数控立车切削加工作为制造技术的主要基础工艺，随着制造技术的发展，在 20 世纪末也取得了很大的进步，进入了以发展高速切削、开发新的切削工艺和加工方法、提供成套技术为特征的发展新阶段。是制造业中重要工业领域，如汽车工业、航空航天工业、能源工业、军事工业和新兴的模具工业、电子工业等行业的主要加工技术，也是这些工业领域迅速发展的重要因素。为了满足市场和科学技术发展的需要，达到现代制造技术对数控技术提出的更高的要求,为适应数控进线、联网、普及型个性化、多品种、小批量、柔性化及数控迅速发展的要求，最重要的发展趋势是体系结构的开放性,数控技术、制造过程技术在快速成型、并联机构机床、机器人化机床、多功能机床等整机方面和高速电主轴、直线电机、软件补偿精度等单元技术方面先后有所突破。 黑灯工厂”是 Dark Factory 的直译，即智慧工厂，因为从原材料到最终成品，所有的加工、运输、检测过程均在空无一人的“黑灯工厂”内完成，无需人工操作，所以可以关灯运行，故而得名。智能化才是支撑企业的核心，智慧工厂中员工对智能化设备的掌控能力的要求大大提高，由原来的纯粹单一“操作为主，设备为辅”的角色演变为“设备为主，操作为辅”，需要员工变身为具备全面技术能力的工程师。技术工程师不仅要保证智能化生产线的正常运行，还要保证快速处理生产过程中产生的异常等，而且成为了智慧工厂的“隐形人”，由其在综合考虑效率、成本等因素的基础上决定哪些工作由机器完成，哪些由人完成，实际的生产仍是一个人机协作的过程。基于数字孪生建模、分析、调试、决策和运维等远程管控来实现和保障的。 本项成果的核心是黑灯模式下的动柱式数控机床智能装备及基于云控远程运维平台的加工产线的开发及其产业化，主要是开发中小型数控动柱立式机床智造装备、基于数字孪生驱动的云管控系统及 APP，研制低时延智能控制器并实现产业化。其关键技术是数字孪生驱动的一体化设计、智能控制AI 算法及其控制器和基于物联网的云控远程运维技术。数控机床与智能数字化+物联网+云平台相结合，因此形成的本成果是特有的数字化智能装备（数智装备）。 技术先进性和独占性在于： （1）基于数字孪生的动柱式数控车床的设计制造方法及精密加工自动化流程智能改进技术； （2）基于数字孪生驱动的自感知、自决策、可预测性运维等于一体的黑灯模式智慧工厂的云管控平台及制造服务 APP； （3）全新的基于区域选择性耦合控制的低时延智能控制技术的开发。创新点在于： （1）基于数字孪生模型的动柱式数控机床及其配套生产线的设计制造方法创新； （2）“倒立式五轴车铣中心”实现 5 面车铣复合加工；“动柱式数控立车”技术，X 轴主导轨、X 轴滚动丝杆、X 轴副导轨三者来定位动立柱技术；8-12 工位伺服液压刀塔，加工时换刀快、精度高、故障少； （3）通过内置 K210 智能芯片、SIM8200/8300 和智能传感等核心模块，实现了智能装备间 NB-ioT 和 mMTC 等 5G 物联通讯和人机交互； （4）将多源数控机床运行数据高效融合以及边缘计算与云端一体化，开发制造服务 APP 模块，构建面向制造服务生命周期的云网端管控平台； （5）基于区域选择性控制的低时延智能控制器实现了智能装备之间的网格化耦合控制，结合云网端管控系统及深度学习，构成智能产线。

