本系统根据各个浆纸车间的液位、车速、浓度、流量等实时数据，实时的计算全厂以及各个浆纸车间浆料的产、耗、存的情况，辅助生产调度人员进行生产调度，实现全厂浆纸生产的稳定，避免出现生产的不正常波动，减少浆板的消耗量等。在实现实时信息显示以及计算的基础上，本系统支持车间改产、停产等事件，以及对调配比的仿真计算，从而帮助调度人员更好地进行改产、停产以及选择更加合适的浆料的配比。主要功能：通过软件系统建立浆纸平衡动态优化模型，其中包括：浆品种浆池存浆量计算模型；浆生产线产浆能力计算模型；纸机单位时间需浆能力计算模型；纸机一段时间区间需浆能力计算模型；根据纸改产时间，确定浆改产时间计算模型；浆纸总平衡计算模型等多个数学计算模型来实现浆纸的合理生产和优化调度。计算结果以FLASH方式显示，动态刷新。1） 基于多层的B/S软件体系结构，方便用户使用；2） 独特的浆纸平衡相关计算模型，实现快速设计精确地计算浆纸平衡；3） 在线提供实时数据，为合理地调度浆纸生产提供技术支持；4） 提供仿真计算环境，可以模拟系统生产状况，为制定生产计划提供技术支持。

随着汽车的技术进步，现代汽车发动机功率已经比过去增加了 2～3 倍，汽车的行驶速度大幅度提高,这意味在同样的制动条件、同样的时间内，现代汽车的制动器要产生更多的热量，要承受更多的热负荷。然而现在的车辆制动器虽经多方面改进，如加宽制动鼓和摩擦片的尺寸，改变摩擦片材料配方，鼓式制动改为盘式制动等，但都无法从根本上解决问题。受空间尺寸的限制，现有车轮制动器的散热能力始终是有限的，其制动性能最多仅比原来提高 1.2 倍。频繁或长时间制动后，温升过高不可避免，制动负荷过大的问题更加突出。若这些制

已有样品/n优质油菜研究与新品种选育。　　成果简介：以傅廷栋院士领衔的华中农业大学油菜遗传与改良创新团队依托于国家油菜武汉改良分中心和国家油菜工程技术研究中心，一直致力于油菜种质资源创新与利用、油菜基因组学、油菜杂种优势研究与利用、油菜品质遗传与改良、油菜抗性遗传与改良、油菜生物技术与应用等方面的研究，在国内是一支引领我国油菜产业转型的核心力量，在国际上是一支引领油菜遗传与育种研究发展的重要力量。　　应用前景：本团队先后发现或创建了黄籽甘蓝型油菜、波里马细胞质雄性不育（Pol cms）、生态型雄性不

目前生产氯碱工业阴极电极的工艺主要是涂刷热分解法和电化学沉积法, 它们制备的电极容易出现“龟裂"和颗粒堆积现象（图A）,使电极结构不够 稳定，在电解条件下造成电极涂层剥落，活性位点不能完全暴露（图B）,电极 催化性能衰减，槽电压升高；此外，电极在制备过程中容易夹带部分有机溶剂， 在后续爐烧过程中污染/覆盖电极表面。针对上述问题，本项目采用水热合成 法制备一种新型电极，该电极表面涂层呈现开放式纳米棒状结构（图C）, 溶液和气体在电极表面可以自由进出（图D）,能够充分暴露活性位点，提高催 化活性。并使槽压降低200 mV,电流密度增加500 A/m ,能耗降低13.3%。目 前，该析氢及析氯电极已经具有完全自主知识产权，满足替代传统氯碱工业电极 材料的要求，属于国际一流国内领军的高新技术。 市场及经济效益分析： 我国2011年至2013年，全国烧碱产量分别为2466、2698. 6、2854. 1 万吨，而2014年上半年就已生产1580万吨，我国每年的烧碱产量都在缓慢增加。 所以采用新型电极降低槽电压，争取大力度的节能降耗显然是十分必要的。本产 品是运用于氯碱工业电解槽的新型电极，相比于传统电极，该电极具有更低的过 电位且使用寿命更长，由此我们确定我们的目标市场是全国范围内的氯碱厂，由 于目前国内只有北化机一家具有此项技术，所以市场竞争相对较小，市场需求 巨大，产业前景广阔，国内市场容量每10万吨离子膜烧碱需要3600m2阴电 极，我国氯碱需求巨大市场容量大。

“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。

应用于机电装备主控系统程序控制部分，实现机电装备主控系统故障的自我检测、预报、恢复，提高机电装备运行的稳定性和安全性，具有一定的市场前景。关键技术：自愈技术，多Agent技术，检测技术产品应用领域：机电装备的控制系统中● 应用前景： 应用于机电装备主控系统程序控制部分，实现机电装备主控系统故障的自我检测、预报、恢复，提高机电装备运行的稳定性和安全性，具有一定的市场前景。

