该系统采用虚拟现实技术，设计一种仿真的三维互动式的机车车辆制造、检修及装配工艺，并且针对机车或车辆段检修特点，创造出专为检修和检修人员培训服务的专用系统，并在该系统中整合具有国内领先水平的机车车辆部件检修质量管理系统。在数字三维仿真工艺子系统中，实现车辆设备结构的模拟仿真。采用系统仿真和计算机可视化编程技术在计算机里建造所有相关机车车辆型号的整车及部件数字模型，对整车车体结构、转向架、牵引传动系统、制动系统、列车运行控制系统等车载设备组成、主要功能进行仿真。利用鼠标（或触摸屏）与每个可操作零件进行交互，实现人机互动，电脑按检修工艺流程，全真展现检修的每一过程，检修人员可以通过三维实物过程的演示及各种参数提示，决定每一步该做什么，做到什么程度。使学员在学习整车及各部件构造、原理的同时，掌握机车车辆相关知识，同时对车辆进行各部件检修和故障处理。 项目主要应用范围： 该系统主要应用于铁路各路局的机务部门、机车车辆制造厂商以及机务段车辆段等相关部门检修人员的培训和检修。该系统可以提高检修工艺流程的直观性、易掌握性，能帮助机务部门的技术人员避免检修过程中漏修、漏检情况的发生，有利于检修人员的培训工作，降低检修工作对人员素质的要求，全面提高检修质量，及时发现安全隐患，避免造成由于各部位、各环节、材料、配件消耗情况以及卡死等人为因素，提高成本渠道，节约检修成本，降低劳动强度，增加各种统计数据的准确性。为管理者提供准确的决策依据。     部分系统产品展示： 双层集装箱制动装置及车体总成三维实体设计 120型空气制动机原理模拟系统 K6转向架动态拆装系统（可进行360度旋转、缩放以及手动人机交互拆装）   柴油机三维模拟仿真及工作原理模拟系统        SK-160转向架三维动态拆装及检修模拟系统

本实用新型公开了一种基于SLM技术的比例换向阀轻量化阀芯及比例换向阀，包括阀芯主体，所述阀芯主体的外部沿阀芯主体轴线方向开有若干节流口组，所述节流口组由若干沿阀芯主体圆周方向均匀分布的节流口组成；每个节流口组两侧均具有凸肩，所述凸肩均采用镂空结构；相邻两个凸肩处开有截面形状为二次抛物线的倒角。本实用新型具有镂空结构的凸肩以及截面形状为二次抛物线的倒角的比例换向阀阀芯，可以有效的改变流体运动状况，减小液动力；同时可以显著减轻阀芯的质量，提高频响，并且减小运动中的摩擦力，显著提高比例换向阀的使用性能和寿命。

本发明公开了一种基于乳腺数字影像融合技术的个性化乳房假体制作方法，该制作方法包括以下步骤：获取影像数据→乳房三维激光扫描+胸部CT扫描→分别进行三维激光扫描数据及胸部CT数据的三维建模→进行两种数字影像的融合→获得融合的乳房三维数字模型→3D打印。该基于乳腺数字影像融合技术的个性化乳房假体制作方法，通过乳房三维扫描和CT的复合影像融合，能够获得站立位的有着内部结构的乳房三维数字模型。并通过3D打印技术打印出个性化的乳房假体，对于得到更好的手术效果，有着很大的作用。解决了既往传统影像学方法不能同时得到站立位的具有清晰乳房内部的结构，而只能通过软件来进行弥补的问题。

本成果基于廉价易得的功能型离子液体、低共熔溶剂，可从海洋废弃生物质（比如虾蟹壳，海藻，海带等）中高选择性制备甲壳素、壳聚糖、海藻酸等天然多糖高分子化合物，进而实现相应化合物的结构性能提升（如抗菌等）或者转化为高附加值衍生产品（如医药用品或者药物载体等）。该新技术有望解决传统酸碱制备方法中水耗高、污染大等问题，具备水耗低、污染少、能耗低、流程少等潜在优点。此外，新技术具有良好的拓展性和灵活性，可从虾蟹壳直接制备甲壳素敷料、绷带等医疗用品。 主要技术特点如下： （1）处理的原料来源于当地的虾蟹壳，海带/海藻等，无需特别分级处理。 （2）所得甲壳素收率大于90%，纯度大于95%，聚合度可调，介于400——4000。 （3）所得壳聚糖收率大于90%，纯度大于95%，脱乙酰度值大于85%，符合国家标准GB 29941-2013。 （4）所得海藻酸收率大于90%，纯度大于95%。 （5）可制备得海藻酸基功能材料（膜、纤维、水凝胶、气凝胶等），具备自愈合、阻燃等特点。

