高等教育领域数字化综合服务平台
云上高博会服务平台 高校科技成果转化对接服务平台 大学生创新创业服务平台 登录 | 注册
|
搜索
搜 索
  • 综合
  • 项目
  • 产品
日期筛选: 一周内 一月内 一年内 不限
一种基于PID算法控制的电磁直立车
本实用新型公开了一种基于PID算法控制的电磁直立车,包括车体,所述车体顶部设有蓝牙模块,所述蓝牙模块电性连接PCB控制电路板,所述PCB控制电路板设置在所述车体内部,且所述PCB控制电路板上设有PID控制器,所述PID控制器的一侧电性连接陀螺仪,所述陀螺仪一侧设有加速度传感器,所述加速度传感器电性连接所述PID控制器,所述PID控制器电性连接驱动电机,所述驱动电机设置在所述车体内腔的底部,且所述驱动电机设有两个,两个所述驱动电机的旋转轴分别朝向相反的方向,所述旋转轴上连接行驶轮,本实用新型简化直立车
安徽建筑大学 2021-01-12
基于分层智能搜索算法的玻璃切割优化软件
切割问题和装填问题在学术界属于一类经典的NP 难问题,它们有着众多的变种,例如:一维的背包问题,二维的矩形切割问题,三维的装箱问题等。其中以二维的场景应用最为广泛,相关求解算法可以作为玻璃、板材、管材、服装切割套料智能制造的算法内核。 本软件的主要用途是针对玻璃切割的场景提出求解多约束的矩形切割问题的分层智能搜索算法,为玻璃切割方案提供全局优化,实现原料利用率的最大化,在节约资源的同时提高产量。
华中科技大学 2022-03-28
一种基于遗传算法的矩形检测方法
本发明的涉及一种对图像中矩形进行检测的方法。本发明旨在 寻找图像中矩形的最佳四个顶点集合,首先对图像进行边缘检测,获 得由图像中所有边缘点组成的集合即边缘空间,然后用四个边缘点表 示一个矩形个体,简称为个体,通过计算四个边缘点之间连线的存在 性和夹角接近直角的程度来计算个体的适应度,选择适用度高的个体 进行交叉和变异操作来产生新一代的个体。通过多次选择、交叉和变 异操作最终找到组成矩形四个顶点的最佳集合。该方法基于遗
华中科技大学 2021-04-14
无尘车间建设第二步:平面布局规划华建净洁净室工程设计技术探讨核心技术规范
上一篇文章我们详细介绍了建设无尘车间的第一步——选址,选好适配的场地只是洁净厂房建设的开端,真正决定车间后期使用效率、合规性与安全性的核心环节,是紧随其后的平面布局规划。很多企业在无尘车间建设中存在一个误区:认为找好场地后,便可直接敲定材料、采购设备进行安装,殊不知,缺乏科学合理的平面布局规划,后期不仅会出现生产动线混乱、交叉污染、洁净度不达标等问题,还可能导致返工整改,浪费大量的时间与成本,甚至无法通过行业监管验收,影响企业正常投产。因此,无尘车间建设必须重视平面布局规划,而这一环节的核心的是把握三大关键要素:贴合生产流程、符合洁净室设计规范、遵守消防安全规定,三者缺一不可。作为深耕洁净室工程领域多年的标杆企业,华建净凭借完善的全生命周期服务体系、丰富的行业案例与专业的技术实力,为无数企业提供了科学合规、高效适配的平面布局规划方案,助力企业规避建设风险,实现洁净生产落地。 平面布局规划是无尘车间设计的基石,直接决定了洁净室的使用效果、运行成本与合规性,尤其对于二类医疗器械等强监管行业,布局的合理性更是企业通过GMP认证、保障产品质量的核心前提。华建净深耕洁净室工程行业多年,核心聚焦尘埃处理技术与洁净室全链条解决方案,凭借扎实的技术积累、完善的服务体系,成功跻身国内洁净室工程企业综合排名前列,累计完成数百个不同规模、不同洁净等级的洁净室工程项目,其中在二类医疗器械厂房领域的案例更是遍布全国,凭借99%以上的一次性验收通过率,成为众多医疗器械企业的首选合作伙伴。 