本发明涉及一种具有光学性质钯纳米薄片的简易制备方法。7.04×10-4mol/L 的 PdCl2 粉末和 7.04×10-4~5.64×10-2mol/L 十六烷基三甲基溴化铵添加到水-乙醇混合溶液体系 中，将配好的溶液搅拌，溶液颜色为浅黄色，再将反应体系置于 15~200W 的白炽灯下照射 1~12 小时，停止光照，离心分离所得的黑色沉淀物，并用乙醇和丙酮各洗涤一次，置于 40 ℃的真空烘箱中干燥，即得钯纳米薄片材料。方法获得的纳米材料粒径在 28~44nm 之间，粒 子形貌呈多边形，粒径分布较窄，在 340nm 附近出现紫外-可见消光谱峰，表明纳米材料在 此区域具有光学性质。本制备方法条件温和，过程简单，生产周期短，易于规模化生产。

项目简介： 植物源农药是指有效成分来源于植物体的农药， 山于其低毒、易分解， 是生产无公害农产品应优先选用的农药品种。但是，该类农药具有防治效果缓慢、控制有害生物的范   围较窄、产品质

310mm×250mm×280mm，偏振片一对，不同部位用不同的层数，显示不同的彩色。

小试阶段/n项目已解决的关键技术问题和技术创新点：1.提出了精轧变形抗力模型新型“九宫格”自适应学习方法，在“轧制温度*变形速率”参数空间上布置多个特征点，对参数空间上与当前轧制工况位置相邻的 9 个特征点进行加权插值，获得空间任意均连续的自学习参数，它是位置坐标的函数，打破了原来的“自学习系数与层别一一对应”的关系，使自学习系数精确到工作点坐标，解决了 原有的不同层别的自学习参数相互不关联、跳跃大、不连续等问题。新方法上线后，应用效果非常明显，每月带钢因厚度超差导致的预封锁量从投用前的 45 块/

小试阶段/n轧机过程控制数学模型与轧制稳定性技术直接影响带钢产品质量与生产成本。该技术在结合生产工艺与设备控制技术的基础上，综合现代控制理论、数学建模和人工智能技术，形成完整的轧线关键模型与轧制稳定性控制技术，已在宝钢、梅钢、涟钢等国内多条大型热连轧生产线上成功在线应用。发表核心期刊论文30多篇，授权、受理发明专利30余项，软件著作权3项。。关键技术：1）高精度轧制设定模型与尺寸控制。高精度带钢厚度控制技术：包括高精度轧制力能模型、全线一体化分布式温度模型、辊缝模型，保证高精度的头部设定；高精度AG

1.痛点问题 本项预期成果是解决复杂场景中目标三维数据重建、驱动的关键技术。 针对实际应用中复杂运动场景，例如刚性运动的交通工具，变形移动行人等，传统的运动结构恢复方法在进行场景深度求解时无法确定每个单元结构的相对尺度，导致无法对复杂运动场景进行重建。在现有的深度估计、语义分割、位姿估计等相关技术，存在识别精度低、提取不到关键信息、应用场景单一等问题，无法满足大尺度场景应用的需求。 2.解决方案 本项目成果提出了一套面向目标、人体深度数据重建技术，有效实现对复杂运动场景下人、物的深度重建与驱动，有效解决现实场景目标的数字化模型生成与虚拟场景下的驱动映射问题。提出多模态采集、时空复用编码摄像方法，获取大景深、高时空分辨、丰富的精确场景视觉信息，基于超像素关系分析的深度重建方法，包括目标超像素分割，图像帧匹配，运动关系判定，通过时序传播与概率模型更新实现实时深度重建，提高最终三维重建模型的稠密度、鲁棒性、一致性和准确度。构建了基于深度卷积神经网络的目标实例检测与位姿估计框架，从目标对象观测图片提取其分割掩码并不断迭代更新，输入深度卷积神经网络进而得到目标6D位姿估计并进行迭代改进，从而实现目标在动态复杂场景下的位姿还原，克服了在光照、姿态变化、遮挡等不良因素环境下的目标位姿不准确问题，确保了目标6D位姿估计的鲁棒性与准确性。 合作需求 寻求在元宇宙、数字城市、自动驾驶、AR/VR、机器人、制造业等领域有相关技术开发、市场推广经验，能推广本技术落地的高科技企业，可以进行深度合作。

一种水电站过渡过程整体物理模型试验平台，包括循环水系统(1)、励磁同期保护系统(2)、调速控 制系统(3)、变频换相系统(4)、监控系统(5)、负荷系统(6)、量测系统(7)、模型机组系统(8)和模型水道系 统(9)，在该平台上可以进行大波动、小波动和水力干扰等过渡过程及其他相关问题的试验研究。其优点 是:本发明集成度高，工作性能稳定可靠，操作简易、控制精密，可有效的完成水电站过渡过程相关的 各项基础性与应用基础性试验。适用于大中小型常规模型水电站和模型抽水蓄能电站。

