轧机出现事故或故障发生后，由于缺少当时的工况数据和波形，所以给事故或故障分析造成很大的困难。而传动系统出现事故和故障往往又与扭矩的最大瞬时值超过某极限密切相关。因此，为了保护传动系统，在线监测扭矩的瞬时变化成为轧机行为监测的重点。 为了能够更加全面反映轧机的运行状况，将轧机的工艺参数、力能参数和电参数中最有代表性的参数作为在线监测的对象，包括：轧制压力、轧制扭矩、压下辊缝、轧制温度、轧制速度、速度给定、主电机电流等。 本系统已在济钢中厚板粗轧机和南钢中板精轧机上投入使用，达到了在线监测、掌握工况、挖掘潜力、安全高产、设定门槛、指导操作、事故追溯、责任裁判的目的，取得了良好的经济效益和社会效益。2000年通过了教育部专家鉴定，其成果达到国际先进水平。 硬件配置 该系统由工业控制机柜、工控机、信号接口箱、模拟采集卡、数字采集卡、隔离放大器、信号调理器、遥测发射机、遥测接收机、前置放大器、遥测仪、感应电源主机、传感器、大屏数显及报警装置等构成。 软件功能 监测专用软件在Windows环境下运行，适合非计算机专业的轧机操作人员使用。其主要功能有：监测参数的设定－标定参数的设置、报警参数设定、采样参数设置和显示刻度设置等；采集画面切换－在线采集波形显示、数字显示、负荷柱形图、轧制工况表等；数据库及查询－一般数据库查询和事件库查询。频谱分析－功率谱分析和相关分析等。 技术特点：采用高频感应电源供电技术，成功解决了被监测轴上在线长期供电的难题，使轴上发射机和传感器等获得了所需要的直流电源。利用调制、解调和抗干扰技术，实现了被监测轴扭矩信号的无线传输。 改变了过去主要靠经验和分立的监测仪表来操作轧机的落后状态，使操作工能够在监测系统的指导下科学操作轧机。

成果简介：微博大数据舆情监控系统是一款针对新浪、腾讯等微博平台的海 量数据的高效稳定抓取、数据分析以及搜索服务为一体的软件产品，凝聚了 北理工张华平博士多年自然语言理解与精准搜索引擎的技术积累。 微博大数据舆情监控系统包含四大功能： 1、自动采集提交的微博任务列表； 2、数据自动双备份，保证数据的完整性； 3、精准搜索,提供了多种精准搜索手段，其中包括：微博关键词搜索、空间范围搜索

项目的背景及目的 利用计算机网络的应用环境，通过移动机器人/固定机械手上安装的摄像装置对工作现场采集图像，并实时地进行图像压缩和传输。在异地利用相同的设备从网络上得到图像，实时地进行解压缩与播放，并能够根据要求对图像流进行处理与存储。 技术原理与工艺流程 采用具有高速计算能力的32位图像处理DSP芯片，开发具有多路图像输入/输出标准接口，具有TCP/IP协议的网络接口的图像处理器。实现对工

主要功能：1. 无感体征监测通过UWB雷达及多光谱相机即可实现较为准确的体温心率呼吸血压等参数，患者无需任何穿戴传感器。多终端数据集成显示，提高患者就诊体验。2. 辅助手环条件允许的情况下还可佩戴手环辅助其他模块测量体征，内置定位芯片，第一时间掌握病人位置，可通过手环与AI语音助理进行交互。3. 意外预判多光谱相机和其他部件通过综合参数检测到用户姿态异常、体征异常时，预警可能出现的意外与急症4. 智能辅助诊断全病症知识图谱科学辅助诊断、指导用药

本发明公开了一种滑坡监测系统，包括竖直设置的动桩和基桩，动桩上固定有第一安装平台，第一安装平台上设有第一反射镜；基桩上固定有第二安装平台，第二安装平台上设有分光镜、激光器、第二反射镜以及光检测器，所述分光镜、激光器、第二反射镜以及光检测器和第一反射镜构成迈克尔逊干涉仪。本发明所提供的滑坡监测系统，通过迈克尔孙干涉法来检测滑坡位移，达到预防滑坡灾害的目的；与现有产品相比较，具有测量精度高，自动化程度高，操作简便等优点，并且能够做到实时测量。

