1. 痛点问题 工业时序数据具有应用领域广、数据规模大、经济价值高的特点，蕴含的巨大商业价值，因而其安全性受到不法分子采用黑客攻击等技术手段以及雇佣商业间谍等非技术手段的威胁。数据所有者通常会采用前效方法对数据库中的数据加以保护，但是这些方法只能有效防止外部人员进行非法盗窃，对于内部人员盗窃等途径并不能有效遏制。数字水印是解决数据在传播过程中安全问题的一个主流分支，通常的数字水印采用分组多数投票方法来提升算法的鲁棒性，但时序数据通常有较多的噪声，高价值数据点相对集中，因而一个未经加权的投票算法可能会因为大范围的噪声干扰而导致水印判定失效。此外，常见时序数字水印算法基于时间戳进行水印嵌入计算，容易受到更改时间戳或频率变换的攻击，一旦时间戳序列大幅度改变，水印提取算法将受到很大影响，很可能导致水印提取完全失效。 2. 解决方案 工业物联网数据是工业大数据规模迅速扩张的主要来源。各类物联网传感器以极高的频率采集其所在设备的工作状态数据，通常为一系列包含数据产生时间戳（Timestamp）和采集数据（Data）形式为(Timestamp, Data) 的元组序列，称为时间序列。工业时序数据具有应用领域广、数据规模大、经济价值高的特点，蕴含的巨大商业价值，因而其安全性受到不法分子采用黑客攻击等技术手段以及雇佣商业间谍等非技术手段的威胁。 数据所有者通常会采用前效方法对数据库中的数据加以保护，包括但不限于：数据加密、用户权限划分等等。但是，这些方法只能有效防止外部人员进行非法盗窃，对于内部人员盗窃等途径并不能有效遏制。数字水印是解决数据在传播过程中安全问题的一个主流分支，常见时序数字水印算法基于时间戳进行水印嵌入计算，容易受到更改时间戳或频率变换的攻击，一旦时间戳序列大幅度改变，水印提取算法将受到很大影响，很可能导致水印提取完全失效。此外，数字水印通常采用分组多数投票方法来提升算法的鲁棒性，但时序数据通常有较多的噪声，高价值数据点相对集中，因而一个未经加权的投票算法可能会因为大范围的噪声干扰而导致水印判定失效。 本项目针对常见的水印失效场景进行了分析，提出了能够有效提示水印鲁棒性的技术，更好的确保数据安全的管理能力。 3.合作需求 在全国范围内工业互联网/工业大数据相关领域寻求应用场景，希望能与能源/装备制造行业的大中型企业开展这方面的合作研究和落地实施；并针对上述企业开展包括二次开发在内的各类实际应用，助力企业降本增效、转型升级。

产品详细介绍 机械臂运动算法STEAM主题课程 项目背景 随着工业 4.0 科技革命的到来，工业机器人已成为工业化程度的重要标志。机械臂是最为典型也是最早出现的工业机器人，它可以代替人的繁重劳动以实现生产的机械化和自动化，提高生产效率的同时避免人身事故的发生。机械臂课程的学习可以培养学生将科学技术应用于日常生活、社会实践的意识。 在本项目中，学生可借助机械臂运动算法套件与人工智能与编程教学系统，了解关节机械臂和伸缩机械臂的原理及特点，搭建不同类型机械臂并通过编程实现智能控制。 课程性质 这是一门以项目式教学开展的跨学科课程，以基于建构主义理论的 5E 教学模式作为指导，结合了 中小学信息技术课程标准与编程教学特色。 课程目标 1.知识与技能 ⚫  了解机械臂的类型及其在现实生活中的应用。 ⚫  掌握关节机械臂和伸缩机械臂的结构特点，设计并制作相应模型。 ⚫  学习图形化编程或 C++代码编程的基础知识，使模型完成实际任务。 ⚫  掌握机械臂运动算法的设计、编写及调试。 2.过程与方法 ⚫  通过观察、查阅相关资料等活动，培养对信息的有效性、客观性做出判断的意识，发展分析概括能力。 ⚫  通过机械臂模型的搭建和编程，发展编程思维和工程思维能力。 ⚫  在完成模型设计和算法设计过程中，提高分析问题和解决问题能力，养成自学能力。 3.情感态度与价值观 ⚫  了解机械臂在日常生活中的实际应用，萌发将科学技术应用于日常生活、社会实践的意识。 ⚫  养成实事求是，尊重自然规律的科学态度。 ⚫  关注科学技术对社会发展、自然环境及人类生活的影响。

已有样品/n糖尿病是危害人类健康的重大疾病，动态血糖监测(CGM)能极大改善糖尿病患者生活质量。该项目开发了一种用于长期CGM 传感器系统，并对其表面进行生物相容性改性，从而提高CGM 在人体内的长期传感性能和使用寿命。该项目为长期CGM 的构建及其临床应用提供理论及技术指导，为国内首创。成果的社会/经济意义(价值):我国糖尿病患者高达1.14 亿人。本项目构建的长期CGM 市场前景非常可观，并对我国糖尿病治疗产生极

动态膜技术是一种新的膜分离技术，应用于化工分离过程、废水处理工程、给水深度处理等领域，性价比远高于普通的膜设备，但操作技术要求较高。本专利被欧洲专利局数据库收录（CN199

