AYT应急通信系统虚拟仿真平台以当前应急通信实际任务中主流通信设备为基础，结合应急通信实际工作中不同岗位的能力需求，主要提供应急通信基础原理学习、应急通信设备操作仿真、应急通信流程仿真以及相应的教学辅助功能。

智慧学院平台是面向高校二级学院的综合平台和数据中心，为学院行政办公、人才培养、专业认证与学科评估等多个业务场景提供信息化管理及辅助工具、大数据集成交换及可视化平台等;接入校友数据、学院实验室数据、企业就业数据，为学院提供面向专业认证的—体化全方位服务。

CODESYS IIOT解决方案深度融合OPC UA、大数据、工业云、3D实时仿真、人工智能等工业互联网技术，该方案能够实现工业现场中的实时数据采集、基于人工智能算法的数据分析和优化、基于云平台（SaaS）的数据存储、深度学习等功能，为数字化工厂的实现提供关键技术，让实时控制更智能，真正做到“动态感知、实时分析”，实现数据和知识驱动控制决策的迭代优化。使用该方案能够助力企业实现自动化系统内部的横向连接，还可助力实现下层现场传感和数据采集层及上层企业管理系统的纵向连接，从而帮助企业轻松搭建具备工业现场设备互联、数据共享、边缘数据分析等功能的工业互联网平台。

工业缺陷检测平台以工业智能制造中的表面缺陷检测为场景，融合人工智能、FPGA、机械臂控制等技术，实现检测传送带上的铝片缺陷情况，配合机械臂将有缺陷的铝板取出，从而模拟FPGA及人工智能在工业制造过程中的应用。This industrial defect detection platform, which takes the surface defect detection in industrial intelligent manufacturing as the scene, integrates Artificial Intelligence, FPGA, mechanical-arm control and other technologies to detect the defects of aluminum sheets on the conveyor belt and then takes out the defective aluminum sheets with mechanical arm, so as to simulate the application of FPGA and Artificial Intelligence in the industrial manufacturing process. 

2025年3月27日，比亚迪迪空间微信号以《共筑产教融合新平台丨天津市大学软件学院与天津迪空间共建社会实践基地》为题对我校进行了报道。

成果描述：通信网络关键节点可视化分析系统提供了Degree、 Betweenness centrality、Closeness centrality、 Eigenvector centrality、 HITS和PageRank等中心性计算算法。 不同的算法适用于不同的场合。Degree算法表示节点的直接影响力强弱。 节点的Degree中心性值越高，该节点的直接影响力越大。 Betweenness centrality算法研究节点之间的通信程度和节点对信息的控制， 使用该算法可以准确找到网络中某些“流量”非常大的重要节点；本算法可用于设计网络的通信协议、 优化网络部署和检测网络瓶颈等。Closeness centrality研究信息传播的独立性和有效性； 本算法反映了节点在网络中居于中心的程度；本算法可用于考察一个节点不依靠其它节点来传播信息的程度。Eigenvector centrality基于特征向量的方法不仅考虑节点邻居数量还考虑了其质量对节点重要性的影响， 这是从网络中节点的地位和名望角度考虑，适用于网页排序。HITS是一种重要的网页重要性排序算法，主要适用于网络信息检索领域。 PageRank是网页排序领域中最著名的算法；该算法基于网页的链接结构给网页排序；它认为万维网中一个页面的重要性取决于指向它的其它页面的数量和质量；本算法适用于网页排序。 在本系统中可以方便、轻松和快捷的使用以上算法；输入数据，选择中心性算法，系统会快速展现算法分析结果；结果中越重要的节点在画面展示中直径越大， 直径越小的节点表示节点的重要性越低；在系统右侧栏目中节点以重要性程度降序排序，前五个节点名字用红色突出标记。 以上展示方式是为了让分析人员方便分 析数据。市场前景分析：发掘网络中重要性节点 （边）一直是图论领域 的一个基本问题。随着 近年来复杂网络研究热 潮的兴起，特别是很多 实际网络所抽象出来的 复杂网络，表现出了与 以往图理论不同的特性， 如小世界特性、无尺度 特性等。如何在复杂网 络环境下，发掘重要性 节点已经成为复杂网络 研究的一个基本问题， 同时网络中节点的重要 性进行评估具有重要的 实用价值。尤其对各种 各样具体的网络，更可 以有针对性地分析其性 质，制定正确的策略和 措施。与同类成果相比的优势分析：本系统提供了更多的中 心性算法，分析人员可 以在本系统上从多角度 分析数据，从而得出更 为准确的分析结果； 本系统提供了数据可视 化的展示方式，并且将 重要的节点突出展示； 本系统提供了不同算法 的对比分析表，方便分 析人员对比分析； 本系统提供重要节点的 进一步分析思路，提供 节点的详细分析页面。