一、贴合生产流程,实现高效生产无阻碍 生产流程是平面布局规划的核心导向,不同行业、不同产品的生产流程存在显著差异,而流程的合理性直接影响生产效率与产品合格率。例如二类医疗器械中的无菌器械、体外诊断试剂等产品,生产流程涉及原料处理、组装、灭菌、检验、包装等多个环节,每个环节的先后顺序、操作要求都有严格规范,平面布局需严格遵循“单向流转、避免迂回”的原则,减少物料、在制品的往返搬运,从源头规避交叉污染风险。 需要注意的是,生产流程的具体规范的需由企业生产工程师结合产品特性、产能规划提供,或由设备制造商根据设备运行要求给出专业建议,这也是平面布局规划的前提。而华建净在这一环节的核心优势的的,能够深度对接企业生产团队与设备供应商,组建由10年以上行业经验工程师组成的专业团队,全面梳理生产流程中的核心需求与痛点,将生产工艺要求与洁净室设计完美融合,优化动线设计,确保布局既贴合生产实际,又能最大化提升生产效率。不同于行业内“重设计、轻落地”的传统模式,华建净的规划方案始终兼顾实用性与可操作性,提前预留设备安装、产能扩张的空间,避免后期因生产需求调整而进行大规模改造,帮助企业降低全生命周期成本。 二、遵循洁净室设计规范,筑牢合规生产防线(以二类医疗器械厂房为例) 二类医疗器械直接关系到使用者的生命健康安全,国家对其生产环境的洁净度、流程合规性有着极为严格的监管要求,平面布局规划必须严格遵循《医疗器械生产质量管理规范》(GMP)及相关行业标准,华建净作为具备“洁净室施工A级资质”的企业,核心技术团队对ISO14644国际标准、GB50457《医药工业洁净厂房设计规范》等有着深刻的理解与丰富的落地经验,能够确保布局方案全程合规,助力企业顺利通过GMP认证。具体需重点把握以下几点: 合理划分作业区,规避交叉污染 平面布局需结合生产产品的品种、数量,合理划分不同功能的作业区域,明确区分洁净区与非洁净区、生产区与检验区,避免不同环节的交叉污染。其中,检验室作为产品质量把控的核心环节,必须与生产区域严格分隔,配备独立的洁净设施,确保检验结果的准确性与可靠性。华建净在规划过程中,会根据二类医疗器械的生产特性,采用BIM三维可视化设计,提前模拟区域划分与动线走向,优化管线综合排布,避免管线碰撞,同时严格按照洁净等级梯度布置区域,从高洁净区到低洁净区依次规划,确保洁净环境稳定可控。 严格执行“人货分流”,规范进出流程 “人货分流”是洁净室设计的核心原则之一,目的是避免未经净化的人员、物料带入污染物,保障洁净区的洁净度。华建净结合多年二类医疗器械厂房设计经验,优化设计人员与物料的进出线路,确保动线清晰、互不交叉,具体流程规划如下: A:人员进入线路流程 换鞋→脱外衣→更无尘衣→洗手消毒→缓冲→洁净走廊→各功能间→内包间。华建净在规划时,会根据企业人员规模,合理设计人员净化用房的面积与布局,换鞋区配备无尘鞋存放柜,更衣区采用分区设计,洗手消毒区配备符合GMP要求的消毒设备,缓冲间设置风淋室,确保人员进入洁净区前彻底去除身上的灰尘与污染物,同时优化动线设计,避免人员逆行,从源头保障洁净环境。 B:物料进入线路流程 原料仓库→拆外包→缓冲灭菌→进入生产区。物料是交叉污染的主要来源之一,华建净会为企业设计独立的物料净化用房,拆外包区与洁净区严格分隔,配备专业的灭菌设备,物料经拆包、消毒、灭菌后,通过传递窗或货淋通道进入生产区,传递设施具备联锁和自净功能,确保物料进入洁净区时达到相应的洁净要求。同时,华建净会根据物料特性,优化物料存放与转运路线,减少物料在非洁净区的停留时间,规避污染风险。 C:成品出库线路流程 完成生产→内包装→外包装→成品仓库。