成果描述：本实用新型公开了一种便于信息采集的智能化翻耕机,包括牵引悬挂装置(1)、安装在牵引悬挂装置(1)上的机架(2)、设置在机架(2)下端面上的铧(3),所述机架(2)上还设置有安装座(4),所述安装座(4)上安装有土地信息采集装置(5),所述土地信息采集装置(5)包括犁地深度传感器、土壤养分传感器、土壤墒情传感器、pH值传感器,并且均为具有WiFi或者ZigBee或者RJ45接口的传感器,在传感器本体外套接有圆钢保护管(6),其探头外套接有橡胶保护套(7)。采用上述结构,可从而减少了现有技术中土地信息采集的难度,并降低了信息采集的成本,同时也能加速农业信息化生产的发展进程,从源头上解决农业信息采集的发展瓶颈。市场前景分析：本实用新型公开了一种便于信息采集的智能化翻耕机,包括牵引悬挂装置(1)、安装在牵引悬挂装置(1)上的机架(2)、设置在机架(2)下端面上的铧(3),所述机架(2)上还设置有安装座(4),所述安装座(4)上安装有土地信息采集装置(5),所述土地信息采集装置(5)包括犁地深度传感器、土壤养分传感器、土壤墒情传感器、pH值传感器,并且均为具有WiFi或者ZigBee或者RJ45接口的传感器,在传感器本体外套接有圆钢保护管(6),其探头外套接有橡胶保护套(7)。采用上述结构,可从而减少了现有技术中土地信息采集的难度,并降低了信息采集的成本,同时也能加速农业信息化生产的发展进程,从源头上解决农业信息采集的发展瓶颈。与同类成果相比的优势分析：国内领先

项目成果/简介:数据采集技术可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。多模态传输技术LPWAN (Low-Power Wide-Area Network，低功率广域网络)在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。       LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。最具前景的LPWAN技术——NB-IoT和LoRa：物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。LoRa （Long Range）:   一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。NB-IoT（Narrow Band Internet of Things）NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。数据分析技术人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。应用范围:家居智慧控制，提高舒适度：家庭生活状态统计和日常需求预测与推荐；多模态行为分析和数据采集和传输系统；多模态行为数据采集和分析平台；基于LoRaWAN/5G的工厂环境、农业大棚等环境监测系统。技术成熟度:通过中试

团队联合中美研究成员，应用三维激光成像技术，研发了具有世界先进水平的三维激光道路路面智能检测车，可在最高采集时速100km/h的情况下，对约4m宽的路面范围实现毫米级三维扫描。 一、项目分类 重大科学前沿创新 二、成果简介 团队联合中美研究成员，应用三维激光成像技术，研发了具有世界先进水平的三维激光道路路面智能检测车，可在最高采集时速100km/h的情况下，对约4m宽的路面范围实现毫米级三维扫描。同时，创新应用先进的深度学习技术，开发了路面病害及路面特殊构造物智能识别算法，可精准识别路面裂缝、坑槽、灌缝、修补、错台、标线、伸缩缝、板缝、伸缩缝、井盖等多种路面病害及路直特殊构造物。相关研究成果在中国、美国、巴西、南非、日本、印度等多个国家的道路检测工程实践中已得到大量应用。

该项目以稻米食品及其生产过程为对象，研究从源头到消费产业链全过程的食品质量安全信息的采集、信息分析，研究区块链存储方式和传统数据库存储方式的融合，建立具有分布式多源信息融合能力、数据安全性可靠性高、智能合约管理性能的区块链大数据库。集成区块链及多源信息融合技术，无线传感器网络和数据库等技术，开发了稻米食品安全产业链信息系统，实现了稻米食品生产过程安全管理及溯源等功能。该系统的管理模式、追责适用指标、数据安全指标、兼容性指标、智能化管理和云平台形成了互联网+企业管理的模式，项目成果的应用不仅能带来食品安全控制的好处，还可以扩展到多种业务功能，如供应链管理，市场差异化的改进，提高了企业生产管理效率，降低了管理人员成本，提升了企业的竞争优势。因此该系统具有广阔的推广应用前景。 市场预期：为企业生产管理和市场开拓提供了方便快捷的工具和可靠的数据支撑，提高了企业的生产管理效率，提升了企业的竞争优势。 转化条件:稻米食品全产业链信息系统 成果完成时间：2017 年

