环境中高毒性有机污染物通过各种途径进入环境水体，对环境、生物体系和人类健康造成危害。目前，对环境水体中苯、苯酚、苯胺、硝基苯、多环芳烃等高毒性有机污染物的测定主要是离线测定方式，处理步骤复杂、检测时间长，易造成采样误差。现有军用便携式快速检测高毒性有机污染物的设备只是半定量分析，且未在环保部门普及。本项目拟开发环境水体中苯、苯酚、苯胺、硝基苯、苯并芘等高毒性有机污染物的便携式监测仪器，以特异性荧光试剂标记不同污染物，用高灵敏荧光检测技术，现场、快速检测痕量高毒性有机污染物。具体来说，采用新型深紫外发光二极管（LED）为光源，充分利用 LED 光源小体积、低功耗、长寿命的优点；基于光电二极管，自主研制低噪音、低漂移的光电放大电路探测；将光机电集成一体化，研制出小型、高灵敏、长寿命原位水中高毒性有机污染物荧光检测仪，并将其在山东省内重点流域示范应用。 

       凭借在非损伤微测技术领域积累的基础研究优势，由金歌公司自主研制生产的SRMT1209植物根系吸收监测仪（NMT非损伤微测系统、NMT活体生理检测仪）可检测植物所必需的16种营养元素中的全部大量元素、中量元素以及大部分微量元素，同时涵盖离子通量（ion flux，即离子吸收速度）、离子浓度、分子通量、分子浓度及膜电位等多项检测项目。   金歌NMT功能特色：   （1）为客户提供测试个性化定制，免费升级测试软件；   （2）实时输出时间-flux通量数据，无需人工换算，可直接用于分析作图，保护了用户数据安全；   （3）检测种类涵盖植物所需的16种营养元素中的所有的大量元素、中量元素，和绝大部分微量元素。   可检测种类：   （1）大量营养元素：N (NH4+/NO3-)、P (HPO42-)、K+   （2）中微量元素：Ca2+、Mg2+、SO42-、Na+、Cl-、H+、SiO32-、Zn2+、Fe2+、Cu2+   （3）胁迫：Cd2+、Al3+、Pb2+、Ag+、Cr3+、AsO43-   （4）其它：Li+、NO2-   （5）分子：O2、H2O2、IAA、NO、葡萄糖等   测试项目：   （1）离子通量SRIET   （2）分子通量SRPT   （3）离子浓度aIon   （4）pH   （5）分子浓度aMol   （6）膜电位Potential   主要应用：   植物营养生理、逆境生理、植物与微生物互作、作物育种、生理调控机制等研究   金歌NMT        金歌仪器科研团队自2011年开始深耕非损伤微测技术（Noninvasive Microelectrode Technique, NMT）领域，为在国内推广的通量flux测试系统（非损伤微测系统）研制并供应核心组件。通过不断丰富NMT可测离子种类，成功摆脱了对国外的依赖。        在科技竞争白热化的今天，核心技术自主可控是企业可持续发展的底线和基石。2022年金歌公司成立以来，始终如一坚持创新发展理念，聚焦关键技术攻关，打破依赖进口核心部件-国内组装的模式，推动构建自主可控的产业链体系。2025年8月7日，北京知识产权法院判决金歌公司在与某北京公司NMT专利侵权案中胜诉，金歌已逐步确立了其在NMT领域重要生力军的地位。        凭借扎实的科技实力，成功打造了可靠的“NMT耗材-零部件-整机”一站式NMT供应平台。通过不断积累并整合自1990年离子/分子通量flux测试技术（即‌非损伤微测技术NMT）诞生三十多年以来已发表成果，我们建立了丰富的NMT大数据库，实现了NMT仪器国产化、自动化、智能化、信息化和标准化，进一步巩固和扩大了我国在NMT领域的优势。        金歌NMT测试界面实时输出flux通量数据，无需人工换算，可直接用于分析作图，保护了用户数据安全。用户购买仪器后，金歌NMT仪器测试种类和检测项目等仍会不断增加，金歌仪器将及时告知用户，郑重承诺免费为用户做测试软件升级。        金歌仪器将永远以客户需求为导向，精益求精，不断推出创新性产品和个性化解决方案，为加快实现高水平科技自立自强贡献智慧和力量。  

