“NMT界乔布斯”许越先生推荐创新平台 中关村NMT产业联盟推介成员单位创新产品 “生物安全，人人有责” 推出背景： 在国际竞争白热化，战争形态多样化的今天，生物安全已成为国家安全的重要组成部分，为积极应对这一挑战，2019年10月，生物安全法草案于首次提请十三届全国人大常委会第十四次会议审议。本次新冠肺炎疫情的爆发，让各界更加意识到，生物安全对于确保国家安全、保障社会稳定、人民群众生命安全和身体健康的重要性。 国家安全就是国家竞争，归根结底又是科技实力的竞争！因此，作为中国的高新技术企业，中关村NMT联盟的会员单位，旭月（北京）科技有限公司利用20多年的技术积累，以NMT：非损伤微测技术为底层核心技术，迅速推出了与国家生物安全相关多种检验，监测仪器设备，以及适用于多个学科及领域的研发平台： 《NMT生物安全创新平台》特制系列产品！   应对挑战： 1）组织器官水平研究：随着研究的深入，单细胞的生理状态，以及对不同环境的生理反应，与处于机体组织器官中的细胞的差异，已逐渐成为研究中的瓶颈。NMT不仅可以检测单细胞，还可以实现对细胞的原位检测，以及对活体组织器官的在体检测，很好地弥补了这一研究手段的空白。 2）活体研究：可在离体或在体的情况下，对活体组织，开展代谢研究，无需提取、无需染色。   分类及用途： 1）《NMT寄生虫感染组织能量代谢仪》（型号：NMT-PTM-100） 基于底层核心NMT技术，以及成熟的技术解决方案，让科研人员可以马上投入相关科研创新工作。   2）《NMT寄生虫感染组织能量代谢仪》（型号：NMT-PTM-200） 基于底层核心NMT技术，结合自身科研兴趣，以及其它相关技术参数，在我方技术人员协助下形成技术解决方案，让科研人员建立更具独有创新特色的实验平台。   《NMT寄生虫感染组织能量代谢仪》（型号：NMT-PTM-100） 应对挑战： 1）组织器官水平研究：随着研究的深入，单细胞的生理状态，以及对不同环境的生理反应，与处于机体组织器官中的细胞的差异，已逐渐成为研究中的瓶颈。NMT不仅可以检测单细胞，还可以实现对细胞的原位检测，以及对活体组织器官的在体检测，很好地弥补了这一研究手段的空白。 2）活体研究：可在离体或在体的情况下，对活体组织，开展代谢研究，无需提取、无需染色。 用途： 基于底层核心NMT技术，以及成熟的技术解决方案，让科研人员可以马上投入相关科研创新工作。   参数： 1.基本功能： 1.1针对寄生虫感染组织能量代谢研究设计 1.2活体、原位、非损伤检测 1.3可检测指标：H+、O2 2.性能： 2.1自动化操作 2.2长时间实时和动态监测 2.3无需标记 2.4立体3D流速检测 3.软件： 3.1imFluxes智能软件，可直接检测、输出离子分子的浓度与流速   《NMT寄生虫感染组织能量代谢仪》（型号：NMT-PTM-200） 应对挑战： 1）组织器官水平研究：随着研究的深入，单细胞的生理状态，以及对不同环境的生理反应，与处于机体组织器官中的细胞的差异，已逐渐成为研究中的瓶颈。NMT不仅可以检测单细胞，还可以实现对细胞的原位检测，以及对活体组织器官的在体检测，很好地弥补了这一研究手段的空白。 2）活体研究：可在离体或在体的情况下，对活体组织，开展代谢研究，无需提取、无需染色。 用途： 基于底层核心NMT技术，结合自身科研兴趣，以及其它相关技术参数，在我方技术人员协助下形成技术解决方案，让科研人员建立更具独有创新特色的实验平台。   参数： 1.基本功能： 1.1针对寄生虫感染组织能量代谢研究和研发设计 1.2活体、原位、非损伤检测 1.3可检测指标：H+、O2 1.4可实时监测和记录检测时的环境参数：温度、湿度、大气压、海拔、经纬度 1.5 可拓展检测指标：葡萄糖、NADPH、ATP 2.性能： 2.1自动化操作 2.2长时间实时和动态监测 2.3无需标记 2.4立体3D流速检测 3.软件： 3.1imFluxes智能软件，可直接检测、输出离子分子的浓度与流速，以及检测时的环境参数