华建净在规划时,会设计单向的成品流转路线,内包装区位于洁净区内,外包装区与洁净区分隔,成品经内包装后,通过专用通道转运至外包装区,避免成品与原料、半成品交叉接触,同时成品仓库与生产区合理衔接,确保成品出库高效、便捷,且不影响洁净区环境。 D:仓库区规划要求 原辅料、半成品、成品等物料需根据性质不同,分设库房或分区存放,避免混放导致的交叉污染。其中,清洁剂、消毒剂、杀虫剂、润滑剂、燃料等物料,需与原辅料、半成品、成品严格分隔放置,单独设立存放区域并明确标识。同时,库房内的物料需与墙壁、地面保持适当距离,便于通风、清洁与维护,物料标识清晰,实现全程可追溯。华建净凭借丰富的仓库规划经验,会根据企业物料种类与存储需求,设计恒温恒湿、通风良好的仓库布局,配备专业的存储货架,确保物料存放合规、安全。 F:缓冲间设置要求 不同净化级别的洁净室之间,必须设置缓冲间,通过控制压差梯度(通常≥10Pa),防止高级别洁净室受到低级别洁净室的空气倒灌污染,确保各区域洁净度稳定达标。华建净在规划时,会根据洁净等级差异,合理设计缓冲间的大小与布局,配备相应的压差控制设备,同时采用专业气流模拟软件优化气流组织,确保缓冲间能够有效隔离不同洁净等级区域的空气,避免交叉污染,这也是华建净能够确保洁净室长期稳定达标、一次性通过验收的核心技术优势之一。 三、符合消防安全规定,守住生产安全底线 无尘车间由于采用密封式设计、使用大量保温、防火材料,且部分生产环节可能涉及易燃易爆物料(如二类医疗器械生产中的消毒剂、溶剂等),消防安全尤为重要。平面布局规划必须严格遵循消防安全规定,合理设置安全出口、疏散通道、消防设施,确保疏散通道畅通无阻,消防设施能够正常发挥作用。 华建净在规划过程中,始终将消防安全放在首位,结合无尘车间的结构特点与生产需求,严格按照消防规范设计安全出口与疏散路线,确保每个区域都有足够的安全出口,疏散通道宽度符合标准,同时合理布置灭火器、消防栓、火灾自动报警系统、应急照明等消防设施,确保消防设施覆盖整个车间,且便于操作与维护。此外,华建净还会在布局规划中,优化易燃易爆物料的存放区域,设置防火隔离带,规避火灾风险,为企业生产安全筑牢防线。 华建净:专业规划+全链服务,助力洁净车间高效落地 无尘车间平面布局规划看似简单,实则涉及生产工艺、洁净规范、消防安全、成本控制等多个维度,需要专业的技术团队、丰富的行业经验与完善的服务体系作为支撑。华建净作为国内洁净室工程领域全生命周期服务的先行者,打破了行业内“重建设、轻服务”的传统模式,构建了覆盖前期咨询、规划设计、施工建设、验收到后期运维、升级改造的全链条服务体系,客户只需对接华建净一家服务商,即可完成洁净室项目全流程的建设与运维,彻底避免多供应商对接带来的沟通成本高、责任划分不清晰等问题。 下图为华建净为某二类医疗器械企业设计的洁净厂房平面布局示意图(仅供参考),该方案严格遵循GMP规范与二类医疗器械生产要求,实现了生产流程顺畅、人货分流清晰、洁净等级达标、消防安全合规,助力客户顺利通过GMP认证,投产后生产效率较原有车间提升30%以上,产品良品率显著提高,获得了客户的高度认可。华建净累计完成超过300个10万级及以上洁净车间成功案例,覆盖医疗器械、电子半导体、生物医药等8大行业,客户复购率超80%,凭借严格的“材料-施工-检测”全程溯源系统,近3年合规验收通过率达到100%。 本文仅对无尘车间平面布局规划进行了简单介绍,实际上,净化车间的设计是一项复杂的系统性工程,除了平面布局,还涉及洁净等级确定、通风系统设计、材料选型、设备安装等多个环节,每个环节都直接影响洁净室的使用效果与合规性。 如果您正筹备二类医疗器械或其他行业的无尘车间建设,面临平面布局规划难题,或是想了解更多洁净室设计、施工、运维相关知识,不妨联系华建净——我们拥有专业的设计团队、自有施工团队与完善的售后保障体系,可免费为您提供现场勘测、需求调研、合规解读与规划方案定制服务,凭借丰富的行业经验与专业的技术实力,为您规避建设风险、降低运营成本,助力您实现合规、高效、节能的洁净生产。
