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。

长期从事岩体强度理论及地下结构全寿命设计方法、地下空间防灾安全和智慧地下基础设施建设的研究，同济大学土木工程学院朱合华教授是国际上较早开展数字地下空间与工程（DUSE）研究的学者之一。经过近20年的努力，朱合华团队成员齐心协力构建起数字地下空间的理论体系、工程方法和数据库，初步完成了数字化地下体系建设，构建出“工程数字化”创新技术核心，已经在城市轨道交通、高速公路等领域得到广泛的应用。朱合华被国际同行认为是“城市基础设施规划、设计、施工和维护信息集成方法的国际开拓者之一。  2021年中国工程院新增院士中，同济大学土木工程学院朱合华教授当选。 误打误撞与数字化结缘 　　1979年，朱合华进入重庆大学化学矿开采专业学习，开始接触计算机编程语言。1983年9月成为重大硕士研究生后，他开始深入与计算机应用打交道，师从李通林教授，完成了“围岩不连续面非线性效应对巷道稳定性影响分析”的硕士论文。 　　1986年9月，朱合华考入同济大学，师从孙钧、杨林德2位恩师攻读结构工程专业（地下结构方向）博士，论文题目为《隧道掘进面时空效应研究——边界元法若干理论与工程应用》。 　　从此，在朱合华的学术世界中，计算机技术、土木工程就成了形影不离的“伙伴”，他开辟了数字化的研究方向。 　　1993年7月，朱合华到日本大阪土质试验所和京都大学从事软土地下工程研究，进一步运用有限元数值方法进行软土盾构隧道管片衬砌分析、地下工程施工动态反演等。 　　上世纪90年代初，日本快速发展的地下基础设施建设，为他的研究工作提供了大量的室内和现场试验的工程数据。 　　至今，朱合华还记得这样的场景：工作单位长期聘请的几位工作人员，持续将大阪湾的三维地质数据输入计算机中，形成了大阪湾的地质、地震数据库信息系统，该信息系统在日本国内具有重要的影响。 　　大阪土质试验所所长岩崎先生告诉他：“岩土工程师一定要与地层交朋友！”这个叮嘱也促成他归国后迅即开展土木与信息学科交叉的研究。朱合华在日本期间创建的用于管片衬砌设计分析的梁-接头（缝）不连续模型，后来也被纳入了我国国家标准。 　　上世纪90年代末，朱合华在同济附近的小书摊上发现了当时的畅销书——《数字化生存》，“数字”二字萦绕在他脑海，后来他又在《文汇报》上读到了与“数字地球”概念有关的文章。当《岩土工程界》期刊向他约稿时，朱合华撰写了《从数字地球到数字地层——岩土工程发展新思维》一文，从此打开地下空间与工程数字化研究的大门。 推动数字化在工程中的应用 　　1999年，朱合华牵头的“城市三维地层信息管理系统的开发与应用”获批上海市教委曙光计划，经过3年的潜心研究，项目验收得到了专家们的高度评价，成为团队数字化研究工作布局的起点。朱合华团队的工作成为了2004年上海先后启动的29个重大科技专项之—，也是城市地下空间信息平台建设和国土资源部与上海市联合资助的三维地质调查项目。 　　厦门翔安海底隧道是中国内地第一条海底隧道，全长8.695千米，跨海部分全长6.05千米，最大深度达到70米，相当于18层楼高。隧道还要在四周一片漆黑无方向的地下施工，所经之地地质状况极其复杂。朱合华团队的介入，使得这一高难度项目成为了我国跨海隧道的一项示范工程。 　　近年来，朱合华团队的研究领域遍布数字地下空间、数字化工程两大园地，数字地下空间研究成果在上海世博地下空间、常州地下空间、延安新城地下基础设施等得到应用，数字化工程的研究成果在广州龙头山双洞八车道公路隧道、淮南望峰岗煤矿、上海长江隧道、世博500kV地下变电站和电力隧道、上海地铁一号线结构维护、上海中心深基坑等项目建设得到应用。 　　围绕这些工程，团队相继研究开发出“复合纤维和预应力管片结构技术”“盾构地层适应性理论和试验方法”“大断面、高水压、近间距下盾构施工微扰动控制技术”等一系列方法与技术，解决了复杂环境下地下建筑结构设计分析、施工安全与控制的一个又一个难题，主持的项目“软土盾构隧道设计理论与施工控制技术及应用”获2008年国家科技进步奖二等奖。 　　朱合华又针对大规模、集群化的地下空间的建造难题，组织国内相关单位联合攻关。他主持的项目“城市高密集区大规模地下空间建造关键技术及其集成示范”，2016年获国家科技进步奖二等奖。 　　数字化地下课题与工程的“比翼双飞”，朱合华团队实现了基础理论和前沿交叉研究的良性循环。他们提出了地下空间工程全寿命数据采集—表达—分析—服务的数字化范式，开辟了数字地下空间工程新方向，攻克了“建造动态精细调控、运维快速精准评价”难题，创建了地下三维动态信息表达与分析的理论方法；攻克了安全建造的动态精细调控技术，突破了高效运维的快速精准评价技术。研究成果成功应用于上海长江通道、贵州高速公路网、上海地铁网等重大工程。 　　2015年，朱合华因在数字地下空间与工程方面的成就获得第44届德国洪堡研究奖，他是中国土木工程界到目前为止的唯一获奖者。 首创基础设施智慧服务系统 　　朱合华团队经过长期思考和一年多的充分讨论，创建了基础设施智慧服务系统iS3 （infrastructure Smart Service System， 2013），即基础设施全寿命数据采集、处理、表达、分析的一体化智慧决策服务系统。该系统从广义工程应用场景出发，以信息流为主线，采用面向服务的组件式框架和微服务技术架构的系统平台，集先进性、开放性和实用性为一体，是国际上第一个开源的基础设施智慧服务系统。 　　因为研究成绩突出，朱合华的影响日渐扩大。日本、新加坡、英国、美国、韩国等国都留下了他的“中国好声音”；2010年，他在上海创办了信息岩土工程技术国际学术会议，该会议现已成为国际信息岩土工程领域的重要系列会议；2017年值同济110周年校庆之时，成立了中国智慧基础设施联盟暨全球研究中心，已吸引世界170多家单位参与。 　　在数字化转型和智能建造的大潮中，如何借助现代信息技术手段，在人迹罕至的高山峻岭地区修建地下交通基础设施？朱合华提出开展岩体隧道动态设计的远程诊断分析，即将iS3平台作为数字底座，实现了基于数字孪生技术的岩体隧道支护的三维动态设计技术。三维动态设计技术成功应用于四川峨汉大峡谷隧道（最大埋深1940米，世界最深的公路隧道）施工中，仅用10分钟完成了现场三维远程实时动态支护设计，这在国际上首次实现，是隧道动态设计的重大技术突破。 　　今天， “土木信息工程”已成为《中国大百科全书》第三版土木工程学科的分支之一，朱合华盼望着数字化转型背景下的“土木信息工程”学科未来继续能茁壮成长。

