产品详细介绍TST1000为我公司专门为大型土木建筑（桥梁、高层建筑、大坝、隧道等）研制开发的一款长时监测系统，该系统具有安装简单快捷、长期稳定性好、防护等级高、无人值守等优点，可以配合各种传感器（应变、挠度、温度、风速、GPS等）完成信号的实时采集和存储，通过对桥梁或大型建筑结构状态的监测与评估 , 为桥梁或大型建筑在特殊气候 , 特殊交通条件下或运营状况严重异常时触发预警信号并分析评估桥梁及大型建筑使用寿命 , 并为建筑的养护、维修与管理决策 , 验证建筑设计理论 , 改进建筑设计方法和相应的规范标准提供科学的依据。TST1000数字模块能够通过RS485接口远距离控制外围设备，诸如风速仪、静力水准仪、各种数字传感器等，并通过网络回收数据。通过RS485的级联方式，能够灵活和简便实现客户不同现场环境中大系统、大范围的各种IO量扩展、采集控制、数据回收；通过网络传输，能够降低布线难度和降低传输过程中的信号干扰，能够帮助客户降低工程成本。TST1000为客户提供多种可选的通讯和扩展方式（网络、光纤、4G信号等），可根据现场条件选择合适的方式。通过客户端软件可远程查看桥梁的实时健康评估状况，软件还具有日（月、年）报表输出功能，产品已经广泛应用于国家高速上的多座大型桥梁。支持32组。

     实验室安全智能监测与控制系统为高校实验室安全提供一体化解决方案。项目基于全要素管理、全过程监控、全方位感知（简称“三全”）的理念，聚集于实验室安全智能化管控，构建实验室安全智能监测与控制系统，通过多维监测、安全预警和智能应急等举措，开展实验室智慧安全管理，实现实验室的本质安全，提高实验室安全的技防水平。     实验室安全智能监测与控制系统采用模块化设计，由11个模块组成，责任体系、安全教育与考试、安全准入、分级管控、安全检查、危险源管理、应急管理、安全档案、综合管理、数据可视化。基于实验室安全工作的实际需求设计，由校级平台和院级平台组成。校级平台可实时监控各院系实验室安全工作情况，进行各类数据的调用、统计和分析，主要用于实验室安全工作决策和安全工作考核。院级平台可通过各模块开展具体管控工作，能够实时监控各实验室人员、危险源、环境等状况，实现实验室安全工作的智能管控。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。    本实验室与中国中医科学院合作进行中医临床数据仓库与挖掘分析平台，以及中医临床数据挖掘方法的研究，实现了对中医临床采集病历数数据的集成与整合，数据挖掘与分析的中医临床数据仓库及挖掘分析平台，该平台旨在支持从真实世界中医临床诊疗中产生海量科研分析用数据，并以真实、高质量的数据为基础进行中医临床与理论研究，为中医临床疗效评价、临床中药新药创制提供客观的医学证据和适宜的数据分析方法。该成果于2009年12月获得国家科技进步二等奖。   名老中医OLAP展示例子 1.2多维分析与复杂网络分析系统   以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。  在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。  获奖证书   1.中医临床数据仓库与挖掘分析平台 通过分析中医临床数据元素及其多维、多层次的关系特点，研究设计了中医临床参考信息模型，以及为基础构建中医临床数据仓库细节数据模型和多维数据模型，建立以数据仓库为核心的数据整合、数据抽取/转换/转载和数据整理、数据挖掘、OLAP和统计分析的智能信息处理平台。该平台以中医临床数据仓库及其运行环境工具的构建为基础，基于实际的临床诊疗数据，实现对中医诊疗数据进行多主题、多粒度、多需求、高效、快捷的展示、研究和查询检索，并支持基于Web的OLAP主题应用，为名老中医经验继承研究、中医临床评价研究和临床科研提供实际的诊疗数据证据和知识来源，以支持临床科研决策分析，满足中医临床评价研究的探索性分析需求。