产品服务:项目旨在设计出一款基于Dijkstra算法的高精度物联网小区无人智能运输车。该项目主要可分为两个部分:实车与模型车的同步开发和基于eclipse平台的APP开发。在实车和模型车的开发过程中，通过常规车载传感器实现小车的“智能化”，利用Dijkstra算法解决最短路径选择问题。利用计算机语言完成在eclipse平台上的APP开发，实现APP同时与实车和模型车的互联，实现智能运输小车运输末端的配送。市场概况:本项目希望将来与各电商平台合作，APP与电商、外卖软件结合，将网上购物彻底融为一体；同时与互联网公司合作，提升小车的智能化以及无人驾驶的精确度，真正做到在小区内取代快递员完成最后的运输任务，并能提升效率、安全性，以及节省财力、人力，并初步形成小区内智能化的高精度物联网。  商业模式:本项目希望采用先试点后普及、先免费后收费的盈利模式。在四星及五星级小区先行免费试点，收集用户反馈评价，统计满意度。改进后逐步开启按时效每户收费，并最终普及三星级小区及更多居民居住区。

要解决渐开线圆柱直或斜齿轮任意瞬时多齿对同时接触时的轮齿变形、齿面线载荷、齿面接触应力及齿根弯曲应力的精确数据分折的技术问题，从而得到一个性能优化的齿轮参数，而提供一种渐开线圆柱齿轮高精度多齿对啮合接触仿真解析方法。 一种渐开线圆柱齿轮高精度多齿对啮合接触仿真解析方法，包括以下具体步骤： 1．大小齿轮的三维几何建模和装配    利用PrO／E软件，建立大小直齿轮或斜齿轮的三维几何模型，并进行装配，并调整大小齿轮的任意接触位置；    2．建立物理模型及力学模型 在PrO／MEcHANIcA集成子模块或者独立子模块中，完成材料特性参数，约束，接触区域与载荷的定义； 3．网格划分：在PrO／MEcHANI cA独立模块中，进行有限元网格划分； 4．仿真计算：在PrO／MEcHANI cA独立模块中，进行有限元计算处理；   5．计算的执行与结果分析 利用Pro／E与Pro／MECHAN I CA对渐开线圆柱齿轮的多齿对接触问题进行精确仿真，解决了渐开线圆柱直或斜齿轮任意瞬时多齿对同时接触时的轮齿变形、齿面线载荷、齿面接触应力及齿根弯曲应力的精确数据分折的技术问题，可以快速高精度地仿真解析圆柱齿轮任一瞬时，同时多齿对啮合情况下的轮齿与轮体的变形与应力分布情况，特别是我们在设计齿轮时所需要的高精度的齿面压力分布、齿面接触应力分布与齿根弯曲应力分布。这些参数对齿轮的弯曲与接触强度，振动分析，疲劳强度以及磨损分析有着重要的直接帮助。

本实用新型公开了一种高精度静态三维力传感器标定装置，包括标定装置反力架、传感器固定盘、传感器加载件、滑轮支撑系统和砝码。标定装置反力架由顶板和四个立柱组成，立柱底部设有调平器，反力架顶板上部设有水平仪、下方安装有传感器固定盘；三维力传感器的顶部和底部均具有螺孔，用于连接传感器固定盘和传感器加载件；传感器加载件的X、Y、Z三个方向各具有一条钢绞线，用于施加三向荷载，X、Y方向钢绞线中部设有加载件水平仪，末端设置有砝码托盘；标定装置反力架的X和Y方向各设有一个滑轮支撑系统；本实用新型装置结构简单，精度高，实现三个分力任意组合加载，适宜不同形状三维力传感器，使用效果好，便于推广使用。

项目旨在设计出一款基于Dijkstra算法的高精度物联网小区无人智能运输车。该项目主要可分为两个部分:实车与模型车的同步开发和基于eclipse平台的APP开发。在实车和模型车的开发过程中，通过常规车载传感器实现小车的“智能化”，利用Dijkstra算法解决最短路径选择问题。利用计算机语言完成在eclipse平台上的APP开发，实现APP同时与实车和模型车的互联，实现智能运输小车运输末端的配送。

本发明公开了一种 LED 深海照明灯。其构成部件主要包括：压紧帽、光源、光学聚光组件、壳体、散热块、单芯插座、单芯插头和电缆接头。散热块位于壳体的内腔上部，光源为单个 LED 芯片或 LED芯片阵列，光源安装在散热块上，散热块与壳体紧密结合，使 LED 芯片的散热通道流畅。光学聚光组件由凸透镜和反光杯组成，将位于反光杯焦平面的光源的发射光汇聚成平行光，提高了出射光的光程和亮度。“蓝光光源+荧光粉玻璃＝白光”的方式，提高了白光的均匀性，改善色差性能。壳体的制备材料为高强度钢，光学聚光组件凸透镜的制备材

