立窑水泥产量占全国水泥产量的80％以上，立窑能耗问题是水泥行业急需解决的问题之一。由于立窑壁边壁效应的影响，通常窑边部通风较中部为好，使中部燃料燃烧处于缺氧状态。立窑内的燃料燃烧是在料球内部中心缺氧、窑上部缺氧和窑中部缺氧的条件下进行的，因此，如不采取各种有效措施，立窑的化学不完全燃烧成为立窑热耗高的主要原因之一。 减少燃料的不完全燃烧损失，加快熟料的煅烧速度，使用含有助燃功能的复合矿化剂，实行暗火操作（或深暗火），是提高立窑产量、质量，降低消耗，长期安全运转的重要途径。 应用原理： 立窑在煅烧过程中，首先必须使生料在高温带的煅烧速度与燃料的燃烧速度（上火速度）相适应，同时与加料速度与卸料速度平衡。在提高生料煅烧速度的基础上，加快燃料的燃烧速度，增加卸料速度和加料速度，保证生料在高温带有足够的停留时间（一定的温度下），是保证熟料产量、质量，降低能耗的重要途径。 黑生料煅烧法，在低温、缺氧条件下，易发生燃烧不完全，增加了化学不完全燃烧的热损失。改进化学不完全燃烧的途径就是在矿化剂中加入煤粉的燃烧促进剂，提高化学燃烧的完全度，提高产品质量、产量，降低能耗。 硅酸盐水泥熟料中C3S在1450℃时通过液相形成： 这个反应过程的速率取决于三个主要因素： （1）液相开始出现时的温度──最低共溶温度； （2）液相量； （3）液相的粘度和表面张力。 生料中引入复合外加物还起到助熔剂和矿化剂的双重复合矿化——助溶作用，它们降低了物料的最低共熔温度，增加了液相量，降低了液相的粘度和表面张力，并改变其反应历程，因而该熟料能够在较低温度（1350℃以下）形成，并加快了C3S的形成速率。 采用本技术煅烧的熟料C3S含量高，促使熟料强度大大提高。复合矿化剂的加入还改善了物料对立窑不均匀场的适应性，提高了可烧性。 助燃复合矿化剂的主要作用之一是通过生成中间相，降低液相出现温度，降低烧成和液相粘度，增加C3S的形成范围和形成速度，从而达到提高熟料质量，降低熟料热耗的目的。 物料出现液相以后，加快溶解与扩散，造成中间相，加快C2S对CaO的吸收等。从而提高C2S吸收CaO的速度和吸收程度。 在机立窑上采用助燃复合矿化剂，熟料中的粉尘含量大大减少，熟料煤耗降低8-15％，窑产量提高12％，熟料中C3S含量提高，熟料强度比实施前提高10-30％。每吨水泥综合成本下降10％左右。 应用助燃复合矿化剂工艺流程： （1）生料的配比控制。 1）石灰矿、粘土的成分分析及配料比例。 2）煤的工业分析、煤灰分析、煤的全硫分析。煤的掺量比例。 3）助燃复合矿化剂加量。将助燃复合矿化剂由配料线通过电子称控制加入，加入量：生料的0.1％。 （2）熟料的三率值和f CaO的检测控制。 使用复合矿化剂三率推荐值： KH：0.94-0.95 SM：1.81-2.09 IM：1.3  差别主要在SM和IM上，使之接近复合矿化剂的使用条件。 （3）加强操作，采用浅暗火煅烧，加强通风。 1）采用助燃复合矿化剂，高KH配料方案，必须适当降低生料细度，加强生料均化，提高生料均匀性，须加强生料均化，提高复合矿化剂在生料中掺加的均匀性和含煤量的均匀性，为熟料煅烧创造条件。 2）采用浅暗火煅烧，使其具有一定深度的湿料层，燃烧中必须加强操作，稳定窑的热工制度，紧紧抓住底火这个关键，达到三平衡，使之形成良性循环。 3）加强立窑通风，防止还原气煅烧。加强熟料煅烧操作，采用浅暗煅烧，稳定底火，稳定窑的热工制度，保证熟料的烧成温度和足够的烧成时间，以使熟料有较高的C3S矿物含量，从而达到提高熟料的强度。

本技术基于通用工业 PC 的标准以太网接口，无需实时操作系统可实现高 性能实时同步控制。基于此平台可构建高性能实时同步工业控制系统，控制轴 数可柔性扩展，各控制节点之间可进行分布式布局，且方便与设计、管理网络 的信息集成。特别适合于需要高速、高精、同步控制的伺服运动控制系统和过 程控制系统。目前已初步形成复杂控制器开发平台和基于 CoDeSys 软 PLC 的控 制平台。具备完全自主知识产权，性价比高。已在机床数控系统、机器人控制 系统、生产线控制系统、纺织机械（高速多轴无纺布交叉铺网机等）控制系统 155 成功应用。