针对中医临床数据的特点，研究体现中医临床数据模型特点的数据挖掘新方法，为面向中医临床研究的数据挖掘和机器学习方法研究提供新的思路和研究方向。该平台的构建初期以重大慢性疾病：中风、冠心病和糖尿病诊治规律，以及名老中医经验传承研究为支持目标。   中医临床数据仓库平台   1.1中医临床数据预处理技术临床数据的预处理包括数据整合、数据整理和数据转换等技术，我们面向中医临床数据结构内容以及中医临床研究的分析需求，实现具有完善的数据抽取-转换-装载（Extraction-transforming-loading，ETL）、数据整理和数据转换导出功能的数据前处理软件。该软件针对医学数据利用中的分布式（多采集点）采集、患者隐私保护和大规模数据处理的特点，采用灵活的数据映射配置和临床术语库衔接等方式把各采集点数据导入到临床数据仓库中，并支持批量数据核查和数据规范整理（对临床数据中的术语性数据如症状体征、诊断和药物等进行概念化语义规范）功能。   在医学领域首次应用商务智能软件（Business Objects XI）作为中医临床数据仓库OLAP分析的软件基础。开发实现了基于细节数据模型、多维数据模型和海量临床诊疗数据的探索性分析、展示系统，分析展示的内容包括名老中医经验传承、重大疾病的病证及临床表现要素关系等的主题分析集。可从数据概况、方剂、药物、疾病、症状、治法和证候等方面分别对名老中医和重大疾病临床数据进行多种关系知识的探索性分析。同时，对分析结果可进行实时查询、导出和展示（下图是一位名老中医某经典处方的临床应用证候分布情况）。   名老中医OLAP展示例子    以中医临床数据中症-证-治的复杂关系和复杂网络分析方法研究为出发点，开发实现了中医临床复杂网络分析系统。该系统包括如联机数据筛选、复杂网络建模、统计特性分析、可视化网络数据筛选等基本功能，能够支持中医临床诊疗数据中的疾病（中西医）、症状、证候、药物等实体内部元素以及实体之间元素的网络模型构建和多种复杂网络分析方法如节点中心性分析、社团分析、节点相似度分析等。从大量的临床数据中分析获得临床核心处方及其主要适应症，以及随症加减信息。该系统采用Eclipse 富客户端(Rich Client Platform, RCP)和Java语言开发（下图是该系统的主界面）。     中医临床复杂网络分析系统  1.3 真实世界中医临床有效处方发现系统 中药新药创制与研发是极具挑战和机遇的领域，当前化学制药和单成份药物研发已经出现明显的瓶颈，传统植物/天然药以及多成份复方药物的研发成为国内外关注的焦点。而从多成份调控和多靶点机理的研究为主要视角的网络药理学更成为新的趋势和方法。针对中医临床诊疗过程中具有证-治-效信息，且个体性的真实世界诊疗实践特点，我们研究基于大规模临床诊疗数据进行有效处方分析和发现的问题，通过对以中药复方为重点的治疗手段药物组成原理的分析，基于复杂网络模型和方法研制形成了有效核心处方及适应症分析方法、有效临床中药筛选与发现系统，对基于真实世界临床诊疗数据分析获得有效处方知识的方法、技术平台和示范应用进行了探索和初步实践，初步表明从真实世界临床诊疗数据中发现和挖掘有效方药是一种可行的途径，有望为中医新药创制提供可以验证的新处方、新药物等临床有效目标药物。     1.  中医临床数据挖掘分析方法 海量观察型临床数据是中医辨证论治数据的主体内容，具有复杂、多维和多关系的特点。从大规模中医临床观察数据中分析提炼形成有意义的临床假设或诊疗知识如有效处方、人群划分、药症关系以及多阶段优化治疗方案等，是实现从复杂、系统的中医辨证论治过程中发现并确认有效优化的临床诊疗处方及其药物组成的基本方法。