成果与项目的背景及主要用途： 间三氟甲基苯酚是间氨基三氟甲苯的主要衍生产品之一，它是合成酰氨类农 药除草剂“吡氟草胺”的关键中间体。另外，其嘧啶丙烯酸酯作为农药杀菌剂使用； 在医药领域，用于合成抗菌素重要中间体 3-芳基甲基头孢菌素衍生物，合成抗惊 蕨药物苯基苯氧乙基氨基磺酸酯，抗结核病药物 N、N-二苯基脲衍生物。 根据目前文献报道，间三氟甲基苯酚的合成方法有五种: 过氧化氢氧化法, 三氟甲基烷基化法,电解法,重氮化水解法,醚水解法等。其中重氮化水解法所使用 的原料便宜易得,反应条件温和, 产品的收率和纯度高。该法是目前工业上应用得 最广泛的方法。 技术原理与工艺流程简介： 由文献资料以及生产的可行性分析,通过间三氟甲基苯胺重氮化、再水解的工 艺是较好的可行工艺,但目前存在的缺点是得到间三氟甲基苯酚的收率较低。分 析原因主要有,一是在重氮化反应结束后,会有少量亚硝酸存在,在加热水解时,会 产生氧化反应,使焦油产生较多。二是在加热水解重氮盐时,重氮盐一次性都在反 应器内进行分解,分解时间长、副反应多、焦油也多。 针对上述问题，天津大学采用改进的重氮化水解耦合水蒸汽蒸馏工艺，制备 间三氟甲基苯酚，具体方案是,将间三氟甲基苯胺重氮化反应制得的重氮盐水溶 26天津大学科技成果选编 27 液滴加到含有尿素的水介质中加热水解,同时通入水蒸气蒸馏,使水解产生的间三 氟甲基苯酚马上被蒸馏出,减少分解副反应,减少焦油生成量。产品收率>90%，纯 度>99.5%，与目前已有工艺水平相比，收率提高 10%以上，纯度达到优级品标 准。 技术水平及专利与获奖情况： 已获得成熟的小试技术成果，已获得专利授权（ZL201010126241.2 ） 应用前景分析及效益预测： 间三氟甲基苯酚是具有广泛用途的精细有机中间体，本生产方法的反应时 间短、技术简单、操作条件温和；获得的目标产品纯度高，收率高；水解废水可 以回收利用；是生产间三氟甲基苯酚极具竞争性的技术，具有可观经济收益预期。 应用领域：精细化工领域（农药、药物和染料） 技术转化条件（包括：原料、设备、厂房面积的要求及投资规模）： 主要原料：间三氟甲基苯胺、尿素、硫酸、亚硝酸钠、二氯甲烷 主要设备：重氮化反应釜、硫酸高位槽、亚硝酸钠配制罐、重氮盐滴加罐、 水解罐、水蒸气发生器、蒸馏液接收罐、萃取罐、蒸馏釜等 厂房面积：150-200m2 投资规模：主要设备投资 100 万元 合作方式及条件：拟与企业联合进行中试及工业化生产。 

本实用新型所涉及的一种适于家禽福利屠宰的静养间，主要由运输车入口、运输车出口、卸鸡运输区、风扇、运输车停车位构成，其特征在于整个静养间呈全封闭式设计，减少家禽与外界环境的接触，从而降低外界环境对家禽的影响；运输车入口和运输车出口互相独立，运输车出入不互相影响，运输车从运输车入口进入，然后在卸鸡运输区卸下鸡笼，鸡笼从卸鸡运输区运至致晕室，运输车从运输车出口离开；风扇设在静养间上方，空气从上向下进行流动，可以带走静养间的热气与湿气，使静养间保持适宜的温度、湿度和良好的通风性。

间三氟甲基苯酚是间氨基三氟甲苯的主要衍生产品之一，它是合成酰氨类农药除草剂“吡氟草胺”的关键中间体。另外，其嘧啶丙烯酸酯作为农药杀菌剂使用；在医药领域，用于合成抗菌素重要中间体3-芳基甲基头孢菌素衍生物，合成抗惊蕨药物苯基苯氧乙基氨基磺酸酯，抗结核病药物N、N-二苯基脲衍生物。根据目前文献报道，间三氟甲基苯酚的合成方法有五种: 过氧化氢氧化法,三氟甲基烷基化法,电解法,重氮化水解法,醚水解法等。其中重氮化水解法所使用的原料便宜易得,反应条件温和, 产品的收率和纯度高。该法是目前工业上应用得最广泛的方法。

01、项目背景 应用于卫星星间远距离组网通信，同时可以用于隐蔽通信场景。星间组网通信终端物理层软件是星间组网通信终端的重要组成部分，用于建立卫星之间双向低速率星间数据通信链路，完成相互间情报数据和其他信息传输任务。 02、项目简介 星间组网通信终端物理层软件包括来自上层的数据进行信道编码和调制，对接收到的基带数据进行同步、解调和译码。发射功率4W，通信距离>1000km，解调信噪比<-23dB。 03、关键技术 面向突发通信的超低信噪比同步技术：同步信噪比<-26dB，即噪声功率比信号功率大400倍情况下实现精确同步。 抗干扰技术：抗干扰容限最高可达23dB。