本成果专注于工业声学大数据在智能制造领域应用，开发工业智能听诊系统，其利用声学传感器在线采集机械设备及产品信号，依据专业声学分析方法，结合机器学习技术，可替代人工完成产品异音异响下线检测及关键设备的预测性维护。 一、项目分类 关键核心技术突破 二、成果简介 机械设备及产品发出的声音信号能够有效表征其运行状态，若出现异音异响，则表明其机械设备及产品存在故障或质量缺陷。目前机械设备及产品的质量检测和故障诊断大多采用人工听诊的方法，存在误判率高、效率低下以及生产成本日益增加的问题。 本成果专注于工业声学大数据在智能制造领域应用，开发工业智能听诊系统，其利用声学传感器在线采集机械设备及产品信号，依据专业声学分析方法，结合机器学习技术，可替代人工完成产品异音异响下线检测及关键设备的预测性维护。

TDA（芯片热设计自动化）软件是清华航院曹炳阳教授团队全自主研发的国际首个芯片跨尺度热仿真与设计系统。TDA软件可实现芯片从纳米至宏观尺寸的热设计与仿真，支持芯片微纳结构内部热输运过程的模拟研究，直接提高芯片热仿真精度与结温预测准确度，进而提高芯片性能、寿命和可靠性。

产品详细介绍   前言：植物病害是严重危害农业生产的自然灾害之一。根据联合国粮农组织估计，全世界的粮食和棉花生产因病害常年损失在10%以上。植物病害不仅可引起农作物产量的减少，而且在一定程度上还严重威胁到农产品的质量安全及其国际贸易。历史上有很多因植物病害的大面积爆发和流行给人类带来重大灾难的事件，著名的"爱尔兰大饥荒"，即1845年由于马铃薯晚疫病的严重流行危害而造成"饿殍遍地及流离失所"的重大案例。植物病虫害同样严重威胁人类宝贵的森林资源。林业病虫害被称为无烟的森林火灾,林业专家提醒林业有关部门和林农要加强虫情监测,早发现早防治,把病虫害对林木的危害程度降到最低,以确保森林植被的健康发展。   细菌、真菌和病毒是引起蔬菜、水果、小麦、玉米、水稻、大豆等农作物及林木，花卉等病害的主要原因。这些病害微生物一般通过茎、叶、根系、果实等侵染植物，大部分病害在染病初期虽能较易防治，但一般不易被人察觉，病害一旦发生，防治不仅困难而且效果较差，致使农作物减产，甚至绝收。如何在病害发病初期进行检测和及时防治，对防治病害的发生尤为重要。  3R Anyty研制开发的植物病虫害现场检测设备-----便携式显微镜，产品小巧便携、内置锂电可以突破传统光学显微镜使用空间局限性，在田间林场对病虫害现场检测、现场分析，确认病因，为病虫害防治赢得宝贵时间，将病虫害的危害程度降到最低！　　Anyty便携式显微镜3R-WM401PVTV/3R-WM601PCTV，独创显微镜及显示屏无线数据连接，无需任何电脑等辅助设备即可现场检测，显微镜观测的画面直接转化为数字信号，将各种植株上的病表，虫害，病菌,真菌,灰酶等病虫害直接在无线显示屏上成像，快速分析判断各种作物病虫害的种类，确诊病因,对症下药，还可以拍照、录像储存观测数据，为如何防治病虫害及科学用药提供了科学合理的理论依据.产品规格：　　●产品型号：3R-WM401PCTV　　●产品品牌：Anyty（艾尼提）　　●电脑操作系统：视窗XPSP2或Vista或WIN7以上　　●产品接口：USB2.0　　●光学芯片：CMOS35万象素　　●照片象素：720x480,640x480,320x240　　●颜色：24bitRGB　　●光学镜头：双轴27倍&100倍显微镜头　　●手动调焦范围：8毫米到300毫米　　●放大倍数：10倍到200倍　　●自动白平衡.　　●自动曝光　　●光源：内置8个可调暖白发光灯　　●有无偏光\滤光功能：无　　●电源：5V电脑USB电源　　●尺寸：13.5厘米(长)x3.6厘米(直径)　　●无线传输距离：不小于5米（无障碍）　　●锂电池特征：　　●完全充电时间：3小时左右，可持续工作时间：5小时左右,寿命：完全充放电500次。　　●无线功率：10mW　　●4个频道可供切换专用液晶TV显示屏：　　显示屏尺寸：3.5TFT-LCD　　解析度：960×240分辨率　　传输频率：2414MHz.2432MHz.2450MHz.2468MHz（兆赫）　　充电时间：3小时　　工作时间：2小时　　视频大小：2700字节/分钟　　外形尺寸：100×70×25毫米　　重量：140g

