增强现实（AR）虚拟拆装训练系统是基于AR增强现实技术和虚拟仿真技术开发，具有真实模拟现场场景设备及部件、自然交互拆装训练的功能。使用者不仅能够通过虚拟现实系统感受到在客观物理世界中所经历的“身临其境”的逼真性，而且能够突破空间、时间以及其它客观限制，感受到在真实世界中无法亲身经历的体验。通过头盔、触笔、手机等交互外设，开发匹配的展示资源，实现360度立体化的展示效果和沉浸式的拆装效果。让学生体验新技术魅力的同时学习到设备部件组成、结构原理及其拆装技能，提升了学生理论联系实际的能力。

已有样品/n动态极化（DNP）是一种基于电子-核的自旋极化转移技术，可以成百上千倍地增强核磁共振灵敏度，在磁共振波谱（MRS）与核磁共振成像（MRI）中具有广泛的应用前景。该项目自行设计和构建了可扩展脉冲动态核极化谱仪，基于该谱仪实现了灵敏度增强的核磁共振波谱与磁共振成像的功能，在低场下获得了增强的H、Na、P，C等核素的图像，能够促进低场杂核的NMR与成像的应用和发展 。市场预期：应用范围包括医学成像、材料合成、教学科研等领域，具有可观的经济效益。

本项目是针对目前存在的颗粒增强铝基复合材料进行的改进研究的成果。当前对于颗粒增强尤其是SiC颗粒增强铝基复合材料的研究较多，制备方法多种多样，但都存在孔隙率和含铁量高及强度低的缺点。北京交通大学机械电子与控制工程学院材料成型研究室采用自行研发的真空双搅拌技术有效的改进了材料的上述性能，制备出高质量的SiC颗粒增强铝基复合材料，并在国家“863计划”（高速客车用金属基复合材料制动件的研究及应用）中得到应用。本课题组制备的颗粒增强铝基复合材料的断口照片和金相照片如下图。   功能及用途: 本项目具有高的比强度、比刚度、低密度、优异的抗蠕变性与耐磨损性，具有良好的热稳定性及可控制的热膨胀系数等。本项目在航空、航天、军工、铁路、汽车、光学、电子、体育器械等领域中有着广阔的应用前景。 主要技术指标: 铝基复合材料的性能见下表。 铝基复合材料力学性能 材料 sb/MPa s0.2/MPa d/% E/GPa 20vol.%SiC/A356 330 305 1.0 106 15vol.%SiC/A356 303 286 1.3 96 孔隙率：≤0.9％含铁量：≤0.2％ 投入产出分析: 本项目生产所需的设备简单，材料的制备工艺便于控制，制备费用低。以20vol.%SiC/A356材料为例加以说明。 主要材料的市场价格：A356 的市场价格按3万元/吨，SiC颗粒的价格按2.5万元/吨计算。 生产1吨20vol.%SiC/A356复合材料的成本约为（3×0.8+2.5×0.2）/0.7=4.2万/吨，而1吨20vol.%SiC/A356复合材料的市场价格大约是15万元，经济效益明显。 市场应用前景： 环保和节能已经成为当今各行业发展的主流。本项目的SiC颗粒增强铝基复合材料是以工业上用的ZL101A为基体，以工业磨料SiC颗粒为增强体而制备的，制备成本较低，材料的价格大幅低于购买国外同类产品的价格；本项目较好的制备质量和力学性能使其能够在航空、航天、军工、铁路、汽车、光学、电子、体育器械等领域中得到广泛的应用。因此，使用本项目能够取得良好的社会和经济效益。

水泥基地面和结构件因为各种原因会出现起灰、起砂现象，严重影响水泥基材料的使用寿命。本材料通过水性物质渗透到地面混凝土内部，与混凝土的水化产物，如氢氧化钙等发生化学反应，生产新的  物质。该化学反应的速度快，一般能够在  7 天时间内迅速提高混凝土的强度，消除或者减轻地面起灰、起砂现象。该反应是不可逆的，因此不会出现再次起灰起砂。产品的施工方法简单，通过喷洒在混凝土 表面即可。视原有混凝土的状况差别，增强后的地面显著性能改变是耐磨性增加 3-5 倍，消除或者减轻起灰起砂。地面粘接强度增加 2-7 倍，在此基础上施工其他面层，如水泥自流平、环氧树脂地面不会再有起皮现象。同时抗油渗、水渗性得到极大提高。

