|
搜索
搜 索
高等教育领域数字化综合服务平台
Visdom灾害应急管理决策援助系统
Visdom系统是基于大数据可视化和虚拟仿真技术来提供应急管理和决策支持的软件系统平台，其最突出的应用是水灾防预决策管理。Visdom提供完全三维可视化的场景模拟，包括对水流、车辆的仿真，同时，决策者可以在Visdom的平台上测试防洪决策的科学性，并看到实时的结果，不断完善决策，以便应付突发情况。该系统平台已经成功被德国、奥地利等发达国家用于防洪减灾。
河北工业大学
2021-04-13
应急管理及其信息系统规划与设计
针对重大突发事件(自然灾害、事故灾难、公共卫生事件和社会安全事件)具有的危害性、社会性、广域性、长期性、不可预测性和动态扩散等特点，分析重大突发事件的分类和特征，及其动态演化、传播扩散的机理和过程。根据突发事件的实际应用背景，设计预警机制，编制灾害求援和危机处置预案，评估应急资源配置和求援能力，应急管理调度，规划治理和消解恢复策略。设计和研发各类重大
南京工业大学
2021-04-14
救援应急包
三棱救援应急包由智能传感器、软件应用平台、对外求救用品、安全防护用品、医疗用品包、应急食品、逃生工具及避难保障用品组成。
灾害发生前，能够提供预警、增强人们安全防范意识的警示装备以及实验室操作的安全防护装备；
灾害发生时，能够提供安全逃生工具、增强生存几率的逃生装备；
灾后发生后，能够进行简单医疗救护的医疗装备。
是一款带有智能预警和报警提示的功能，并协助用户监管物资的使用期限，及时提醒用户更换结合强大的数据平台利用无线通讯技术可以定位出用户的地理位置，同时可以通过网络平台进行呼救及了解防灾减灾措施的智能装备。
江苏三棱智慧物联发展股份有限公司
2021-12-08
高校报修管理系统
智教高校报修管理系统优化校园设施维修流程，提升服务效率与质量，满足学校师生及后勤管理部门的需求，维修完成后，能对维修服务质量（如维修效果、维修人员态度）进行打分评价，并可填写反馈意见，以便学校改进服务。
教师、学生可以通过手机端，点击报修服务、我要报修后，可以根据实际报修情况进行问题描述、上传图片等。学生可以实时跟踪维修进度，并对维修结果进行线上打分、评价。
吉林省智教软件有限责任公司
2025-05-16
应急电源车
山东赛马力移动应急电源车主要由汽车底盘、发电机组、输配电及操控系统、高效隔音吸声降噪厢体、进排风降噪系统、尾气排放消声系统、照明系统、液压支撑系统、线缆绞盘及工具器材舱等组成。个性化定制生产，性能优越，野外使用能力强劲，可同时为多台设备进行充电作业，电力、电信、防汛抗旱、矿山、石油、地质及抢险救灾等领域供电烦恼统统消除！
山东赛马力发电设备有限公司
2021-06-18
电梯无线应急通信系统
西安科技大学应急通信创新团队从2009年开始就对电梯无线应急系统着手开始研究，目前此项目技术已经成熟并在全国开始推广应用。申请一项著作权，一项实用新型专利。成果在西安、汉中、内蒙、山西等地中取得良好的应用。
西安科技大学
2021-04-11
移动应急监测方舱
1 成果简介移动应急监测方舱用于现场图像、语音、环境参数、气体浓度等多种信息采集、监测的大型应急监测系统；其可和汽车、火车、飞机、船舶等多种交通工具配套使用，满足突发公共安全事件快速响应、现场信息采集监测、通信中继等需求。2 应用说明移动应急监测方舱具有国际领先的大型现场信息采集系统，其装载低空飞艇智能扫描监测系统、移动应急通信与数据集成系统、环境参数采集传输系统、自动导航动力飞艇图像监测系统、应急现场定向空投信息采集系统等提供多种对现场信息的采集方式。目前，移动应急监测方舱在世界上还处于研发阶段，清华大学研发的移动应急监测方舱属国际领先水平。3 效益分析实现移动指挥通信方舱的产品化，应用于各省级、地市级、区县级、企业、专项部门等移动应急平台的建设。4 合作方式商谈。
清华大学
2021-04-13
地震应急处置方案系统
成果简介： 震后如何快速有效的处置地震，减轻地震灾害造成的损失是一个亟待解决的问题。目前地震应急预案具有可操作性不强、针对性不好等缺点。项目以空间信息技术、地震减灾技术等为依托，开发了地震应急处置方案技术系统，该系统可根据地震应急灾情实时生成针对性强、可操作性好的地震应急处置方案，从而负责实时救灾。
南京工业大学
2021-01-12
地震应急处置方案系统
成果简介： 震后如何快速有效的处置地震，减轻地震灾害造成的损失是一个亟待解决的问题。目前地震应急预案具有可操作性不强、针对性不好等缺点。项目以空间信息技术、地震减灾技术等为依托，开发了地震应急处置方案技术系统，该系统可根据地震应急灾情实时生成针对性强、可操作性好的地震应急处置方案，从而负责实时救灾。
南京工业大学
2021-01-12
锂电池管理系统AI算法研究
本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。
解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。
在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。
目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。
西南大学
2025-05-12