面对疫情，北京航空航天大学机械工程及自动化学院先进数控和智能制造团队刘强教授、肖文磊副教授等一批教师和研究生自发组成“大数据建模分析工作群”，开始收集疫情数据，交流和讨论建模方法。刘强、肖文磊又与工作群中的孙鹏鹏、王柳权、臧辰鑫、朱三颖、高连生等人，组成了“2019-nCoV疫情建模分析应急响应研究小组”核心攻关组，全力以赴开展本次疫情建模仿真和预测分析研究工作。疫情建模分析应急响应小组的研究工作是在2003年郇极教授提出的“一种基于自动控制理论的SARS传染预测模型”的基础之上，结合此次新冠疫情原发地高度集中、恰逢春节期间人口流动的特点，采用控制论原理和大数据分析方法建立功能更全面的2019-nCoV动态感染过程模型。刘强教授团队对北京、上海、重庆、温州、长沙、郑州、成都、杭州、深圳等40余个城市的疫情数据发展趋势进行了动态仿真分析。基于分析结果，应急响应小组直接向上级部门提交疫情关键数据预测报告2份，直接向中国疾控中心提供预测分析数据及报告2份，向上级提出北京延期恢复正常上班的紧急建议1份，为高层疫情防控决策提供了及时有效的技术数据支持。

在长期为电力行业解决设备重大疑难故障的实践过程中，提出了轴系载荷分配测试、分析和优化调整技术，发展了动平衡和振动故障诊断技术，提高了动平衡效率和振动故障诊断准确率。先后解决了田湾和秦山核电、平圩、宣城、姚孟、福州等40多家电厂100多台、次大型机组重大疑难振动问题。该项成果先后获得江苏省科技进步一等奖和国家技术发明二等奖。

项目成果/简介:随着各种机械、交通、家电设备的广泛使用，噪声日益成为影响人居环境和身心健康的主要问题之一。因此对上述领域产品的噪声要求不断提高，噪声指标逐渐成为产品的强制性生产标准，各类新型声学材料、降噪设备层出不穷。这些行业对声学测量仪器有着大量的需求，快速推动高端声学测量仪器市场的发展。据相关调查资料显示，全世界每年对声学测量仪器的需求高达百亿美元，而高端市场只被前几名生产厂商垄断。 在国内，由于中国制造业的兴起，以及环保要求的不断提高，航空航天、船舶、高铁、车辆、家电、声学材料、降噪设备等行业对声学测量仪器需求的细分市场高达数十亿美元，因此高端声学测量分析仪器在国内有着越来越广阔的市场。 经过近五年的努力，同济大学声学研究所与上海英波声学工程技术股份有限公司合作，在高端声学与振动测量领域获得了较大的进步，在相关领域获得六项国家发明专利，研制了三款测量设备：GAC/500/600/700，进入量产阶段，面向全国销售。应用范围:应用于航空、航天、航海、高铁、车辆、家电和电声等领域的噪声与振动的测量、分析。本项目所研发的声音与振动综合测量分析仪基本涵盖了国际标准化组织（ISO）和国标（GB）所涉及到的全部声学和振动测量指标。该分析仪具有精度高、速度快、功能全、体积小、操作简便的特点，是进行现场噪声与振动测量及分析的利器。项目阶段:批量生产效益分析:合作研发的声音与振动综合测量分析仪基本涵盖了国际标准化组织（ISO）和国标（GB）所涉及到的全部声学和振动测量指标。该系列采用数字化测量与分析技术，高度整合了当今的声学与振动测量技术、计算机技术、信号处理技术和信息通讯技术的成果，将传感器、采样卡、 计算机和数字仪器系统集成于一体，可直接得到目标量的测量结果，现场生成测试报告，并对测量数据进行深入分析，显著提高了测量的效率和精度和能力。测量仪器具有精度高、速度快、功能全、体积小、操作简便的特点，并具有良好的开放性。

小阵列核脉冲能量与时间谱分析系统是国家自然科学基金和NSAF联合基金 项目的创新成果，采用先进的低噪声阵列读出电路和基于FPGA的多通道能量与 时间谱分析系统，能够同时测量小阵列像素探测器的能谱和时间谱，并绘制出一 维能量谱、一维时间谱、能量与时间的二维谱以及光子作用位置分布图。 该系统相对于国内外现有产品的主要优点是：(1)能够同时测量核脉冲的 能量和时间谱，并给出二维谱分布；(2)能够对小阵列探测器进行高速并行读 出，并具有较高的灵敏度；(3)可以实现初步的能谱成像，并具有亚像元空间 分辨能力。 系统指探测器、模拟读出电路、FPGA谱分析系统以及电源四个模块组成， 低压电源采用±3. 7V可充电锂电池，高压电源采用IkV高压模块，探测器采用基 于CZT晶体的像素阵列探测器，探测器与模拟读出电路体积为 4. 5cmx4. 5cmx2. 7cm, FPGA 谱分析系统体积为 6. 5cmx8. Icmx2. 5cm,基本系统的 像素阵列为2x2,高分辨系统的阵列数可达8x8,系统的时间分辨可达5ns,能 量测量下限可达5keV,对59. 5keV伽马射线可以实现能量分辨率5. 5%。