基于单颗 NXP 嵌入式芯片，研制一套可集成 4 至 8 路 高清视频输入的高性价比智慧视觉系统。该系统除了实现倒车影像、行车记录、环视全景成像等基本功能外，还将进一步基于深度学习算法，一体化集成车道偏离预警、前车碰撞预警、行人碰撞预警、盲区监测及变道辅助、驾驶行为监测等高级辅助驾驶功能，从而在不增加硬件成本的基础上，为客户提供高性价比的智慧视觉系统，实现各类型车辆的车身环境感知及预警。 

基于语音交互的智慧家庭生态系统旨在提供全新的智慧家庭解决方案。产品秉承“君子动口不动手”的理念，为家人打造专属的“虚拟管家”。家庭的各房间内安装有智能语音交互终端和其分节点，主人可以和她进行简单、自然的语言交流即可获得家佳提供的各种服务和各种资讯，甚至可以通过语言完成家庭内电器的控制。本产品产业化后，属于蓝海市场，利润值较高，投资回报率较高。技术特点：红外学习能力强，所有设备均为无线连接和通讯，安装简单便捷，维护成本低，无需破坏装修和电器，云端具备用户行为模式大数据分析系统能能够给

上海味茂霖品牌管理有限公司自2012年成立以来，始终专注于食品领域的线上及线下综合运营服务，通过与多家知名品牌合作，提供个性化的定制服务，帮助客户打造品牌形象并提升收益。 品牌管理与运营：公司专注于食品领域的品牌管理，提供从市场调研、品牌定位到营销推广的全方位服务，帮助客户在竞争激烈的市场中树立独特的品牌形象；新零售联营：与多家品牌合作，深入新零售领域，提供线上线下结合的整合营销解决方案，满足消费者多样化的购物需求；个性化定制服务：根据客户的实际需求，量身定制营销策略，帮助客户实现低成本、高效率的品牌推广，最大化品牌价值。 重点合作品牌及产品：光明农发大米；光明海狮食用油；光明福新面粉，味都挂面；光明三添芝麻油，花生酱，调味品；光明上海农场鸡蛋，鸡、鸭、鹅、鸽子等禽肉类；光明崇明农场鸭制品休食，玉米，鸡、鸭等禽肉类；康师傅饮品：星巴克，可尔必思；康师傅百饮：百事可乐、美年达、7喜、bubly微笑趣泡、佳得乐、纯果乐、果缤纷、依维世、纯水乐品牌系列产品；保多康：益生菌、灵芝孢子粉等系列产品；鲜得味：进口金枪鱼、沙丁鱼罐头系列产品；妙可蓝多：奶酪，芝士系列产品等。 自有品牌：公司拥有自有品牌“味茂霖”，通过与现有产品的结合，逐步打造独立品牌，推动品牌创新与成长，为公司长期发展奠定基础。 以服务立信誉，以质量铸品牌，公司始终坚持以客户为中心，提供精细化服务，全面满足客户需求；让每一个客户成为终身客户，通过诚信经营和优质服务，公司致力于与客户建立长期合作关系，最大限度为客户创造价值。 公司在食品快消品行业拥有十多年的丰富经验，积累了大量的实践经验和客户资源，能够为客户提供专业的品牌管理和营销解决方案。通过其专业的服务和丰富的行业经验，致力于帮助客户在竞争激烈的市场中脱颖而出，实现品牌价值的最大化。公司以客户需求为导向，提供全方位的品牌管理与运营服务，同时通过自有品牌“味茂霖”的创新与发展，为公司的长期成长奠定坚实基础。

既往预警大样本人群心理卫生状况的筛查问卷（量表）缺乏专门的人际取向，本成 果从同时测量多类人际特征状况的角度来预警心理健康。 问卷分为 4 个维度（亲和，冷漠，独立，顺从），26 个条目，同时测量 3 类人际动 力（师生关系，同学关系，亲子关系），在上海市 5 所高校大样本的施测结果证明其预 测心理健康状况的效果良好，并且具有推广应用到其他性质类同的人际关系中的潜质。 目前同济大学新生心理测试系统中已开发出计算机联机版本的测试系统。其中师生关系 对应个体与权威或领导的关系，同学关系对应个体与其同事、朋友的关系，而亲子关系 则可以对应个体未来的亲密家庭关系。 每个个体都生活在同时并存的、多重的人际关系环境中，本问卷的优点在于省时高 效地运用同一套题目测试性质不同的 3 类关系，有助于系统而整体的测量个体的人际环 境，并进一步预测其心理健康水平，同时可以指出具体的干预策略方向。

项目简介：《选矿厂生产统计计算机管理系统研究》通过湖北省科技厅组织的鉴定，其科研成果处于国内领先水平。 技术特点：本课题以大冶铁矿厂为实例，利用当前流行的Microsoft Visual Basic6.0开发选矿厂生产统计计算机管理系统软件，该系统解决了多金属选厂报表金属量不易平衡的问题，具有创新性。用户只需一次性输入原始数据，相互关联的生产日报表、周报表、月报表和年报表将自动生成，生产日报表可当天上报。企业领导、工程技术人员、管理工作者和统计分析人员可根据工作需要任意浏览、调用、打印各种报表，有利于正确指导现场操作、生产调度、组织管理和领导决策。应用领域：该系统既针对性，又有通用性，便于计算机管理网络化。可在全国同类矿山企业中推广使用，具有广阔的应用前景和良好的社会、经济效益。

随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。