由于天然植物的各类有效成分具有各自特殊的结构特点,因此针对不同的有效成分我们开发了专用的提取树脂,例如黄酮类有效成分提取专用树脂、生物碱提取专用树脂、有机酸提取专用树脂等,成功制备了天然植物各有效成分的高纯度提取,且与现有树脂法提取工艺相比,吸附容量大大提高,生产工艺简单,生产成本降低。这类专用树脂的研发和生产,有效弥补了目前商品化提取树脂结构单一、使用中仍以盲目筛选为主的缺陷,对于天然植物深入的药用硏究有重要的实际应用价值。

本发明公开一种低合金高强钢制品的节约型免回火强韧化工艺方法，包含钢材冶炼及成型、高温加热和保温和冷却及等温处理工艺三个步骤，本工艺方法适用于C-Mn系低合金高强钢。与现有技术相比，本发明提供了一种工艺简单、适宜大规模生产且具有良好强韧性配合的低合金高强钢制品的制备工艺，其特点在于从高温下的控制冷却和中断冷却并在冷却终止温度下进行保温的强韧化制造工艺。相对于传统的淬火回火工艺，该工艺简化了淬火获得马氏体和马氏体+贝氏体复相组织，然后再进行回火处理的工艺，相对Q-P-T工艺而言，本工艺具有更适宜于规模化生产的可操作性，简化了由P工艺立即升温到T工艺的过程，使生产更容易操作。

打印设备详细信息：索要完整打印设备资料请访问清锋科技官网下载 3D打印机-LuxCreo清锋科技   教育科研解决方案 3D打印作为一种新型生产方式，可以加速产品开发周期，满足多 材料、复杂形状、任意批量的生产需求，是全球最受关注的高科 技行业之一。拥有3D打印课程、设备的院校、科研机构在创新、 创造方面均有着得天独厚的优势。LuxCreo致力于推动行业发展， 为科研创新、数字化智能化转型以及行业人才培养等方面提供支 持。 打印设备 iLux系列桌面机，Lux系列工业机，可作为研发、教学、实验等配套设备，满足不同项目需求 打印材料 EM弹性材料、TM韧性材料、透明韧性材料、Dental齿科等材料，可满足消费、医疗、工业、汽车、航空航天等学科的教学研发需求 打印软件 LuxFlow模型处理软件，支持数据导入、文件修复、智能2D/3D摆放、生成支撑、切片、路径填充等功能，便于快速进行现场教学演示、培训实操、学术研发 清锋科技在3D打印技术、软硬件、材料等方面积累了来自全球各个高校的顶尖人材，可结合院校、机构所需进行相关的培训及讲座，助力教育科研工作更加系统、科学。同时，清锋科技在北京、宁波及美国硅谷均设有打印中心，可为学生及科研人员提供进一步深入了解3D打印的场地支持。 客户收益 院校 提升院校教学硬件水平，有助于培养未来的3D打印人才生动展示课本、教案内容，增加教学趣味性资深3D打印行业专家亲自授课 科研机构 快速将模型、数据形成实物，简化步骤，缩短论证时间结合最新技术，加速研发新产品，输出有价值易商业化的研发项目全球顶尖3D打印工作团队提供技术支持 Lux 3+系列 工业级 DLP光固化3D打印机 Lux 3+产品介绍 LuxCreo Lux 3+是生产级DLP 3D打印机，依托于清华、哈佛、剑桥、佐治亚理工、北卡罗纳州立等名校的光机电、材料、软件专家近10年的研发成果。Lux 3+ 3D打印机适用于快速、高精度打印原型件、测试件和小批量件。Lux 3+使用高品质4K DLP 技术，硬件结构设计方案得到了10万各种不同零部件打印的检验。基于EAPTM的高速离型技术，我们开发了弹性、坚韧、高精度、高弹、耐温、透明的材料，满足工业、医疗、科研等各领域的打印需求。Lux 3+ 可接入LuxCreo的软件生态，实现轻量化设计、高速切片、设备互联、智慧工厂管理。 清锋的Lux工业机解决方案1．增材设计软件某研究所的增材制造实验室需要设计不同的结构，有的结构需要实现轻量化、晶格化，且一次打印时放置不同的模型。清锋提供了两款可支持某研究所增材设计需求的软件：晶格创建软件LuxStudio：可以快速的选择合适的晶格单元，并生成出可打印的晶格化模型。（登录链接：https://studio.luxcreo.cn）数据前处理软件LuxFlow：具有模型修复、自动生成支撑结构和优化部件放置，以最大限度地提高生产力。2．打印速度清锋的Lux工业机是基于面曝光的增材制造技术，采用低离型力膜，同时拥有准确性、细节表现力以快速打印速度的优势的3D打印设备。打印尺寸为293*165*380mm，可打印耐温刚性部件，打印30个，只需要55分钟，极大地提高了打印速度，加快材料验证、实验迭代。案例：某科研院所，使用Lux系列打印机快速验证材料性能在采用传统的塑料3D打印工艺生产高性能部件遇到问题时，某研究所选择使用LuxCreo的Lux工业机系列塑料3D打印解决方案，评估利用新的增材制造工具进行有效、高效验证的可能性。在对 Lux工业机解决方案开展了可行性研究之后，某研究所材料开发团队确定了增材制造的生产力，并决定可以考虑采用该解决方案打印部件。 主要参数 技术 高速光固化LEAPTM 光源 DLP 4K@405nm 适用材料种类 支持坚韧、弹性、高精度、透明、耐温材料 材料性能 材料性能见材料数据表TDS 树脂在线加热 最高至45℃ 打印范围 293x165x380mm（XYZ） XY分辨率 76.5µm Z轴动态分辨率 20~150μm（取决于树脂） 波长 405nm 打印速度 ≤120cm/h（取决于树脂、模型和层厚） 软件 LuxFlow，LuxLink 智能辅助 校平，温湿度，打印状态监控，光强自动校准 设备外观 设备尺寸 850x780x1865mm 设备重量 250kg 操作环境 设备连接 2×USB, Ethernet 操作系统 Windows 10, 64-bit 文件输入 .stl，.stx 电气 200-240 V，50-60 Hz，1000W 温湿度 18 ~28 ℃；＜60% 通风 请参阅 TDS 了解参考材料特性或联系技术支持 售后支持 质保 12个月 技术支持 终身技术支持 其他配置 辅助配置 UV固化箱；超声波清洗机 选配件 烤箱；废气吸收装置；料盒 关于清锋科技(LuxCreo)清锋（LuxCreo）是一家以树脂（塑料）为材料、连续液面成型的面曝光3D打印技术为核心的科技型企业。创业初年，LuxCreo便在宁波同步建立“智能工厂”。截止到目前，LuxCreo 拥有大规模的 3D 打印生产线，借助领先的设计生成软件以及高性能的 3D 打印材料，从设计、生产、运输、管理四个环节为智能制造业全链条赋能，快速满足不同规模产品开发迭代上市的需求。也正是基于智能工厂中的增材设计、设备操作和维护、车间布局和管理经验教训，清锋总结出囊括打印机、软件、材料处理、后处理、应用、实训的课程以及科研解决方案。www.LuxCreo.cn 如有合作需求或者感兴趣的产品，可以扫描下方二维码联系清锋 ↓↓↓ 公司电话：010-63941626公司邮箱：business@luxcreo.com市场电话：18614034268官方网站：www.LuxCreo.cn公司地址：北京市海淀区建材城中路27号金隅智造工场S5幢1017

