成果简介：电子差速桥技术是电动汽车所具有的一项关键技术。基于电动轮驱动技术的电动汽车由于采用多电机驱动策略，不仅传动系统简单、效率高，而且可以解决电动汽车对电动机功率要求高和功率器件性能难以满足要求的矛盾，是电动汽车发展的一个重要方向。结合电动游览车开发项目，设计了电子差速桥，电动轮采用直流串激电动机，电动机电枢采用并联结构，控制器采用了基于转向几何的独立转矩开环和闭环控制策略以及基于减小质心侧偏角的独立转矩控制策略，达到了不用测量方向盘转角即可由电动机自动实现速度与驱动力调

产品详细介绍

在规范采样及针对性测试条件下，释光测年技术应用在埋藏陶器、烧土类考古受热材料的年代学研究中具有高准确度的优势，并有望确定最后一次考古受热事件（如祭祀、焚烧、烹煮等）的高精度年代。

1 成果简介本项目针对目前我国电子废物规模化的回收处理企业较少、技术储备以及设备设施能力不足，缺乏成套的深度资源化利用技术的现状，研发出一批具有自主知识产权的废计算机类电子废物破碎分选、分离提纯、产品高值利用的关键技术和成套设备。其中，在废计算机类设备的拆解处理、废显示器类资源化处理工艺、废电路板拆解处理和组合资源化工艺以及废电池组合资源化处理工艺等方面均具有突破性进展，并形成了技术和设备的集成；在电路板热冲击破碎预处理技术和破碎设备专用刀具、锥屏分离专用设备等方面的研究达到了较高水平。 其中依托专题研发了废计算机设备类自动化拆解生产线以及专用工具和设备研发，实现规模化和高效率流水线作业模式，材料回收率达到 90%以上，高于欧盟《电子废物回收处理指令》（ 2005 年） 要求的 75~80%； CRT 显示器锥屏干法快速分离设备分离效率达 2 分钟/台，相比其他分离技术提高了 2-3 倍。其技术适应强、设备造价低，操作简单； LCD 显示器资源化处理技术和设备的研发，可实现汞灯管无损拆除、液晶的高效分离处理和铟金属的回收；基于改性的废电路板预处理技术和设备，可显著提高解离度达 100%，实现铜金属回收率达到 95%以上。其可有效解决废弃计算机设备的资源化回收利用问题，对环境无害化处理进行了有益的探索。其中在废电路板、 LCD 显示器、 CRT 显示器和锂电池处理技术方面取得了创新性的成果，为建立我国电子废物处理技术体系提供了示范。2 应用说明项目研发的废计算机拆解示范线、显示器类（包括 CRT 锥屏分离和资源化技术与设备，LCD 资源化成套回收技术与设备）、废电路板拆解及其金属回收技术方法和设备、以及废锂电池的资源化回收技术方法和设备、相关环保设施等， 在电子废物处理企业中进行了应用，并取得了良好的效果。本课题开发的锥玻璃再生利用资源化工艺技术方案与企业开展合作，开发了以 CRT 锥玻璃为原料的室内装饰玻璃工艺品。 （ 1） 废电路板金属、非金属高效解离技术-低温热处理装备的研发（低温真空电阻炉系统）  （ 2） 废电路板专用陶瓷刀具材料及专用涂层刀具的制备  （ 3） 废 CRT 显示器屏、锥玻璃分离设备  （ 4） CRT 玻璃资源化产品  （ 5） LCD 回收处理关键设备  （ 6） 废锂电池处理试验装置 3 效益分析研究成果解决了典型电子废物资源化技术的关键问题以及电子废物污染环境的突出问题，为苏州市电子废物的问题提供了创新性和工程化的解决方案。在项目实施过程中，将研究成果建设成为生产设施和设备，并投入使用，取得示范效应，并产生了良好的经济效益，项目优势得到验证。4 合作方式转让或者联合推广。5 所属行业领域环境领域。

1、与高校和科研单位继续合作，与时俱进、创新思维，需要皮革专业的专科以上人才，加强培训，提高科研人员的综合素质，打造一批技术过硬的团队。2、需求一批国内外皮革行业知名专家来厂进行现场指导，对厂内技术人员的业务技能和创新能力进行专项指导和培训。

采用萃取及氧化/萃取工艺装置处理某石化公司催化裂化汽油，使其硫含量达欧 V 排放标准，同时提高燃油收率；优化功能材料的合成方法，降低成本，便于工业化应用；合成新的功能化的离子液体，提高萃取选择性，达到深度脱硫标准；将离子液体萃取与氧化技术耦合，研究氧化/萃取脱硫技术难点，如选择合适的氧化剂、制备高效的催化剂等；优化离子液体的回收再利用，减少废液的产生，进一步探索离子液体循环利用的新方法；完善工业化应用所必须的各种基础数据。克服传统加氢脱硫体系存在的温度高、压力大、副产品多等弊端，实现常温常压油品深度脱硫，催化剂循环利用。克服传统加氢脱硫体系存在的温度高、压力大、副产品多等弊端，实现常温常压油品深度脱硫等技术手段。

1. 痛点问题 工业视觉场景下普遍存在缺陷样本数量少、难采集，已有标注方案无法完全发挥样本数据效用等问题。在工业视觉应用场景中，产线整体生产良率均已达到相当水平，人工可识别的缺陷样本数量相对较少，且采集难度较大。制造生产环节对产线效率要求较高，模型训练难以实现精度与效率上的平衡。 2. 解决方案 本项目将最新的少样本学习、连续学习、模型压缩与优化技术，与工业场景中的缺陷检测需求深入结合，致力于工业视觉自主知识产权软硬件一体化装备研发。针对玻璃深加工与半导体晶圆宏观缺陷检测，本项目已完成工业视觉全流程视觉感知算法、人工智能算法研发平台、玻璃智能一体检测设备、晶圆宏观缺陷检测设备等智能设备的原理验证和装备试制，同时有多项智能设备在研。 本项目在玻璃与半导体缺陷检测中，基于图像自动标注方法完成少样本场景下的数据采集与标注，通过弱监督学习和连续学习方法完成有效模型构建，并针对长尾数据集设计模型训练和优化方法，实现高效工业视觉感知计算。针对工业视觉场景，本项目集成视觉感知算法能力，研发人工智能算法研发平台，该平台秉承低代码化、可视化等原则，打造包含数据采集与标注、算法训练与评估、模型压缩与优化、应用部署与管理的数据闭环。 合作需求 寻求浮法玻璃深加工、半导体加工与制造等行业企业合作。