研究内容 ：金属半固态成型技术是 21 世纪材料科学与工程领域热门 研究方向之一。 本项目主要是研究金属半固态浆料制备的新工艺、 新装备， 实现对该装备工艺过程的智能控制，以高效、稳定地获得具有良好微观组 织性能的金属半固态浆料。 技术特点 ：1.自主开发了新型金属半固态浆料制备新工艺装置，探索 了该装置制备铝合金半固态浆料的优化工艺参数； 2.提出了材料智能处理 在金属半固

海洋平台、海底管道等海洋装备长期在恶劣的海洋环境中服役，较易出现腐蚀、疲劳以及开裂等结构缺陷，直接影响水下结构可靠性。针对以上问题，本项目（海洋装备交流电磁场智能安全检测及可视化评价技术与应用）围绕海洋装备在役安全检测及评估的技术难题展开系统攻关，基于交流电磁场检测原理，引入海洋电磁学，探究海洋环境中多类型激励下电磁场畸变特征，揭示水下结构缺陷三维形貌-畸变电磁场-可视化成像的正反演化规律，提出水下提离扰动条件下干扰信号识别及补偿方法，建立海洋装备智能检测与可视化评价算法，改变传统操作人员主观评估为智能可视化评价，显著提高海洋结构缺陷检测的智能化和可视化水平，最终构建新一代海洋装备交流电磁场智能安全检测和可视化评价技术体系及其工业应用系统，有效添补水下结构缺陷交流电磁场检测及可视化技术空白，突破国外技术壁垒，率先研发的具有自主知识产权的水下交流电磁场智能可视化检测仪器，可实现500米水深结构物缺陷检测。 团队（赛弗智检）依托于中国石油大学（华东）智能传感与无损检测实验室，目前有教授一名，副教授两名、博士后一名、博士三名，硕士生二十余名，具有良好的科研攻关和产品研发、升级能力。 团队研发的海洋装备交流电磁场智能可视化检测仪器能够实现水下结构萌生级裂纹（3.0 mm 长、0.5 mm 深）的智能识别和可视化评价，突破水下涂层和附着物扰动影响技术瓶颈，减少表面清理作业工序60%以上，可视化反演精度超过90%，达到国际领先水平。 本项目成果改变传统无损检测主观经验判断为智能检测与可视化评价，显著提高海洋装备结构缺陷检测效率和准确率，可广泛用于海洋油气开发、港工码头、跨海大桥以及船舶等多领域海洋装备的在役安全检测，提供高精度缺陷三维形貌信息，为合理决定维修或改装方案提供数据支撑，有效延长海洋装备的使用寿命，保障海洋装备安全运行，具有良好的社会及经济效益。 目前研发的智能可视化检测仪器已在中海油检测技术公司、广东运通仪器科技有限公司等企业销售和推广应用，用于水下导管架焊缝、深水隔水管、海洋平台等关键海洋装备安全检测和评价，有效代替传统磁粉等表面无损检测方法，产品销售及检测服务已为企业新增效益9000余万元。 获奖： （1）第六届中国国际“互联网+”大学生创新创业大赛   银奖 （2）中国博士后创新创业成果大赛   团队组金奖 （3）首届“能源 智慧 未来”全国大学生创新创业大赛   一等奖 （4）第五届山东省“互联网+”大学生创新创业大赛   金奖 （5）第十二届“挑战杯”山东省大学生创业计划竞赛   银奖 （6）东营市首届油地校创新创业大赛   二等奖 （7）第七届中国研究生能源装备创新设计大赛   一等奖 （8）第六届山东省大学生科技创新大赛   二等奖

