睿行智能是速羽动力旗下的低速智能车品牌，专注于多种场景的无人驾驶车辆、智能车的研发生产制造。 一、项目进展 已注册公司运营 二、企业信息 企业名称 南京速羽动力科技有限责任公司 企业法人 史昀珂 注册时间 2016.06.29 注册所在省市 江苏省南京市 组织机构代码 91320115MA1MNUC45H 经营范围 经营范围包括汽车、电动车、汽车模型、赛车、机动车及相关零配件的研发、生产、销售、技术服务和售后服务；工业产品造型设计开发；自营和代理各类商品和技术的进出口业务（国家限定公司经营或禁止进出口的商品和技术除外）；钢管、铝材、金属材料销售；碳纤维制品、锂电池组、电池管理系统、高压箱的研发和销售；体育赛事策划；赛车场地维护；自有设备租赁（不得从事金融租赁）；新能源汽车技术领域额内的技术开发、技术咨询、技术服务、技术转让；机械加工；游乐设备设计、生产、加工、销售及技术服务。 企业地址 南京江宁区东南大学路33号东南大学国家科技园1号楼3楼 获投资情况 东大科技园-紫金创投学生创业基金 15万元 三、负责人及成员 姓名 学院/所学专业 入学/毕业时间 史昀珂 机械工程 2021年9月 四、指导教师 姓名 学院/所学专业 职务/职称 研究方向 殷国栋 机械工程 教授 汽车工程 五、项目简介 睿行智能（RUIMOVE）是速羽动力旗下的低速智能车品牌，专注于多种场景的无人驾驶车辆、智能车的研发生产制造。 团队在多个领域的综合经验，使得我们在智能车领域拥有全方位的综合实力，不同的技术积累构成不同的解决方案，应用于无人驾驶的多个场景，包括无人驾驶科研平台、无人货运、无人巡逻、无人物流、无人清扫、无人摆渡、无人军事等。睿行智能（RUIMOVE）整合优势资源，立足低速智能车领域，致力于技术创新和产品创新，为低速无人车提供智能底盘整体解决方案，包括：车规级、全线控化的核心零部件，多场景电驱动系统方案，底盘轻量化、高性能解决方案。以强大的供应链、生产制造管理实现智能车的大批量生产及成本控制。睿行智能决心成为无人驾驶解决方案提供商，并积极布局软件算法、高精度地图、云服务、数据服务等领域，通过提供高性能的低速智能车和用户体验，为用户创造简便的生活方式，在全球范围内打造用户企业，致力于未来低速智能车的全面普及工作。

概述 GL-LBY/L型流变仪提供了一种科学的测试混凝土和易性的方法，是一种全新多功能和轻便的混凝土流变仪，用于检测骨料粒径在32mm以下的混凝土流变性。可应用于科研、混凝土材料配比确定、生产质量控制等领域。软件自动控制采集数据，自动计算Bingham流变参数—屈服应力和塑性粘度，绘制曲线，储存试验结果及导出试验数据。 性能特点 可移动，适用于实验室内环境 结实耐用，低成本，多功能 实验快速，准确 操作简单，自动化 更好地确定材料和易性 提高混凝土质量和性能 提高工人生产效率 加速高效新材料的推广使用

    晶品JPG-2000S智能试剂安全管理柜，是基于JPG-2000基础上迭代升级的新一代试剂柜产品，外形小巧，存储空间利用更合理，容量可以达到JPG-2000同等存储水平。小体积、大容量，在满足存储量的同时，更加节约实验室空间，可适用于各种类型的摆放方式。    JPG-2000S型试剂柜柜体嵌有7寸电容触摸屏，装有嵌入式系統。该系统可显示柜内空气质量、温湿度状況，具有柜门未关闭报警，过滤器耗材更换提醒等功能。柜体内部具有空气过滤模块，通过专用的过滤器来净化对实验人员有害的气体。柜门嵌入RFID刷卡模块，能有效管控双人双锁刷卡流程。如果想实现多台管理可以单独购买外按控制软件，该软件可以装载到用户的电脑里，通过电脑与多台柜体连接进行试剂的出入柜管理及数据导入导出工作，可将操作人员、试剂信息、柜体信息系统的管理起来，形成完整的试剂信息管理系统，可实现对试剂的安全管理。    •嵌入式系统    嵌入式系统“试剂柜管理系统V2.0”，液晶显示，位摸屏操作，可监测柜内温湿度，空气质量等信息。    •外接控制软件    双模式-可外接控制软件“试剂柜控制软件V2.0〞，实现多柜连接管控，试剂出入库管理，查询试剂信息。    智能摄像系统    无人值守，可实现24小时全天候视频监控，360°无死角，硬盘存储可达30天，并可无限扩充。    •多柜井联、系统交互    嵌入式系统和控制软件可以通过WIF1功能进行远程交互、多柜并联，存储空间无限扩大，试剂信息统计更为便利、准确，导出、打印各式样报表，数据海量存储，永久保存。    •空气过滤系统    内置活性炭空气过滤系统，有效解决化学品气味影响实验员身体健康的问题。可更换的过滤材料，大风量风扇、保证内部空气每分钟循环三次。    •双人双锁    有效解决试剂的安全管理，符合对易制毒、易制爆危险化学品的管理要求。对于常规试剂也可方便地实现单人单锁控制。

