哈尔滨工程大学振子自动定位系统采购项目竞争性磋商

一、项目分类 关键核心技术突破 二、技术分析 （1）国际首创性提出连续-非连续多体耦合动力学建模方法 厦门大学肖望强教授团队在国际上率先提出连续-非连续多体耦合动力学建模方法，研究有限元的载荷边界与离散元的位移边界的双向传递过程，将接触载荷从离散元域向结构有限元节点等效移置映射。解决了使用粒子阻尼关键技术的高端设备结构进行动力学设计时，无法采用有限元法对其动态响应进行分析的难题。 应用该分析方法，为保障冬奥列车在京张线350Km/h运行速度下舒适的声环境，为各国政要和冰雪健儿的冬奥专列旅程带来宁静舒适的感受。厦门大学开展科研攻关，最终克服技术难题，突破创新，在航空航天技术基础上，针对轮轨和空气涡激等振动激励源，在冬奥4动4拖动力分散式动车组头车结构上，专门研制了冬奥列车专用粒子阻尼装置，解决了高速冬奥专列噪声控制的世界难题。该装置不畏极寒天气，不改变车厢结构，显著提升了冬奥专列高速运行时车厢内声环境舒适度，在高铁车厢内部形成一层无形的“隔声护盾”。京张线冬奥列车如图1所示，实车测试如图2所示。 图1 京张线冬奥列车 图2 实车测试 2020年12月，教育部在北京组织召开成果鉴定会，鉴定意见为：该成果技术难度大，创新性强，具有重大经济和社会效益，项目综合水平达到同类产品国际先进水平。

该研究不仅阐释了MdERF17蛋白翻译后修饰的分子遗传调控机理，同时揭示了两个MdMPK4蛋白分别参与调控叶绿素降解和花青素积累以响应光/暗转换的分子机制。

研发阶段/n本发明提供了一种车用周期性阻尼结构及其减振降噪方法，其结构是将多个阻尼片按一定相对间隔周期性粘贴于基板上，其减振降噪方法即周期性阻尼结构粘贴方法，需确定的参数包括阻尼片粘贴位置和阻尼片自身结构尺寸：阻尼片的长度、宽度、厚度和形状特点以及阻尼片间相对位置。阻尼片长度不超出所需减振部位尺寸，阻尼片宽度为１ｃｍ～１０ｃｍ，厚度为基板厚度的２～１０倍，阻尼片间相对间隔中心距为１０ｃｍ～５０ｃｍ，阻尼片个数≥三个周期。本发明依据声子晶体带隙机理，对车用阻尼材料的粘贴方法进行了创新，达到了更好的车辆

目前无卤低烟阻燃热塑性弹性体电缆料虽然已有较多应用，但不论在技术发展上或市场 应用上，无卤低烟阻燃TPEE电缆料依然潜藏着很大的发展潜力。但目前该产品在使用和推广 中仍存在着很多实际问题，例如阻燃难、加工性能不好、发烟量较大及成本较高等。根据市场 应用情况和技术发展情况，本项目以TPEE为基材，开发无卤低烟阻燃TPEE电缆专用料，并考 虑添加合适的抗滴落剂防止燃烧中的滴落现象。同时设计采用膨胀型阻燃剂体系，使无卤阻燃 TPEE电缆在具有良好的低烟阻燃性能。

针对当前车用无油涡旋空压机加工精度要求高、涡旋盘容易磨损的问题，本 项目团队提出了水冷无油涡旋空气压缩机技术。采用这一技术可将涡旋盘最高温 度控制在 120℃以内，从而降低动静盘热变形，提高压缩机的可靠性与效率。

"印制电子技术是将功能性材料墨水印制在基材上，是微电子行业的一项重要革新，解决了传统光刻技术存在的生产周期长、操作复杂、污染严重等问题。 课题组发明了一种无固体颗粒的喷墨打印用银基导电墨水，该导电墨水是通过将一种有机银络合物溶解在溶剂中，同时加入微量的助剂充分溶解而获得。突出优点：（1）固化温度低：在很低的分解温度获得纳米银颗粒（最低可

传统的电解工业（电解水、氯碱工业）阴、阳极会同时产生两种气体，一般采用离子交换膜防止两种气体的混合，避免爆炸性混合气体的产生。离子交换膜的使用增加了电解的成本，此外膜内阻也增加了电解的能耗。且由于阳极和阴极室的气体压力必须通过稳定的电源输入保持平衡，很难利用风能和太阳能等不稳定的可持续能源来直接为离子膜电解池供电。另一方面，电解池中的高压气体和阳极氧化过程的中间产物也会加剧膜的老化降解，近一步增加电解成本。基于电池电极的分步法无膜电解技术有望为电池电极反应推出一个新的研究方向，随着电池工业迅速发展，电池电极的制备已经非常成熟，分步法电解技术很容易利用现有的商业化电极实现产业化。

