智能诊断与动态测控技术，开发了复杂装备远程诊断与智能维护系统、嵌入式数控系统在机监测系统、动车组远程诊断及虚拟维修维护系统等，可用于数控等复杂装备的在线在机监测、复杂装备的远程智能诊断、设备的信息化管理与维护、高速列车远程诊断与虚拟维护、高速列车故障统计与分析，据此已承担国家科技重大专项、国家自然科学基金、科技部创新基金、教育部博士点基金、天津市自然科学重点基金等项目，并与南车青岛四方机车车辆股份有限公司合作先后承担了“动车组远程诊断及虚拟维修维护—信息分类和数据提取”、“动车组运维故障统计分析系

动态表面海洋防污材料由华南理工大学海洋工程材料团队研发，主要用于海军装备、船舶、海洋能源装备等的生物污损防治。该材料具有独特的主链降解性，在海水中形成不断变化的动态表面，避免污损生物的附着。涂层在静态条件下仍可不断稳定抛光，实现对环境友好防污剂的控制释放，可静态、长效防污。此外，该材料在海水中可降解为无毒小分子，避免海洋微塑料的产生，对海洋环境友好。该成果打破了欧美日在该领域的长期技术垄断。 已应用于军/民用船舶（数百艘）、南海岛礁用波浪发电平台、水下探测器等海洋工程装备，并在核电站试用，防污效果优异。

开发了基于运行模态分析(OMA)的机床动态性能测试与分析技术，其技术特点为无需人工激励，通过借助环境振动如地基振动作为激励、机床运行产生的振动即可满足采集要求。采集信号只涉及输出响应信号，无需激励信号，且不存在锤击法中捶击所得数据不满足要求的情况，操作简单。

上海交通大学公共卫生学院蔡泳团队和上海交通大学医学院附属瑞金医院张欣欣团队合作完成了一项最新研究结果，分阶段估计了武汉市的新型冠状病毒感染的流行趋势，并提出在各项防控措施的有序开展下，二月下旬疫情有望得到有效控制。该研究成果2月17日已被Cell Discovery接收。 该研究采用了在学界较为认可的传染病动力学SEIR模型（Susceptible，Exposed，Infectious and Removed model；SEIR model），这是一种常用于对病毒流行趋势进行分析的模型，其参数包括感染者（S）-暴露者（E）-感染者（I）-康复者（R）、传播率、感染率、治愈率、基本再生数（R0）和有效再生数（Rt）等。 研究表明面对疫情的发生，中国采取的措施，特别是1月23日做出的武汉“封城”等断然决定，是非常有效的，这一决定和后续的一系列措施从根本上改变了疫情演变的格局。通过四个阶段的多阶段模型拟合，研究最终计算得到武汉地区感染人数可能在2月下旬出现流行高峰和拐点（两种不同暴露者E与感染者I的比例估计），高峰感染人数估计为55869-84520人。估计感染人数指的是模型中在某一时刻现存的感染人数，这些估值中包括了有明显症状的患者和潜在的无症状或症状很轻的感染者。 

2月1日，清华大学深圳国际研究生院马兆远课题组首次公布基于AI技术的对全国疫情扩散情况及高峰期预测模型。根据后续一周内国家卫计委公布的疫情实时数据反馈，该模型在一周（2月1日至2月7日）之内的预测结果与真实情况吻合度较高，平均准确率达98%以上。团队比较早地对疫情高峰期及拐点出现时间做出“2月7-12日内达到峰值，疫情拐点最迟于2月16日前后出现，总感染人数或达7万”的预判，该预测与钟南山院士的判断互相印证。虽然预测结果的准确度得到验证，课题组团队并没有因此松懈，而是不断根据最新的数据变化调整参数、优化拟合结果，同时积极联络政府相关科技、数据信息等部门，让预测结果成为施策者有力的决策参考。2月1日，清华大学深圳国际研究生院马兆远课题组首次公布基于AI技术的对全国疫情扩散情况及高峰期预测模型。根据后续一周内国家卫计委公布的疫情实时数据反馈，该模型在一周（2月1日至2月7日）之内的预测结果与真实情况吻合度较高，平均准确率达98%以上。团队比较早地对疫情高峰期及拐点出现时间做出“2月7-12日内达到峰值，疫情拐点最迟于2月16日前后出现，总感染人数或达7万”的预判。