中医临床数据包括门诊数据和住院数据两大主要部分，其数据内容由临床表现、诊断和治疗（临床疗法）三部分核心内容（如下图），其中辨证知识、证候分布、药症关系、方证关系和药物组成等是数据挖掘和分析的主要目标，而所有这些知识的有效性的评价依据是临床疗效，即确认和发现临床有效的中医诊疗知识是中医临床数据挖掘分析方法的主要有价值研究目标。    中医临床数据挖掘问题：在疗效信息的约束下，验证和发现有价值的临床诊断/治疗关系知识。  2.1基于复杂网络的中药配伍分析方法 人们通过对中医临床处方数据的初期分析，并与临床专家的交流中发现，名老中医的临床复方的组织特性体现在两个层次。第一层次为临床医生一般以经典复方（包括经方、时方和验方等）为基础进行临床处方；第二层次为在药对或药症关系基础上的药物随症加减处理。这两个层次的临床处方配伍过程形成了具有核心处方结构，而又具有较大灵活性的处方集合。因此，通过对名老中医处方集的共性网络结构分析，能够发现体现其处方思维和学术特点的核心处方配伍结构，从而辅助进行名老中医经验的传承和整理研究。通过应用基于无尺度网络现象的网络分析方法进行研究。无尺度网络作为复杂系统研究的一种实证现象和方法，对基于网络研究复杂现象和复杂系统的方法具有很大的推动作用。具有宏观无尺度现象的网络在拓扑上存在幂律现象，即节点的度分布服从幂函数分布。这在医生处方中的具体体现就是某医生对药物的使用具有比较集中的趋势，某些名老中医偏好使用某些药物，使得这些药物的已有或潜在功效得到更大的发挥或挖掘。 我们基于网络中权值的幂律分布规律，实现了多层核心子网分析方法，能够从复杂的中药配伍网络中抽取多层核心子网。该算法已经在名老中医处方配伍经验的分析中得到广泛应用。其得到的结果具有直接而明确的临床含义，且可靠性较强。第一层核心子药物子网一般解释为共性的核心处方；第二层解释为主要药物配伍；第三层解释为次要药物配伍。这些药物配伍分别对应样本的核心病机如主要疾病和主要证候等、兼证和加减症状等。以下是两类特定中药处方：1287个肝脾不调证(GPBT)处方和752个2型糖尿病合并代谢综合征处方的分析结果。   特定中药处方的核心药物配伍网络和主要加减网络，其中的网络中的节点是药物，边的权重表示两相关药物配伍使用的次数。 2.2基于隐主题模型的疾病人群临床特征类别分析方法 症状-中药-诊断主题模型（Symptom-Herb-Diagnosis Topic model，SHDT), 用来提取中医临床数据中的症状、中药和诊断间的隐主题结构。SHDT模型是LDA主题模型在多关系应用中的扩展。该模型的核心思想是假设一类样本里面包含有多个主题，例如，一类糖尿病人群有不同的并发症，且这些主题所包含的信息特征（以症状来表达）具有相对完整性和独立性。SHDT把每个主题看作是症状上的多项式分布，并通过症状来表达主题的内容；同时，把每种中药看作是主题上的多项式分布，因为一类中药可以治愈多种症状/疾病；又因为一种诊断包含多种症状/疾病，于是把诊断看作是对主题的描述，构建一种“症状-中药-诊断”主题模型。SHDT模型这种分析原理和思路与中医辨证论治过程基本吻合，它可以客观地按照症状找到自然分类人群，给出诊断描述特征和中药治疗特征。SHDT模型分别在2型糖尿病、冠心病和肝炎等慢性疾病中进行人群特征分析。实验结果说明了该模型具有较好的适宜性和科学性，分析结果能够较为完整的反映特定疾病中相关的主要人群特征类别。   症状-中药-诊断主题模型，图中三个黑色圆圈，代表显变量（观察变量），其中s 表示一个采样症状，表示患者p的所有药，表示患者p的所有诊断。白色圆圈代表隐变量，其中z 采样症状s对应的主题，x表示s对应的药，u表示s对应的诊断。矩形框表示重复采样。外部矩形框表示在集合中有P个患者。内部矩形框表示对患者p的个症状、主题、药物以及诊断重复采样。 2.3基于内隐对照和部分可观察马尔可夫决策过程模型的动态序贯处方治疗方案优化方法 中医辨证论治是症-治-效紧密相关的个体、动态的复杂干预过程，动态序贯干预是中医临床治疗慢性疾病的基本方法。