本发明公开了一种可以同时检测奶牛是否具有脊椎畸形综合症(CVM)、白细胞粘附缺陷症(BLAD)、尿苷酸合酶缺乏症(DUMPS)、瓜氨酸血症(CN)四种遗传病的引物系统。基于该引物系统所制备的产品，能实现同时对奶牛CVM、BLAD、DUMPS、CN四种遗传病基因相关的4处多态性位点进行检测。此外，本发明还公开了能够同时联合检测以上遗传病和奶牛A2基因型的检测方法及其检测产品，该联合检测的结果可用于指导健康奶牛的筛选、育种等。

Ø 甲壳素是从虾蟹等甲壳类动物的外壳以及菌，藻类低等植物的细胞壁中提取的天然高分子材料，是自然界中的第二大生物衍生资源。壳聚糖是甲壳素的N-脱乙醛基产物,是自然界中唯一的阡性多糖。 我们在对羧甲基壳聚糖的制备方法进行深入研究的基础上，对羧甲基壳聚糖的进一步改性进行深入地研究。制备出了具有表面活性、络合、抗菌、可降解无毒耐盐、廉价等优异性能的高档洗涤剂。可替代进口高档洗涤剂，主要用于果疏的清洗。通过保护-脱保护技术对壳聚糖进行羧甲基化改性，控制羧甲基基团在壳聚糖吡喃环上的取代位置，制得结构可

目前用于治疗消化不良和新生儿漾奶的药物主要有以健胃消食片为代表的中药助消化药，以多潘立酮为代表的化药促胃肠动力药及助消化的酶类。其中化药促胃肠动力药的毒副作用较大，如马来酸多潘立酮与严重室性心律失常和心源性猝死风险相关。通常情况下，此类药物不适宜新生儿服用。 我们从青藏高原的甘南地区筛选得到一株高产凝乳酶的枯草芽孢杆菌，其能产生凝乳酶 YS-1。凝乳酶 YS-1 不仅有部分特性与动物源凝乳酶相似，而且具有水解谱宽、生产成本低等新特性，极有可能成为复方凝乳酶胶囊中动

本发明公开了一种基于开槽结构的四分之一模基片集成波导滤波器，包括四分之一模基片集成波导弧形腔，四分之一模基片集成波导弧形腔通过基片集成波导圆形腔沿任意两条相互垂直的磁壁分割得到，四分之一模基片集成波导弧形腔包括介质基片，介质基片的上表面设有上金属层，介质基片的下表面设有下金属层，介质基片中沿四分之一模基片集成波导弧形腔的周向均匀分布有贯穿上金属层和下金属层的金属通孔。本发明相对于传统的基片集成波导圆形腔有效实现了小型化。并且，相对于传统的多层结构，本发明结构简单，加工方便。此外，相对于传统的微带结构，本发明的滤波器品质因数高，损耗小。

导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法，以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后，使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%，分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%，采用十倍交叉验证进行验证。研究人员表示，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者为验证方法的有效性，加入了4个新的受试者进行验证，发现总体平均准确率为92.5%。此外，全局分类器适应单一对象，整体平均准确率提高到94.54%。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极)，并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图，并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先，由于ERD在执行运动想象时在alpha和beta中不同，因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后，通过计算包含正问题和逆问题的源，将传感器空间的活动转化为源空间的活动。接下来，创建scout并提取特征。研究者在运动皮层中创建了10个scout，因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI)，并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5，右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后，利用CNN对时频图进行分离并进行分类。实验在实验中，研究人员仅使用了随机选择的十个受试者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。这里用于分析的数据集包含每个受试者84次试验，每一类包含21次试验。在记录64通道脑电图时，受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验：当目标出现在屏幕左侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕顶部时，受试者想象打开和合上双手的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕底部时，目标会想象双脚张开和合拢，直到目标消失。然后受试者放松。为了统一数据维数，研究者选择了4s的数据，因为每次想象任务的执行时间都在4s左右。此外，脑电图任务是分开的，研究人员在实验中将左拳，右拳，双拳和双脚MI任务分别称为T1，T2，T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如图2所示。10个scout每一个都被扩展到40个顶点，每个顶点只有一个源。L1区域对应40个信号，其他scout也一样。在计算了来源后，研究者在运动皮层中创建了十个scout，如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项，每个受试者每次都要进行7次测试(#1，#2，#3，#4，#5，#6，#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后，研究人员在运动皮层中创建了包含40个源的10个scout，并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中，研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构，该网络模型由一个六层卷积网络组成，其中两个最大池层和三个全连接层，如图5所示。图5对于Physionet数据库，研究者首先采用Deep ConvNet架构，包括四个卷积层、四个最大池层和一个全连接层。在实验中，研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务，R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息，清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然，只有部分时频映射是红色的，表明每个任务只对特定的频率和时间敏感。由于图的数量比较大，研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本，并将一些特征图可视化，作为MI任务的学习表示，如图7所示。图7为了获得有效的结果，将数据集分为90％作为训练集，其余10％作为测试集。首先，将十个受试者的数据集（总共19320个样本）分为17388个样本以训练所提出的CNN模型，以及1932个样本以验证模型的有效性。在实验中，研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本)，其中24343个样本是训练集，其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试，以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高，达到94.5%，而L2的全局平均精度最低，为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上，标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说，R5表现的要比其他的好，而L2在迭代2000中表现最差。标准差较小，说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵，说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验，确定了scoutR5的性能，结果如图10(a)和(b)所示。在10次试验中，scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说，四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明，该方法对scout R5的分类效果较好。从以上结果可以清楚地看出，R5 scout在四种MI任务的分类中扮演着最重要的角色。因此，选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现，该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。论文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