本发明公开了一种直流电机的驱动?调速一体式约束预测控制方法，本发明将这种驱动?调速一体式的控制技术应用于直流电机，首先利用广义比例积分观测器技术在串级电路和转速的光电编码器采集的转速信息的基础上对系统的集总干扰进行估计，得到重构后的集总干扰信息，结合模型预测控制相关技术设计出针对直流电机的带输入约束的输出反馈控制器，在保证系统动态响应性能的基础上，因为不需要使用电流、电压以及转矩传感器，降低了系统的成本，提高了系统容错能力，同时可以明显地抑制参数摄动和负载转矩突变等因素引起的干扰，从而大大提高直流电机系统的输出转速的控制精度和干扰抑制能力。

利用合成gRNA-靶序列的高通量文库允许直接在细胞环境中便捷和高通量地收集gRNA活性数据，由此建立的计算模型来预测gRNA的活性比较可靠。

（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。

该发明公开了一种大规模磁纺设备及使用该设备制备微纳米纤维的方法，该设备包括支架，给料装置，纺丝喷射装置和水平设置的滚筒式收集装置，收集滚筒的表面固定有提供磁场的条形永磁铁，纺丝喷射装置有多个喷头，排成一列，指向条形永磁体，被固定在可沿滚筒中轴线方向做往复运动的驱动器上。该设备以磁场力代替电场力，在交变磁场力作用下拉伸铁磁流体制备磁性微纳米纤维，整个过程无需高压电作用，有效降低生产成本和安全隐患，同时可批量连续生产微纳米纤维，且制得的纤维排布有序，产量高适合大规模生产。

本教学团队依托河北省化学工程与工艺专业综合改革试点项目、河北省高等教育教学改革研究与实践项目，聚焦化工类创新人才培养，围绕学生工程实践能力和创新能力的提升，形成了“强实践、重创新、提素质”的人才培养理念，构建了“面向产业、突出实践、强化创新、持续改进”的化工类创新人才培养模式，有效解决了“人才培养课程体系创新不够，难以满足产业发展新需求”、“教学模式较为单一，不能满足学生创新实践能力培养的个性化学习需求”、“协同育人机制不完善，无法实现人才供给侧与产业需求侧的良性互动”等问题。

本教学团队依托河北省化学工程与工艺专业综合改革试点项目、河北省高等教育教学改革研究与实践项目，聚焦化工类创新人才培养，围绕学生工程实践能力和创新能力的提升，形成了“强实践、重创新、提素质”的人才培养理念，构建了“面向产业、突出实践、强化创新、持续改进”的化工类创新人才培养模式，有效解决了“人才培养课程体系创新不够，难以满足产业发展新需求”、“教学模式较为单一，不能满足学生创新实践能力培养的个性化学习需求”、“协同育人机制不完善，无法实现人才供给侧与产业需求侧的良性互动”等问题。