一种局部自适应可控浸润性耦合微结构强化沸腾换热方法具体为：在换热基底微结构顶部设置电极膜，电极膜与金属电极连接至电源形成电场，换热工质中带电金属纳米颗粒在电场作用下间歇吸附于换热表面，实现换热表面浸润性的可控转换；所述金属电极固定在换热基底外部；金属电极优选为铜电极、铝电极，形状优选为板状、网状或棒状。 所述换热基底材料为金属如紫铜或单晶硅、蓝宝石、石墨烯等非金属，可以理解的是，换热领域常用的换热材料均适用于本发明，优选导热性良好的基底材料。换热基底形状为平板、圆管或异形，其中异形为换热领域常见换热器形状。所述换热基底微结构为尺寸为纳米级或微米级的微柱、微坑或微槽道；可以理解的是，现有技术中，所有用于提高换热效率的微结构均适用于本发明，优选为纳米级或微米级的方形微柱、矩形微柱、半球形微坑或圆柱形微坑。所述换热基底微结构的排列方式为规则排列如阵列式、交错式排列，或为不规则排列。所述电极膜通过电极引线引出，以将电极膜连通并连接至电源；换热基底、电极膜、电极引线的表面均绝缘。所述表面绝缘可以通过在表面设置绝缘层实现，所述绝缘层厚度为百纳米级。其中，换热基底材料为单晶硅等非导电材料时，则无需设置绝缘层。所述绝缘层材料为惰性金属、金属氧化物、陶瓷或硅胶；优选导热性优良的绝缘材料，可以通过掺杂导热性优良材料的方式来提高绝缘材料导热性。所述电极膜、电极引线材料为导电材料；优选为金属，进一步优选为金、银、铜或铝。 所述电极膜厚度为百纳米级。所述带电金属纳米颗粒具有均匀亲水性表面、均匀疏水性表面或双亲浸润性表面；亲水、疏水或双亲浸润性表面通过改性获得；带电金属纳米颗粒尺度为纳米级、微米级，形状规则或不规则，优选为球形或柱形。所述带电金属纳米颗粒浸润性与换热基底的浸润性不同，用于改变换热表面浸润性。如换热基底表面为亲水（或疏水），带电金属纳米颗粒表面为疏水（或亲水），也可以具有双亲浸润性。所述电源为直流电源或交流电源；其中直流电源通过通、断电实现电场可控；交流电源通过控制交流频率实现电场可控，交流频率根据沸腾气泡动力学周期调节。

本发明公开了一种基于包芯结构复合相变储热层的动力电池冷却系统，包括系统壳体、彼此层状交错分布在壳体中的电池单体模块和储热模块，以及执行装配和定位的上盖板和锁紧螺杆；其中各个储热模块整体呈包芯结构，并包括处于各模块外层且由高分子材料制成的密封外壳、以及真空灌装在该密封外壳内腔且由导热材料和石蜡类相变材料共同混合而成的复合相变材料，所述高分子材料的固化温度被设定为高于复合相变材料的相变温度，并且在由其制成的密封外壳

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。

项目成果/简介:聚(3,4-亚乙基二氧基噻吩):聚苯乙烯磺酸盐（PEDOT:PSS）是最经典的空穴传输界面材料和柔性电极材料之一。PEDOT:PSS具有良好的光/热/电化学稳定性、成膜性和优异的可见光透过率等优点。然而，其酸性强，功函数相对低，我们从EDOT单体原材料出发，合成了一系列新型PEDOT衍生物，调控其各方面性能指标，在提高有机和钙钛矿光伏器件的效率和稳定性方面取得了一定进展。同时发展简单、高效的掺杂手段，以调节PEDOT:PSS的功能，并积极推动其在柔性电子及抗静电等领域的应用。应用范围:有机光电

聚(3,4-亚乙基二氧基噻吩):聚苯乙烯磺酸盐（PEDOT:PSS）是最经典的空穴传输界面材料和柔性电极材料之一。PEDOT:PSS具有良好的光/热/电化学稳定性、成膜性和优异的可见光透过率等优点。然而，其酸性强，功函数相对低，我们从EDOT单体原材料出发，合成了一系列新型PEDOT衍生物，调控其各方面性能指标，在提高有机和钙钛矿光伏器件的效率和稳定性方面取得了一定进展。同时发展简单、高效的掺杂手段，以调节PEDOT:PSS的功能，并积极推动其在柔性电子及抗静电等领域的应用。

本成果以专利形式体现（专利号 200910248615.5 ），桦褐孔菌的代谢产物紫杉醇具有抗癌功效，本专利所提出的的提取三萜类物质方法，更好的简化了提取步骤和工艺，有利于实现该物质的提取，在生物医药行业将有广泛应用。

