本成果提出了基于零件批量加工数据分析的加工工艺与流程优化，主要包括零件加工过程的工艺数据挖掘与机器学习算法、基于数据和机理模型相结合的零件加工精度预测、基于机器学习的零件加工工艺优化与决策、基于数据驱动的零件批量加工工艺优化方法验证这四方面。以下是各方面具体对应内容： 1）零件加工过程的工艺数据挖掘与机器学习算法：在数据挖掘与机器学习算法方面，搭建了轴类零件全流程加工工况数据实时采集硬件平台，实现对加工力、加工振动、主轴电流等工况数据的实时在线获取。 2）基于数据和机理模型相结合的零件加工精度预测：在航空薄壁件加工精度预测方面，对复杂曲面加工过程混合建模与全流程加工精度预测等理论开展了深入研究工作；建立了零件单工序/多工序加工精度预测混合驱动模型，实现了加工精度的高效高精预测。 3）基于机器学习的零件加工工艺优化与决策：在轴类零件全流程加工工艺优化与决策方面，围绕隐马尔可夫决策过程、遗传算法等理论开展了理论研究工作，结合轴类零件加工过程开展了优化工作；提出了加工参数自适应调控联合决策方法。 4）基于数据驱动的零件批量加工工艺优化方法验证：构建加工数据库1套，包含机床设备、加工刀具、加工参数、检测数据等四种类型数据。开发全流程加工智能推理软件1套（部署于中航发南方公司柔轴车间），实现航轴全流程质量数据感知与工艺优化，其中全流程误差建模与分析模块实现了端到端的零件加工质量智能推理，可以用于工艺设计与现场预先感知，加工过程工艺数据挖掘模块实现基于批量数据的多工序误差流分析，实现后续工序加工误差推理，加工过程工艺优化与智能决策模块实现了零件多工序加工质量数据推理与给定期望指标下的加工参数优化。 图1 本成果对应功能结构示意图 【技术优势】 围绕航空领域制造的加工质量问题，开展基于制造过程数据的工艺全流程智能决策技术与系统的研发，初步实现工艺与制造过程的智能控制。在数据挖掘与机器学习算法、航空薄壁件加工精度预测、轴类零件全流程加工工艺优化与决策、零件全流程加工质量智能推理与优化、智能加工产线智能决策技术应用与推广等多个方面实现了突破，具有显著的理论价值与应用价值。 规范制定方面，研究了薄壁件加工误差产生的深层机理，构建了批量零件加工过程中误差传递的理论模型，探究了机床、夹具、刀具、加工参数全方位、多层次的因素对于零件加工误差产生的影响规律，提出了零件加工工艺与流程优化策略，形成制定面向航空发动机大长径比轴类零件的决策规范，规定轴类零件全流程加工过程中机床、刀具、装夹、加工参数四个方面的具体要求。通过中国航发南方工业有限公司企业标准体系管理系统制定、修改、审批，形成《航空发动机轴类零件加工工艺优化与决策技术规范Q/2B 1586—2022》。 软件开发方面，将上述理论成果进行高度集成，开发了零件全流程加工智能推理优化软件（MIO软件）。软件集成了四大功能模块，包括加工工艺数据库、全流程误差建模与分析、加工过程工艺数据挖掘、加工工艺优化与智能决策。相关知识与优化规则形成权。全流程加工智能推理优化软件以及知识库软件通过第三方测评，测评机构具备MA与CNAS认证资质，最终形成《零件全流程加工智能推理优化软件第三方测试报告》、《智能加工产线工艺全流程智能决策工艺知识库软件第三方测试报告》。 应用验证方面，结合航空发动机制造具体需求，将相关成果应用到某型号航空发动机轴类零件（动力涡轮传动轴）加工生产中。将零件全流程加工智能推理优化软件部署在航轴加工车间，在验证产品的加工设备上部署了数据采集装置，实时采集加工过程数据，集成企业工艺资源数据库和产品数字化检测系统，获取机床、夹具、刀具、产品质量等信息，构建了加工工艺数据库，开展了航轴加工工艺分析、现场加工质量预先感知、加工工艺与流程优化、现场实际加工验证等工作。通过南方公司现场应用验证，零件次品率平均降低54.53%。（2019年至2020年优化前，次品率为8.38%；2021年6月至2022年5月优化后，次品率为3.81%）。相关应用验证通过了中国航发南方公司的效果认定，并形成用户报告。 【技术指标】 1）采用机理模型/有限元仿真技术获取切削力/热/柔度/加工误差数据集，构建代理模型实现了切削过程的毫秒级预测，切削过程关键物理量的预测时间优于10毫秒。 2）建立了机理模型与小样本工况数据混合驱动的预测模型不确定分析与量化模型，提出了贝叶斯框架下的不确定校准方法，实现了加工误差快速（毫秒级）精准（偏差小于5微米）预测。 3）提出了航轴加工质量状态估计方法，建立了现场多源数据信息串联模型，基于隐马尔科夫的决策模型，实现工序间感知平均误差控制在9.21%内。 4）建立了加工次品率与加工参数约束集间双向映射互通模型，首次提出了基于隐马尔科夫模型与遗传算法的联合决策方法框架，联合决策优化框架保证次品率降低优于50%。