高品质钢的冶炼典型流程为“转炉→精炼→中间包→结晶器”，冶金反应器内存在着合金-钢、钢-渣、钢-夹杂物、钢-耐材、渣-耐材、钢-空气、钢液凝固和元素偏析等反应和过程，各个化学反应“耦合”发生、互相影响。因此，有必要建立智能模型有效地预测不同反应器内夹杂物成分的变化，准确地在线了解精炼和连铸过程的工作状况，使生产全流程始终处于最佳工作状态，从而确保夹杂物的精准控制，最终提高钢产品质量的稳定性和可靠性。同时，通过模型的优化计算，可以根据不同钢种的性能需求，对钢种的生产工艺进行定制化设计。 （1）高品质钢炉精炼过程夹杂物预测研究： − 精炼过程宏观流动数学模拟：计算精炼过程钢液和精炼渣的流场和温度场、夹杂物的运动，同时计算吹氩强度、钢包尺寸等因素对钢包流场、夹杂物运动和去除的影响。− 精炼过程夹杂物成分动力学：研究吹氩强度、钢包尺寸等因素对多元反应速率的影响；耦合计算 LF 炉内“渣-钢-夹杂物-合金-耐材-空气”多元反应过程夹杂物成分变化。 − LF 炉内夹杂物尺寸动力学：建立夹杂物生成、长大和去除的尺寸变化多尺度模型，确定不同条件下夹杂物的尺寸变化行为，预测钢中夹杂物的数量变化和尺寸分布规律。 − LF 炉内夹杂物预测模型：将夹杂物成分和尺寸动力学计算和宏观流动模拟相耦合，建立 LF 炉精炼过程夹杂物成分、数量和尺寸预测模型。 （2）高品质钢中间包连铸过程夹杂物预测研究 − 中间包内宏观流动数学模拟研究：计算中间包内钢液和覆盖剂渣相的流场和温度场、夹杂物运动和去除。计算开浇和换包的非稳态浇注、中间包结构对中间包浇铸过程的影响。 − 中间包内夹杂物动力学研究：耦合计算中间包中“渣-钢-夹杂物-耐材-空气”多元反应中夹杂物成分变化，确定中间包内各位置的反应速率。 − 中间包内夹杂物预测模型的建立将渣-钢-夹杂物-耐材-空气反应和宏观流动模拟相耦合，建立中间包过程多元反应夹杂物成分、数量和尺寸预测模型。 （2）高品质钢结晶器凝固过程夹杂物预测研究 − 结晶器内钢液凝固冷却过程中夹杂物行为研究：通过实验室实验研究钢液凝固和冷却过程中温度变化对原有夹杂物与钢基体的反应的影响，以及不同成分的钢液在冷却和凝固过程中夹杂物新相析出，确定温度变化对夹杂物影响机理。 − 结晶器内宏观凝固和流动数学模拟研究：研究结晶器过程钢液、渣相的运动，使用融化模型研究结晶器过程凝固坯壳的凝固和形成，计算夹杂物在钢-渣界面的去除行为。 − 结晶器内钢液凝固过程夹杂物动力学研究：计算铸坯凝固过程钢液成分偏析，与保护渣-钢-夹杂物反应进行耦合计算，预测铸坯中夹杂物的成分。计算夹杂物被凝固前沿捕捉行为，预测铸坯中夹杂物的数量和尺寸分布。 − 结晶器内钢液凝固夹杂物预测模型的建立：通过将元素偏析、保护渣-钢-夹杂物反应和宏观流动数学模拟相耦合，建立结晶器凝固过程多元反应预测模型，实现铸坯中夹杂物成分、数量和尺寸空间分布的精准预测。 （4）高品质钢制造过程夹杂物智能预测模型在工业生产中的应用 − 模型的验证和优化：高品质钢制造进行全流程取样调研，对建立 LF 炉、中间包和结晶器内夹杂物反应模型进行验证和优化。 − 模型应用：将建立的高品质 LF 炉、中间包

XM-643第四脑室脉络组织和脉络丛模型   XM-643第四脑室脉络组织和脉络丛模型可拆分为3部件，显示脑室及脉络丛，模型上可观察到部分侧脑室及其脉络丛，第三脑室及其脉络丛，中脑水管，第四脑室及第四脑室脉络丛，本模型除可观察以上内容外，尚可观察脑干，小脑和间脑的外部形态结构。 尺寸：自然大，14×9.5×16cm 材质：PVC材料

XM-644内囊与基底神经节立体解剖模型   XM-644内囊与基底神经节立体解剖模型可拆分为2部件，左半侧显示丘脑、尾状核、杏仁核、豆状核的形态位置及相互间的关系，右半侧显示内囊。 尺寸：放大，8×11.5×13cm 材质：玻璃钢材料