南京工业大学计算机科学与技术学院史本云教授团队联合香港浸会大学计算机科学系与中国疾病预防控制中心寄生虫病预防控制所（国家热带病研究中心）共建的智能化疾病监控联合实验室，及时搜集疫情相关信息，追踪相关数据，运用多源异构数据驱动的传染病学模型和分析方法，针对武汉（新冠肺炎发源地）、北京、天津（京津冀地区）、深圳（粤港澳大湾区）、杭州和苏州（长三角经济区）6座典型城市，开展了新冠肺炎疫情的回顾性分析和趋势预判，精准评估了不同复工场景下的疫情风险和经济损失。该研究针对新冠肺炎疫情发展期、控制期和恢复期的不同阶段，以及不同城市的传播特点（本地传播为主/输入病例为主），综合考虑了各个城市内不同年龄段的人口分布和不同人群（如学生、上班族和老人）的接触强度、接触时长等，设计了居家场所、学校场所、工作场所和公共场所4种主要接触场景。通过结合城市间的人口流动数据，构建了数据驱动的传染病动力学模型，对不同城市不同干预手段下的疫情走势进行了评估。在此基础上，研究人员结合不同城市的GDP增长预期和产业结构，基于对未来数日各城市疫情走势的研判，对下一阶段有序推动恢复正常生产提出了若干建议并进行了相应的经济损失评估。据悉，该研究成果和建议已经通过国务院参事提交国家相关部门。

降雨型滑坡是世界范围内频发的一种严重自然灾害，常给人类生命财产造成重大损失。降雨事件中降雨强度的动态变化特征影响边坡水文过程和土体力学响应，进而影响滑坡的发生时间和空间分布。目前相关研究多聚焦于降雨事件的平均降雨强度和降雨持续时间对滑坡的控制作用，鲜有降雨强度时间序列的动态变化特征对滑坡的影响机制的相关研究。因此，研究团队主要针对“降雨强度时间序列

本发明提供了一种材料强度分布获取方法，通过材料的强度试验获得若干个材料强度样本（ｉｍｇ　ｆｉｌｅ＝＇ＤＤＡ０００１５９５２６８０００００００１１．ＴＩＦ＇　ｗｉ＝＇６０＇　ｈｅ＝＇５９＇／）确定基于试验数据的强度随机变量样本：（ｉｍｇ　ｆｉｌｅ＝＇ＤＤＡ０００１５９５２６８０００００００１２．ＴＩＦ＇　ｗｉ＝＇１７９＇　ｈｅ＝＇１２８＇／）将强度随机变量η采用混沌多项式展开，根据高斯采样计算得到各阶混沌多项式基函数样本（ｉｍｇ　ｆｉｌｅ＝＇ＤＤＡ０００１５９５２６８０００００００１３．ＴＩＦ＇　ｗｉ＝＇１５６＇　ｈｅ＝＇６６＇／）采用马尔科夫链?蒙特卡洛算法获得各阶混沌多项式系数γ的后验分布样本（ｉｍｇ　ｆｉｌｅ＝＇ＤＤＡ０００１５９５２６８０００００００１４．ＴＩＦ＇　ｗｉ＝＇７７＇　ｈｅ＝＇６０＇／）根据重构的混沌多项式系数样本（ｉｍｇ　ｆｉｌｅ＝＇ＤＤＡ０００１５９５２６８０００００００１５．ＴＩＦ＇　ｗｉ＝＇４７＇　ｈｅ＝＇５５＇／）和混沌多项式基函数样本（ｉｍｇ　ｆｉｌｅ＝＇ＤＤＡ０００１５９５２６８０００００００１６．ＴＩＦ＇　ｗｉ＝＇１２６＇　ｈｅ＝＇６３＇／）确定强度随机变量的后验分布样本：（ｉｍｇ　ｆｉｌｅ＝＇ＤＤＡ０００１５９５２６８０００００００１７．ＴＩＦ＇　ｗｉ＝＇３６４＇　ｈｅ＝＇１２０＇／）根据强度随机变量的后验分布样本（ｉｍｇ　ｆｉｌｅ＝＇ＤＤＡ０００１５９５２６８０００００００１８．ＴＩＦ＇　ｗｉ＝＇３３＇　ｈｅ＝＇５３＇／）计算强度的后验分布样本：（ｉｍｇ　ｆｉｌｅ＝＇ＤＤＡ０００１５９５２６８０００００００１９．ＴＩＦ＇　ｗｉ＝＇２４７＇　ｈｅ＝＇６２＇／）最终采用区间统计的方法获得材料的强度分布。本发明方法仅需完成少量强度试验即可获得材料的强度分布，且不需要假设材料的强度分布类型，节约了大量的试验时间和经费，同时，也避免了因材料强度分布模型的错误选取而引入的误差。

