随着导航技术的不断发展和大量应用，国内高校很多都已经开设了导航及相关专业，但是长期以来都没有一个系统的行之有效的教学实验系统，尤其是和组合导航相关的教学实验系统更是空白。对此上海紫航电子科技有限公司同上海交通大学合作开发了适用于导航、制导、控制、无人车/船/无人机、自动驾驶、智能交通、智能控制、物联网通讯等专业的组合导航教学实验系统。 1. 组合导航开发实验系统的组成   组合导航实验系统，由一套教学用RTK基站和一套组合导航实验开发板组成。 本系统由RTK基站MS800A-ED、GNSS/INS组合导航教学实验开发板ZHDK3000A）、GNSS天线（AH3226  2只）、无线电台及其天线、JLINK开发仿真器及相关电缆、以及相关配套实验开发说明文档等组成。实验系统配备标准便携实验箱，携带方便，可随时展开实验和及时撤收实验。   2.系统性能和技术指标 该系统能实现模拟组合导航过程，在室外开阔地带实验，（具有卫星信号良好的状态下）可以开展高精度卫星定位原理实验和GNSS/INS 组合导航实验。 航向角0-360度 滚动角±180度 姿态角分辨率0.05度 位置精度0.25m 速度精度0.02m/s 更新率100HZ 连接RTK基站，能达到厘米级的高精度定位。 1）定位精度（GNSS）： RTK定位精度：2cm+1ppm（RMS） 2）航向精度指标：测量范围：0~359.99°，全温度的静态精度：0.3°，动态精度：0.5°，角分辨率：0.05°（GNSS双天线辅助，基线长>1米） 3）姿态精度指标：测量范围：俯仰角±90°，横滚角±180°，全温的静态精度：<0.3°，动态精度：0.5°，分辨率：0.05°（GNSS辅助） 4）速度精度：<0.1m/s 5）授时精度： 20ns（RMS） 6）准备时间：（数据稳定）120s（空旷无遮挡） 7）数据格式：标准NMEA-0183 ，CMR/CMR+，RTCM2.3，RTCM3.0，自定义数据格式 8）通讯接口：2个RS232 9）蓝牙：4.0 10）数据更新率： >50Hz 11）电气特性：输入电压：5V～36V DC（推荐12V DC），功耗：小于5.0W 3. 组合导航演示系统各分系统的构成 3.1GNSS/INS组合导航教学实验开发板（ZHDK3000A） ZHDK300A是一款GNSS/INS组合导航教学实验开发板，它是实验系统的核心部分，该硬件实验开发板用于组合导航核心算法的教学实验。 硬件资源主要包括有高性能板载惯性测量单元和高精度GNSS双天线接收机，处理器采用目前流行的ST公司STM32F405RG主频168MHz的ARM核处理器，板子上预留SWD仿真和烧写接口，外接4路串口，支持SD卡存储，同时支持蓝牙通信。ZHDK3000A外观图如图1-1所示。      （a）开发板外观图                           （b） 装壳外观图   图1-1  ZHDK3000A外观图 3.1.1GNSS天线（AH3226） 为了便于应用于无人机、智能小车，GNSS天线采用结构小、重量轻的设计，采用八臂四馈零相位技术，保证了高精度和高可靠性，支持进口和国产的大部分RTK高精度GNSS接收板卡，AH3226天线外形如图1-3所示。   顶视图                              侧视图 图1-2  GNSS天线AH3226 性能指标： 支持定位信号 BDS：B1、B2、B3 GPS：L1、L2 GLONASS：G1、G2、G3 GALILEO：E1、E5B 极化方式 右旋圆极化(RHCP) 天线轴比 <2dB（天顶位置） 水平面覆盖角度 360° 天线单元最大增益 ≥5dBi 输入阻抗 50Ohm LNA增益 26dB±2dB 噪声系数 ≤2dB 输出端口驻波比 ≤2.0 带内增益平坦度 ±2dB 总增益 36dB±2dB 工作电压 3.0~16VDC 工作电流 23~35mA 接口类型 SMA线缆（线长0.50米） 工作温度 -40°C~+85°C 存储温度 -55°C~+85°C 相对湿度 5%~95%（无凝结）       3.1.2 无线电台 无线电台 ZH61-DTU-433T17D是高速型433M无线数传电台，内置高性能单片机和高速无线RF芯片，串口透明传输，工作在425～450.5MHz频段（默认433.0MHz），发射功率 50mW 。   图1.3  无线数传电台 支持高速连续传输，不限收发数据包长度； 数据连续不断帧分包，完美支持 数据连续不断帧分包，完美支持 ModMod Bus 协议； 支持传输密文有效提高用户数据的保性； SMA -K接口，可方便连接同轴电缆或外置天线接口。   3.1.3DAP仿真器 DAP仿真器支持下载和在线仿真程序，支持XP/WIN7/WIN8/WIN10这四个操作系统，免驱，不需要安装驱动即可使用，支持KEIL和IAR直接下载。（详见配套文档）   图1-4  DAP仿真器  GNSS/INS组合导航实验开发板ZHDK3000A GNSS/INS组合导航教学实验开发板ZHDK300A是实验系统的核心部分，该硬件实验开发板用于组合导航核心算法的教学实验，ZHDK3000A结构组成如图1-6所示。       图1-5  ZHDK3000A组成图 ZHDK3000A配置有高性能的板载惯性测量单元IMU，采用ADI公司的ADIS16365，性能优异，稳定可靠。卫星接收模块采用诺瓦泰高精度GNSS双天线接收板卡OEM718D，支持高精度RTK，配合上海紫航电子科技有限公司的参考基准站，能使系统实验精准可靠。 3.1.4高性能惯性测量单元ADIS16365 ADI公司的MEMS惯性测量单元 (IMU) ADIS16365模块以多轴方式组合精密陀螺仪、加速度计，即便是在极为复杂的应用和动态环境下，也能可靠地检测并处理多个自由度(DoF)。惯性测量单元ADIS16365模块出厂已经进行了完整的校准、嵌入式补偿和传感器处理。   图1-6  惯性测量单元 (IMU) ADIS16365 ADIS16365的主要特点： 三轴数字陀螺仪测量范围：±300°/秒 正交对准精度：<0.05° 三轴数字加速度计测量范围：±18 g 启动时间：180 ms 休眠模式恢复时间：4 ms 校准温度范围：-40°C~+85°C 带宽：330 Hz 数据输出速率：>100Hz 内部嵌入式温度传感器 ADIS16365器件均为完整的惯性系统，内置一个三轴陀螺仪和一个三轴加速度计，各传感器器件均集业界领先的MEMS技术与优化动态性能的信号调理功能于一体，出厂校准针对各传感器的灵敏度、偏置、对准和线性加速度（陀螺偏置）进行校准。因此，各传感器均有其自己的动态补偿公式，可提供精确的传感器测量。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本发明提供一种PCLm-PEG6000-PCLm温敏自组装三嵌段共聚物，该共聚物呈两相转变特征，可作为药物载体应用于药物释放控制体系或可降解生物材料用于组织工程。本发明还提供了包含该三嵌段共聚物的药物组合物及其制备方法，以及该药物组合物的用途。本发明所述的PCLm-PEG6000-PCLm三嵌段共聚物与水组成的体系既能装载水溶性药物，也能高效装载水不溶性药物，具有很好的缓释效果。