品摩擦特性稳定、磨损率 小、耐高温，具有传扭柔和平稳、使用寿命长、耐高温和过载保护能力 强等突出优点。 申报发明专利和实用新型专利18项，全部技术拥有自主知识产权，国 防科工局鉴定结论认为整体技术达到国际先进水平。性能指标：1

研发了一种基于矿物改性磷酸盐基粘结增强工程材料，加水反应形成具有极强粘结性能和优良力学强度的无机晶体物，快速产生强度。该特种工程材料易于施工、粘结性能好、强度发展快、耐候、耐磨、耐火性好，可广泛应用于各种混凝土材料及结构的快速抢修、修补、增强与加固。

高速公路防眩网产品用于高速公路中间隔离带处，防眩网在高速公路上起到的作用是防止高速公路上对面来车的灯光照到对面的行驶的车辆驾驶员，以起到防眩目的作用。

REA-C1000内置多种基于AI的视频处理算法，可实时处理并输出最高4K分辨率的图像。REA-C1000可成为所连接的摄像机系统和视频系统的最强大脑，以便客户用最低成本、最少人力制作专业视频内容。

（一）项目背景 当前，智慧教育具有智能导学、精准推荐、定制辅导、精细评价等特点，已成为国际国内教育信息化发展的趋势。智慧教育的研究主要聚焦于智慧学习环境建设的研究、智能技术支持下的智慧教学研究和机器学习技术支持下的个性化学习研究。智慧教育的出现极大地促进了当前教育中学习空间的重构。在“学习空间”之前，人们通常使用“教学空间”来指代这种场所，将有教学活动的场所均称作教学空间。随着人们对学习过程的理解变化、智慧教育的快速发展以及人们对非正式学习的重视，学习空间逐渐由单一的物理教学空间向包含物理空间、网络空间、移动空间的多元学习空间转变。多元学习空间的提出虽然更多地体现出了“以学生为中心”的倾向，但如何具体衡量多元学习空间对学生学习效果的影响是评价多元学习空间的重要步骤。同时，在多元学习空间具体构建时，面对空间中来源不同、结构多样、数量庞大的多模数据如何进行处理存储、并在保证数据有效性的前提下对教育数据进行隐私保护是多元学习空间需要解决的另一个难点。 （二）项目简介 本项目主要目标是针对信息技术支撑下学习空间多元化、场景复杂、需求多样化，学习者及学习行为呈现出新的特点和规律，研究多元学习空间中学习行为数据化关键技术，构建“云-边缘-物联网”架构的多模态数据存储与处理平台，实现混合式学习环境下学习行为智能感知和数据化，优化学习行为模型，基于实际应用与不同学习目标函数及内容，建立可重复、可预测、可验证的对比数据集，为数据驱动的智慧教育生态构建和教育应用提供核心技术与数据支撑。 （三）关键技术 我们面向智慧教育中准确认知学生的学习状态和行为的大数据需求提出研究方案。本项目实施方案涉及教育学、物联网、云计算、人工智能、隐私保护等多个领域，主要技术路线如图所示： 图 1 技术路线图 其中，项目包括的关键技术主要有以下三点： 1.基于物联网的多模态数据实时智能感知和多时间域数据采集技术 该技术针对学习状态的数据化、特征参数量化问题，设计能够采集多 重学习空间下的智能数据感知物联网系统。主要技术难点在于抽样频率与 识别准确度的平衡、人机交互的变化规律等全新科学问题。 2.学习状态多模态数据解析和智能处理技术 利用智能感知物联网采集实时性的原始学习状态数据，包括面部表情、 脑电信号、头部姿态、交互行为等原始数据，这些数据具有数据量大、模 态多、冗余度高等特点，需要通过智能化的预处理方法转换成可以量化的 状态数据。 3.多层次数据差分隐私保护技术 学习行为数据是学习者被动采集的多方面行为数据，受到日益增长的 具有争议性的数据伦理的制约。该项技术通过数据隐私保护机制实现数据 多层次化的差分隐私安全算法；在保证学习者最大数据隐私性的前提下， 研究满足学习行为分析所需要的数据颗粒度。