产品详细介绍 PlantScreen植物表型成像分析系统（植物自动传送版）   PlantScreen植物表型成像系统由捷克PSI公司研制生产，整合了LED植物智能培养、自动化控制系统、叶绿素荧光成像测量分析、植物热成像分析、植物近红外成像分析、植物高光谱分析、自动条码识别管理、RGB真彩3D成像、自动称重与浇灌系统等多项先进技术，以最优化的方式实现大量植物样品——从拟南芥、玉米到各种其它植物的全方位生理生态与形态结构成像分析，用于高通量植物表型成像分析测量、植物胁迫响应成像分析测量、植物生长分析测量、生态毒理学研究、性状识别及植物生理生态分析研究等。作为全球第一家研制生产植物叶绿素荧光成像系统的厂家，PSI公司在植物表型成像分析领域处于全球的技术前列，大面积叶绿素荧光成像分析功能使PlantScreen成为植物表型分析与功能成像分析的最为先进的仪器设备，使植物生长、胁迫响应等测量参数达100多个。 左图为整套PlantScreen系统，中图为成像室，右图为成像室中的玉米 PlantScreen系统包括如下成像分析功能：   1. 叶绿素荧光成像分析：单幅成像面积35x35cm，成像测量参数包括Fo, Fm, Fv, Fo’, Fm’, Fv’, Ft, Fv/Fm, Fv’/Fm’, Phi_PSII, NPQ, qN, qP, Rfd等几十个叶绿素荧光参数 2. RGB成像分析：成像测量参数包括： 1) 叶面积（Leaf Area: Useful for monitoring growth rate） 2) 植物紧实度／紧密度（Solidity/Compactness. Ratio between the area covered by the plant’s convex hull and the area covered by the actual plant）   3) 叶片周长（Leaf Perimeter: Particularly useful for the basic leaf shape and width evaluation (combined with leaf area)） 4) 偏心率（Eccentricity: Plant shape estimation, scalar number, eccentricity of the ellipse with same second moments as the plant (0...circle, 1...line segment)） 5) 叶圆度（Roundness: Based on evaluating the ratio between leaf area and perimeter. Gives information about leaf roundness） 6) 叶宽指数（Medium Leaf Width Index: Leaf area proportional to the plant skeleton (i.e. reduction of the leaf to line segment)） 7) 叶片细长度SOL (Slenderness of Leaves) 8) 植物圆直径（Circle Diameter. Diameter of a circle with the same area as the plant） 9) 凸包面积（Convex Hull Area. Useful for compactness evaluation）   10) 植物质心（Centroid. Center of the plant mass position (particularly useful for the eccentricity evaluation)） 11) 节间距（Internodal Distances） 12) 生长高度（Growth Height） 13) 植物三维最大高度和宽度（Maximum Height and Width of Plant in 3 Dimensions） 14) 相对生长速率（Relative growth rate） 15) 叶倾角（Leaf Angle） 16) 节叶片数量（Leaf Number at Nodes） 17) 其它参数如用于植物适合度估算的颜色定量分级、绿度指数（Other parameters such as color segmentation for plant fitness evaluation, greening index and others） 3. 