产品详细介绍

小试阶段/n随着经济的飞速发展，国内工业高含盐废水的减排压力日益增大，不少废水中所含无机盐还具有回收利用的价值，直接排放不仅导致水环境污染，而且还造成盐资源的浪费。针对目前工业高含盐废水零排放(ZLD)处理过程中存在的回收盐产品纯度低、重金属和有机物杂质含量高、过程能耗高和稳定运转周期短等问题，研究开发了高含盐废水分质结晶及资源化提取关键技术，通过石灰乳化学沉淀+改性生物炭吸附+膜分离(或多效蒸发或蒸汽再压缩MVR)浓缩+分质结晶等耦合处理技术，实现工业高含盐废水“零排放(ZLD)”，回收得到的水可

针对地下车站、军事基地等地下建筑的空调系统设置冷却塔的可靠性、协调性和隐身性的要求，及其空调工程造价、运行能耗高昂的现实，结合可回收利用其坑道排风能量的有利条件，项目组在国家课题及企业的支持下，通过多年的技术攻关，取得如下成果：1、提出将换热器盘分成若干并联单元，在每个单元盘管两侧旋转布水强化传热传质，改善换热器表面水膜与空气换热微环境、最大程度利用水膜与空气传热传质能力的强化传热理念。2、成功研发地下建筑空调排风热回收用间接蒸发冷却器的核心装置“旋转布水器”，并通过实验

在外场(模拟太阳光)辅助下，以常规浸渍法获得的二氧化钛负载铁为催化剂、过氧化氢为氧化剂，在常温常压下实现了甲烷一步活化高选择性制甲醇。3小时内，甲烷的转化率可达15%，总醇选择性可达97%，其中甲醇的选择性高达90%，且该催化剂具有优异的循环稳定性。球差校正电镜和吸收谱学研究表明，该催化剂的活性中心为高度分散的三价铁物种。

产品质量已经成为市场竞争中决定胜负的最关键的要素。建立生产质量模型无论是对生产过程的本质特性研究还是对实际生产过程的控制、预测、优化、仿真和质量诊断都具有重要的现实意义。 本系统重点实现对生产过程相关因素进行实时监测，解决产品生产过程中各项指标的变化与产品质量之间的模型关系，基于统计模型，运用偏最小二乘法、具有优化结构的神经网络、多变量统计过程控制等方法，对从实际生产过程中得到的统计数据进行分析和建模，消除、避免生产过程的异常波动，使过程处于正常波动状态。研究影响产品质量的关键因素，给出调整的策略，科学指导生产。 以钢铁制造流程为代表的大型流程工业是一类由不同功能但又相互关联、相关支撑、相互制约的多种工序和多种装置及相关设施构成的、工序串联并集成运行的复杂过程系统。针对大型流程工业的特点，解析多流程、多尺度、多装置间的相互关系，建立有效的质量控制模型，寻求最优的质量控制策略，监控产品的生产质量状态，确保产品的质量成为一个重大的研究课题。 生产质量建模和过程监控可以应用于钢铁冶金生产等流程型工业中，也可以广泛应用于石油、化工和机械制造等其他领域中。本系统的应用案例有：宝钢股份有限公司条钢部高线生产中的轧件尺寸精度评估与SPC控制系统，鞍钢股份有限公司冷轧热镀锌生产质量建模与分析系统。

研究内容 ：本研究根据共注成型过程的特点，首次在综合考虑粘性包 围和界面不稳定及其相互作用影响基础上， 建立了多因素相互作用的全三 维非稳态非等温共注成型充模流动的理论模型及其相适应的稳定快速收 敛的数值算法。该算法采用罚函数法，以及速度场分析、温度场分析和流 体体积分数分析相分离等方法来降低对计算机的 CPU 和存储能力的需求。 而通过 SUPG 法、罚函数法等实现有限元数值分析的稳定性。并基于罚函

本项目采用检测、诊断、控制、优化等技术，研发成功集工艺、设备、控制及软件于一体的智能发酵罐装置与系统，包括 20L—1000L 系列全自动发酵罐和中试线、大型发酵车间 DCS 分布控制系统及软件等。发酵过程智能装置采用嵌入式计算模块为内核结构，软硬件紧密结合，依据发酵工艺特点，融合数字化检测与控制、监测诊断、过程优化、发酵专家经验等技术，具有高可靠性、灵活性和可扩展性，以液晶触摸屏来集中显示和设定各种发酵参数，操作简便，可方便地实现与上位计算机的通信，构成分布式控制系统，也可直接连接 Internet，实现远程监控。发酵过程分布式控制系统，采用工程师站+控制站的 DCS 或 FCS 结构，发酵过程智能装置、PLC 或智能仪表均可作为控制站，工程师站完成数据保存、显示、故障检测与诊断、以及优化调度等功能。主要技术性能指标如下： 1) 具有自动在位清洗、自动原位灭菌, 清晰的大视镜观测孔，多样可靠的接种方式； 2) 测量和控制参数包括温度、DO、pH、空气流量、压力、转速、称重、泡沫、多路流加等； 3) pH 分段设置和控制，控制精度+-0.1； 4) 温度分段设置和控制，控制精度+-0.2； 5) 溶解氧分段设置和控制，控制精度+-2%； 6) 空气流量分段和控制，控制精度+-0.1； 7) 历史数据存储和管理、曲线显示和分析、工艺参数的设定、输出打印、远程传输、安全密码设置等； 8) 离线采样录入接口； 9) 多种在线分析仪接口：底物和产物浓度分析仪、称重、在线尾气分析仪、近红外光谱、活细胞检测等仪表的接口； 10) 提供多种软件模块：故障检测与诊断模块、底物和产物浓度的智能控制模块、智能流加模块、基于离线采样和在线采样的多采样率的数据分析模块等。 

XM-801胎儿发育过程模型（宫内发育示教模型）   XM-801胎儿发育过程模型（宫内发育示教模型）由妊娠胚胎发育过程一、二、三、四、五、六、七个月胚胎和五个月双胞胎等8个模型组成，其中四、五、六、七个月胚胎和五个月双胞胎模型胎儿可以取出，并显示子宫、阴道、胎儿、脐带、胎盘、羊膜腔以及卵巢、输卵管等结构，可用于展览和示教。 尺寸：自然大 材质：PVC材料

（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。