真技术等，构建城市固废管理多源异构大数据系统，形成原创性固废智慧管控技术，支撑建立集固废监测、溯源、预报、应急、调控等功能于一体的可视化管理平台，提供多场景、多效能、智慧化城市固废系统性解决方案。 合作需求 （1）与从事城市固废处理、再生资源回收利用、静脉产业园建设等领域的企业以及绿色金融机构开展业务合作； （2）项目孵化需办公场地500平米，天使轮融资需求约3000~5000万。

本发明公开了一种人流量统计系统中分类器的自动选择方法，属于视频监控及模式识别技术领域。本发明包括：预先设定多个成像视角，分别离线训练一个分类器；在线学习时，针对当前输入图像，对各分类器分别执行下述操作：检测目标，将当前检测出的行人目标与已有的跟踪目标进行关联，对未关联的跟踪目标采用跟踪算法进行跟踪，将未关联的检测目标加入跟踪目标队列中；对跟踪目标队列中符合条件的目标进行计数；若所有分类器所计目标数均未超过阈值，

本成果提出的基于超像素样本扩充的空谱全卷积高光谱图像分类方法有效的利用高光谱图像的超像素分割结果指导伪样本扩充增加了训练集样本数量，解决了高光谱图像有标记样本的稀缺问题，同时空谱的全卷积分类网络也充分利用了多尺度的空间特征和光谱特征实现了较高的分类精度。 成果非涉密，专利申请已经提交。 实验采用反射光学系统成像光谱仪（ROSIS）传感器获取意大利北部帕维亚大学（Pavia  University）的高光谱图像数据。该数据集由 103 个光谱带组成，共 610×340 像素，光谱覆盖范围从 430nm 到 860nm，空间分辨率为 1.3m。该数据集一共含有 9 个类别的 42776个有标记样本，选取每类 30 个有标记样本作为训练集，其余作为测试集。 由下表可以看出，在每类选取 30 个样本的情况下，本 模 型 的 OA，AA，Kappa系 数 比 DFFN 模 型 高 出20.8%，17.4% 和 26.5%；比CNN 高 出 23.1%，18.8% 和29.2%。并且下表证明了使用了伪标签样本扩充的空谱全卷积网络的本方法在小样本情况下每个类的分类准确性均优于 DFFN 和 CNN，达到了较好的分类效果。 表 1 PaviaU 数据集上对比实验结果

该成果提出了一种基于空谱差分辅助核联合稀疏表示分类的高光谱图像分类方法。本章方法的主要创新性在于：1）能够将光谱的差分辅助信息和原光谱特征信息有效结合。2）能够考虑不同光谱属性间的高阶空间相关信息。3）原空谱和差分空谱核特征字典的信息通过具有混合正则的核联合稀疏表示分类方法得到充分利用。通过在真实高光谱图像数据上的实验表明，该成果提出的方法能够有效地提高高光谱遥感图像的分类效果。 主要技术指标 不同数据集下的训练样本与测试样本数参阅表 1. 在该训练样本集数量下的分类结果表现参见表 2. 相比于传统分类器 SVM，OA 提高了约 20%；相比于 SOMP，OA 提高了约20%。 该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果，同时在较少训练样本条件下仍能得到较好的分类精度和分类效果。 表 1. 不同数据集下的训练样本选取数量 表 2. PaviaU 大学数据下不同方法的正确率比较

本发明公开了一种基于可穿戴生理设备的睡眠阶段分类检测算法，包括以下步骤：获取多模态脑电生理信号；对多模态脑电生理信号依次执行滤波去除噪声和Z‑score归一化处理，得到预处理信号数据；对预处理后的信号数据通过反向传播算法和梯度下降优化实现，以交叉熵损失函数衡量生成信号与真实信号的差异，不断调整参数使生成信号更接近真实睡眠信号；构建一个与生成器具有相同的卷积单元形式的判别器，判别器与生成器构成生成对抗网络模型，自动调整调节参数，输出不同睡眠阶段的分类结果。本发明通过合理整合EEG和EOG等信号和GAN模型的应用，使模型能够学习到真实睡眠信号的分布并进行准确分类；提高分类的准确性和稳定。