1.绳网新产品工艺改造，提升绳网产品强度与单丝多元化2.高分子材料改性用于绳网制作进行功能性纤维研发3.聚酯瓶片（PET）阻燃母料添加剂研发，用于绳网制作达到防火要求

人工智能应用创新实训平台是一款专为人工智能领域专业学生设计的多功能教学工具，它集科研教学、实验实训和项目实践于一体，提供了一个全面的学习环境。该平台以国产高性能芯片RK3588作为其边缘计算的核心，支持本地化编程开发，使得学习者能够深入掌握人工智能技术。此外，平台还支持PyTorch、TensorFlow、NCNN等多种主流深度学习框架，便于学生进行模型训练和推理实践。 平台内置了丰富的案例资源，包括但不限于MobileNet、Fcn_Resnet、Resnet、Openpose、Unet、Retinaface、Yolov8pose、Yolov11等前沿模型，为学生提供了实际操作和学习深度学习模型的机会。这些内置模型不仅有助于学生理解深度学习算法的实际应用，也为他们的创新项目提供了坚实的基础。通过这样的实训平台，学生能够在实践中深化理论知识，提升解决实际问题的能力。 本平台融合了先进的多模态大模型智能体，并配备了一系列场景化实体组件，包括深度相机、双轴云台、多轴机械臂、微型输送带、工业级相机以及麦克风阵列等。这些尖端设备使得我们能够快速构建智慧工厂、智能分拣、智慧交通、智能家居等多种应用场景。

公司主营业务为第三代化合物半导体材料，当前产品为 6 寸碳化硅晶体、衬底，未来可拓展至设备和外延技术领先。公司创始人在碳化硅行业有15年以上经验，曾任国际知名碳化硅衬底企业Norstel高级研发工程师，回国后任世纪金光研发副总，获得北京市特聘专家等荣誉，担任国家01专项6寸碳化硅衬底项目负责人，研发出6寸衬底，具备丰富的长晶和设备经验，是国内为数不多的几个掌握碳化硅技术的人员之一。碳化硅半导体材料行业前景广阔，国内碳化硅材料处于起步阶段，落后于国外，能量产的企业很少，6寸衬底都还没实现量产，有技术的新企业仍然有机会。公司团队技术领先，研发出6寸衬底，创始人在行业内知名度高，行业人脉丰富，下游多家器件厂商愿意采购产品形成战略合作，具备量产6寸衬底能力。点击上方按钮联系科转云平台进行沟通对接！

