可组装结构，包括线圈、常开、常闭、公共端连接件、底座等。

成果简介本项目在国家973计划、863计划等研究成果基础上，跟踪国际趋势，形成9**nm 大功率单发光条半导体激光器，输出功率大于12W，寿命1万小时。主要优势：（1 ）填补国内空白。（2 ）易于光纤耦合。（3 ）多种波长可选。应用简介所处研发阶段：中试阶段适合应用领域：直接光加工、

本发明公开了一种高功率大带宽锗硅光电探测器。该探测器是 模拟光子通信系统和微波光子系统中的硅基关键集成光电子器件，其 特征在于包括多个并联锗层结构和电感。多个并联的锗层结构的多个 锗层尺寸是可以不同的，以实现对寄生电阻的调控，在提高器件饱和 功率的同时保持了寄生参数不至显著增加。同时，通过引入片上和片 外电感，实现对器件寄生电感的调控，抬升器件高频处频率响应，提 升器件工作带宽。本发明提出的光电探测器采用集总电极结构

本发明公开了一种高功率光纤激光器包层光滤除装置，该装置 包括一段或多段双包层光纤，其中此双包层光纤沿激光输出方向按剥 除面积由小到大而间隔地对保护层和外包层进行部分剥除，使内包层 裸露出来，将滤光材料涂在裸露内包层上，并且将上述滤光装置固定 在散热金属材料及水冷板上。本发明对光纤结构破坏较小，滤光均匀， 避免了非均匀滤除时，某些滤除点温度过高的现象，提高了系统的稳 定性。

项目简介车用电机驱动系统是新能源汽车、农业大棚作业车的关键技术之一。受车辆空间限 制和使用环境限制，车用电机驱动系统比普通电机驱动系统要求更高。车用电机驱动系 统要求满足高功率密度(1.2kW/kg)、高效(全速范围的高效率)、高可靠性(环境温度 105 度)的要求。课题组使用母线支撑膜电容、叠层母排和 IGBT 设计研发了电动汽车用高功 率密度集成电机控制器。 车用高功率密度集成电机控制器采用全数字控制，主要由直流母线支撑电容、直流 叠层母排、IGBT、IGBT 驱动电路和控制电路组

博志金钻技术团队在磁控溅射领域深耕二十余年，目前已经实现氧化铝、氮化铝、氮化硅、单晶金刚石、单晶碳化硅覆铜板的量产，三英寸陶瓷覆铜板月产能10万片，包括各类种子层方案，铜层厚度0.5-100um，表面无毛刺、划痕、色差等异样，350度加热平台烘烤5分钟不起泡。 一、项目进展 已注册公司运营 二、企业信息 企业名称 苏州博志金钻科技有限责任公司 企业法人 潘远志 注册时间 2022/3/31 注册所在省市 江苏省 苏州市 组织机构代码 91610131MA712U7Q06 经营范围 一般项目：技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广；金属表面处理及热处理加工；新材料技术研发；新材料技术推广服务；电子元器件制造；集成电路制造；信息安全设备制造；通信设备制造；光通信设备制造；雷达及配套设备制造；光电子器件制造；真空镀膜加工；表面功能材料销售；金属基复合材料和陶瓷基复合材料销售；合成材料销售；有色金属合金销售；半导体器件专用设备制造；新型陶瓷材料销售；电子元器件零售；电子元器件批发；泵及真空设备制造；泵及真空设备销售；通用设备制造（不含特种设备制造）；玻璃、陶瓷和搪瓷制品生产专用设备制造；电子专用材料研发；电子专用材料制造；特种陶瓷制品销售；半导体器件专用设备销售；集成电路设计；机械设备租赁；租赁服务（不含许可类租赁服务）（除依法须经批准的项目外，凭营业执照依法自主开展经营活动） 企业地址 江苏省 苏州高新区长亭路8号大新科技园3幢二楼 获投资情况 2021/07/01苏州汇伯壹号创业投资合伙企业（有限合伙）天使轮1000万元 2022/03/22苏州融享进取创业投资合伙企业（有限合伙）preA轮2500万元 三、负责人及成员 姓名 学院/所学专业 入学/毕业时间 潘远志 邓敏航 杨添皓 电子与信息学部/自动化 2020/2024 陶佳怡 管理学院/大数据管理 2020/2024 林子涵 电气工程学院/电气工程及其自动化 2020/2024 袁子涵 电气工程学院/电气工程及其自动化 2020/2024 牟国瑜 电气工程学院/电气工程及其自动化 2020/2024 杨志鹏 能源与动力工程学院/强基（核工程与核技术） 2020/2024 田继森 航天航空学院/工程力学 2020/2024 孙浩然 机械工程学院/机械工程 2020/2024 郑力恺 电气工程学院/电气工程及其自动化 2019/2023 王羿淮 管理学院/工商管理 2019/2025 李青卓 材料科学与工程学院/材料科学与工程 2018/2023 四、指导教师 姓名 学院/所学专业 职务/职称 研究方向 宋忠孝 材料学院/材料系 教授、博士生导师 核电领域；电化学、催化、电池领域；器件、封装领域：高温抗氧化烧蚀、高压抗电弧烧蚀领域；轻量化领域硬质涂层领域 王小华 电气学院/电机电器及其控制 教授/博导，国家级人才计划入选者（特聘教授），国家级青年人才计划入选者（青年学者），教育部新世纪优秀人才，陕西省青年科技标兵。西安交通大学未来技术学院/现代产业学院副院长、实践教学中心（工程坊）副主任、教务处副处长、创新创业学院副院长，CIGRE开关设备状态评估工作组成员，中国电工技术学会电器智能化系统及应用专委会委员 开关设备设计、状态监测与寿命评估 田高良 管理学院/会计与财务 教授、博士生导师 财务预警；内部控制与风险管理；资产评估；信用管理等 五、项目简介 苏州博志金钻科技有限责任公司是一家专门从事高功率半导体封装材料研发生产的公司。以先进的陶瓷表面金属化技术为核心形成了包括（1）粉体表面改性；（2）热压烧结；（3）研磨、抛光；（4）陶瓷金属化；（5）增厚、刻蚀；（6）预制金锡焊料；（7）激光切割等环节的完整高端热沉材料生产体系。公司拥有完整的热沉材料生产体系，致力于成为“国产化功率半导体器件热沉材料领跑者”，为我国半导体产业发展添砖加瓦。 博志金钻技术团队在磁控溅射领域深耕二十余年，目前已经实现氧化铝、氮化铝、氮化硅、单晶金刚石、单晶碳化硅覆铜板的量产，三英寸陶瓷覆铜板月产能10万片，包括各类种子层方案，铜层厚度0.5-100um，表面无毛刺、划痕、色差等异样，350度加热平台烘烤5分钟不起泡。博志金钻目前苏州主体工厂面积超过5000平米，含万级洁净间。拥有20余台研磨抛光设备、10余台烧结炉、4条卧式连续镀膜设备、5台立式镀膜设备，以及超声清洗、喷淋甩干等完善的配套设备。博志金钻的工艺流程包括粉体表面改性、热压烧结、研磨/抛光、陶瓷金属化、增厚/刻蚀、预制金锡焊料、激光切割，博志金钻已经建立了完善的产品生产管理及质量监控体系来进行管控，完成了包括ISO9001、14001等认证，并不断完善产品检测设备及手段，确保产品质量稳定。 公司积极进行产品迭代和技术储备，在高功率半导体封装材料研发生产领域有着二十余年研发经验。中国科学院院士孙军教授和国家万人计划领军人才宋忠孝教授作为本公司首席科学家领衔公司技术研发，进行陶瓷金属化和半导体封装基板领域关键技术的探索。潘远志带领公司与西安交通大学表面工程国际研发中心、金属材料强度国家重点实验室合作进行前沿技术开发，团队与苏州市产业技术研究院、高新区共同设立苏州思萃材料表面应用技术研究所，是公司的技术支持和组织依托。目前公司已完成天使轮、preA轮数千万融资交割，公司投后估值逾2亿元。