以患者为轴心的治疗原则和医生的个体性特点，使得中医动态序贯干预过程中包含多样化的治疗方案。在临床诊疗经验知识的形成阶段，医生往往通过对治疗前后患者健康状态的判断，试图获得较好的治疗方案的认识，进而逐步形成固化的有效经验性治疗方案。因此，在无外部对照的情况下，如何从大规模的复杂多维临床关系数据中发现并确认在临床实际中较优的动态序贯诊疗方案是有效临床方案形成的重要课题。 考虑到实际可行性和研究代价的问题，在未有明确的有效干预方案形成的临床研究初期，无外部对照的传统中医经验整理和归纳普遍存在，且长期的中医学实践表明是有效的。但由于临床诊疗信息关系的复杂性，基于传统经验整理方式形成有效治疗方案是一个较为漫长的过程。 因此，如何借助源自真实世界（无外部对照）的大规模临床观察数据，进行挖掘分析，以辅助发现和确认较优的临床治疗方案成为辨证论治临床评价研究的关键问题之一。我们采用部分可观察马尔可夫决策过程模型(POMDP)对此问题进行研究，实现了基于POMDP的中医临床处方优化分析方法，以探寻从来自临床实际的大规模观察性临床数据中发现较优或最优的动态序贯治疗方案，为中医辨证论治有效动态干预方案的形成和临床验证提供参考知识。   中医临床诊疗过程对应的POMDP模型 1.  成果的推广应用 本成果已经在国家科技重大专项：重大传染病防治、重大新药创制等两个项目；国家科技支撑计划项目-名老中医经验传承研究；北京市科技攻关项目和国家中医临床研究基地等项目中进行推广应用。分别对艾滋病、肝炎和肺结核等传染病的中医药防治规律，从中医临床中分析确认有效处方与药物，名老中医的辨证论治个体诊疗经验，中风、冠心病和糖尿病等重大慢性疾病的临床诊治规律，以及全国10余家重点中医院诊疗优势病种（如上海龙华医院的中医胃癌治疗、骨关节病治疗；河南中医学院一附院的中医艾滋病治疗、中医慢性阻塞性肺炎治疗等）的临床诊疗优化方案等进行应用研究。逐步探索和完善中医临床科研一体化技术体系，支持基于临床诊疗实践及其真实世界诊疗数据，进行中医临床研究和中药新药创制研究的医学模式。   北京地区22家单位应用分布图

由于环境污染的加剧及石油基资源的日益短缺,基于可再生资源的生物材料日益受到重视。大豆蛋白质是豆油产业的副产物,是一种来源丰富的可再生植物资源,也是一类添加增塑剂后可热塑成型的天然高分子材料。然而,单独由大豆蛋白质制备的塑料硬且脆,加入小分子增塑剂后,大豆蛋白质热塑性改善,柔韧性增加,但力学强度较低且对水敏感,限制了其发展和应用。本项目以大豆分离蛋白质(SPI)为主要原料,通过与其他生物可降解材料的共混,以及与纳米粒子的复合来得到廉价、加工性良好且力学及防水性能改善的大豆蛋白质环境友好材料。本技术的创新之处在于：(1)制备了邻苯二甲酸酐改性的大豆蛋白质(PAS)并用其来增强甘油增塑的大豆蛋白质,在不添加任何增容剂的情况下得到了两相相容性良好、性能改善的大豆蛋白质复合材料,探讨填料、基体相似的化学结构与相容性之间的关系；(2)将碳纳米管进行酸改性后与大豆蛋白质复合,得到分散性良好、增强效果明显的纳米复合材料,研究酸改性后纳米管表面极性的变化对其在基体中的分散以及与基体相容性的影响；(3)在无增塑剂添加的情况下,通过熔融共混制备了全生物降解的SPI/聚己二酸/对苯二甲酸丁二酯(PBAT)共混材料,该共混材料在高蛋白质填充量的情况下仍具有较好的韧性和强度；(4)首次通过熔融法制备了SPI/聚乙烯醇(PVA)共混膜材料,制备过程简单、绿色且产品性能优良；为了进一步改善共混材料的力学性能,继而在SPI/PVA材料中引入层状硅酸盐蒙脱土(MMT),利用SPI/PVA与MMT三者间强的氢键作用制备剥离型或插层型纳米复合材料,所得材料强度、热稳定性、防水性提高。