目前矿井安全监控系统的监控分站供电模式采用交流供电、直流备用方式运行，当交流断开，直流自动投入，直流电源由备用蓄电池提供，蓄电池在长期的浮充过程中会造成电池老化，性能下降，所以备用直流电池一旦投入运行后，其供电时间的长短无法进行量化及无法提前预警，当其电池容量耗尽后，会使得各类传感器均停止了工作，失去了监控功能，给矿井安全生产带来很大隐患。为了保证煤矿安全监控系统的正常运行，有必要研制开发一种基于 LS-SVM 井下监控分站供电安全预警系统，它能保证实时对蓄电池电压进行实时采集并计算剩余电量、使用时间、找出落后电池，从全局出发对煤矿安全监控系统的备用电源正常工作进行预警、报警，最大程度上保证煤矿安全监控系统的正常运行，避免事故带来的危害。 1、能够实时测量蓄电池的容量，容量范围：0～10Ah； 2、能够根据蓄电池容量与带载情况，预测蓄电池的使用时间； 3、通过历史数据分析，当蓄电池容量下降率达到 4Ah/h（安时/小时），则表示该蓄电 池性能下降，需要修复维护； 4、利用地面中心的送断电控制，定期对蓄电池容进行测试维护； 5、系统能够检测多达 150 台隔爆电源备用蓄电池； 6、系统采用 C/S 架构设计、服务器端主要负责采集数据、数据分析与入库，客户端主 要完成数据实时显示、历史查询、曲线分析与报警功能。 7、数据能够保存长达 2 年以上，满足煤矿安全监控系统要求。

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。