随着我国四个现代的高速发展，对高分子材料制品提出了各种新的要求。为了满足不同用途的需要，除了积极发展新的合成橡胶和合成树脂之外，还应该在现有树脂或橡胶加工成制品的过程中，利用化学方法或物理方法改变制品的一些性能，以达到预期的目的，这就是高分子材料改性。高分子材料改性一般可分为化学改性和物理改性。物理改性分为填充改性和共混改性等。填充改性是指在高分子材料成型加工过程中加入无机或有机填充剂，不仅能使高分子材料制品价格大大降低，而且更重要的是能显著改善高分子材料的机械性能或增加其他功能性，如导热性能、导电性能、光学性能等等。然而，无机填料和高分子材料间密度的差异妨碍了填料在基体中的均匀分散，因而给混炼成型加工带来了困难。又因为两者表面能不同，在遇到外力时，高分子材料与填料界面上应力集中易产生空隙，加速材料的老化。为了提高填料与高分子材料的亲和能力，需要对填料进行活化处理。本项目即涉及用于塑料和橡胶中大部分填料的表面处理技术，包括多种填料，如炭黑、碳纳米管、硅灰石、滑石粉、云母、碳酸钙、铁粉等等。该处理技术简单，易产业化，并具有成功产业化案例：某企业要求向再生丁基橡胶中加入铁粉和钙粉，需大量填充使胶料密度达到2.7，但直接添加，根本加不进去如此大量的填料，经本技术改性后，成功添加到胶料中，且密度达到要求。

近年来图数据受到越来越多的关注，在海量图数据中进行快速的复杂查询是所有图数据库系统面临的直接问题。本系统首创提出了将复杂条件查询转换成在大图中进行子图匹配的解决方法，该方法抛弃了传统利用关系数据库技术作为底层支持RDF数据的存储和管理，利用基于结构感知的索引和查询优化策略，极大地提高了在海量RDF知识图谱数据和复杂查询环境下的性能和系统可扩展性。 本系统支持W3C提出的RDF文件标准和SPARQL语法标准，提供C++、Java、Python、PHP等API接口，单机版本支持50亿条边秒级响应，分布式版本设计了基于查询日志的分布式图数据划分策略，具有非常好的可扩展性。

该项目发现了饲草类饲料蛋白各组分中C组分是可以消化利用的,更正了国际上认为饲草类饲料中C组分不能消化利用的观点，为饲料蛋白的高效利用提供了新的理论依据。确定了奶牛常用饲料在小肠可消化吸收利用的氨基酸种类、利用效率，为我国养牛产业提供了常用饲料小肠可消化吸收（实际奶牛机体利用水平的）氨基酸数据库。 揭示了蛋氨酸（Met）和赖氨酸（Lys）缺乏时奶牛生产中乳蛋白合成的代谢机制，为氨基酸在奶牛生产中的平衡应用提供了理论依据。提出了奶牛小肠可代谢10 种必须氨基酸的适宜配比，确定了北方典型日粮泌乳早中期奶牛瘤胃保护蛋氨酸（Met）和赖氨酸（Lys）的适宜添加量分别为74g和190g。提出了以小肠可代谢氨基酸为基础的奶牛日粮应用技术1 套，日粮粗蛋白水平降低2个百分点，提高了日粮中氮的利用率，降低了饲料成本，提高了奶产量和乳蛋白，乳蛋白率平均提高0.15个百分点。减少了奶牛粪尿中氮的排放，降低了对环境的污染。

本发明提供茶树咖啡碱合成酶基因启动子TCSP及其在制备转基因植物中的应用.本发明以茶树DNA为模板,用GenomeWalking方法克隆得到茶树TCS基因启动子序列,然后利用Gateway技术构建重组植物表达载体pKGWFS7TCSP,采用农杆菌介导的烟草遗传转化,以表达GUS基因的方式进行启动子活性功能验证.本发明首次从茶树中克隆出特异性咖啡碱合成酶基因启动子TCSP,并验证了其活性,对于揭示茶树咖啡碱合成的机理,生物调控茶树咖啡碱的含量具有重要意义.