本研究成果基于数字图像处理和智能识别原理，依据CCD工业摄象机获得的黑白彩色图像，进行滤波、校正、灰度化、白平衡、差分等数字图像状态等信息。 适合于监测对象动态多变，常规监测技术失灵，需要人工守卫看护的对象场合。正在继续深入研究基于明识别的控制系统，计划开发多幅图像重构三信外形曲面系统，开发铁路纲物防盗和铅封状态检测系统，开发基于图像的检索认证系统。市场前景和潜在价值看好，寻求客户合用开发推广。

成果与项目的背景及主要用途： 采用视频对交通违章及其车牌进行自动判断、 记录和发送处罚信息。 技术原理与工艺流程简介： 采用视频和图像处理技术自动识别测量违章并自动记录存档、自动识别车牌和发送短信、传真通知司机和有关人员、单位进行处理。 技术水平及专利与获奖情况：专有技术。 应用前景分析及效益预测：可以显著提高交通管理效益和水平。 应用领域：交通。 技术转化条件（包括：原料、设备、厂房面积的要求及投资规模）：不需特殊设备和条件。 合作方式及条件：技术入门费＋产值提成：20 万＋5％。 

成果描述：化工产业实现绿色与可持续发展已显著受制于行业健康、安全、环境（HSE）状况，特别是化工安全事故不仅造成重大经济损失，而且正成为掣肘整个行业健康发展的关键性问题。本项目为满足化工安全生产要求，从物料性质、设备性能、过程控制、生产组织、业务模式、经营决策等方面出发，在DCS、MES、ERP平台上，建立基于过程控制的危险源辨识及可操作性评价体系。 本项目的核心技术及优势包括： （1）以HSE知识管理为核心，集成过程控制系统、MES系统和ERP系统，实现生产过程的在线运行监控、危险源动态辨识、可操作性实时分析以及消缺措施的经济性评价。 （2）运用大数据处理技术和人工智能技术，建立装置运行实时数据、工艺数据、生产调度及经营目标的关联模型，将安全风险评估与过程技术经济评估相结合，实现化学安全管理从原来的设计集成静态模式转换为知识集成的动态预制模式，减少事故损失，保证企业效益最大化。 （3）本项目还将致力于企业私有云计算平台到行业公有云计算平台搭建，实现信息资源共享提升资源优化的配制效率。 并将利用海量数据挖掘技术，将HSE分析模型与云计算数据库内所存储的案例及规则进行关联，从而将获得数据转换为知识进行存储、表达与发布，进而让信息利度得到大幅度提升，建立基于云计算技术的化工安全风险评估与实时在线监控。 本项目在国内处于领先地位。市场前景分析：《基于过程控制的危险源辨识及可操作性评价系统》主要面向化工、石化、钢铁、建材等过程行业企业，提高企业应对健康、安全、环境等高风险挑战的能力，实现绿色与可持续发展。据资料统计，成熟的工业化国家每年在健康、安全、环境（HSE）领域的投入占营业收入比例高达3%左右，而国内相关行业只有0.1%，差距巨大，是我国重大环境和安全事故频发的重要原因之一，正成为掣肘行业健康发展的关键性因素。随着我国对环境保护、可持续的日益重视，HSE领域的市场规模与投入将成快速增长态势，对比发达工业化国家的经验，我国HSE领域将形成1000亿的市场规模， 据赛迪顾问《2012年HSE市场分析》报告，2012年中国HSE软件市场总额达到96亿元，比2011年增长52％，因此前景广阔。 但我国HSE危险源辨识及可操作性评价市场，主要是国外产品垄断， 且价格昂贵，大部分过程行业企业难以承受。而国内相关产品多为单一离线的纯指标评价，不支持在线的风险评估，更不能形成基于现场控制的危险源识别与监控，而本项目产品，立足于过程控制，建立基于云计算平台的HSE危险源辨识及可操作性评价，将具有巨大的竞争优势及市场前景。与同类成果相比的优势分析：系统基于现代过程行业的技术发展方向，达成企业健康安全绿色的制造过程与经济效益的平衡，实现柔性的生产组织形式以及平滑且动态优化的过程技术。就产品而言，技术创新性包括云计算平台条件下集成 HSE 知识管理技术、在线监测技术、APC控制技术以及企业决策和资源管理技术，建立起符合行业特点的检测、控制以及决策支持平台，从而实现高安全性环保化和高效益的生产过程。国际先进 、国内领先。