高光谱成像分析（选配），可成像并分析如下参数： 1) 归一化指数（Normalized Difference Vegetation Index (NDVI)） 2) 简单比值指数（Simple Ratio Index, Equation: SR = RNIR / RRED） 3) 改进的叶绿素吸收反射指数（Modified Chlorophyll Absorption in Reflectance Index (MCARI1), ?Equation: MCARI1 = 1.2 * [2.5 * (R790- R670) - 1.3 * (R790- R550)]） 4) 最优化土壤调整植被指数（Optimized Soil-Adjusted Vegetation Index (OSAVI)?, Equation: OSAVI = (1 + 0.16) * (R790- R670) / (R790- R670 + 0.16)） 5) 绿度指数（Greenness Index (G), Equation: G = R554 / R677） 6) 改进的叶绿素吸收反射指数（Modified Chlorophyll Absorption in Reflectance Index (MCARI), ?Equation: MCARI = [(R700- R670) - 0.2 * (R700- R550)] * (R700/ R670)） 7) 转换类胡罗卜素指数（Transformed CAR Index (TCARI)?, Equation: TSARI = 3 * [(R700- R670) - 0.2 * (R700- R550) * (R700/ R670)]） 8) 三角植被指数（Triangular Vegetation Index (TVI)?, ?Equation: TVI = 0.5 * [120 * (R750- R550) - 200 * (R670- R550)]） 9) ZMI指数（Zarco-Tejada & Miller Index (ZMI), Equation: ZMI = R750 / R710） 10) 简单比值色素指数（Simple Ratio Pigment Index (SRPI), Equation: SRPI = R430 / R680） 11) 归一化脱镁作用指数（Normalized Phaeophytinization Index (NPQI), Equation: NPQI = (R415- R435) / (R415+ R435)） 12) 光化学植被反射指数（Photochemical Reflectance Index (PRI), Equation: PRI = (R531- R570) / (R531+ R570)） 13) 归一化叶绿素指数（Normalized Pigment Chlorophyll Index (NPCI), NPCI = (R680- R430) / (R680+ R430)） 14) Carter指数（Carter Indices?, Equation: Ctr1 = R695 / R420; Ctr2 = R695 / R760） 15) Lichtenthaler指数（Lichtenthaler Indices?, Equation: Lic1 = (R790 - R680) / (R790 + R680); Lic2 = R440 / R690） 16) SIPI指数（Structure Intensive Pigment Index (SIPI), Equation: SIPI = (R790- R450) / (R790+ R650)） 17) Gitelson－Merzlyak指数（Gitelson and Merzlyak Indices?, ?Equation: GM1 = R750/ R550; GM2 = R750/ R700）   4. 热成像分析（选配）：用于成像分析植物在光辐射情况下的二维发热分布，良好的散热可以使植物耐受较长时间的高光辐射或低水条件（干旱） 5. 