依托国家自然科学基金、国家高技术研究发展 863 计划、国防科工委重点课题以及 上海市地方政府重大工程等项目，研究了以全球定位系统（GPS）、遥感遥测技术（RS） 和地理信息系统（GIS）为核心的地球空间信息获取、处理、建模与服务的系统集成理 论、关键技术与应用，在现代测量数据处理、GPS 精密定轨与定位、高精度遥感影像匹 配与制导、空间数据不确定性与质量控制等取得了一系列创新成果。 

本发明公开了一种基于全特性空间曲面建模的梯级负荷经济分配方法，属于水电能源优化运行技术领域。本发明包括：建立以梯级总蓄能最大为目标的梯级负荷分配模型；根据水电站各机组的动力特性，构建水电站全特性空间曲面；根据水电站各机组的振动区，运用组合理论，推求水电站的组合振动区；根据水电站全特性空间曲面和水电站组合振动区，运用差分进化算法求解所述梯级负荷分配模型；将最优梯级负荷分配方案下发至各水电站。本发明以水电站作为梯级负荷分配的计算单元，通过组合振动区直接推求水电站的出力可行域，在兼顾求解精度的前提下，有效

本发明公开了一种对色散聚光型太阳能发电系统的仿真建模方 法，包括：（1）利用简单太阳大气辐射传输模式，得到入射的太阳光 谱和辐射强度数据；（2）进行膜系设计，得到输入光谱的输出光谱范 围和输出透射/反射率；（3）对系统建模创建实际系统模型，得到各 个子太阳能电池上的投射光谱数据和辐射强度数据；（4）创建系统所 使用的单结/多结太阳能子电池模型，得到各个子电池的输出响应；（5） 根据各个子电池的输出响应和投射光谱数据分

本发明公开了一种基于配电网物理模拟的故障指示器检测平台 的建模方法，该方法包括如下步骤：(1)建立双电源模型；(2)建立线路 模型，并在每条线路的末端接入故障模拟单元和模拟负载；(3)利用经 过所述步骤(1)中的电源模型和经过所述步骤(2)中获得的线路模型组 网搭建低压配电网模型；(4)在所述步骤(3)中获得的配电网模型中的模 拟电缆线路、模拟架空线路上加装升压器、升流器，将线路运行参数 转化为实际配电网运行参数，由此完成故障指示器检测平台的建模。 按照本发明实现的基于配电网物理模拟的故障指示器检测