以电能为核心，可汇集和管理电、冷、热、燃气以及其他形式的能源，具备能量灵活转化、变换、传递和路由功能，并实现能源物理系统与信息系统的融合，是支持能源互联网的核心装置。 1、独立统一的控制器、DSP（C6000）控制和快速原型控制器都可以根据用户的需求进行定制。 2、交流端口、直流端口可根据客户需求进行定制，端口数量和电压等级均可灵活变化。 3、直流端口电压等级可变，可以根据用户需求进行端口复用。 4、具备策略调度系统功能，统一控制器下所有变流器之间不需要通讯，通讯调度不需要考虑延时，是真正意义的实时控制，离并网实时切换，外接设备即插即用。 5、能量路由器具备二次开发特点，可根据客户需求提供完整硬件原理图和软件全部源代码。

单晶二氧化钒纳米线在68摄氏度时发生金属-绝缘相变，可产生约为~1%的轴向弹性应变，将其与高弹性的材料复合为双层结构即可构成高性能的弯曲式微型驱动器。然而如何将二氧化钒纳米线的优异驱动性能应用于宏观器件一直是一个难题。课题组2018届本科毕业生陈鹏程（现在华盛顿大学攻读博士学位）与2016届本科毕业生石润（现为2017级南科大-港科大联培博士）共同

本发明公开了一种基于用户请求响应时间的副本创建方法，包 括：将分布式存储环境中的待测数据块复制 n 个副本，将 n 个副本分 别分布在分布式存储环境中的 n 个存储节点上，每个副本的大小为 Sb， 并将这 n 个存储节点的信息存储在元数据服务器上，获取 n 个存储节 点的节点网络传输能力（NTC1，NTC2，…，NTCn）.和节点并发访 问数（Num1，Num2，…，Numn），根据 n 个节点的节点网络传输能 力（

本发明公开了一种基于温度响应性水凝胶的肌肉驱动模块，包括基于温度响应性水凝胶的驱动层，还包括包覆在驱动层外的柔性保护层，以及设于在驱动层和柔性保护层之间的电热层。本发明的肌肉驱动模块采用柔性材料作为肌肉辅助装置，可避免对人体的机械伤害，通过电热驱动的方式来驱动材料变形，且电热驱动易于控制，进而能够得到不同的驱动形式。

本发明提供了一种基于仿射摄动的区间不确定性结构能量响应预示方法，建立各子系统的确定性结构的统计能量控制方程，进而引入区间因素，获取区间不确定性结构的区间统计能量控制方程，设定不确定性参数的区间参数，基于仿射摄动算法得到各区间变量的仿射区间表达式，设定各变量的摄动分析表达式，进而基于区间仿射算法的运算法则，推导得到考虑区间不确定性结构的子系统区间能量表达式，给定初始边界参数和求解频率后，计算得到区间不确定性结构的区间能量响应。通过本发明方法使得区间不确定性结构区间能量响应的区间宽度大大缩小、区间能量响应的预示精度大大提高，从而可以更加精确地评估区间不确定性结构的高频动力学特性，具有重要的工程应用价值。

成果描述：本发明公开了一种具有能量回馈功能的挖掘机液压系统，包括系统主泵、主要执行元件：行走马达、回转马达、动臂油缸、斗杆油缸和铲斗油缸及相应用于控制执行元件的动作的多路阀。液压系统接入能量回馈模块，所述能量回馈模块包含了两个子模块子模块Ⅰ、子模块Ⅱ；本发明针对液压系统，尤其是针对车体和作业装置的运动、节流调速控制方面提出一种新型的液压装置，该装置作为模块，可以安装到挖掘机系统并独立于挖掘机系统，形成一种新的独立的能量回馈作业模式。模式根据负载的载荷和速度需求情况，能够自动调整工作点，最大限度回收了无用能量，并自动反馈到液压系统中，模块通用性强。市场前景分析：新型工程机械领域。与同类成果相比的优势分析：技术先进，性价比较高。

本技术系CDMA移动通信系统核心技术方面的发明性成果，由国家杰出青年科学基金项目和教育部重点科学基金项目联合支持，并结合国家863计划九五重点之重项目和信产部移动通信专项基金“第三代移动通信系统研究开发项目”的实施而形成。

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。