|
搜索
搜 索
高等教育领域数字化综合服务平台
高耐磨性轿车同步器齿环材料的研制和应用
中试阶段/n同步器齿环材料磨损机理及台架试验结果表明：材料的摩擦磨损类型有粘着磨损，疲劳磨损以及氧化磨损。其中粘着磨损是主要的磨损形式，粘着磨损的塑性变形中存在着裂纹的形成和长大的机制，控制裂纹的形成能够很好的提高材料的耐磨性。采用离心铸造工艺，利用原位复合方法可以提高黄铜合金材料的塑性和强度，在磨损过程中，有利于释放裂纹扩展的应力使材料的裂纹扩展减缓，在严重粘着磨损表面形成微量元素与其它元素的致密氧化膜，减轻粘着磨损。通过研究和生产厂家批量生产试验表明，添加稀土中间合金或硼中间合金并采用特殊工艺方
湖北工业大学
2021-01-12
传统发酵调味品的现代化升级改造工艺
传统的发酵调味品包括酱油、醋、腐乳、泡菜以及各种酱类等， 目前除了酱油的生产基本完成了现代化改造，实现了运用现代化生产工艺和设备进行大规模生产以外，其余的几种传统调味品大都依然采用传统的发酵工艺方式进行生产。本成果是针对传统调味品中的固态或半固态的酱类进行研发，设计新的发酵工艺和设备以克服传统发酵工艺的缺点，尤其根据郫县豆瓣酱的工艺特点，用现代生物工程和食品工程的相关知识进行工艺设计，使郫县豆瓣的生产摆脱传统工艺只能依靠自然
西华大学
2021-04-14
难降解有机废水的资源化利用工艺技术
针对石油化工、精细化工等行业存在的高固含量和高金属离子的难降解有机废水，项目开发了该类废水的资源化利用工艺技术，通过膜分离-吸附-离子交换集成工艺，实现了固体颗粒的高效回收，同时，实现了水的有效回用，减少了水资源的消耗。项目获国家授权发明专利6项。
南京工业大学
2021-01-12
工业和信息化部产业发展促进中心关于召开国家重点研发计划“稀土新材料”重点专项2023年度正式申报项目视频答辩评审会议的通知
根据国家重点研发计划年度工作安排，“稀土新材料”重点专项将于8月下旬开展2023年度指南申报项目视频答辩评审工作。
科学技术部
2023-08-16
高效大功率有源电力滤波器的研制与产品化
应用领域：有源电力滤波器是一种可以对电网谐波和无功电流 进行动态实时补偿的新型电力电子设备，可以有效减少电网污 染。 功能介绍：实时检测负载电流，通过谐波检测算法将有功基波 电流从负载电流中提取出来，将剩余部分作为逆变器的输出指 令电流进行实时电流跟踪。经过如此电流补偿，即电网只为负 载提供有功基波电流，则可减少各种非线性用电设备对公用电
合肥工业大学
2021-04-14
可视化经络催气针治疗仪的研制与临床应用
成果简介：经络催气针治疗仪是医院针灸、康复、理疗等 临床科室用来治疗颈肩腰腿痛，中风后遗症，风湿、类风湿性 关节炎等疾病的医学治疗仪器。 主要功能包括：经络催气针治疗仪可将针刺气感依照人体 经络循行路线催赶至病灶部位，与传统针灸相比，显著提高了 疗效；能及时调整仪器端口输出脉冲的强度，克服了一般电针 仪易耐受的缺点；可与计算机网络互连互通，在移动 APP 中可 实现智
合肥工业大学
2021-04-14
一种基于 WAMS 时间断面信息和拓扑信息的故障诊断方法
本发明公开了一种基于 WAMS 时间断面信息和拓扑信息的故障 诊断方法。该方法包括： (1)通过 WAMS 获取互联电网中各量测点的三 相电压和电流的幅值和相角数据；(2)使用获取的三相电压和电流的幅 值数据按照故障诊断启动判据进行计算；(3)对满足故障启动判据的量 测点三相电压和电流的幅值数据进行实时特征量提取，形成实时模式 向量；(4)将量测点 i 提取的实时模式向量与预设的已知故障类型的基 准模式向量集合相匹配，根据匹配结果给出初步故障结果；(5)根据时 间信息和电网拓扑信息对满足启动判据的量
华中科技大学
2021-04-14
碳化钛反应器
蓬莱禄昊化工机械有限公司
2021-06-18
混凝土碳化试验箱
执行标准：GB/T 50082-2009，JTG 3420-2020
混凝土的碳化作用是指空气中的二氧化碳与水泥石中的氢氧化钙在有水存在的条件下发生化学作用，生成碳酸钙和水。碳化过程是二氧化碳由表及里向混凝土内部逐渐扩散的过程。碳化对混凝土最主要的影响是：使混凝土的碱度降低，减弱了对钢筋的保护作用，可能导致钢筋的锈蚀。碳化还会引起混凝土收缩（碳化收缩），容易会使混凝土的表面产生细微的裂缝。
NELD-CA070型混凝土碳化试验箱是北京耐尔得公司研发的进行混凝土碳化试验的专用设备。产品采用中文液晶显示，操作简单，全程自动控制，性能完善。
北京耐尔得智能科技有限公司
2023-03-17
锂电池管理系统AI算法研究
本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。
解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。
在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。
目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。
西南大学
2025-05-12