本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。应用范围: 1、智能网关： 开发基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置服务器。 综合接入能力： 包括有线传感器和特定的无线传感器、与现有系统的对接 有效感知能力： 实现基于图像的AI视觉感知能力，重点研究基于小目标的图像分类算法 安全传输能力： 提供4G、5G、NB-IOT的上行传输模块化替换 提供安全的加密手段，保证数据安全 现场调试配置能力： 具有现场WiFi调试功能，方便安装和运维人员现场配置和检测 软件和通信标准版本现场升级 2、AI模型管理系统 需要实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。 样本管理能力 原始样本管理、样本实例库分类和管理、检测样本管理等 模型计算和管理 算力管理：对算力的统筹，外部算力的对接等 算法管理：自主开发算法的管理和调动，外部算法的调用和对接 模型管理：包括模型的功能属性和已经应用的情况的统计分析 设备管理 设备的AI模型配置能力、AI推演过程的监控、AI推演结果的跟踪采集和分析 3、数据管理和标准化处理 数据有效性管理 监测数据是否按时上传、上传数据是否符合要求、是否为非法数据 告警输出：把告警信息进行分类，并推送给相关的运维系统 数据质量评估 按照标准对现场采集数据进行多维度的质量分析，为后续数据应用提供参考依据 数据标准化 格式标准化：完善采集时间、地点、单位等属性， 输出标准化：按照标准协议与工业互联网平台数据池进行对接 数据安全 区域性部署：可以应用户要求部署在其内网 并行部署：可以通过并行部署，网关上联多个服务器，确保用户的可靠性需求 数据回滚能力：可以应工业互联网平台要求对数据进行一定期限内的回滚，保证数据在一定时间段内不丢失 4、智能运维 开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提供效率、降低人员成本、保证系统运行质量和数据的有效性。 运维人员管理 对运维人员的信息、定位、工作状况管理 巡检任务管理 对部署的硬件和相关工作环境定期巡查的任务制定、下发、执行过程和结果的记录和管理 临时故障处理 对系统自动告警和现场突发状况的应急处理能力，包括人员调配、处理流程提示和建议、相关情况处置参考案例、后续统计追踪等。网关核心板实物照片

成果描述：EVA胶膜封装是太阳能光伏电池重要的组件之一，通过封装可以保护电池片和电极、提高电池的发电效率和耐久性。本产业化项目通过改善封装材料的透光率、粘接强度及耐老化等性能提高太阳能电池的发电效率和延长使用寿命，降低光伏发电成本，制备使用寿命可达30年、低成本高性能EVA胶膜。已实现工程化，可提供全套解决方案，包括配方、技术工艺、生产线设备定制等全套技术。建成示范生产线1条.市场前景分析：受行业影响，EVA太阳能電池封裝膠膜整个市場存在了一些不確定性。目前有上升趋势。与同类成果相比的优势分析：自主研发的高性能EVA胶膜透光率达92.46%、使用寿命可达30年，封装太阳能组件发电效率同比提高1.5%。同时，项目的产业化实施，可使光伏组件封装效率提高10%、成本降低40%。

发展了基于头表脑电技术的光标控制系统，该系统利用信息技术对残疾人的大脑信息进行解码，然后对其意图进行识别，然后将识别结果作为控制命令输出，达到对计算机光标或者外界轮椅的控制，建立残疾人和外界的一条通道，为残疾人和外界的交流以及运动的辅助提供了帮助。

该成果是将新能源并网发电逆变器装置的特性控制成虚拟同步发电机的特性。这样逆变器组成微网或者并网运行时，可以充分借鉴传统电网管理的思路，实现新能源的友好并网。 这项技术被视作实现下一代全自主智能电网的可行技术而在IEEE Smart Grid刊出。

本发明属于无线通信技术领域，具体涉及一种基于卷积神经网络的干扰信号识别方法。本发明的方法主要包括构建卷积神经网络；对接收到的干扰信号做预处理，将其作为卷积神经网络的输入样本；根据待识别信号的类别，将信号样本及其对应的类别构建为训练集，利用构建的训练集训练构建的卷积神经网络；根据训练的卷积神经网络，对每个预处理后的信号样本进行识别，获得未知信号的所属类别。

以猪、牛、人组织为来源，经过特定的脱细胞工艺 处理，我们得到不同类型、37度体温下发生溶胶-凝胶 转变的脱细胞组织基质水凝胶。包括：外周神经、脊 髓、小肠黏膜下层、心包、肝脏、皮肤等。水凝胶DNA 含量小于50ng，无免疫源性，符合国际标准。