近红外成像分析（选配）：用于观测分析植物的水分状态及其在不同组织间的分布变异，处于良好浇灌状态的植物表现出对近红外光谱的高吸收性，而处于干旱状态的植物则表现出对近红外光谱的高反射性，通过分析软件可以监测分析从干旱胁迫到再浇灌过程中的整个过程动态及植物对干旱胁迫的响应和水分利用效率，并形成假彩图像，可以与植物的形态指数及叶绿素荧光指数进行相关分析研究。   系统配置与工作原理：   整套系统由自动化植物传送系统、光适应室、RGB成像、FluorCam叶绿素荧光成像、高光谱成像、植物热成像、植物近红外成像、自动浇灌施肥与称重系统、植物标识系统等组成，光适应室内的植物可由传送带传送到成像室进行成像分析等。   技术指标：   1. 自动装载与卸载植物样品，通过条形码或RFID标签识别跟踪样品 2. 光适应室：用于光照适应或植物培养，LED光源光照强度达1000μmol/m2.s，无热效应，强度0－100%可调，可通过实验程序预设光照周期变化，可选配通用型或专用型如水稻生长观测室等，还可选配三维扫瞄成像分析功能（包括XYZ三维扫瞄成像系统和软件） 3. 标配托盘架30x30cm，用于安放盆栽植物或可以盛放多个小花盆的托盘 4. 自动传送系统由光适应室到成像室形成一个环形传送通道，传送带采用具变速器的三相异步马达，200-1000W，传送带宽320mm，负载力130kg，速度9m/min 5. 移动控制系统中央处理单元：CJ2M-CPU33；数字I/O：最大2560点；PLC通讯：通过以太网100Mb/s高端PC；OMRON MECHATROLINK-II 最大16轴精确定位 6. 植物成像测量室：150cm(长)x150cm(宽)x220cm(高)，与环境光隔离（light-isolated），快速自动开启关闭门，开启关闭周期小于3秒，传送带入口具光幕传感系统、条码识别器和RFID读取器 7. RFID读取器辨识距离：2-20cm；通讯：RS485；条码识别器可读取1维、2维和QR码，具LED光源便于弱光下辨识，RS485通讯 8. F3EM2光幕系统，精确测量植物高度和宽度以便进入成像测量室后摄像头自动精确定位，测量范围150cm，分辨率5mm 9. 叶绿素荧光成像：包括光隔离成像室、自动开启与关闭门、传送带、PLC控制自动上下移动聚焦系统、4个LED光源板、8位绿波轮等，单幅成像面积35x35cm，测量光橙色620nm，橙色和白色双波长光化学光，饱和光闪为白色或蓝色 10. 自动灌溉与称重，可同时对5个植物种植盆进行浇灌和称重，精确度±1g；称重后精确浇灌，可通过实验程序（protocol）预设浇灌过程（regime）或干旱胁迫状态，还可选配营养供给系统随浇灌定量供给植物营养（如氮肥等）；称重前自动零校准，还可通过已知重量（如砝码）物品自动进行再校准；防护级别：IP66 11. 称重系统由4个称重单元组成，安全承载限：150% Ln；温度补偿：-10－40°C，标配测量范围7kg，可选配10kg、15kg或20kg 12. RGB成像：顶部和侧面三维成像（3个摄像头），每个摄像头各自拥有独立的控制面盘以设置曝光时间、增益、白平衡等，通过控制面盘的快照键可即时拍照并显示分辨率等信息，还可通过自动模式自动成像并存储至数据库，每次扫瞄成像时间小于10秒 13. RGB成像系统包括成像室（光隔离）、传送带及位置传感器、3个摄像头、光源及成像分析软件，标配成像范围150cm(长)x150cm(宽)x150cm(高)，LED冷白光源（不对植物产生热效应） 14. 标配USB以太网摄像头，有效像素4008x2672，像素大小9.0μm，比特分辨率12比特，光量子效率：蓝光峰值465nm，绿色峰值540nm，红色峰值610nm；28mm光学镜头，口径43.2mm，光圈范围2.8－F16 15. NIR近红外成像单元：可成像采集1450－1600nm水吸收波段，以反映植物水分状况，在供水充沛情况下表现出高NIR吸收值，干旱胁迫情况下则表现出高NIR反射，NIR假彩色成像可以通过软件反映和分析植物水分状况 16. 