成果简介：联体泵马达技术是履带车辆液压无级转向及液压复合无级转向的核心技术。联体泵马达的基本原理与分体泵马达相同，在结构上与分体比较具有结构紧凑、可靠性高、外形简单、使用安装方便等特点。联体泵马达对外接口只有输入输出轴和进出油口，易于整体拆装，维护保养方便。世界各国发展的新型和改进型军用履带车辆的传动装置上，几乎全部采用了联体泵马达转向机构。在民用工程车辆上也逐渐开始采用，可实现履带车辆无级转向功能。 项目来源：自行开发 技术领域：先进制造 应用范围：轴向柱

成果简介：成组夹具结构设计技术：基于产品零件族设计可重构、重用的通用成组夹具（多功能通用基础件、可调/可换定位、夹紧元件等），其柔性可以服务于零件族中的全部零件，提高了夹具的利用率，降低成本、缩短夹具准备周期。 计算机辅助工装设计：在复杂工装模块化结构设计的基础上，建立工装的功能模型、结构模型和分析计算模型，并以模块装配特征为基础实现计算机辅助工装设计。 计算机辅助工装管理：建立基于网络的工装信息库，实现对工装库存信息的统计分析、检索查询维护和使用情况管理；并可实现与

光纤传感技术分布式光纤辐照检测技术，对核爆炸中核辐射剂量进行检测，光纤光缆可对探测区辐照剂量进行连续监测；石油勘探、石油输送过程中分布式光纤声波检测技术，光纤可实现对不同位置外声场的变化实时监测。

企业未来会针对大型环保设备“脱白”技术进行相关的技术攻关，“脱白”目的是为了降低烟气中含有的水蒸汽，水蒸汽中含有较多的溶解性盐、SO3、凝胶粉尘、微尘等（都是雾霾的主要成分) 如果烟气由烟囱直接排出，进入温度较低的环境空气中，由于环境空气的饱和湿度比较低，在烟气温度降低过程中，烟气中的水蒸汽会凝结形成湿烟羽。造成对大气的不仅是视觉的而且是实质上污染。白色烟雾对光进行折射，造成一定的视觉污染与光污染

窑炉熔化技术玻璃纤维等复合材料技术自动化技术

1.实现煤矿井下工作面的无线通讯。 2.实现采煤工作面物联网监测设备的电池自供电，达到自适应频率采集。 3.通过软件的智能分析，对工作面采煤装备的工作状态进行预警。 4.搭建服务器云平台，建立大数据中心，拓展相应数据实时通过PC端，手机端报警推送。

基于身份证开锁的物联网电子锁系统，主要由物联网电子锁、云服务器、后台管理软件、客户端软件组成。整个系统是基于无线以太网通信技术，可实现远程无线对电子锁的监控管理，通过RFID射频识别技术识别身份证信息。该系统解决了可用二代身份证刷卡开锁的问题，实现开锁过程实名制，以及利用无线以太网络传输开锁密码、开锁身份证号、门锁状态等信息的问题。

本发明公开了一种吡啶酰胺类化合物及其制备方法与应用。该类化合物的结构通式如式I所示。相关生物活性验证，发现其中某些化合物具有特异的油菜素内酯反应，如促进黑暗中拟南芥突变体det2‑1下胚轴伸长，水稻叶片倾角增大，增强玉米耐盐胁迫的能力等。个别化合物在低浓度就具有很高的响应值，另外在高浓度情况下，还能抑制小麦的株高，延缓生长，提高其抗倒伏的能力。同时在防治野燕麦、节节麦、稗草、狗尾巴草、山羊草等禾本科杂草上具有很好的防治效果。该系列化合物制备容易，成本低廉，农业应用推广价值高，值得后续的深入研究开发。

本成果涉及一种可用于电子封装领域的高导热低介电复合材料。通过采用不同的技术在常见聚合物基材中添加氮化硼，来制备复合材料，复合材料热导率高于 2 W/(m·K)，其介电常数小于 4。该复合材料可作为热界面材料，应用于电子封装领域。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。