机载LiDAR与航空影像联合城市三维建模系统（LiDARPro）主要以机载LiDAR点云及多视航空影像作为输入数据，通过点云语义分割、点云影像配准、实景三维模型重建、建筑物单体结构化模型重建、人机交互等功能模块，实现高效率、（半）自动的城市实体三维模型重建，具备全自动大测区城市建模、半自动城市高精度精细实体模型重建等多种解决方案，致力于提高智慧城市建设的自动化程度，推进实景三维中国建设进程。 一、项目分类 关键核心技术突破 二、技术分析 创新性： 机载LiDAR与航空影像联合城市三维建模系统（LiDARPro）主要以机载LiDAR点云及多视航空影像作为输入数据，通过点云语义分割、点云影像配准、实景三维模型重建、建筑物单体结构化模型重建、人机交互等功能模块，实现高效率、（半）自动的城市实体三维模型重建，具备全自动大测区城市建模、半自动城市高精度精细实体模型重建等多种解决方案，致力于提高智慧城市建设的自动化程度，推进实景三维中国建设进程。系统主要由两部分功能模块组成：自动化模型重建模块及三维可视化交互管理系统模块。其中自动建模模块由点云影像自动配准、实景三维模型重建、点云滤波、点云分类、建筑物单体化分割、建筑物结构化模型重建等软件子模块构成。系统支持DEM、DOM、实景三维模型、建筑物LoD1至LoD3模型等多种产品生产；支持多核、多CPU、多GPU架构的任务并行化管理，支持搭建点云、影像、模型数据库，支持人机交互进行语义分割、模型编辑、纹理编辑等功能。 软件解决的关键问题： LiDAR点云与倾斜影像异源异构数据配准问题，点云影像数据难以联合应用； 单一数据源三维信息与纹理信息不全，高质量模型结果依赖高精度数据输入，导致数据获取成本昂贵、效率较低； 城市级实景三维模型重建自动化程度低，低精度自动结构化模型成果难复用，而手动模型绘制难度高、工艺繁琐； 实景三维数据制作单位高度依赖国外软件，国产化难。 先进性： 当前，国内90%以上地形级实景三维数据制作测绘单位都基于国外软件进行三维重建，而城市级实景三维模型则重度依赖全人工手动勾绘且需调用国外专业三维建模软件，模型重建学习成本极高、软件针对性不强而效率低下。 机载LiDAR与航空影像联合城市三维建模系统软件系统以高精度、高效率、高自动化程度城市级实景三维模型重建为首要目标。软件系统具备高精度点云影像配准模块提供异源数据联合应用基础；采用LiDAR点云约束的多视影像密集匹配策略实现高精度、全覆盖三维数据输入以实现高质量实景三维模型重建；采取地面点滤波、非地面点地物分类、目标地物单体实例分割递进式流程得到建筑物等地物单体化三维数据；优化自动结构化模型重建与人工干预的结构化建模流程，无需额外依赖专业建模软件；提供针对建筑物结构化建模的模型编辑、纹理编辑模块，不达标的自动模型可复用，三维点云端、二维影像端可独立或联合编辑，具备交互友好的参照式、勾绘式、半自动编辑模式。 独占性： 系统主要搭建两条生产路线，以适应不同地域模型精度要求差异、不同应用时间响应要求。其一是以LiDAR点云为主的快速建筑物结构化模型重建，经过点云分类、建筑物实例分割、结构化模型重建等步骤构建人工地物结构化模型，并利用配准后多视影像对模型纹理映射，此生产线主要产品包括DOM、DEM、 LoD2为主的建筑物结构化模型、典型地物真实色彩点云等轻量基础数据；其二是在LiDAR点云约束下生成高精度密集匹配点云构造高质量实景三维模型，并在此基础上提取建筑物单体三角网数据，经过模型简化抽象得到建筑物LoD3模型，此生产线主要产品包括实景三维模型、建筑物LoD3模型等城市级实景三维数据要素。 此外，软件系统支持在Windows (Win7/10)、Ubuntu (16.04/18.04/ 20.04)、国产麒麟(V4/V10)等多操作系统中运行，已阶段性实现国产化。

本发明提供了一种面向快充的简易锂离子电池物理动态建模方法，步骤S01：设计特性测试信号：步骤S02：构建欧姆阻抗响应模块：步骤S03：构建扩散动态压降模块；步骤S04：构建开路电压查找表模块：步骤S05：基于锂离子电池模型共由三部分构成，欧姆阻抗动态响应模块、扩散动态压降模块、开路电压查找表模块，并对全电池终端电压和正负极进行建模。本发明基于模型模拟了，欧姆阻抗动态响应、扩散动态压降、全电池(OCV),随后对全电池终端电压和正负极进行建模，通过恒流放电实验验证了负电极扩散行为是低SOC误差的关键影响因素，并通过仿真验证了电池模型的动态响应特性，为锂离子电池的快充策略的优化提供了可行性依据。

人工智能应用创新实训平台是一款专为人工智能领域专业学生设计的多功能教学工具，它集科研教学、实验实训和项目实践于一体，提供了一个全面的学习环境。该平台以国产高性能芯片RK3588作为其边缘计算的核心，支持本地化编程开发，使得学习者能够深入掌握人工智能技术。此外，平台还支持PyTorch、TensorFlow、NCNN等多种主流深度学习框架，便于学生进行模型训练和推理实践。 平台内置了丰富的案例资源，包括但不限于MobileNet、Fcn_Resnet、Resnet、Openpose、Unet、Retinaface、Yolov8pose、Yolov11等前沿模型，为学生提供了实际操作和学习深度学习模型的机会。这些内置模型不仅有助于学生理解深度学习算法的实际应用，也为他们的创新项目提供了坚实的基础。通过这样的实训平台，学生能够在实践中深化理论知识，提升解决实际问题的能力。 本平台融合了先进的多模态大模型智能体，并配备了一系列场景化实体组件，包括深度相机、双轴云台、多轴机械臂、微型输送带、工业级相机以及麦克风阵列等。这些尖端设备使得我们能够快速构建智慧工厂、智能分拣、智慧交通、智能家居等多种应用场景。