简介： 抗体药物是生物制药中复合增长率最高的，2019年全球研究抗体市场规模为34亿美元，预计在预测期内复合年增长率为6.2％。原研药二次改造获得成药性更好的药物分子（bio-better）是抗体和细胞因子药物研发的突破口。人工智能技术广泛应用在靶点筛选、分子进化、临床各阶段研究、产品上市后的活动中。 我们开发的智能抗体设计平台，包括 抗体序列注释分析、抗体翻译后修饰位点的预测、抗原线性表位预测、抗体结构的预测与优化、 抗体-抗原相互作用的预测、抗体分子的设计与改造。高效的完成抗体亲和力成熟、稳定性优化和人源化改造等。  优势： 1、研发成本节约3-5倍，时间节省5倍，筛选成功率提升6倍 2、可以帮助指导、设计实验，减少消耗，加快速度，提高准确率 3、计算方法已经得到了实验从正、反两方面的验证。 图1：深度学习算法预测蛋白质相互作用时界面氨基酸配对:成功率72.1% 图2：计算相互作用得到了实验从正、反两方面的验证

抗体药物是生物制药中复合增长率最高的，2019年全球研究抗体市场规模为34亿美元，预计在预测期内复合年增长率为6.2％。原研药二次改造获得成药性更好的药物分子（bio-better）是抗体和细胞因子药物研发的突破口。人工智能技术广泛应用在靶点筛选、分子进化、临床各阶段研究、产品上市后的活动中。我们开发的智能抗体设计平台，包括 抗体序列注释分析、抗体翻译后修饰位点的预测、抗原线性表位预测、抗体结构的预测与优化、 抗体-抗原相互作用的预测、抗体分子的设计与改造。高效的完成抗体亲和力成熟、稳定性优化和人源化改造等。 优势：1、研发成本节约3-5倍，时间节省5倍，筛选成功率提升6倍2、可以帮助指导、设计实验，减少消耗，加快速度，提高准确率3、计算方法已经得到了实验从正、反两方面的验证。

技术分析(创新性、先进性、独占性)挖掘了蛋白质分子结构的几何特征，开发了新颖的优化设计算法，准确识别结合位点，准备预测抗体结构和抗体-抗原相互作用复合物结构，可以显著提高药物设计效益。自主独立开发。已经在国际竞赛中取得第一名的好成绩，也应用在生物和医学实验中，算法和程序代码完整。

相关专利提出了一种新型球囊，用于肺动脉扩张时，减少肺动脉损伤，炎症反应导致肺动脉再次狭窄或闭塞。