成果描述：通信网络关键节点可视化分析系统提供了Degree、 Betweenness centrality、Closeness centrality、 Eigenvector centrality、 HITS和PageRank等中心性计算算法。 不同的算法适用于不同的场合。Degree算法表示节点的直接影响力强弱。 节点的Degree中心性值越高，该节点的直接影响力越大。 Betweenness centrality算法研究节点之间的通信程度和节点对信息的控制， 使用该算法可以准确找到网络中某些“流量”非常大的重要节点；本算法可用于设计网络的通信协议、 优化网络部署和检测网络瓶颈等。Closeness centrality研究信息传播的独立性和有效性； 本算法反映了节点在网络中居于中心的程度；本算法可用于考察一个节点不依靠其它节点来传播信息的程度。Eigenvector centrality基于特征向量的方法不仅考虑节点邻居数量还考虑了其质量对节点重要性的影响， 这是从网络中节点的地位和名望角度考虑，适用于网页排序。HITS是一种重要的网页重要性排序算法，主要适用于网络信息检索领域。 PageRank是网页排序领域中最著名的算法；该算法基于网页的链接结构给网页排序；它认为万维网中一个页面的重要性取决于指向它的其它页面的数量和质量；本算法适用于网页排序。 在本系统中可以方便、轻松和快捷的使用以上算法；输入数据，选择中心性算法，系统会快速展现算法分析结果；结果中越重要的节点在画面展示中直径越大， 直径越小的节点表示节点的重要性越低；在系统右侧栏目中节点以重要性程度降序排序，前五个节点名字用红色突出标记。 以上展示方式是为了让分析人员方便分 析数据。市场前景分析：发掘网络中重要性节点 （边）一直是图论领域 的一个基本问题。随着 近年来复杂网络研究热 潮的兴起，特别是很多 实际网络所抽象出来的 复杂网络，表现出了与 以往图理论不同的特性， 如小世界特性、无尺度 特性等。如何在复杂网 络环境下，发掘重要性 节点已经成为复杂网络 研究的一个基本问题， 同时网络中节点的重要 性进行评估具有重要的 实用价值。尤其对各种 各样具体的网络，更可 以有针对性地分析其性 质，制定正确的策略和 措施。与同类成果相比的优势分析：本系统提供了更多的中 心性算法，分析人员可 以在本系统上从多角度 分析数据，从而得出更 为准确的分析结果； 本系统提供了数据可视 化的展示方式，并且将 重要的节点突出展示； 本系统提供了不同算法 的对比分析表，方便分 析人员对比分析； 本系统提供重要节点的 进一步分析思路，提供 节点的详细分析页面。