动作捕捉技术（motion capture）在影视、体育、安防等领域具有广泛应用。传统的动作捕捉分为两大类，光学动捕系统通过在采集环境部署多个红外摄像头，再在人员的动捕服上放置光学标记球来求解出采集者的姿态信息，从而实现对人体运动的捕捉与动画映射；惯性动捕系统通过惯性测量单元（IMU）来采集肢体的运动信息，采集设备相对更轻便，但采集精度不如光学动捕系统。光学动捕系统包括Motion Analysis，Vicon，Optitrack等，惯性动捕系统有Xsens，诺亦腾等。 然而，无论是光学动捕还是惯性动捕都需要动作人穿上特定的设备，不可避免地会影响到人体运动的真实性和动捕的使用范围。同时，相应的专业动捕设备往往价格不菲，很多有需求的小型工作室也会望而却步。因此，学术界和工业界都在极力研究“无标记运动捕捉”技术，即不需要任何穿戴设备，仅由相机观测和算法分析，就实现对多人体运动的实时准确捕捉。这种技术有着更加广泛的应用场景，例如无人售货超市、VR/AR游戏、远程全息通讯、数字人创建、虚拟主播、人机交互、全天候医疗监护等。 近几年，随着深度学习技术的广泛普及，无标记动捕领域也诞生了许多革命性技术，例如实时2D多人体关键点检测技术OpenPose等。然而，多目标实时3D运动捕捉仍然是一个极具挑战性的问题，主要挑战因素包括：如何实现实时计算，如何进行高效的多视角关联，如何解决紧密交互带来的观测失真等。举个例子，当两个人拥抱在一起的时候，当前大多数检测或重建算法都会失效。而理论上，多视角的观测信号能够在一定算法设计下互相补充，尽可能解决单视角运动重建的歧义性。如何充分利用多视角的视频信号，实现复杂、紧密交互场景下的多人体运动捕捉是当前无标记运动捕捉领域的核心问题之一。 该项目研究工作提出的多视角人体运动捕捉系统包括相机采集模块，2D姿态检测模块，4D关联图求解模块，三维骨架求解模块及渲染模块。其主要算法贡献在于提出并实现了4D Association算法。 当前的多视角运动捕捉系统大多采用的是序贯地匹配策略，首先对每个视角进行独立的人体检测和连接（例如，OpenPose检测关键点和关键点相互连接的概率，从而对人体进行连接；Mask-RCNN、AlphaPose和HRNet都需要先检测每个人的BoundingBox，然后对每个人进行独立的人体检测），然后对人体进行多视角关联和姿态求解，最后进行时域跟踪。这种常规方法的缺陷在于，当单个视角检测失败以后，后续的算法难以对失败的检测结果进行修正，从而将错误的检测传递到下一个步骤，影响跟踪效果，对于紧密交互（例如前文提到的两人拥抱）的情形，单视角的往往很难给出令人满意的检测结果，因此基于序贯式的算法一般会失效。 相较而言，该研究工作的创新性在于充分利用单图连接(2D)、多视角连接(1D)、和时域连接(1D)之间的相互约束从而进行全局优化，用多视角信息和时域信息来避免单视角连接的歧义性，同时也通过单视角连接结果来优化多视角的匹配，从而使得关联结果更趋向于全局最优。具体地，该研究工作提出了一种4D Graph的图结构，将上一帧的三维人体关键点（在初始帧或者人进入动捕范围的时候可以缺失，不影响算法的运行）和当前每一视角的2D关键点建模在同一个图结构中，用单图连接、多视角连接、时域连接的概率作为边的权值，将人体多视角关联的问题看成提取有效边的过程。为了快速地求解这个问题，进一步提出了一种基于完全子图的近似求解算法，高效地完成了从4D图结构中提出正确的人体连接。 最终，该研究工作实现了紧密交互下人体的三维姿态重建，并展示了实时系统效果。其算法在多个数据集上均表现出了良好的视觉效果，在Shelf数据集上也取得了当前最好的数值结果。

研发阶段/n项目背景：拉力试验机的主要动作是使拉伸夹头以给定的速度进行移动，直到试样断裂。常规的拉力试验机采用丝杆或液压动力作为移动动力，如果要求的行程很大，这种结构在丝杆或油缸轴向尺寸、机架刚度、安装精度上的要求会成倍提高，造成整体成本大大提高。因此，在市场上，行程超过2000毫米的拉力试验机十分少见，影响了需要大行程的高塑性材料的试验要求。拉力试验机主要由机械部分、动力部分、控制及检测处理部分组成，其中，机械部分主要是丝杆或液压系统，如果去掉丝杆或液压部分，不但使成本大大降低，而且也避免了长行程