在中加国际科技合作、自然科学基金中德基金、总装预研基金等的资助下，开展以可穿戴计算、工业无线传感器网络、身体传感网络、感知计算等前沿技术为核心的研究工作，并面向老年健康、工业物联网、移动增强现实等领域研究实用化技术和产品装置，具体包括： 1） 工业物联网应用：开发了一系列符合IEEE 802.15.4/Zigbee、Wireless HART等无线传感器网络标准的微型化传感节点、模块、网关，以及相关的协议栈源码。 图1 工业物联网 2） 健康应用：主要面向安全、健身、医疗等健康应用，研发超低功耗、无障碍、可长期持续穿戴应用的智能腕带（腕表）、腰带（腰挂、腰带扣）、胸带等各类形态的健康装置，开发运动统计、跌倒预警和检测、睡眠监测、多生理参数监测等产品应用

本发明涉及高分子复合材料领域，具体涉及一种导热环氧树脂复合材料及其制备方法。一种导热环氧树脂复合材料，包含如下质量份数的组分：碳纳米管0.5~3.0份；纳米氮化铝0.5~10.0份；硅烷偶联剂0.1~1.0份；硬脂酸0.1~0.5份；环氧树脂60~80份；固化剂8~30份。本发明使用氨基功能化的碳纳米管和偶联剂表面改性的纳米氮化铝为导热填料，分散环氧树脂中，制备具有导热性能的环氧树脂材料，操作工艺简单，一方面可以保证材料的导热性能，另一方面可以降低成本。该复合材料所使用的功能填料的添加量少，产品的稳定性好，可用于电器、电子散热等方面。

本发明公开了一种用于3D打印的生物墨水材料及其制备方法和应用，生物墨水材料，由按质量浓度百 分比计的如下原料制备而成：生物大分子5％-18％ ；水76％-93 .5％或者预交联剂76％-93 .5％；促凝剂 1 .5％-6％；上述原料的质量浓度百分比之和为100％。且上述墨水打印出来后将会进行水洗，交联剂予以 定型。

中试阶段/n该项目实现了猪产肉性状、抗病性状基因的批量挖掘与验证，开发出一批分子育种标记，建立了多标记聚合辅助育种技术体系，为湖北及我国优质健康猪的培育提供了丰富基因资源和技术支撑，取得了良好社会经济效益。

原子核裂变数据的精确测量是很多核物理应用的先决条件，比如核能、国防、辐射防护、核废料处理、产生稀有同位素等。核裂变物理在超重元素合成、反应堆中微子、中子星融合中的r-process等研究中也不可缺少。特别是走向新一代核能-快中子反应堆，急需锕系核区精确的不同能量中子诱发裂变数据。但是目前实验和理论都无法提供可靠及完整的能量相关裂变数据。 由于涉及中子的实验难度较大，国际上主要的核数据库只有几个能量点的裂变数据。理论上基于微观模型去描述裂变过程非常复杂，是一个涉及多维位能面的大幅度、非绝热的量子动力学过程。目前微观理论对裂变可观测量的描述还有较大误差。 此外基于唯象裂变模型对未知核区和未知能区的外推往往不可靠。 北京大学物理学院裴俊琛研究员课题组首次采用贝叶斯神经网络（Bayesian Neural Network）来评估不完整的裂变产物分布。此前贝叶斯神经网络对原子核质量外推有一些成功的应用，并可以得出推断的误差，但是仍有量子壳效应的疑虑。核裂变过程涉及复杂的位能面，裂变产物分布具有统计特征，比较适合神经网络。 贝叶斯神经网络对不完整核裂变产物的评估 目前核裂变产物的实验测量很难给出完整的产物分布，只能结合模型评估给出完整的裂变产物分布。人们通常基于唯象模型、通过调参数来拟合出产物分布。该工作通过对已有裂变数据库的学习，当实验测量给出不完整的裂变数据时能够推断出完整的裂变产物分布。结果表明，随着中子能量增加，裂变模式逐渐从不对称裂变演化成对称裂变。这说明神经网络能成功抓住部分物理图像。当实验数点很少时，唯象评估模型失效，神经网络仍然可以给出有效的评估和合理的置信区间。贝叶斯神经网络对核裂变产物的评估开辟了一个新的方向，展现了机器学习的一个实际应用范例，将对核数据的定量评估产生重要影响，有望更好地提供应用级的精确核数据。 不同能量的裂变模式演化