产品详细介绍 TST5915动态信号测试分析系统 产品介绍 1.采用标准便携式进口机箱，全屏蔽机箱结构设计，有效的提高了现场抗干扰能力。 2. 每通道独立16位Σ-△A／D转换器，以及每通道独立的高性能浮点DSP，构成实时数字滤波+模拟滤波的高性能抗混滤波器。 3.采用DDS高精度频率合成技术，保证了所有通道并行同步采集。 4.采用DMA数据传输技术，保证了数据的实时传输、实时显示、实时分析、实时存盘。 5. 系统配置了多种前置信号调理器（ICP、应变、电荷等），实现了多种信号的同时测量。 6.单台计算机最多可控制512个通道进行同步实时采集,多台计算机通过网络连接，可扩展到4096通道。 7.多通道并行同步采集，每通道采样频率最高达到128K。 8.采用进口雷莫接插件，更好的保证了小信号的可靠传输。 9.采用Q-FAN智能温度控制系统，最大程度上减少了温度对测量结果的影响。 10.提供LABVIEW、VC、VB、CVI等开发平台的接口程序，方便用户二次开发。 11.提供多通道转速测量模块，方便用户对旋转机械运行状态进行监控以及故障诊断。 12.功能丰富的控制分析软件，以及模态分析软件，用户可以很方便的对采集数据进行操作和处理。 13.符合GB6587.1-86-11使用条件。 详细技术指标： 1.仪器接口：USB2.0、1394高速数据传输接口 2.扩展方式：并行 3.同步方式：同步时钟发生器 4.连续采样频率：      8通道同步采集，每通道最高采样频率128K;    16 通道同步采集，每通道最高采样频率51.2K;    32 通道同步采集，每通道最高采样频率25.6K;    64 通道同步采集，每通道最高采样频率12.8K;   128通道同步采集，每通道最高采样频率5.12K;   256通道同步采集，每通道最高采样频率2.56K;   512通道同步采集，每通道最高采样频率1.28K。 5.定制采样频率：用户在满足最高采样频率的条件下，可定制任意采样频率。 6.满度值: ±20mV、±50mV、±100mV、±200mV、±500mV、±1V、±2V、±5V、±10V、±20V;   7.线性度: 满度的0.05％; 8.失真度: 不大于0.5％; 9.系统准确度: 小于0.5％(F.S)(预热半小时后测量);  10.系统稳定度: 0.05％/h)(预热半小时后测量); 11.最大分析频宽: DC～50kHz; 12.输入方式：AC、DC、ICP、GND; 13.滤波器：      a.模拟滤波器：截止频率为 10、30、100 、300、1k、3k、10k 、PASS(Hz)八档分档切换；      b.DSP数字滤波器：截止频率为采样速率的1/2.56倍；      c.平坦度(分析频率范围内):小于0.05dB;       d.阻带衰减:-150dB/oct; 14.白噪声: 不大于5μVrms; 15.共模抑制: 大于100dB; 16.共模电压(DC或AC峰值): 小于±10V、DC～60Hz ; 17. 时间漂移: 小于3μV/小时； 18. 温度漂移: 小于1μV/℃； 19.A／D分辨率: 16位; 20.输入阻抗: 10MΩ或40PF; 21.触发方式：手动触发、外触发、信号触发;  22. 电源： AC220V（±10%）50HZ（±1 HZ）或DC  12V 23.使用环境： 适用于GB6587.1-86-Ⅱ组条件; 24.外形尺寸:   317mm（长）×236mm（宽）×88mm（高）(八通道);       317mm（长）×236mm（宽）×133mm（高）(十六通道);       317mm（长）×487m（宽）×133mm（高）(三十二通道)。  

定量系统生物学是描述生命体的细胞、组织、器官以及整体水平上结构和功能各异的各种分子（包括基因、蛋白质、小分子代谢物等），以及分子在生命体的内部之间、与外界环境之间的相互作用，通过精准的分析测量技术、结合计算生物学来定性、定量构建生命的数字化模型，预测生理状态或者疾病的功能、表型和转化的前沿科学。生命体的运作是在基因调控下，由许许多多的生化反应形成

研究了中心控制和优化软件。结合用户的需求和比较现有软件，开发了灯组定义、相位定义、相位序列定义、相位配时模块。信号机直接以以太网连网，通讯模块负责接收信号机的各项参数，并发送指定的相应数据。进行了配时优化研究。在优化时采用固定周期的方法，相位的绿信比作为优化变量进行优化。

技术分析(创新性、先进性、独占性)开发了新颖的深度学习算法，准确识别患病部位，准备诊断患病类型，可以显著提高临床效益。自主独立开发。已经在两家大型三甲医院做测试，算法和程序代码完整，

技术分析(创新性、先进性、独占性) 开发了新颖的深度学习算法，准确识别患病部位，准备诊断患病类型，可以显著提高临床效益。自主独立开发。

通过人脸检测模块对输入图像进行预处理，自动而准确地定位人脸所在位置并分割出相应的人脸 区域，对人脸面部图像进行特征提取，利用模式分类器进行性别识别。