导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法，以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后，使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%，分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%，采用十倍交叉验证进行验证。研究人员表示，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者为验证方法的有效性，加入了4个新的受试者进行验证，发现总体平均准确率为92.5%。此外，全局分类器适应单一对象，整体平均准确率提高到94.54%。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极)，并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图，并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先，由于ERD在执行运动想象时在alpha和beta中不同，因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后，通过计算包含正问题和逆问题的源，将传感器空间的活动转化为源空间的活动。接下来，创建scout并提取特征。研究者在运动皮层中创建了10个scout，因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI)，并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5，右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后，利用CNN对时频图进行分离并进行分类。实验在实验中，研究人员仅使用了随机选择的十个受试者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。这里用于分析的数据集包含每个受试者84次试验，每一类包含21次试验。在记录64通道脑电图时，受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验：当目标出现在屏幕左侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕顶部时，受试者想象打开和合上双手的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕底部时，目标会想象双脚张开和合拢，直到目标消失。然后受试者放松。为了统一数据维数，研究者选择了4s的数据，因为每次想象任务的执行时间都在4s左右。此外，脑电图任务是分开的，研究人员在实验中将左拳，右拳，双拳和双脚MI任务分别称为T1，T2，T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如图2所示。10个scout每一个都被扩展到40个顶点，每个顶点只有一个源。L1区域对应40个信号，其他scout也一样。在计算了来源后，研究者在运动皮层中创建了十个scout，如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项，每个受试者每次都要进行7次测试(#1，#2，#3，#4，#5，#6，#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后，研究人员在运动皮层中创建了包含40个源的10个scout，并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中，研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构，该网络模型由一个六层卷积网络组成，其中两个最大池层和三个全连接层，如图5所示。图5对于Physionet数据库，研究者首先采用Deep ConvNet架构，包括四个卷积层、四个最大池层和一个全连接层。在实验中，研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务，R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息，清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然，只有部分时频映射是红色的，表明每个任务只对特定的频率和时间敏感。由于图的数量比较大，研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本，并将一些特征图可视化，作为MI任务的学习表示，如图7所示。图7为了获得有效的结果，将数据集分为90％作为训练集，其余10％作为测试集。首先，将十个受试者的数据集（总共19320个样本）分为17388个样本以训练所提出的CNN模型，以及1932个样本以验证模型的有效性。在实验中，研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本)，其中24343个样本是训练集，其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试，以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高，达到94.5%，而L2的全局平均精度最低，为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上，标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说，R5表现的要比其他的好，而L2在迭代2000中表现最差。标准差较小，说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵，说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验，确定了scoutR5的性能，结果如图10(a)和(b)所示。在10次试验中，scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说，四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明，该方法对scout R5的分类效果较好。从以上结果可以清楚地看出，R5 scout在四种MI任务的分类中扮演着最重要的角色。因此，选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现，该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。论文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

该项目研制的酶联免疫检测技术包括免疫原、包被原、抗体的制备以及样品的处理和检测等步骤。能一次性测出样品中斑蝥黄、β-胡萝卜素、β-阿朴-8’-胡萝卜素醛、叶黄素、辣椒红素、β-紫罗酮酸的总含量，缩短了检测时间，降低了检测成本，同时具有检测灵敏度高、精密度好、准确性好的特点。 该项目缩短了检测时间，降低了检测成本，同时具有检测灵敏度高、精密度好、准确性好的特点。 成果完成时间：2013年

目前国内外工业用水处理中对金属材料设备结垢和腐蚀的缓蚀剂和阻垢剂，大部分系含磷（或膦）的药剂，由于排放后对周围水体易引起富营养化。国内外排放水总磷要求小于1mg/L，在这一背景下急需研发不含磷（或膦）的水处理剂。而聚天冬氨酸PASP就是近年来国内外公认的符合环保要求的绿色水处理剂。本项目合成制备采用的原料全部为国产的环保型原料,和国内外其他制备方法不同，采用了单体本体热聚合的一步反应工艺技术，具有创新性，该工艺具有反应时间短，不涉及投加其他化学品等优点，产品不仅可应用于工业水如工业冷却水的阻垢和防腐蚀，由于抑制水垢和腐蚀可提高传热效率并防止跑冒滴漏而取得显著的节能减排效果，经拓展研究后发现应用于农作物，先后对蔬菜类，如青菜、花菜，瓜果类，如西瓜、甜瓜，以及粮油作物等均可取得以下三方面的增效作用：1）促进农作物营养的吸收而提高农作物的产量，不同作物品种可提高5%-15%左右。2）改善了作物的品质，如西瓜的甜度可由原先的10-12%提高到15-16%。3）对肥料起到增效作用，可减少化肥的用量，有利于改善土壤和环境。

本项目设计开发了一种新的碳化钼负载的原子级分散Pt催化剂，能够在低温（150 ~ 190 ℃）条件下实现对水和甲醇的高效液相重整产氢。其中，原子级分散铂-碳化钼双功能催化剂在190 ℃条件下，催化产氢速率可达~20000molH2/(molPt * h)，活性较传统铂基催化剂提升了两个数量级。