深圳市华建净建设工程有限公司 2026-04-24
人工智能药物筛选、药物设计及毒性预测算法
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:
辽宁大学 2021-04-10
人工智能药物筛选、药物设计及毒性预测算法
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:
辽宁大学 2021-05-10
一种基于门限的低复杂度MPA算法
本发明的目的在于克服现有技术的不足,提供一种基于门限的低复杂度MPA算法, 该算法通过设置置信度门限来及时对可靠的码字进行译码,或对发送概率极低的码字进行 舍弃,从而有效地降低了原始MPA算法的复杂度。
电子科技大学 2021-04-10
一种并行 LLL 高维模糊度降相关算法
本发明公开了一种并行 LLL 高维模糊度降相关算法,首先通过混合利用 Cholesky 下三角 LTL 分解 以及上三角 UTU 分解,提高 LLL 算法针对高维模糊度降相关的计算效率,增强高维模糊度降相关的能 力。其次为了得到降相关能力较强的 Z 变换矩阵,所以在每一次 QR 分解变换过程中,变换系数矩阵要 获取较小的整数值,因此在每次下三角分解前先对模糊度协方差矩阵的行向量按内积大小进行升序排序, 而在上三角分解前先对矩阵的列向量按内积大小进行降序排列,由此求得的 Z 变换降相关性能更佳。最 后把算法正交变换过程中的取整运算移至在求 Z 矩阵时取整,可以避免算法迭代过程中反复取整而引起 的误差累积,解决算法发散的问题,从而进一步提高并行 LLL 算法的计算效率和稳定性。 
武汉大学 2021-04-13
由生成对抗网络(GAN)驱动的进化多目标算法
随着计算智能方法得到更广泛的应用,其从问题本身学习的能力亟待增强。为此,越来越多研究提出使用机器学习模型来驱动计算智能。通常,这种基于模型的进化算法的性能高度依赖于所采用模型的训练质量。而传统机器学习方法需要大量训练数据进行模型训练,而且受维度灾难的影响,这类方法通常很难解决维度较高的问题,约束了计算智能方法的应用范畴。课题组在
南方科技大学 2021-04-14
异构并行系统下时间能耗权衡优化的任务调度算法
本发明提出了一种基于时间-能耗重要性比重的并行任务调度算 法,在满足时间和能耗的双重限制下,实现异构并行系统下任务所用 时间和能耗的权衡优化。本发明考虑到实际情况中任务受各种因素的 影响,执行时间不是固定且确定的,而是近似于正态分布,因此在确 定任务调度顺序时,不采用以往技术中使用执行时间平均值的方法, 而是将执行时间的平均值和方差同时考虑进来使用近似权重。在任务 分配阶段,同时考虑时间和能耗这两个性能指标,并能根据
华中科技大学 2021-04-14
首页 上一页 1 2 3 4 5 6
  • ...
  • 670 671 下一页 尾页
    热搜推荐:
    1
    云上高博会企业会员招募
    2
    64届高博会于2026年5月在南昌举办
    3
    征集科技创新成果
    中国高等教育学会版权所有
    北京市海淀区学院路35号世宁大厦二层 京ICP备20026207号-1