本项目提出了装配式剪力墙结构基于抗震性能的设计方法；解决了装配式混凝土剪力墙结构的非线性分析问题；研发了适合装配式剪力墙结构的能够保证抗震性能的竖向连接方式；完成了新型装配式剪力墙板的抗震性能研究。

金属材料热处理、机械自动化、汽车悬挂系统设计研发

1. 痛点问题 本项成果涉及新型疫苗的设计与应用，具体涉及生物大分子药物及疫苗的研发过程中的抗原精准设计。 2. 解决方案 基于AI的大分子药物及疫苗抗原设计。

1.痛点问题 面对十四五期间大气污染防治要求，全国大多数城市在PM2.5与O3复合污染防控方面还存在以下不足： （1）尚未建立PM2.5与O3复合污染协同管控体系。PM2.5一次排放、NOx、VOCs等前体物排放水平相对较高，如何通过NOx和VOCs协同防控实现PM2.5与O3的同步改善，现有技术体系尚难以直接用于当前大气污染防控工作。 （2）海量大气环境及化学成分监测数据应用不完善。基于现有监控设备，数据应用深度不足，无法有效支撑大气环境管理决策。海量数据如何服务应用于大气污染防治精细化管控，尚没有系统化的解决方案。 （3）PM2.5与O3及其前体物污染预警与应对不精准。不同区域前体物排放及气象条件差异较大，VOCs和NOx生成PM2.5与O3的转化路径，以及贡献比例解析存在较大困难，已有成果针对污染控制的减排策略仍不清楚。 （4）工业源VOCs缺乏精细化管控。工业VOCs排放涉及行业众多、化学成分复杂，企业存在环保内部管理能力不足、配套设施治理效果差、无组织排放问题突出等问题，政府部门开展污染溯源与排放监管存在较大困难。 2.解决方案 本项成果建立了城市内外部多种空间尺度污染排放对城市空气质量监测站点的贡献评估工具，锁定贡献较大的区域及具体排放源，实现了针对工业园区和产业集群等小尺度区域内的污染溯源与动态监管技术的集成应用，建立了高值预警、热点分析、指纹比对和快速锁定的流程化溯源方法，快速排查高污染时段、点位及其来源，针对污染源建立了一企一档、绩效诊断、现场核查、评估反馈、跟踪复核等多个环节环境绩效诊断闭环管理工具，针对溯源排查结果形成污染源病例库，解决了监管最后一公里的难题，能够为监管执法提供有效的工具支撑。 合作需求 与本领域企业合作，开展产业化相关工作，推进产品和服务形态的迭代升级，进一步聚合优质资源，培育专业化技术研发与实施队伍，拓展客户渠道，挖掘市场潜力。

2020年2月6日，浙江大学公共卫生学院开发的疫情预防平台（http://epp.zju.edu.cn/）正式上线。平台以“公众科普”“疫情动态”两大板块，帮助公众聚合新型冠状病毒感染的肺炎疫情最新进展、科学防疫知识和实用工具。 在公众科普板块，平台从“疫情科普”“防护指南”“实用工具”三大栏目入手，力求准确、权威、生动地向公众传播防控疫情的科学知识。由浙大公卫学院原创的科普动画和防疫短片也在这里集中呈现，做到“疫情不解除，科普不掉线”。疫情动态板块为使公众及时了解疫情，除了全国疫情地图之外，针对浙江本地居民特别推出了浙江省疫情地图和杭州市疫情地图。同时，增加统计每日新增确诊病例增幅，便于大众了解疫情控制趋势，减缓紧张情绪。平台除常规的链接方式进入外，还特别在浙大钉浙江大工作台“疫情防控”板块中设立入口，可通过点击“公卫疫情台”直接进入。也可通过支付宝搜索“大学课堂”，选择“疫情专区”或在支付宝腰封处点击“抗击肺炎专区”，进入选择“不出门也能学”板块进入平台。 平台地址：http://epp.zju.edu.cn/45339/list.htm