本发明公开了一种面向物联网的硅基固支梁可重构SIW带通滤波器，包括SIW带通滤波器、转接结构(3)和MEMS固支梁结构。SIW带通滤波器包括相互级联的SIW谐振腔(9)，相邻的SIW谐振腔之间存在耦合窗口(14)，MEMS固支梁结构设置于耦合窗口中。在一些特定的需要控制无源滤波器通带中心频率频繁切换的电路中，本发明通过MEMS固支梁结构很好的避免了需要依靠增加滤波器数量去控制电路的问题，并且MEMS固支梁结构的闭合所需要的电压较小也基本不会影响电路的正常工作，能够有效地降低电路控制的功耗。MEMS固支梁(6)可以实现快速的DOWN态和UP态的转换，可以有效地实现微波电路中对滤波器滤波范围的控制。

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。

本发明公开了一种应用于LTE MTC电力物联网的新型发射机，包括：DSM调制器，用于分别采样和调制基带部分输出的I、Q两路正交数字基带信号，得到两路数字电平信号；本振可变增益衰减器，用于对本振信号功率衰减并输出多路正交差分信号；上混频器，用于将两路数字电平信号变换后作为其内晶体管开关的控制信号，以控制晶体管开关选择本振可变增益衰减器输出的正交差分信号中的某一路得到和输出射频信号；可变增益射频放大器，用于对射频信号按所需增益放大；射频功率放大器，用于对射频信号功率放大；射频SAW滤波器，用于对功率放大后的射频信号滤除带外噪声。本发明具有功耗低，可采用非线性较强的射频功率放大器，提高了发射机的能量效率。

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。

“基于物联网及云计算技术的设备故障诊断及预测平台”利用云计算、物联网、大数据、移动互联网等现代信息通信技术，实现人与设备、人与人、设备与设备的实时互动，实现信息和数据的共享。软件产品以服务的方式向用户提供。减少企业的平台搭建费用、数据安全维护成本、服务器投资和维护成本、专业技术人员投入成本、软件升级维护成本等。所有云服务产品实现全移动化，支持IOS和Andriod系统的多个版本，并且与PC端数据实时同步。云平台配置了冗余容灾、异地备份以及通讯加密、防止暴力破解等技术解决方案。 技术优势： 1.我们在围绕以大型建筑设备为主的智能运维平台中处于领先阶段目前该行业设备比较分散，信息化程度不高，我们从2014年开始研发该智能运维平台，目前处于国内领先阶段。 2.智能运维平台数据积累量巨大，为大数据分析提供基础设备智能运维云平台经过近两年的研发，于2016年年底上线至今已得到行业内企业的认可。目前已接入上千台设备，每月新增数据条数达几十亿条，该运维平台将会是大数据平台的数据、需求、市场的直接来源。 3.产学研合作推进平台的技术发展 产学研合作将为该项目提供更多研究性成果，目前已申请发明型专利2项、实用新型专利6项，软件著作权7项。 应用概况： 该平台于2016年年底上线至今已得到行业内企业的认可。目前已接入上千台设备，每月新增数据条数达几十亿条。设备主要为建筑设备相关，如：大型中央空调主机、冷冻机、水泵等。接入设备主要分布于南京、上海、杭州、济南、贵州等地。目前平台接入企业50多家。

成果描述：互联网文本内容主题 概念漂移检测系统， 通过分析数据集中的 所有文档数据的潜在 语义关系，提取出它 们之间的潜在语义主 题标示，通过评估参 数的方法，将生成的 主题时序关系用数据 的形式表示出来，并 以此为依据主动发现 待预测数据集中主题 的转变与转化现象， 并提供给用户这一主 题转移过程。市场前景分析：点。基于这些特点， 流数据的处理和分析 面临巨大的挑战，是 当前数据挖掘领域研 究的热点。 分类是数据挖掘领域 的重要课题，当前流 数据分类问题面临的 主要挑战之一就是概 念漂移问题，即数据 中学习的概念（从属 性到类别的映射）是 随时变化的。 通过对互联网中文本 内容的主题概念漂移 进行检测，对于正确 分类互联网文本等方 面具有重要的意义。与同类成果相比的优势分析：能够将生成的主题时 序关系用数据的形式 表示出来，方便用户 查看； 可以动态调整评估参 数，以实现对不同数 据集的自适应性分析； 可以将评估参数值与 发生概念漂移的主题 中心相关联，主动探 测出主题发生变化的 过程。

本系统在设计中使用了先进的网络处理器技术，包括高性能的IXP2400处理器和高速千兆以太网接入能力，提供了强大的网络处理能力和可靠的运行稳定性。本系统完成的基于网络处理器硬件平台根据不同的实际需求，可以广泛应用于各种网络通信系统和网络安全领域，边缘路由器，千兆硬件防火墙和入侵检测系统，具有广阔的市场前景。

随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。