高光谱成像单元包括光隔离成像测量室、自动开启关闭门、传送带、PLC控制自动移动聚焦镜头包括SWIR和VNIR镜头、光源、成像分析系统等，VNIR镜头波段380nm－1000nm，光圈F/0.2，缝隙宽度25μm，缝隙长度18mm，帧速12－236 fps；SWIR镜头波段900－2500nm，光圈F/0.2，缝隙宽度25μm，缝隙长度18mm，帧速60或100 fps，视野150x100cm 17. 用户可通过实验程序选择SWIR成像、VNIR成像或两个镜头全波段成像，每个镜头成像时间分别为15秒 18. 热成像单元：分辨率640x480像素，温度范围20－120°C，灵敏度NETD<0.05°C@30°C/50mK，成像面积可达150x150cm 19. 可选配人工气候室，植物生长面积9.5m2，生长高度2.0m，温度稳定性±1°C，430nm－730nm白色和IR LED 光源，1000μmol/m2/s（距离植物100cm高度的光强）,可预设自动光照周期动态， 20. 系统控制与数据采集分析系统： Ø 用户友好的图形界面 Ø 用户定义、可编辑自动测量程序（protocols） Ø MySQL数据库管理系统，可以处理拥有上千万条记录的大型数据库，支持多种存储引擎，相关数据自动存储于数据库中的不同表中 Ø 植物编码注册功能：包括植物识别码、所在托盘的识别码等存储在数据库中，测量时自动提取自动读取条形码或RFID标签 Ø 触摸屏操作界面，在线显示植物托盘数量、光线强度、分析测量状态及结果等，轻松通过软件完全控制所有的机械部件和成像工作站 Ø 可用默认程序进行所有测量，也可通过开发工具创建自定义的工作过程，或者手动操作LED光源开启或关闭、RGB扫面成像、叶绿素荧光成像、称重及浇灌等 Ø 实验程序（Protocols）具备起始键、终止键、暂停键 Ø 可根据实验需求自动控制植物样品的移动和单一成像站的激活 Ø 可提供3个相机视角的RGB数字生长分析，包含阈值分析和颜色分析 Ø 对于叶绿素荧光成像图片，软件可批量进行淬灭参数分析，包含了在背景去除图像上用户感兴趣区域和像素值的平均。分析数据以原始图像和分析数据的形式存储在数据库中。 Ø 对FIR热成像图，16位图可直接导出到MATLAB或通过软件生成温度分布的假彩图像。   部分用户：   1. 国际水稻研究所（菲律宾）The International Rice Research Institute, Los Banos Philippines  2. 澳大利亚联邦科学与工业研究组织植物表型组学中心The CSIRO Plant Phenomics Center, Canberra, Australia  3. 澳大利亚国立大学The Australian National University, Canberra. Australia  4. 孟山都公司（美国）Monsanto Corporation, St. Louis, USA.  5. 杜邦先锋国际良种公司Pioneer-Dupont, Des Moines, Iowa  6. 巴斯夫公司Metanomics（柏林）Metanomics (BASF), Berlin, GDR  7. 巴斯夫公司CropDesign（比利时）CropDesign (BASF), Nevele, Belgium  8. 美国合成基因公司Synthetic Genomics, La Jolla, USA  9. Palacky 大学Palacky University Olomouc, Czech Republic 10. Masaryk 大学Masaryk University Brno, Czech Republic   产地：欧洲    

构建了一个可靠的鞘翅目昆虫科级分类单元间的系统进化关系树，在分类单元覆盖度、系统树解析度等方面均大幅度超越之前的研究成果。更为重要的是，该研究发现：（1）鞘翅目昆虫起源于2亿9千万年前的二叠纪早期，随后物种数量不断增加，其物种多样性的产生的确与长期的进化相关；（2）然而，占甲虫物种数量一半以上的植食性甲虫出现于1亿4千万至8千万年前的白垩纪时期，这与被子植物的出现与繁盛时间完全一致，说明白垩纪时期被子植物的繁盛对植食性甲虫的物种多样性增长起到了“进化推进器”的作用。研究基于大数据构建了鞘翅目稳健的系统发育时间树，为鞘翅目昆虫的系统分类学研究奠定了基础，同时揭示了鞘翅目昆虫惊人的物种数量产生的进化机制，丰富了我们对生物进化过程复杂性的认识。