、成果简介：（500字以内） 本成果是完成吉林省科学技术厅下达的吉林省科技发展计划项目“高性能玄武岩纤维增强聚醚醚酮复合材料的规模化制备技术（20096022）”科研任务所取得的。本成果的创造性体现在两个方面：即利用我国自主知识产权研制了复合专用聚醚醚酮树脂，通过选择玄武岩纤维、高温润滑剂及自制熔体粘度调节剂——聚芳醚酮液晶聚合物，研制出复合专用料；采用熔融挤出复合方法，制备了玄武岩纤维/聚醚醚酮复合材料并研究了其复合工艺，得到了综合性能优异的玄武岩纤维/聚醚醚酮复合材料。研制的玄武岩

本成果基于廉价易得的功能型离子液体、低共熔溶剂，可从海洋废弃生物质（比如虾蟹壳，海藻，海带等）中高选择性制备甲壳素、壳聚糖、海藻酸等天然多糖高分子化合物，进而实现相应化合物的结构性能提升（如抗菌等）或者转化为高附加值衍生产品（如医药用品或者药物载体等）。该新技术有望解决传统酸碱制备方法中水耗高、污染大等问题，具备水耗低、污染少、能耗低、流程少等潜在优点。此外，新技术具有良好的拓展性和灵活性，可从虾蟹壳直接制备甲壳素敷料、绷带等医疗用品。 主要技术特点如下： （1）处理的原料来源于当地的虾蟹壳，海带/海藻等，无需特别分级处理。 （2）所得甲壳素收率大于90%，纯度大于95%，聚合度可调，介于400~4000。 （3）所得壳聚糖收率大于90%，纯度大于95%，脱乙酰度值大于85%，符合国家标准GB 29941-2013。 （4）所得海藻酸收率大于90%，纯度大于95%。 （5）可制备得海藻酸基功能材料（膜、纤维、水凝胶、气凝胶等），具备自愈合、阻燃等特点。

本团队采用新型结构导向技术来实现亚微米和纳米二氧化硅中空微球的溶胶凝胶法和沉淀法高浓度制备，能够满足大规模工业生产的需要，并能对其纳米壳层结构进行精准调控，为相关功能材料的性能设计提供合成技术基础。现有二氧化硅中空微球制备技术的投资成本高、设备生产率低、控制难度大，无法在工业规模上对其特有的纳米结构进行精准调控，严重限制了中空微球在高端产业中的应用。本团队基于全新的中空结构导向技术，在间歇反应釜中通过溶胶凝胶法和沉淀法实现中空微球的高密度、大批量生产，具有设备生产率高、微球结构规整、壁厚可控、容易复合改性等优点，突破了中空微球规模化生产的技术瓶颈。通过改变导向剂分子结构和生产工艺微调，可在 50-400 纳米范围内对中空微球的壁厚进行精准调控，使其对不同波长的光信号产生各种响应，并能通过控制中空和多孔结构调节比表面积、导热系数、阻尼特征、机械强度等性能，满足不同功能材料领域的要求。该技术还可以实现脂溶性物质或纳米颗粒与二氧化硅的复合，制备出具有功能多样性的复合中空微球， 如将氧化锡锑（ATO）与二氧化硅中空微球复合，可制备兼具紫外光、可见光、近红外反射和隔热功能的复合中空微球保温填料。 

中国科学技术大学化学与材料科学学院罗毅、江俊教授团队与自动化系尚伟伟等合作，通过开发和集成移动机器人、化学工作站、智能操作系统、科学数据库，研制出数据智能驱动的全流程机器化学家。

本发明公开了一种耦合太阳能与化学链空分技术的低能耗富氧燃烧系统，该系统包括干蒸汽制取装置、化学链空分装置以及富氧燃烧装置，其中，干蒸汽制取装置包括太阳能集热器、蒸汽发生器和分流器，干蒸汽制取装置生成的干蒸汽经分流器分为两股：一股干蒸汽进入化学链空分装置用于吸氧反应器的流化气，另一股干蒸汽进入富氧燃烧装置，化学链空分装置生成的高纯度氧气进入富氧燃烧装置与干蒸汽和燃料进行混合燃烧，产物经简单冷凝分离后获得高纯度的二

（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。