本发明公开了一种燃料电池膜电极组件的复合方法及其装置。该复合方法，通过机器视觉技术测定 GDL 偏角，催化剂层偏角，根据角度差值引导机械手对 GDL 旋转纠偏。纠偏完成后测定和计算 GDL两条边缘的交点坐标距离 GDL 采图相机视野中心的 X 和 Y 向偏差，测定和计算催化剂层两条边缘的交点坐标距离催化剂层采图相机视野中心的 X 和 Y 向偏差，并结合两个相机的机械安装位置，计算出 GDL与催化剂层的位置综合偏差，该综合偏差用于引导机械手将 GDL 与催化剂层精确复合。

中国科学院院士、南开大学教授陈军团队受Nature子刊《自然评论·化学》编委会邀请，发表题为“有机电极材料在锂电池中的实际应用前景分析”的综述论文。该文章深入阐述了有机电极材料的结构特征、作用机理、构效关系等，着重分析了有机电极材料的实际现状和应用前景，有助于学术界和工业界充分了解有机电极材料的实际应用潜力和待解决的问题，有望激发更多应用导向的研究工作，进而促进未来有机电池的商品化应用。文章第一作者为卢勇博士，通讯作者为陈军院士。 锂离子电池目前广泛应用于各类便携式电子设备，在人类社会的信息化、移动化、智能化、社会化等方面凸显作用，并有望在电动汽车和智能电网等领域大规模应用。商品化锂离子电池的正极材料主要是无机过渡金属氧化物和磷酸盐，其中过渡金属资源大都不可再生，电池回收利用技术复杂、成本高，从长远的角度来看可能会面临资源短缺等难点问题。因此，可循环再生的电极材料开发已成为电池领域的学术前沿和重大需求。 有机电极材料由于含有丰富的碳、氢、氧等元素而显现出可再生、绿色环保、低成本和高容量等优点，近年来受到了广泛的关注。有机电极材料的制备具有合成创造的特点。有机电极材料一般可以从植物中（比如玉米等作物和苹果等果蔬）直接提取或者以生物质材料为原料通过简单的方法制备得到；在有机材料提取制备、电池装配和回收过程中产生的二氧化碳又可以被植物吸收利用，因而体现了很好的循环和可再生性。然而，有机电极材料还面临着在电解液中溶解度大、导电性差、密度低等难点问题，其材料特征、作用机理、构效关系等亟待深入理解。 陈军院士团队的综述论文围绕有机电极材料的未来发展提出见解。文章指出，有机电极材料具有结构可调控特点。根据不同的分子结构和反应电位，有机材料在实际应用中可作为正极或者负极活性材料。文章首先讨论了有机电极材料本身的各种关键性质，包括材料的能量密度、功率密度、循环寿命、密度、电导率、能量效率、价格、资源可用性和热/化学稳定性。其中能量密度、功率密度和循环寿命是材料的基本电化学性质，这些性质会受到材料密度和电导率的影响，其他因素如稳定性和价格等也是必须要考虑的问题。接着从实际电池应用角度分析了电极中活性物质的单位面载量和电解液用量等因素对全电池性能的影响。最后利用软件对以有机材料为正极或者负极的实际锂电池体系进行了模拟，得出了相关电池体系的性能（如整体能量密度、功率密度）和价格等参数。结果表明，n型有机正极材料特别是羰基化合物具有较好的实际应用前景。

本项目针对传统矿用蓄电池机车在运输的过程存在直流电机维护困难、蓄电池的使用寿命、蓄电池机车的制动和电能损耗等问题，研制了适用于煤矿防爆特殊型蓄电池电机车用的永磁同步电动机及其调速器，形成矿用隔爆蓄电池永磁同步牵引电机车及其控制系统。PMSM 及其驱动系统在蓄电池机车中的应用为解决传统矿用蓄电池机车运输过程中的问题提供了新的方法。 （1）输入电压：根据电机车的实际电池电压。 （2）输出功率：根据电机车的力矩和功率要求。 （3）控制要求：平滑调速，性能稳定。 （4）电池管理：要求有电量指示系统，电池电量不足是自动停机并配有应 急启动系统。

中山市钙钛矿薄膜光伏电池创新平台是以程一兵院士及其团队在钙钛矿材料与薄膜太阳能电池领域的技术储备为基础,以推进钙钛矿薄膜光伏产业化为目标建立的科研开发型基地。在钙钛矿光伏产业化技术开发的同时,注重结合中山市在灯饰、家居、装备制造等领域的优势产业,服务中山市现有优势产业转型升级。力争中山本地孵化覆盖钙钛矿光伏产业上、下游配套技术的高技术企业,持续引进和培养具有国际化视野的中、青年骨干力量,务实建设高水平的技术骨干和管理人才团队。以此在推动钙钛矿薄膜光伏产业发展进程的同时,带动中山相关产业发展,为当地企业提供科研服务,社会服务和有利的科技创新实验平台。 环境亲和性更好、经济性更高的光伏产业; 薄膜特性使得在建筑幕墙、车辆贴膜及表面涂层等方面具有广阔前景; 由于其弱光发电特性,可深度融合家居、灯饰以及智能穿戴等产业。