目前，训练机器学习模型依赖于海量的数据，当以集中方式训练时，会带来很大的计算成本。因此，现在普遍的共识是，未来的机器学习应该以分布式方式实施。通常，分布式学习是以server-worker模式中进行的，其中server利用从workers收集的信息更新学习参数，然后将这些参数广播给workers。 但是，随着worker数量的增加，通信开销也会大幅

团队已完成退役锂电池带电破解分选回收生产线、移动式拆解车等技术成果转化，实现了“1+N”锂电分布式带电拆解新模式，解决退役动力锂电池分布散乱、难以集中无害化处理的难题。 一、项目进展 已注册公司运营 二、企业信息 企业名称 锐锋智锂（陕西）科技有限公司 企业法人 张志杰 注册时间 2022.5.16 注册所在省市 陕西省西安市 组织机构代码 91610113MABLKTJR6C 经营范围 技术服务、技术开发、技术咨询、转让及推广 企业地址 陕西省西安市雁塔区雁翔路99号博源科技广场C座1401 获投资情况 海沃能量盒子1000万投资意向 三、负责人及成员 姓名 学院 入学时间 张志杰 能源与动力工程学院 2021 陈博 能源与动力工程学院 2019 董梓竣 管理学院 2019 宋自远 电气学院 2019 陈昊煊 能源与动力工程学院 2019 黄嘉慧 人文社会科学学院 2019 罗寒非 化学学院 2019 陈楷林 能源与动力工程学院 2019 师鸣遥 生命科学与技术学院 2019 四、指导教师 姓名 学院 职务/职称 研究方向 丁书江 化学学院 教授/院长 电化学储能 杨国锐 化学学院 副教授 锂电回收 延卫 能源与动力工程学院 教授 污染控制 五、项目简介 随着新能源汽车产销量逐年爆发时增长，大量退役动力锂电池涌入报废市场。一方面，镍钴锂元素作为电池极粉生产的关键性材料，而我国长期以来严重依赖进口，面临巨大的材料供给缺口；另一方面，退役电池因含有余能，在堆积、运输及拆解过程易发生起火爆炸（相当于1/8同质量TNT的爆炸威力），危害操作人员安全，同时造成不可逆的镍钴锂产物损失。 因此，预放电步骤是传统工艺中的必经之路，而在预放电过程中又存在严重的环境污染问题，致使传统拆解企业难以进驻工业园区，大大压缩了行业的发展空间。针对上述痛点，本团队研发的项目： （1）首创性实现了对退役动力锂电池的带电拆解，避免了传统拆解高浓盐水预放电工艺，降低拆解成本，单条产线可年减少20万吨高浓盐水的排放； （2）通过自研高效吸附剂与先进的废水处理工艺，实现生产线三废零排放，年减少超百万元的治污成本，获得准入工业园区的资格； （3）内置余热回收系统回收电池残余电能，年减少超1万吨标准煤燃烧，减少超4万吨的CO2排放。 经过学生团队技术攻关和基础实验研究，我司已获得了成套的动力锂电池破解分选技术，已申技术专利20余项。其中负责人已获5项核心授权专利，实审专利11项，对技术、产品形成全方位保护。经过多次技术升级，已成功调试安装了退役动力锂电池破解分选成套设备生产线，该生产线完全达到工业生产要求，锂电池年处理量提升到5000吨，处理能力里超同行10%，产品回收率超同行20%，产品价值率领跑同行30%，并可入驻工业园区。 此外，团队已完成退役锂电池带电破解分选回收生产线、移动式拆解车等技术成果转化，实现了“1+N”锂电分布式带电拆解新模式，解决退役动力锂电池分布散乱、难以集中无害化处理的难题。公司已获得海沃能量盒子1000万投资意向，并与多家智能化设备供应商达成代工生产合作，研发的生产线已在云南云天化集团、陕西全通集团完成中试验收，即将投入大规模生产使用。