面向工程机械机电液一体化系统的动态性能匹配方法与分析软件（以下简称为软件）， 能够根据用户对工程机械整机动力配件的选型，自动组成整机系统模型，并预测工程机 械整机运行时的性能以及各配件的功率输出和发热情况。该软件可应用于工程机械产品 开发的各个阶段如参数选型，性能匹配、故障诊断、实验辅助等，并已成功应用于山推 工程机械股份有限公司的新产品开发中。 技术特点： (1) 机电液热融合建模，理论定位高级。软件以预制的机电液零部件模块模型为基 础，可快速地、精细化地实现极端工况条件下机电液融合模型。 (2) 一体化的系统分析，问题覆盖面广。软件综合多种软件资源，对特定工程机械 机型的核心动力系统，可实现任意节点输出的、图解化的、基于机械系统实验结 果的系统分析。 (3) 机型软件快速开发，面向用户需求。软件可针对牵引底盘和非牵引底盘，快速 开发出面向特定工程机械机型的机电液一体化性能分析软件。 (4) 功能契合实际需要，适用范围广泛。适用于工程机械各个技术阶段的参数选型、 性能匹配、故障诊断、以及实验辅助。

本课题组长期从事太阳能光热中低温热利用相关技术的应用研究。科研成果包括:高性能槽式太阳能接收器、大型宽长比的抛物槽式太阳能反射镜、高精度槽式、塔式太阳能跟踪控制技术等太阳能中高温热利用关键技术的设计、项目实施。目前本课题组在该领域应用成果成功应用于了国网苏州同里新能源小镇示范项目、南瑞集团槽式太阳能示范项目，课题组设计的基于槽式太阳能集热器的冷热供给系统，配置低温熔盐储热系统，可以完全利用太阳能实现规模化小区24小时连续的冷热供给。近年来课题组作为重要技术支撑参与了多项国网清洁能源科技项目，江苏省科技支撑计划等，发表相关论文10余篇，SCI/EI论文5篇，获中国农业工程学会优秀论文奖一项，授权专利5项。

成果描述：拥有独立的自主知识产权，采用磷铁在水溶液中电解制备高纯度FePO4，以水中的氧为产物提供氧源，可以实现原位除杂，不受磷铁的原料来源限制；采用价廉的磷铁和空气中的氧为原料，通过与锂盐和补充磷源或铁源在可控气氛下反应制备粒度和碳含量可控的LiFePO4，避开了目前合成方法中的专利技术壁垒问题，不存在知识产权纠纷，将废物循环利用与能源材料耦合起来，节能环保，从源头上降低了磷酸铁和磷酸铁锂的生产成本。 所采用的原料均为大宗化工产品，磷铁副产物中的杂质可以通过反应工艺控制进行无害化处理，在原料的供应和价格方面都非常稳定；通过工艺控制和反应原料的组合，可以将反应产生的CO2等副产物循环利用，实现零排放的绿色清洁工艺；将添加剂与磷铁和锂源及补充的铁源或磷源充分混合，添加剂在后续的反应中既可以起保护作用，又能形成对磷酸铁锂颗粒的原位包覆及控制晶粒生长作用，能够极大提高正极材料的导电性能；采用的工艺路线容易控制，工艺稳定性好，容易实现大批量生产。市场前景分析：本项目产品专门提供给各种电动车（包括自行车、公交车、汽车、混合动力车等）、电动工具、手机、笔记本电脑、蓝牙器件、UPS不间断电源、摄像机、播放器、游戏机、电动玩具、清洁器和极端气候环境下的武器装备等产品所需的锂离子电池和超级电容器电极材料，特别在电动车领域具有非常大的市场前景。作为电动车电源，磷酸亚铁锂动力电池具有热稳定性好、安全性高、寿命长、倍率性能好、耐高温、绿色环保等特点，备受关注。与以往的锂离子电池正极材料LiCoO2、LiMn2O4、LiNiMO2等相比，磷酸亚铁锂的安全性能与循环寿命是其它材料所无法相比的，这些也正是动力电池最重要的技术指标，而且循环稳定性好，1C充放循环寿命达2000次。单节电池过充电压30V不燃烧、不爆炸，穿刺不爆炸。在未来几年内，磷酸铁锂地市场需求量将达5万吨以上，尤其是在动力型电池应用方面对磷酸铁锂地需求将大幅增加。与同类成果相比的优势分析：1．FePO4基本参数：纯度≥97%，粒度≤1μm，而且根据需要可以进行调控 2. LiFePO4基本参数： Li =~4.4%, Fe=35.4%, P=19.6%, C=2-6% 3. 物理参数： 松装密度 ≥0.5 g/cm3 振实密度 ≥1.2 g/cm3, 中位粒径 ~4 μm 4. 涂片参数： LiFePO4: C : PVDF=90:3:7 极片压实密度：2.1-2.4 g/cm3 5. 电化学性能： 克容量>130mAh/g 测试条件：1C, 全电池。 克容量>140mAh/g 测试条件：纽扣0.1C, 电压4.2-2.5V

一种轨道交通车辆制动能量气动回收再利用装置，属于轨道交通车辆技术领域。本实用新型由安装在 车辆转向架车轴上的凸轮，安装在转向架构架上的其余部件组成。其中凸轮、滚子和气缸活塞杆构成凸轮 机构，将车轴的旋转运动转化为气缸活塞杆的往复运动；排气单向阀、吸气单向阀连接在气缸的无杆侧，在气缸活塞杆的往复运动下，实现排气和吸气功能，将机械能转换为气压能。该装置能够将制动能直接回 收成气压能，以供车辆系统使用。