本实用新型涉及一种大功率LED与散热器的零热阻结构,及基于此结构的LED灯。大功率LED与散热器的零热阻结构,包括至少一个大功率LED、PCB、散热器,所述的PCB为单面覆铜绝缘基PCB,PCB有用于安装LED的通孔,LED电极引出脚焊接在PCB的导电线上,LED的热沉的外平面与PCB的无导电层面平行、且高出PCB的无导电层面,所述的PCB通过固定装置安装于散热器上,热沉与散热器之间有不含固体颗粒的粘结胶,其厚度接近为零。本实用新型具有LED热沉到散热器的热阻接近为零、导热效率高、LED结温低、可用更大工作电流降低成本、发光效率高、寿命长、工艺简单、成本低等优点,可用于制造各种LED照明装置。

本发明公开了一种无需考虑参考卫星变换的紧组合RTK定位方法，通过对传统双差模型进行改进，将双差电离层和双差模糊度改写为站间单差的模式，各历元各频率独自选择参考卫星，避免了参考卫星频繁变换对定位解的影响；在分析伪距/载波DISB时变特性的基础上，通过GPS和Galileo系统间重叠频率观测值组成差分观测方程，与常规RTK相比，提供了多余观测，提高观测模型强度，在长基线情况下，可以有效提高模糊度的固定成功率和首次固定时间，尤其是在单个系统共视卫星数目极少或卫星数目急剧变化的情况下，可以有效地实现固定解，提高定位的稳定性与连续性。

本发明公开了一种基于运动学变换的数控砂轮磨削加工方法，包括：生成初始砂轮加工路径并执行离散化处理以产生多个离散点；在砂轮架驱动轴的移动范围内选择位置点，并根据这些位置点网格划分生成多个立方体网格单元；找到分别包含各个离散点的立方体网格单元，然后计算离散点在所处网格单元中的体积误差矢量；利用体积误差矢量对各个离散点执行转换，由此生成新的多个离散点；通过拟合方式生成新的砂轮加工路径并执行相应的磨削处理。本发明中还公开了对计算体积误差矢量和点压缩处理方式的改进。通过本发明，能够有效降低由于数控磨床运动学特性及几何误差所引起的实际磨削轨迹与理想磨削轨迹之间的偏差，相应提高加工的几何精度和尺寸精度。

本发明公开了一种基于指波变换和 SVM 的假指纹检测方法，包括以下步骤:1:采集真、假指纹图 像;2:对采集的真、假指纹图像进行指波变换;3:提取采集的指纹图像的指波变换参数作为特征向量; 4:对所提取的特征向量进行归一化处理;5:对归一化的特征向量进行支持向量机训练得到基于支持向 量机(SVM)的分类器;步骤 6:对归一化的待检测指纹的特征向量，使用步骤 5 中得到的 SVM 分类 模型进行分类，得到―真‖或―假‖的&