物联网技术是在传统互联网技术基础上拓展及延伸的，由于其应用领域极其广泛，几乎涉及各行各业，因而为了满足行业对专业人才的需要，越来越多的高校申请了物联网工程专业，在教学计划中安排了物联网技术类课程，海天雄公司为了满足学校教学需要，结合实际产品开发经验，研发了海联·物联网技术综合实验系统。海联·物联网技术综合实验系统侧重于物联网感知层、网络传输层、应用层三层技术的理论和实践教学，该系统中的感知层由各类传感器、RFID射频模块组成，实现了不同物理特性的信息采集，网络层则由物联网关键技术之一的ZigBee短距离实现数据信息的通信任务，以及WiFi、蓝牙BT、3G等技术实现各种不同网络传输的功能；应用层是物联网三层技术的最上层，则由高级物联网网关构成，实现数据信息的处理以及上层应用的开发。 CES-IOT210 物联网系统倡导 “产品化学习” 理念，该系统的设计是结合成熟物联网产品方案，以实际的产品技术导入该实验系统，学生透过对点、块、全局系统的学习，全面掌握物联网前沿技术，从而达到学习知识点与产品知识点的完美结合。CES-IOT210 实验系统提供多达数十种课程实验，课程实验提供开放的软件及硬件资源，着重培养学生的实际动手能力，可实现教学、科研等物联网相关课题。系统关键技术点：局域网络通信技术、短距离通讯技术、ZigBee无线传感网络技术、RFID射频技术、嵌入式计算机(系统)技术、软件工程技术。适合高校院系包括：物联网工程、计算机科学及技术、软件工程、电子信息工程、电气工程及自动化。

系统由基础护理综合模拟病人与软件系统组成。软件系统有基础护理学的训练、考核两大部分。模拟病人的外形逼真，体表标志清晰可触及，软件设置模拟人的生命体征参数，硬件操作实时传输到软件系统。产品根据人卫版《基础护理学》教材设计，可完成各种护理操作训练，也可用于操作考核。

随着纳米光子学的发展，具有超颖性质的人工微结构吸引了众多研究。针对日益增长的研究和设计需求，北京大学物理学院方哲宇及其研究团队实现了一种自洽的框架——BoNet，其结合了贝叶斯优化（Bayesian optimization）和卷积神经网络（convolutional neural network），实现了纳米结构对于超强光学手性的自学习。基于此框架，他们将纳米结构设计表示为图形，并输入卷积神经网络进行电场分布和反射光谱的学习，此过程不需要将纳米结构参数化为向量，因此最大化的保留了其几何信息和边界条件。同时，利用贝叶斯优化以实现对纳米结构远场光学手性的优化，并运用其采样样本反复训练神经网络实现自学习。利用BoNet，他们针对远场反射光谱的圆二色性进行优化并逼近了其理论极限(CD = 1)，同时利用神经网络匹配预测的近场电场分布，对获得的强光学手性进行分析解释。 此框架能够被直接推广用于其他光学性质的自学习优化，例如实现反常透射，偏振态调制和相位调制。更进一步的，此方法论能够帮助设计更多的，具有良好光学性质和运用价值的纳米光子学器件，比如消色差超透镜，超灵敏的微传感器以及智能超表面等。此研究同时能够启发更多数据驱动的研究，通过利用人工神经网络和其他机器学习的方法，实现对传统科学研究的新探索，在制药，引物设计，固体结构分析上启发新突破。 该工作于2019年11月19日在线发表于学术期刊《PHYSICAL REVIEW LETTERS》上，题为“Self-Learning Perfect Optical Chirality via a Deep Neural Network”(DOI: 10.1103/PhysRevLett.123.213902)。北京大学物理学院方哲宇研究员是本文的通讯作者，李瑜，徐优俊，姜美玲为该文的共同第一作者，北京大学定量生物学中心来鲁华教授为合作者，北京大学为唯一通讯作者单位。该工作得到得到了科技部、教育部、国家自然科学基金委、北京大学人工微结构和介观物理国家重点实验室、北京大学纳光电子前沿科学中心、量子物质科学协同创新中心、北京大学高性能校级计算平台、北京大学生命科学中心高性能计算平台等单位的支持。用于近远场计算的神经网络结构表征实现了逼近理论极限的高手性，并利用神经网络对近场分布进行分析

新能源与低品位余热联合利用的多能互补系统集成技术:建立多种新能源热利用形式(太阳能制热、风力制热等)、以及低品位余热联合利用系统，以 模型预测控制和运行优化技术为工具，建立了系统最优的运行策略，实现系统的 最优运行和控制。