浙江财经大学王会娟副教授所著的《中国私募股权投资：制度环境、公司治理与盈余质量》2018年6月由立信会计出版社出版，获2019年“浙江省第二十届哲学社会科学优秀成果奖”二等奖（基础理论研究类）。 该书是国家自然科学基金（项目批准号：71702161）和浙江省自然科学基金项目（项目批准号：17G020008LQ）的阶段性成果。私募股权投资是20世纪以来全球金融领域最成功的创新成就之一。与西方成熟资本市场条件下的私募股权投资相比，我国私募股权投资起步较晚。虽然我国私募股权投资起步较晚，但是发展速度相当可观，随着我国资本市场的完善，尤其是中小板和创业板的推出，为私募股权投资以IPO方式退出提供了更加有利的平台，因此私募股权投资的投资规模逐年增加。然而，国内关于私募股权投资的研究还主要停留在私募股权投资运行机制的理论探讨和宏观层面上，缺乏对我国私募股权投资进行独特研究与细致分析。鉴于此，本书基于中国资本市场的制度环境，研究私募股权投资对公司治理和盈余质量的影响。本书既丰富了股权融资理论尤其是私募融资的研究视野，也为PE投资机构、拟融资公司及监管部门提供可操作的政策建议。

本发明公开了一种协作环境下人机最小距离的测算方法，根据机器人各部件之间的相对位置关系与部件旋转轴线，建立机器人的广义运动模型，构建人机最小距离的机器人运动节点迭代数据集。同时通过3D视觉传感器采集人机协作空间的图像数据以跟踪并识别协作环境中的人体信息，提取人体骨骼节点数据，构建人机最小距离的人体骨骼节点迭代数据集。根据得到的迭代数据集迭代计算协作环境中人与机器人间的最小距离及对应点空间位置坐标。本发明的协作环境下人机最小距离的迭代计算方法可以实时构建精确的并易于实现的人机距离计算模型，实时的计算协作环境中的人机最小距离与对应点，用于提高机器人的安全性，可以实时高效的跟踪环境中的人机最小距离。

采用本发明得到的低相关区域序列组，在一定的相关区域内，绝大部分自相关函数取值为零，并且全部互相关函数取值为零。本发明所得到的低相关区域序列组，可以广泛应用于认知无线电系统，如信号同步、信道估计、多用户扩频等方面。

项目成果/简介:该成果是在近20年专注研究大黄鱼营养需求和饲料利用的基础上，开发可替代鱼粉的新型蛋白源、研制高效免疫增强剂、通过养殖模式选择、投饲策略制定和营养调控改善大黄鱼品质、研究饲料中有毒有害物质对其生长代谢影响及在体内残留，在此基础上开发出大黄鱼养成阶段的高效无公害饲料以及相关的投饲技术。另一方面，研究大黄鱼仔稚鱼的摄食行为（摄食相关激素研究、高效诱食剂开发）、消化生理（发育过程中消化酶基因表达变化等），并进行蛋白源选择、添加剂筛选以及工艺优化，配制出高效大黄鱼人工微颗粒饲料和开发相关的应用技术。项目阶段:工业化生产阶段效益分析:目前，我国大黄鱼养殖还严重依赖于直接投喂下杂鱼，配合饲料的普及率不及20%。“以鱼养鱼”导致野生鱼类资源锐减，甚至出现近海“无鱼可捕”，同时造成资源浪费、环境污染和疾病滋生等严重问题。从长期可持续发展的角度出发，配合饲料代替下杂鱼养殖大黄鱼是必然。根据《中国渔业统计年鉴（2016）》的数据，2015年我国养殖大黄鱼的产量为9万吨。而现在大黄鱼配合饲料的市场容量约为2万吨，如果大黄鱼养殖全用配合饲料，约需25万吨，潜在的配合饲料年产值还可以增加超过20亿元。同时，使用该成果开发的系列配合饲料养殖大黄鱼，将比投喂下杂鱼减少氮、磷排放分别为60%和30%，产生显著的环境效益。知识产权类型:发明专利 、 软件著作权知识产权编号:ZL201210178803.7技术成熟度:通过中试技术先进程度:达到国内领先水平成果获得方式:独立研究获得政府支持情况:无

面向物联网研制一类适合无线传感网络环境下使用的智能家居无线控制系统，该系统基于Zigbee协议，远程控制家居生活中的各类电器设备，还可对房间中的烟雾进行检测和报警（自动拨打设定电话）。