一、仪器介绍     太阳能的利用指太阳能的直接转化，利用半导体器件的光伏效应原理，把太阳辐射能转化为电能成为光伏技术。利用光伏技术设计的太阳能发电系统主要有太阳能电池片（组件），控制器和逆变器三大部分组成，他们主要有电子元器件构成，不涉及机械结构，所以，光伏发电设备极为精炼。为了使学生对基本特性理性认识的基础上，推出此实验仪从直流到交流，从低压到高压，从大电压小电流到小电压大电流，针对各种可能用到的电源情况，我们分成不同的实验，分块进行演示，我们这款仪器实质就是一个mini太阳能发电站。       三、实验内容 （一）太阳能电池特性实验   1、了解并掌握太阳能电池的原理及结构；   2、测量太阳能电池暗特性；   3、测量太阳能电池光照特性：短路电流与光照强度关系；     以上是对单晶硅、多晶硅及非晶硅太阳能电池的测量 （二）太阳能电池应用实验   1、同种类型太阳能电池板串并联实验：    2、分别在电池板串并联情况下对超级电容充电，记录充电完成的时间，    3、太阳能电池匹配负载实验；    4.太阳能电池板匹配输出实验；    5、DC-DC模块输出实验；   6、DC-AC逆变与交流负载试验；

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。应用范围: 1、智能网关： 开发基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置服务器。 综合接入能力： 包括有线传感器和特定的无线传感器、与现有系统的对接 有效感知能力： 实现基于图像的AI视觉感知能力，重点研究基于小目标的图像分类算法 安全传输能力： 提供4G、5G、NB-IOT的上行传输模块化替换 提供安全的加密手段，保证数据安全 现场调试配置能力： 具有现场WiFi调试功能，方便安装和运维人员现场配置和检测 软件和通信标准版本现场升级 2、AI模型管理系统 需要实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。 样本管理能力 原始样本管理、样本实例库分类和管理、检测样本管理等 模型计算和管理 算力管理：对算力的统筹，外部算力的对接等 算法管理：自主开发算法的管理和调动，外部算法的调用和对接 模型管理：包括模型的功能属性和已经应用的情况的统计分析 设备管理 设备的AI模型配置能力、AI推演过程的监控、AI推演结果的跟踪采集和分析 3、数据管理和标准化处理 数据有效性管理 监测数据是否按时上传、上传数据是否符合要求、是否为非法数据 告警输出：把告警信息进行分类，并推送给相关的运维系统 数据质量评估 按照标准对现场采集数据进行多维度的质量分析，为后续数据应用提供参考依据 数据标准化 格式标准化：完善采集时间、地点、单位等属性， 输出标准化：按照标准协议与工业互联网平台数据池进行对接 数据安全 区域性部署：可以应用户要求部署在其内网 并行部署：可以通过并行部署，网关上联多个服务器，确保用户的可靠性需求 数据回滚能力：可以应工业互联网平台要求对数据进行一定期限内的回滚，保证数据在一定时间段内不丢失 4、智能运维 开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提供效率、降低人员成本、保证系统运行质量和数据的有效性。 运维人员管理 对运维人员的信息、定位、工作状况管理 巡检任务管理 对部署的硬件和相关工作环境定期巡查的任务制定、下发、执行过程和结果的记录和管理 临时故障处理 对系统自动告警和现场突发状况的应急处理能力，包括人员调配、处理流程提示和建议、相关情况处置参考案例、后续统计追踪等。网关核心板实物照片

项目简介：《选矿厂生产统计计算机管理系统研究》通过湖北省科技厅组织的鉴定，其科研成果处于国内领先水平。 技术特点：本课题以大冶铁矿厂为实例，利用当前流行的Microsoft Visual Basic6.0开发选矿厂生产统计计算机管理系统软件，该系统解决了多金属选厂报表金属量不易平衡的问题，具有创新性。用户只需一次性输入原始数据，相互关联的生产日报表、周报表、月报表和年报表将自动生成，生产日报表可当天上报。企业领导、工程技术人员、管理工作者和统计分析人员可根据工作需要任意浏览、调用、打印各种报表，有利于正确指导现场操作、生产调度、组织管理和领导决策。应用领域：该系统既针对性，又有通用性，便于计算机管理网络化。可在全国同类矿山企业中推广使用，具有广阔的应用前景和良好的社会、经济效益。

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。

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。

"该项目基于虚拟现实技术，还原现场真实三维场景，综合集成物联网、大数据等现代信息技术，在“真实”的三维环境中，实现数据的“所见即所得”及各种交互式应用。三维可视化综合管理平台包括： 1）三维数字化工厂；2）三维可视化生产运行管理系统；3）三维可视化设备管理系统——特种设备管理系统；4）三维可视化设备管理系统——管线管理系统；5）三维可视化设备管理系统——通用设备管理系统；6）设备健康管理——设备运行仿真与优化，设备运行状态监测，故障诊断与预测；7）三维可视化安全管理——三维数字化应急预案，应急预案模拟演练，警示教育与事故再现；8）交互式技能培训。 “三维可视化综合管理平台”用户已达20多家，其中很多是长期客户，用户涵盖石油、化工、钢铁、电力、铁路、水利、民航、机械制造、军事、教育、智慧城市（园区）等行业，合同额1000多万元。随着“中国制造2025”战略的实施，智能制造、智能工厂建设已开始全面启动，“三维可视化综合管理平台”的市场前景将越来越广阔。 "