XM-F23带有胎儿头的骨盆模型   功能特点： ■ XM-F23带有胎儿头的骨盆模型采用高分子材料制成，仿真度高。 ■ 模型由一个女性骨盆和两个可互换的胎儿头部组成。 ■ 两个互换的胎儿头颅，一个为足月儿，一个为早产儿。 ■ 胎儿头颅可清晰触及每个颅缝和前后囟门。 ■ 胎儿头固定于活动拉杆通过骨盆，可观察到分娩时胎儿与骨盆的位置关系。 ■ 可直观的演示衔接、下降、俯屈、内旋转、仰伸、复位及外旋转、胎儿娩出等整个分娩过程。 ■ 可以用来演示分娩时产钳、胎儿吸引器的使用。

农田信息的快速准确获取与精准管理是实现化肥和农药减施增效的重要途径。该成果针对农作物生长环境及不同生长阶段水分、养分和病虫害等关键信息难以适时、全域、准确获取的瓶颈问题，在国家及省部级项目的资助下，攻克了"地-空-星"多尺度信息快速获取与融合及肥水药精准管理关键技术。

农作物生长环境及不同生长阶段水分、养分和病虫害等关键信息难以适时、全域、快速准确获取，地面定点测试、无人机低空监测和卫星大面积遥感的地－空－星三位一体多源信息获取与融合技术体系，充分发挥了地面定位涓星的灵活精确、无人机检测主动快速、卫星遥感高效面广等综合优势，满足了全周期、全天候、大面积、低成本信息获取与肥水药精准管理要求，在农业生产中具有重要意义。传统农田信息的地面点测量效率低、成本高，无人机监测载荷小、作业面积有限，卫星遥感分辨率低、受周期性和云雾影响，单一检测手段难以满足精准生产管理要求。 浙大团队研发了农田定点信息地面车载动态快速获取技术与装备、田块尺度作物信息无人机低空遥感高效获取技术与装备、区域尺度农田信息卫星遥感解析和多源融合技术与系统，解决了地面实测信息、无人机低空感知与卫星遥感信息的时空融合难题，在省域土壤缺水量与墒情预测、省／市／县三级耕地地力管理与测士配方施肥、田块肥水药精准管理进行了广泛应用。 该成果总体达到了国际同类研究先进水平，其中在多尺度农田信息快速获取与融合技术、无人机变量喷药作业技术及肥水药一体化变频控制和喷施技术等方面处于国际领先水平。 近三年在全国20多个省市（区）推广应用，累计综合效益13.7亿元，社会、经济和生态效益显著。

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。

我们将本产品命名为智能交通系统（Smart Transportation System，STS）产品以体系完整呈现，包含车载移动终端，服务端两部分，服务端又可分为控制中心部分和指挥终端，可通过无线网络完成信息双向传输。产品将车辆，服务端，以及乘客构成智能网络。

成果创新点 该系统主要创新点是将电池热管理系统与安全防护系 统一体化，具有散热快、安全高效的优点。 技术成熟度 关键技术研发阶段。 市场前景 新型电池热管理及安全防护系统技术领先，应用前景 较好。核心技术一旦突破、可望大规模地推广应用。 转化计划 计划三年内完成实验室建设，设备安装调试、制备填 补行业空白的样品，两年实现行业领域的应用与推广。以 科

该系统主要创新点是将电池热管理系统与安全防护系统一体化，具有散热快、安全高效的优点。 

故障预测与健康管理(Prognostics and Health Management, PHM)是利用先进的传感器技术集成，借助各种算法和智能模型来诊断、预测和监测系统/子系统/设备的健康状态，并根据诊断或预测信息、可用维修资源和使用要求对装备维修活动做出适当决策，从而以最小的投入获得最佳的健康状态。 PHM是一种实施以健康为核心的装备综合管理的技术方法和系统。实现了两个转变：由传统的基于传感器的故障诊断转向基于智能系统的健康状态预测与评估；由事后维修和定期维修转向基于状态的视情维修。主要研究内容包括：飞机液压/环控/供电/蓄电池/作动器等典型机电系统的地面故障诊断与健康预测评估，机载状态监测与诊断推理，飞机机电PHM原型系统，小卫星电源系统在轨寿命预测与运行管理，船舶机电系统综合状态评估与维护维修辅助决策，测试性设计分析与试验验证等。 已在SCI/EI/ISTP检索的国际国内学术刊物和会议上发表论文100多篇，获得国家发明专利10余项。

01. 成果简介 非结构化数据是没有显式数据结构约束的非关系型数据，包括时间序列、图像、音视频等，其管理与分析技术成为国际信息领域战略竞争焦点。许多实际应用中，非结构化数据不仅总的体量大，而且数量也极为巨大。例如，我国气象预报业务每天接收到的气象数据文件达数亿非结构化气象小文件。此外，这些文件存在大量业务语义属性，这些属性形成了描述一个数据的多种维度。 针对海量非结构化数据的管理需求，清华大学软件学院提出了多维文件空间模型，并基于此模型突破了一系列非结构化数据核心技术，包括：l  非结构化数据到多维空间模型的映射方法；l  多维文件空间模型的分布式物理实现方法；l  分布式存储的副本控制方法。 该技术通过对非结构化数据的属性维度进行分类，将非结构化数据建模成多维文件空间模型，并对文件集合上的各种操作进行定义。此外，通过细粒度计算磁盘IO代价、网络代价、副本代价、CPU代价、数据分区代价，得到指定工作负载下的最优物理存储实现，进而通过排队论等方法对副本的一致性进行控制，实现满足用户SLA（服务等级保证）的柔性事务。  图1. 基于多维文件空间的最优非结构化数据存储方法示意图  相比现有对象存储等技术，该项技术可以实现更加灵活的数据访问。同时，该项技术能够建立多维文件空间到分布式物理存储的最优映射机制，保证非结构化数据总访问代价最小。相比于现有的分布式文件系统，该项技术可以确保使用少量内存管理数以亿计的海量非结构化小文件，而现有多数分布式文件系统在遇到海量文件管理时往往会出现内存爆炸问题。02. 应用前景 本成果技术可广泛用于各种类型尤其是多维度属性的非结构化数据管理。目前已经被成功应用于中国气象局和全国31个省或直辖市气象局，以及石油、风电等多家工业企业。该项成果还入选了2016国家十二五科技创新成就展和2018首届数字中国建设峰会，并作为贡献之一获得2018年教育部技术发明一等奖和中国气象学会科技进步奖一等奖。03. 知识产权 本项成果已获得发明专利授权13项。04. 团队介绍 本成果团队长期研究大数据管理与分析技术，包括分布式数据存储与查询、数据质量、深度学习与迁移学习、业务过程挖掘等方向。团队课题负责人为王建民教授、博士生导师。团队在本领域发表国际学术论文100余篇，申请专利100余项，授权专利60余项。相关成果获2018年教育部技术发明一等奖、2018年气象学会科技进步一等奖、2014年国家科技进步二等奖、2013年中国电子学会科技进步一等奖。05. 合作方式 技术许可 / 软件服务。06. 联系方式 邮箱：liuyi2017@tsinghua.edu.cn 团队电话：010-62786972；13051000520 团队邮箱：huangxdong@tsinghua.edu.cn