首次采用冶金电弧炉工艺熔融处理焚烧飞灰，开发了飞灰电弧炉熔融处理技术，降低了设备投资成本，研发了熔渣制备玻璃陶瓷新技术，制备的玻璃陶瓷性能指标优于大理石等天然建材。将垃圾焚烧飞灰熔融技术"嫁接"玻璃陶瓷制备工艺，开发了电弧炉熔渣制备玻璃陶瓷技术，构建了熔渣析晶模型，确定了熔渣制备玻璃陶瓷的配方、成型参数及热处理最佳工艺，制成的玻璃陶瓷产品性能达到或优于大理石、花岗岩，有效降低了飞灰熔融处理成本。

本发明目的是提供一种产低温碱性蛋白酶的菌株，为芽孢杆菌(Bacillus sp.)WFWBac‑1，于2015年4月9日保藏在位于北京市朝阳区北辰西路1号院3号的中国科学院微生物研究所的中国微生物菌种保藏管理委员会普通微生物中心，保藏编号为CGMCC NO.10703。本发明筛选的菌株用于发酵生产碱性蛋白酶。本发明筛选的菌株性状优良、产蛋白酶活力高；该菌株在以蔗糖为碳源，蛋白胨为氮源，培养基初始pH 9.0，培养温度25℃，接种量为10％的条件下150rpm振荡培养48h时，所产蛋白酶活性最高能达到995U/mL。所制备的酶用于制备洗衣液或洗洁精。

本发明涉及提出一种无机钙钛矿光晶体管结构的紫外探测器。基底(1)为玻璃基底，在基底(1)上制备CsPbX3薄膜(2)作为有源层，在CsPbX3薄膜(2)表面制备同物质的CsPbX3量子点(5)掺杂的PMMA有机层(4)作为栅绝缘层，以此为紫外光感应窗口；薄膜晶体管的源极(3.1)、漏Au电极(3.2)分别位于CsPbX3薄膜(2)上的两边，FTO栅极(6)位于CsPbX3薄膜(2)的上的中间，在薄膜晶体管的源极(3.1)、漏Au电极(3.2)和FTO栅极(6)调制下，获得光生载流子分离、转换的电信号读取、放大的集成功能，以实现高响应度的紫外信号探测。光晶体管探测器可采用如图1所示的顶栅结构，也可以采用如图2所示的底栅结构。以上两种结构可制备在玻璃基板上，也可以制备在柔性基板上形成底栅或顶栅结构的柔性光晶体管紫外探测器。

成果与项目的背景及主要用途：化学结构式： 用途：可治疗急性或慢性风湿、关节炎和关节病等源于骨关节组织代谢混乱 的疾病。也是降低胆固醇、消除运动疲劳的保健药品。 技术原理与工艺流程简介：以天然产物甲壳素为原料，在盐酸介质中溶解并 水解为单分子葡萄糖胺、然后经活性炭吸附、真空浓缩、降温析出而制得葡萄糖 胺盐酸盐。葡萄糖胺盐酸盐经碱溶解、硫酸转化、再析出即生成葡萄糖胺硫酸盐。 28天津大学科技成果选编 技术水平及专利与获奖情况：已完成实验室规模研究，产品质量达到国外同 类产品水平，主要技术指标如下： 外观： 白色结晶粉末，无味。 硫酸根含量： 97.5～102.5％ 干燥失重： ( 0.5％ 灼烧残渣： 23.8～25.7％ pH 值： 5.8～6.2（X＝K） 4.0～4.4（X＝Na） 重金属： ( 10 ppm 铁盐： ( 10ppm 氯化物： ( 14％ 应用前景分析及效益预测：目前，该产品国内外市场紧俏且主要出口，国内 有生产厂家，但供不应求。受原料供应影响，产品价格有时波动。本工艺设计简 便、易于操作、设备投资少、易于工业化、利润很高，有明显的经济效益。建议 有甲壳素来源的沿海企业或生产甲壳素的企业投产该产品。若为后者，则可综合 治理三废，经济效益更好。 以 3.0 万/吨的甲壳素计，则葡萄糖胺硫酸盐（复合盐）原料成本可为 13.0 万/吨，工厂价约 16.0 万/吨，售价 19～20 万/吨，以年产 50 吨产品计，利税可达 150 万元以上。若生产厂自己生产甲壳素，可明显降低原料成本，则经济效益更 为可观。 最近国内有企业正在以药品申请批号，因此国内需求量会大增。 应用领域：药物及保健品。 技术转化条件（包括：原料、设备、厂房面积的要求及投资规模）： 生产规模及产量：以年产 50 吨葡萄糖胺硫酸盐为宜。 所需厂房面积：300 m2。 主要设备：酸解釜、浓缩釜、贮罐、冷凝器、水环真空泵、真空滤槽，酸碱 转化釜、冷冻设备。 主要原材料及来源：全部为国产原料如甲壳素、盐酸、活性炭、丙酮，氢氧 29天津大学科技成果选编 化钾、硫酸。 设备投资：设备投资约 80 万元。 总投资：依生产厂具体情况而定。 合作方式及条件：面议。