心血管疾病是威胁人类健康的重要杀手。我国心血管病患者已达到 2.9 亿人，心血管病 死亡占城乡居民总死亡原因的首位。中国已步入老龄化社会，2050 年，老龄化水平将达到 30%以上。老年人群体作为心血管疾病的多发群体，面向老年人的心血管病管理和治疗已成为不可回避的一个重要社会问题。实现老年人群体等重点人群心血管健康的长时程监护，从而早预防、早发现、早治疗，已经成为医疗服务的重点。 基于长时程医疗数据的临床心电智能检测平台是推动心血管疾病科学防治和管理升级 的关键技术。近年来，众多医疗设备厂商在可穿戴设备领域大力投入，所研发可穿戴设备可 实现用户心电图等生理健康数据的长时程监测，弥补了医院测量心电图的短时性。本课题中， 基于人工智能算法研发心血管疾病智能诊断系统，将可穿戴设备、移动终端、云端服务器所 实现自动诊断结果与专家诊断结果有机结合起来，实现心电疾病诊断智能化。长时程临床心 电智能检测平台的建立，利用可穿戴设备实现了对用户身体状况的长时程监测和异常筛查， 可有效推动心血管疾病健康管理模式建立。 北京清华长庚医院心内科张萍教授团队在正常和疾病心电数据库有长期的积累，曾负责十二五国家科技支撑计划《基层心电监护产品应用评价研究》，在心电监护产品评价和推广 应用方面积累了丰富的经验，在本项目中提供了医疗级心电测试数据库，与清华大学王贵锦 副教授一起搭建了医生在环并不断反馈的心电智能检测平台，同时，北京清华长庚医院作为 北京市昌平区远程诊断管理中心，为未来心电产品的推广应用和心电智能诊断的评测提供了 良好的平台。清华大学电子工程系王贵锦老师团队在低功耗硬件设计、生理大数据分析、心 电智能算法研究领域有着长期的积累。团队在国内外顶级期刊会议上发表文章百余篇，其中 SCI 文章 40 余篇，发明专利授权近 20 项。团队基于人工智能算法开展心血管疾病智能诊断 研究，在多种心电疾病诊断中达到世界先进水平。 团队所研发临床长时程心电智能检测平台特点如下： l 实现长时程心电数据的展示、查询、关键指标计算等功能； l 基于医疗大数据和人工智能技术，实现室性早搏、房性早搏、T 波改变、ST 段改 变、早复极图形改变、心房颤动等 10 余种常见心电术语的智能诊断，准确度高； l 建立心电诊断术语工程化分级体系，实现医学和工程科学高效结合； l 建立心电图规范化数据库，为医学研究创造基础。 团队所研发的手持式可穿戴心电智能检测平台特点如下： l 实现了院外心电数据的测量和采集 l 基于手持式单导联设备和人工智能技术，实现了心房颤动的院外筛查和诊断

项目成果/简介:心血管疾病是威胁人类健康的重要杀手。我国心血管病患者已达到 2.9 亿人，心血管病 死亡占城乡居民总死亡原因的首位。中国已步入老龄化社会，2050 年，老龄化水平将达到 30%以上。老年人群体作为心血管疾病的多发群体，面向老年人的心血管病管理和治疗已成为不可回避的一个重要社会问题。实现老年人群体等重点人群心血管健康的长时程监护，从而早预防、早发现、早治疗，已经成为医疗服务的重点。

板式电涡流阻尼器解决了电涡流阻尼难以用于大型结构减振的技术瓶颈问题，具有根本变革意义的工程结构减振新技术。板式电涡流阻尼器技术没有工作流和机械摩擦，有效解决了提高阻器疲劳寿命和提高反应灵敏度的难题，它与主结构没有任何机械连接，极大简化了调谐质量阻尼器的结构并且调节方便，实现将耗能效率提高6至8倍，特别适合用于调谐质量减振器。世界最大调谐质量减振器已经采用了板式电涡流阻尼技术，并成功安装在606m高的上海中心大厦上，该技术还被应用于矮寨大桥、洞庭湖大桥、港珠澳大桥、湖南赤石大桥、榕江铁路桥等重大工程，近期更是被应用于位于非洲摩洛哥的全球规模最大的太阳能光热电站三期项目NoorIII，该减振方式可使吸热塔在经受大风挑战时产生的“压力”减少60%。

无线电近距探测装置具有体积小、重量轻、测距精度高、跟踪速度快 等特点，可广泛应用于高速移动目标的近距精确探测领域。性能指标： 1. 探测参数：探测范围1〜100m；测距精度土0.1〜0.3m； 2. 探测条

通过多种仿真技术，分别从CELL级、PACK级、整车级对产品进行设计验证..

执行标准：GB/T 50082-2009，JTG 3420-2020 本品采用2020版最新数字电源支持的稳压稳流技术，试验输出电压精度≤0.05V，反馈的电流精度≤0.05mA，6～12通道可定制。8寸嵌入式Linux工业平板电脑触摸屏操作，测量精度优于国家标准，是质检单位、科研单位优选产品。 该方法对Ø100±1×50±2mm的混凝土试样两端施加60V的直流电压，通过检测6hrs内流过的电量大小来评价混凝土的渗透性。