该巡检仪属专利技术，属于线路维护与巡检系统，主要适用铁路、电力、通信线路巡检装备。 该巡检仪主要解决的问题是：在户外点多线长、环境恶劣、设备分散、独立作业等情况下，辅助巡检人员进行铁路、电力、通信等设施的线路巡检工作。本实用新型可以用于各种线路巡检，实现巡检过程记录、巡检监督管理、巡检智能引导、巡检设备诊断等功能，为重要的、安全相关的设施提供可靠的维护保障。 该巡检系统主要包括：硬件部分采用微型GPS模块、RFID模块、大容量的Secure Digital存储卡，由32位ARM处理器为嵌入式控制器来控制整个系统，实现巡检数据的处理、储存、传输以及路径引导、远程诊断等。嵌入式控制器还与LCD模块、键盘相连，共同协调完成状态显示以及命令输入等工作。 技术特点： ●采用了13．56MHz非接触射频识别(RFID)读写模块读取电子标签上的巡检数据，操作方便。基于RFID的电子标签比起现有接触式系统具有防水、防电、不易无损等优点。 ●采用嵌入式GPS模块生成巡检路径数据和巡检时间数据，考察了巡检的路径和巡检时间间隔，相比以往方案，结果更加具体。LEA-4H是芯片级的GPS模块，体积小，功耗低。 ●采用Secure Digital(SD)卡，采用FAT16／32文件系统。Secure Digital卡支持即插即用功能，保证了数据的安全完整性，读写速率高，最大容量可以达到2G Byte。Secure Digital(SD)卡小而且符合工业现场的要求，更适合用于便携式巡检设备。 ●读取巡检数据方便。既可以从即插即用的USB通信端口读取，也可以从Secure Digital卡直接读取。 ●采用基于LCD显示和键盘的人机交互界面，把当前的GPS信息、路径引导信息和记录仪的工作状态实时显示在液晶上。巡检员可以根据路径引导信息寻找巡检点并且修正巡检路线，可以利用键盘和菜单对巡检仪进行灵活的操作。 ●采用GSM／GPRS模块发送设备诊断数据，实现远程诊断，有利于快速解决现场故障。

项目研究污水处理优化控制与节能管理，通过人工智能技术，实现污水处理过程的优化运行和精确控制并提供具有专家经验的优化调度和管理策略，最终达到节能降耗的目的，系统分为两部分，上位机优化软件和下位机PLC控制站，上位机优化控制软件包括各种智能控制模块、优化调度策略及电能监测等功能模块，是节能降耗的集中体现，下位PLC控制站的主要作用是接收上位系统的控制指令完成控制功能。

本发明公开了一种过程控制系统信息安全防护的异常检测方法，首先根据失效事件建立故障树；然后根据预设的分区原则对故障树的叶子事件进行分区隔离；再利用各区域的信息，分别对系统同一关键状态信号进行描述，建立关键状态信号的数学模型；并通过对该数学模型的参数进行拟合求取最佳拟合系数，获得关键状态信号的数据表达式；根据关键性状态的数学表达式计算关键状态信号的描述距离，根据该描述距离计算任意两个区域对关键状态信号的描述距离；根据

欧阳明高院士长期从事节能与新能源汽车新型动力系统研究（包括电控内燃机、燃料电池发动机、动力电池系统、多能源混合动力等），尤其是在面向排放控制的发动机新型电控高压喷油原理与系统研制、保障电动汽车安全性的锂离子电池热失控机理与主动防控，优化燃料电池耐久性的燃料电池/动力电池混合动力设计与控制方法等三方面开展了从理论创新、技术突破到推广应用的系统性工作，建立了汽车动力系统学研究与人才培养体系。根据中国新能源汽车动力电池比能量发展的趋势，我们很快就会向300瓦时/公斤的所谓的高镍三元811电池很快就会进入市场,清华大学专门建了电池安全实验室开展相关的基础研究和技术开发。目前清华大学电池安全实验室跟国内外企业和研究机构开展了广泛的合作，包括宝马、奔驰、日产等大公司。研究重点是在热失控的三个方面，一是热失控的诱因，包括热、电、机械的原因。二是热失控发生的机理究竟是什么，从而在材料设计层面加以防护。三是热蔓延，一旦单体电池防止不了热失控，就得有二次防护手段，就是在系统层面要切断热失控的蔓延，只要切断蔓延就可以防止事故。我们对高比能量电池的热失控控制，不仅靠材料本身，还要从系统层面来进行。目前，在电池管理系统方面，国内的产品的功能不足、精度不够，尤其是安全功能是不全，因此需要加大电池管理系统的研发力度。清华在电池管理系统的积淀比较丰富，已经获得65项专利授权，这些专利在国内外著名公司合作中得到了应用，其中部分专利也授权给了奔驰汽车公司。锂离子动力电池高比能是全世界范围的发展方向和趋势，把握高比能量与安全性之间的平衡点是关键。基于各国动力电池技术路线的比较，短期是液态电解液的锂离子电池，下一步将会向固态电池方向发展。综合考虑电池成本和动力电池的发展方向，我们建议我国也应该走类似的路径，即短期是液态电解质，发展高镍三元正极和硅炭负极，通过电池管理系统和热蔓延的抑制来防止安全事故发生，这类电池能够满足电动汽车500公里续驶里程的要求。

  该项技术主要是利用HyperWorks软件，对研究对象进行非线性的大变形仿真，准确模拟出对象在碰撞或翻滚的一段时间内的受力，变形，破坏情况，加入了假人模型，模拟人体在车辆碰撞或翻滚时所受到的伤害情况。  根据仿真结果，对整车所有零部件的碰撞结果做出分析，对零部件进行优化设计，提出改进方案，提高整车的被动安全性能。  项目优势：（1）模拟仿真周期短 ，费用少，数据准确，结果可信度高，对车型研发和优化的指导意义强。（2）所有的安全性评价均参考了欧盟和国内的相关标准。仿真结果可信程度高。