分子筛膜是在多孔陶瓷支撑体上通过水热晶化制备而成的一层分子筛薄膜，利用分子筛自身微孔道结构，可以实现分子水平的分离。分子筛膜渗透汽化脱水技术是一种新型的膜分离技术，通过膜一侧引入含水有机溶剂，而另一侧抽真空的方式，能够有效实现溶剂脱水，获得高纯溶剂产品。

高速公路、城市高架等桥梁、地铁隧道、大坝、房屋建筑等混凝土结构或钢结构在施工或长期运营期间会出现裂纹或其他缺陷，进而带来很大的安全隐患。针对此情况，提出了混凝土、钢结构表观损伤远程非接触测量理论，研发出结构表观损伤的非接触检测仪与分布式监测系统。已经在国内外数十座桥梁、隧道与建筑上得到应用。

项目打破了自工业革命以来欧美人创建的传统纺纱工艺理论，提出了具有革命性和划时代意义的多轴联动数控彩色纺纱工艺理论与柔性数字化加工技术。 发明了8轴联控的三通道数控纺纱系统，研制了世界首台柔性数字化彩色纺纱机，带领纺纱技术由灰色纺纱时代进入彩色纺纱时代。 发明了数控多通道纺纱方法，提出了基于非对称牵伸、非对称加捻、非对称超喂等手段在线调控成纱形态、色彩及结构的新机理，实现了多品种纱线的一体化连续加工； 发明了网格化多基色彩纤高维度混色模型及高维度混色色谱可视化理论，为实现彩色纺纱提供了理论支撑； 发明了全色谱彩色纱、全色谱渐变纱和段彩纱、全色谱段彩竹节纱的数字化设计及纺纱加工方法，实现柔性数字化彩色纺纱。 先进纺织机械生产国高度重视纺织机械智能化，从三个层面创新纺纱智能化技术，一是基于网络传输和资源信息化的车间管理智能化；二是基于物流自动输送的纺纱工序连续化，三是基于多电机协同驱动实现纺纱加工的柔性数字化。本项目发明了柔性数字化彩色纺纱技术，研制了世界首台多通道数控彩色纺纱机，构建了完整的知识产权体系，属于国际首创。

针对全谷物杂粮糙米、黑米、青稞米、豇豆、绿豆和红小豆等难煮、难吃的问题，采用专利技术及装备对其蒸煮食用品质进行改良，在保持杂粮籽粒天然形态条件下，实现了其与白米一起煮饭的同煮同熟，杂粮不用浸泡、气味芳香，好吃易煮。杂粮的营养健康价值体现在于主食化，其主食化消费痛点就是难煮、难吃、难贮藏，本项目成功解决了杂粮与白米煮饭难以同煮同熟的行业痛点问题，满足了消费者对杂粮食用方便，好吃易煮的需求，产品受到消费者广泛好评。技术与装备成果已在企业产业化，交钥匙工程。 创新要点 经过六年潜心研发，构建了以全谷物杂粮同煮同熟关键技术为基础、产业化装备为支撑、高食味值中低 GI 全谷物米饭引领的健康主食（米饭）产业体系，实现了全谷物杂粮米饭“比白米饭好吃、像白米样易煮”。核⼼技术被陈福温院士领衔的专家组评定为“国际领先”（农科（中心）评价字[2018]第 95 号），研 究成果获得了“黑龙江省科技进步一等奖”（证书号：2019-028-02）。同一套装 备可加工处理多种杂粮，生产自动化、柔性化、环境友好。

久爱致和为解决运输过程不透明、关键节点管控难、数据反馈滞后等问题，需构建一套灵活适配多业务场景的TMS运输管理系统。鼎软天下为久爱致和赋能物流数字化升级，通过系统落地，达成订单全流程履约全程可视、关键节点信息精准推送、运输数据差异高效处理、全链路监控追溯可查，最终实现物流业务的全方位统筹与智能管控，夯实数字化运营基础。

本思政案例值巴黎奥运会火热举办之际，以奥运会数据为载体，引导学生运用Python的Pandas库进行数据清洗、筛选与聚合分析，并通过Plotly工具实现数据可视化。案例巧妙融合数据分析技能培养与思政教育，通过剖析我国奥运奖牌数据变化，让学生直观感受国家体育事业的蓬勃发展，深切领悟体育强国战略背后蕴含的国家意志与民族精神。同时，鼓励学生从数据中探寻体育精神内核，内化于心、践之于行，涵养积极人生态度与爱国情怀。此外，案例数据可视化呈现国际竞技格局，助学生理解多元包容、拓宽国际化视野，增强民族自豪感与文化自信，实现知识传授与价值引领的有机统一。

1.本公司研发生产的智能快递柜、智能生鲜柜，融合物联网、5G通信技术，是一款高性价比，易扩展的新型快递柜。2.本公司自主研发的分布式社区互联网平台，涵盖智能物流、O2O商城、社区社交等综合功能，可多方位服务社区居民及社区商家。目前研发生产的快递柜以下几个问题1.不整体体积太大，不易运输，2.智能控制模块成本较高，3.通信模块信号不能确保百分比稳定，4.开闭件易损耗；

（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。

针对太赫兹高分辨雷达和通信系统应用需求，研究了常温固态太赫兹连续波发射和接收的总体方案和实现技术，研究了太赫兹平面肖特基势垒二极管非线性模型的精确模型，提出了太赫兹高效倍频电路和低损耗分谐波接收电路的拓扑结构，掌握了太赫兹倍频器和分谐波混频器的优化方法，解决了固态太赫兹关键技术的工艺难题，突破太赫兹连续波发射和接收的关键技术，打破国外技术封锁，提高自主创新能力，形成自主知识产权，相关技术水平达到国际先进，为我国太赫兹技术的发展和太赫兹系统的应用奠定技术基础，提供技术支撑。

疫情防控，快速识别出潜在的感染者是关键。近日，西安交大管理学院刘跃文副教授研发出新冠肺炎感染风险的大数据评估模型，可基于旅行大数据，综合计算新冠肺炎感染风险指数和级别。该模型在云南省全面推广应用，大幅度提升了防控一线现场核查工作的效率，在一定程度上控制了疫情传播风险，得到了云南省委、省政府领导的高度认可。 当前，在阻断新型冠状病毒传播的工作中，存在三个盲区也是关键点，严重影响着疫情防治的效果，即：一是很难知道某个人是否在公共交通工具及场所中与已确诊人员或疫源地人员接触过；二是个别人员近期到过疫源地或接触过确诊人员，但是毫不在意，不汇报也不主动自我隔离；三是个别人员甚至刻意隐瞒自己曾到过疫源地或接触过确诊人员的历史。为此，上述三种类型人员给疫情防治工作带来了巨大的挑战，使其无法开展有效核查，也无法有效规避风险。据刘跃文介绍，2月4日，新型冠状病毒感染风险的大数据评估模型及系统在云南省正式上线应用，基于个人的旅行数据，自动分析其是否到过疫源地、是否与疫源地人员接触、是否与已感染病例接触等多项指标，利用贝叶斯方法，计算其感染新冠病毒的可能性指数，并预警高风险人员。