一、产品概述 1、本设备以工业机器人与机器视觉为核心，将机械、气动、运动控制、变频调速、PLC控制技术有机地进行整合，结构模块化，便于组合，实现对不同物料进行快速的检测、组装。为了方便实训教学，系统进行了专门的设计，可以完成各类机器人单项训练和综合性项目训练，可完成各类机器人单项训练和综合性项目训练。可以进行六轴机器人示教、定位、抓取、装配、入库等训练， 2、包含六自由度工业机器人、智能视觉检测系统、PLC控制系统及一套供料、输送、装配、仓储机构，可以实现对工件分拣、检测、搬运、装配、存储等操作。 3、该平台各组件均安装在型材桌面上，机械结构、电气控制回路、执行机构相对独立，采用工业标准件设计。通过此平台可以进行机械组装、电气线路设计与接线、PLC编程与调试、智能视觉流程编辑、工业机器人编程与调试应用等多方面训练，适合职业院校、技工学校自动化类相关专业《工业机器人与控制技术》、《自动化技术》等课程的实训教学，适合自动化技术人员进行工程训练及技能比赛。 二、技术性能 输入电源：单相～220V±10% 50Hz 工作环境：温度-10℃～+40℃  相对湿度≤85%（25℃）  海拔＜4000m 装置容量：＜1.5kVA 实训平台尺寸：1500mm×880mm×1400mm 安全保护：具有漏电保护，安全符合国家标准 三、设备结构与组成       该实训平台由ABB IRB910SC型四轴工业机器人系统、欧姆龙智能视觉检测系统、可编程控制器（PLC）系统、供料单元、输送单元、供料废料暂存单元、加工废料暂存单元、工件组装单元、仓库单元、各类工件、型材实训桌、型材电脑桌等组成。    1、ABB IRB910SC型四轴工业机器人系统     由机器人本体、机器人控制器、示教单元、输入输出信号转换器和抓取机构组成，装备气动手爪、可对工件进行搬运、装配、拆解等操作。 （1）机器人本体由四自由度关节组成，固定在型材实训桌上，具有4个自由度。 （2）最大的工作半径为450mm （3）最大负载6kg （4）机器人示教单元有液晶显示屏、使能按钮、急停按钮、操作键盘，用于参数设置、手动示教、位置编辑、程序编辑等操作。 2、欧姆龙智能视觉检测系统       配备一套欧姆龙FZ-350智能视觉系统，由视觉控制器、白色光源、视觉相机及监视显示器等组成。用于检测工件的特性，如数字、颜色、形状等，还可以对装配效果进行实时检测操作。通过I/O电缆连接到PLC或机器人控制器，也支持串行总线和以太网总线连接到PLC或机器人控制器，对检测结果和检测数据进行传输。 3、西门子可编程控制器单元       配备西门子S7-1200 CPU1214C AC/DC/RLY可编程控制器，自带以太网通讯模块、数字量扩展模块控制机器人、电机、气缸等执行机构动作，处理各单元检测信号，管理工作流程、数据传输等任务。     4、RFID数据传输系统     采用西门子RFID数据传输系统，安装在环线输送单元的左端圆弧处，电子标签已埋在工件内部，检测距离为40mm。当工件从环线输送单元经过左端圆弧处时，RFID检测系统可以准确地读取工件内的标签信息，如编号、颜色、高度等信息，该信息通过工业现场数据总线传输给PLC，用来实现工件的分拣操作。 5、供料单元  由料斗、回转台、导料机构、工件滑道、开关电源、可编程序控制器、按钮、I/O接口板、通讯接口板、电气网孔板、直流减速电机组成，主要完成将工件从回传上料台依次送到检测工位。 6、输送单元       包含一套交流调速系统，由三菱D720变频器、三相交流电机、传送带、光纤传感器等组成，安装在型材实训桌上，用于传输工件。 7、工件组装单元 由工件光纤传感器、加工台、气缸、小物料等组成，安装在传送带上，用于装配工件。 8、仓库单元 由铝型材和机玻璃组成3×3库体组成 9、废品暂存仓 安装在型材实训桌上，分别对供料异常物料暂存，对加工异常物料暂存。 10、触摸屏 7寸，是一套以先进的Cortex-A8 CPU为核心（主频600MHz）的高性能嵌入式一体化触摸屏。 四、实训项目 1.机器视觉系统的原理、使用和调试 2.六轴工业机器人系统的原理、使用和调试 3.六轴工业机器人坐标系统和机器视觉坐标系统标定及相互转换 4.工业机器人与机器视觉系统综合应用的安装与调试 5.机器视觉系统模板设置、编程与调试 6.通过示教单元手动调试工业机器人 7.通过示教单元设置、修改各控制点坐标 8.通过示教单元编写、修改工业机器人程序 9.机器人追踪坐标整定 10.工业机器人系统的软件二次开发编程 11.智能视觉图像输入编辑与调试 12.智能视觉结果给出编辑与调试 13.智能视觉颜色比对测量 14.智能视觉编号比对测量 15.智能视觉尺寸比对测量 16.智能视觉角度测量 17.智能视觉系统与工业机器人综合应用 18.PLC程序编程与调试 19.智能视觉系统与工业机器人综合应用 20.变频器与交流电机主电路的连接 21.变频器面板的参数设置与操作 22.变频器面板控制交流电机调速 23.通过变频器外部端子控制电机启停 24.气动方向控制回路的安装 25.气动速度控制回路的安装 26.气动顺序控制回路的安装 27.气动系统气路的连接 28.磁性开关的位置调整 29.气动系统调试 30.RFID数据读写编程与调试