成果介绍物联网感知层测试实验与评估系统是在863主题项目—物联网安全感知关键技术及仿真验证平台的资助下完成。仿真平台为物联网感知节点部署后的性能提供一个仿真测试和性能评估的环境，其特点是：不需要部署真实的感知节点。通过对物理信道的建模、无线信号特征建模、电源建模和通信环境建模，能够最大限度模拟真实环境下的感知节点通信过程。仿真的结果是理论值，可以将感知层测试实验平台的数据作为系统的初始值，从而提高仿真的精度。其特点和指标：（1）针对实际应用环境配置参与通信的感知节点属性和参数，即节点建模；（2）建模感知节点的电源模型；（3）根据用户的需要选择节点部署的方式，并可以对节点位置、属性和参数进行手动调整；（4）能够加载待测的通信协议；（5）能够根据部署的拓扑图产生用户编程模板；（6）理论上，待测节点的数量不设置上限，但随着节点数量的增加，PC的处理时间将延长；（7）能够仿真无攻击或攻击情况下，网络的吞吐量、丢包率、延时、数据传输的平均路径长度、平均能耗和网络的扩展性等性能；（8）该平台不受具体应用的限制。技术创新点及参数技术原理：针对物联网感知层设备规模庞大，部署费时费力，以及部署前很难评估系统性能，部署后加载的协议一旦不符合要求，重新加载成本巨大的问题，研发了该平台。该成果的主要创新性体现在感知设备和环境等物理特征建模、测试内容和方法、仿真过程和结果的可视化显示等方面，使得开发的系统简单、易用，测试过程清晰、透明，测试结果可以分类比较。（1）在感知设备和环境等物理特征建模方面 该项目在感知设备部署环境方面，分别对室内环境和室外环境进行建模。针对室外环境，该团队主要考虑自由空间的情况下，根据设备部署在平坦区域和非平坦区域的不同进行建模；针对室内环境，该团队主要根据多径效应、视距是否阻挡以及不同建筑材料（包括：混凝土墙、混领土楼板、天花板管道、金属楼梯、厚玻璃、木门和隔墙等）对信号衰减的影响进行建模。在电源建模方面，主要是根据不同厂家的5号电池的放电曲线进行建模，由其放电电流、放电电压和持续时间来确定电源的剩余电量。在芯片建模方面，根据不同的芯片类型，建模发射功率、接收灵敏度、RSSI、发送速率、工作电流和最小工作电压等主要参数。（2）在感知层的测试内容和方法方面该平台主要针对感知层需要评价的性能，如：吞吐量、丢包率、延时、平均路径长度、能耗和连通度等，设计了其测试方法，新增待测性能可以通过组件的方式扩展。为了实现相关性能测试，首先需要选择设备类型和部署场景，如图1和图2所示。然后进行部署，部署完成后，系统会自动产生5类文件，即：.ned文件，定义了感知设备部署后的拓扑结构，如图3所示；.msg文件，定义了感知设备之间的通信规则，用户可以根据实际需要进行修改和自定义；.ini文件，设备一旦部署完成后，其id号和位置坐标将记录在该文件中，设备移动后，该文件对应的坐标值将自动更新；.h和.cc文件，即用户待测协议的源文件。一旦感知设备部署完成，平台自动产生这5类文件的初始框架，用户只需要写入待测协议的具体代码，经编译器编译后，即可进入测试环节。具体协议的代码可根据该项目组编写的编程指南开发，其开发环境与C语言的开发环境类似，方便易用。（3）在仿真过程和结果的可视化显示方面一旦待测协议编译完成，平台即可开始相关的测试，此时，用户可以根据需要动态选择不同的参数，进行测试。开始测试时，平台将同步显示协议的通信过程，如图5所示。根据仿真测试结果，不同的协议可以进行性能对比，如图4所示为不同协议的网络平均能耗对比。该平台可以在无攻击和无安全机制、无攻击和有安全机制、有攻击和无安全机制、有攻击和有安全机制等四种情况下，评估感知层网络的性能，并将它们的测试结果进行对比分析。国内外同类技术对比：国际上类似的仿真工具有十种左右，如：TOSSIM，OpenNet，NS2和OMNET等，都是针对传感器网络开发，不能仿真技术体制不同的感知设备，没有对设备、网络和环境等物理特征建模，而且无法接入实体设备，无法进行虚实结合的仿真测试。即使有些工具可以仿真感知层网路，如：TOSSIM，但是只提供TinyOS传感网络的仿真环境，无法仿真系统的安全性能，无法动态添加安全策略和安全模型。而NS2、OpenNet和OMNET虽然可以仿真安全协议，但使用复杂，不易掌握，无法进行多安全机制对比，无法接入实体设备。而且，它们仿真的物理层是理想状态，造成仿真结果与实际存在较大的差异。

通信网络关键节点可视化分析系统提供了Degree、 Betweenness centrality、Closeness centrality、 Eigenvector centrality、 HITS和PageRank等中心性计算算法。 不同的算法适用于不同的场合。Degree算法表示节点的直接影响力强弱。 节点的Degree中心性值越高，该节点的直接影响力越大。 Betweenness centrality算法研究节点之间的通信程度和节点对信息的控制， 使用该算法可以准确找到网络中某些“流量”非常大的重要节点；本算法可用于设计网络的通信协议、 优化网络部署和检测网络瓶颈等。Closeness centrality研究信息传播的独立性和有效性； 本算法反映了节点在网络中居于中心的程度；本算法可用于考察一个节点不依靠其它节点来传播信息的程度。Eigenvector centrality基于特征向量的方法不仅考虑节点邻居数量还考虑了其质量对节点重要性的影响， 这是从网络中节点的地位和名望角度考虑，适用于网页排序。HITS是一种重要的网页重要性排序算法，主要适用于网络信息检索领域。 PageRank是网页排序领域中最著名的算法；该算法基于网页的链接结构给网页排序；它认为万维网中一个页面的重要性取决于指向它的其它页面的数量和质量；本算法适用于网页排序。 在本系统中可以方便、轻松和快捷的使用以上算法；输入数据，选择中心性算法，系统会快速展现算法分析结果；结果中越重要的节点在画面展示中直径越大， 直径越小的节点表示节点的重要性越低；在系统右侧栏目中节点以重要性程度降序排序，前五个节点名字用红色突出标记。 以上展示方式是为了让分析人员方便分 析数据。