|
搜索
搜 索
高等教育领域数字化综合服务平台
盐酸达泊西汀的合成工艺研究
成果简介： 本项目以三氯苯丙酮为起始原料，经还原、缩合、卤代、化、手性拆分、成盐得到粗品，将重结晶技术引入本项目，结晶得到高纯度的盐酸达泊西汀产品。
南京工业大学
2021-01-12
L-刀豆氨酸的合成工艺研究
项目研究背景： 该工艺以廉价的 L-Cbz-蛋氨酸为原料， 经内酯化反应 得到关键的中间体 N-Cbz-L- 高丝氨酸内酯， 再与丙基溴反应对羧基进行保 护得到羟基丁酸丙酯衍生物，然后 PBr3 作为卤化试剂发生卤化反应，引 入溴离子离去基，含有离去基的侧链与 N-羟基邻苯二甲酰亚胺发生 N-烷 化反应，引入 NH2-O 健，接着在浓盐酸中脱去保护基并发生水解酞酰亚 胺反应，得到含有
南昌大学
2021-04-14
新工科实验室
青软创新科技集团股份有限公司
2022-07-07
Lyocell纤维国产化工艺与设备的研究
课题组自1994年进行Lyocell纤维实验室小试；2001年与上海纺织控股集团公司共同申请的“年产1000吨Lyocell纤维项目”被国家发改委列入国家高技术产业发展项目计划新材料专项项目，又于2004年被批准为上海市首批“科教兴市”重大产业科技攻关项目，年产千吨规模Lyocell纤维工业化生产线正在生产。成果获“2000年度中国高等学校十大科技进展”称号。课题组还开发各种改性Lyocell纤维。
东华大学
2021-02-01
合成甜味剂安赛蜜合成工艺研究
该项目为1998年武汉市科委科技攻关项目，2000年通过专家鉴定,达国内领先水平。安赛蜜甜度为蔗糖的200倍，易溶于水，协同性好，熔点为225 oC（分解）。尤其是在酸性饮料中也有很好的稳定性和甜度，而且安赛蜜在人体内不代谢、不吸收、不蓄集，24小时内可完全排出体外，具有很高的安全性，是世界公认的最具有发展潜力的甜味剂新品种之一。
武汉工程大学
2021-04-11
高精度陶瓷增材制造装备与工艺研究
面向大尺寸高精度陶瓷及其复合材料复杂形状结构的成形，基于面曝光技术，开发了专用大尺寸陶瓷增材制造成形装备及相关工艺。
技术特征
基于面曝光技术的陶瓷预制体成形设备可成形ZrO2、Al2O3陶瓷预制体，利用微透镜阵列聚焦及光斑微偏移技术，分辨率可提升到37.5μm，结合收缩预测技术，大大提高陶瓷成形精度，成形尺寸达270mm×300mm×450mm，成形相对精度达到±1%，同时配套研发了无缺陷脱脂与烧结工艺，烧结样件致密度可达97%。
南京航空航天大学
2021-05-11
高精度陶瓷增材制造装备与工艺研究
面向大尺寸高精度陶瓷及其复合材料复杂形状结构的成形，基于面曝光技术，开发了专用大尺寸陶瓷增材制造成形装备及相关工艺。技术特征基于面曝光技术的陶瓷预制体成形设备可成形ZrO2、Al2O3陶瓷预制体，利用微透镜阵列聚焦及光斑微偏移技术，分辨率可提升到37.5μm，结合收缩预测技术，大大提高陶瓷成形精度，成形尺寸达270mm×300mm×450mm，成形相对精度达到±1%，同时配套研发了无缺陷脱脂与烧结工艺，烧结样件致密度可达97%。应用范围:该项目研发了高精度结构陶瓷复杂结构成形的增材制造装备，并开展了相关工艺的研究，解决了工程陶瓷材料难以成形复杂结构的难题。项目所涉及技术可成功制备低介陶瓷无源器件、仿生多孔结构与吸波超结构等，可在航空航天、卫星、雷达等领域得到广泛的应用。
南京航空航天大学
2021-04-10
欢迎报名 | 平行论坛“‘四新’2.0建设与创新人才培养”新工科2.0建设与创新人才培养论坛
平行论坛“‘四新’2.0建设与创新人才培养”新工科2.0建设与创新人才培养论坛报名
中国高等教育学会
2025-05-19
甾体激素药物的绿色生物制造与工艺研究
甾体激素药物是仅次于抗生素的第二大类药物。全球甾体类药物总值近 500 亿美元，占世界医药销售额的 6%。中国是甾体药物原料及其制剂的主要生产国，年产值近 800 亿元人民币。 本项目组围绕重要甾体化合物中间体 AD、三羟基雄甾烯酮及其相关下游产 品，开展生物转化关键技术研究与产业应用研究，突破了生物催化去氢表雄酮双 羟化制备三羟基雄甾烯酮的技术体系，创新了屈螺酮合成新方法。项目改造优化 了微生物转化菌种的性能，开发了新型发酵和绿色提取工艺，建立了全流程的过程工程控制技术，大幅提高了产品的转化率，建成了百吨级规模的甾体化合物生产线。项目成果在 Green Chemistry、Journal of Steroid Biochemistry andMolecular Biology、Steroids 等期刊上共发表了相关文章 30 余篇，申请国家发明专利 28 项，其中授权 10 项。获中国石油和化工行业协会优秀专利奖 1 项，全国大学生“挑战杯”竞赛一等奖 1 项。
江南大学
2021-04-13
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