智能制造（铣削）综合实训平台既可独立实训，也可以接通实物机电设备实现动作控制。本设备集成了智能制造执行系统（MES）、工业机器人控制系统、数控铣削控制系统、可编程控制器（PLC）、触摸屏（HMI）、场景系统、MES系统。通过机器人示教器、数控系统、PLC及电路控制虚拟场景中的设备。利用该设备可综合实训MES系统、工业机器人编程与操作、数控铣床编程与操作、触摸屏编程与控制、工业PLC的交互控制编程与调试。本设备还配备自定义I/O接线仿真功能模块，用户可自定义删除和连接I/O端口的接线设置，从而可以按自定义的I/O接线进行PLC程序编辑，拥有自主搭建场景功能。 该平台面向智能制造专业群可开展《工业机器人技术与应用》、《数控铣削加工实训》、《数控铣床系统参数调试》、《PLC基础应用》、《触摸屏组态控制》、《智能制造单元综合实训》等课程的教学、考核及相应的技能竞赛训练。

机电一体化综合实训平台既可独立实训，也可以接通实物机电设备并实现动作控制。本设备集成了工业PLC、交换机和电路控制等实物单元，以及虚拟的传感器、指示灯、机械执行机构和电气元件组成的机电一体化虚拟应用场景，通过该设备工业PLC的交互控制编程与调试来控制机电一体化虚拟应用场景，调试成功后能看到整体虚拟场景的动作过程，从而掌握机电一体化设备生产过程中重要单元的操作与编程技巧，提高学生机电一体化应用水平。本设备还配备自定义I/O 接线仿真功能模块，用户可自定义删除和连接I/O端口的接线设置，从而可以按自定义的I/O接线进行PLC程序编辑。 该平台面向智能制造专业群可开展《PLC基础应用》、《电气控制与PLC应用》等课程的教学、考核及相应的技能竞赛训练  

智能机器人创新实验平台是由海天雄研发的以Cortex-A15高性能ARM芯片为上位机来控制机器人行为动作的平台，由上位机系统(ARM芯片)与下位机(51芯片)两大部分组成。该平台可根据不同的实验需求进行独立工作。 上位机（三星公司Cortex-A15的5260 ARM芯片）主要是运行控制机器人的Android应用程序，并且此系统也拥有丰富的外设，可以用来学习Android应用程序的开发以及ARM芯片的学习，可以作为整个嵌入式系统的教学平台使用。 下位机（AT89C51系列的芯片）主要是根据上位机发送的命令控制机器人的动作行为，此系统可以拥有一般51单片机的外设（LED、数码管、蜂鸣器等），可以独立使用，并且拥有大量的传感器，例如：舵机、超声波、直流电机、摄像头等。 智能机器人创新实验平台采用的是上位机控制，通过WiFi路由通道，根据下位机探测的环境因素判断情况回传给上位机以此智能控制。另外，可以在非控制情况下循迹运行。主要由四大块组成：上位机5260平台运行Android程序、WiFi路由模块、单片机与驱动模块以及机器人的感知与控制系统。

中山市钙钛矿薄膜光伏电池创新平台是以程一兵院士及其团队在钙钛矿材料与薄膜太阳能电池领域的技术储备为基础,以推进钙钛矿薄膜光伏产业化为目标建立的科研开发型基地。在钙钛矿光伏产业化技术开发的同时,注重结合中山市在灯饰、家居、装备制造等领域的优势产业,服务中山市现有优势产业转型升级。力争中山本地孵化覆盖钙钛矿光伏产业上、下游配套技术的高技术企业,持续引进和培养具有国际化视野的中、青年骨干力量,务实建设高水平的技术骨干和管理人才团队。以此在推动钙钛矿薄膜光伏产业发展进程的同时,带动中山相关产业发展,为当地企业提供科研服务,社会服务和有利的科技创新实验平台。 环境亲和性更好、经济性更高的光伏产业; 薄膜特性使得在建筑幕墙、车辆贴膜及表面涂层等方面具有广阔前景; 由于其弱光发电特性,可深度融合家居、灯饰以及智能穿戴等产业。

IECUBE-3833集成电路实景操作VR实训平台可提供集成电路制造设备、工艺制造、封装操作和器件测试4类VR实操实验，与IECUBE-3831和IECUBE-3832平台配合使用。

北京师范大学环境学院梁赛教授课题组研究成果在《自然》子刊《自然·食品》（Nature Food）以研究论文形式在线发表（Network resilience of phosphorus cycling in China has shifted by natural flows, fertilizer use and dietary transitions between 1600 and 2012）。该研究分析了1600-2012年间中国磷循环网络的韧性，研究结果表明，受自然流动、化肥使用和饮食转变的影响，近几十年中国磷循环网络的韧性呈下降趋势。 磷元素是人类生存和生态系统运转所需要的一种必要营养元素。对人类和生态系统而言，磷循环网络在遭受外部冲击时仍能持续保障磷供给的能力（即韧性）至关重要。已有研究主要通过磷元素代谢路径分析来研究磷资源使用和磷排放问题，较少关注磷循环网络的韧性。本研究首次综合运用生态网络分析等方法，对1600-2012年间中国磷循环网络的韧性进行了测度研究与影响因素分析。 结果表明：为满足中国不断增长的食品消费总量和结构的需求，中国磷循环网络从由土壤自然磷流主导转变为由化肥生产的工业磷流主导，并不断强化。这种变化降低了网络中的冗余路径，从而导致近几十年来磷循环网络的韧性呈下降趋势。城市化进程加剧了磷的单向流动，进一步降低了磷循环网络的韧性。特别是在2000-2012年间，由于人群饮食结构中动物性食物比重不断提高，磷循环网络的韧性下降了11%。如果按这种趋势继续发展，在社会环境的冲击和干扰下，磷供应会逐渐成为影响中国粮食安全的重要因素。 为提高磷循环网络的韧性，本研究提出减少食物损失和浪费、提高“农田到餐桌”食物供应链效率、减少化肥使用、提升磷循环率等措施，并进一步量化这些措施对磷循环网络韧性的提升程度。此外，本研究的框架和指标也适用于分析其他地区和资源的网络韧性，可以为全球可持续发展目标的实现提供科学依据。 本研究由北京师范大学和华东理工大学领衔，国际应用系统分析研究所、意大利欧洲-地中海气候变化中心和意大利威尼斯大学、美国陶森大学、捷克共和国马萨里克大学、美国密歇根大学、中山大学、清华大学、英国伦敦大学学院、广东工业大学等单位组成团队共同完成。北京师范大学梁赛教授和华东理工大学余亚东副教授为论文共同第一作者，北京师范大学梁赛教授、华东理工大学余亚东副教授和英国伦敦大学学院米志付研究员为论文的共同通讯作者。合作作者杨志峰院士对论文完成给予了重要指导。该研究得到国家自然科学基金等项目的资助。

本发明公开了一种基于神经网络的反演大气可降水量的MODIS模型改进方法，包括以下步骤：S1：利用MODIS三通道比值法反演大气可降水量PWV，记为PWVMODIS；S2：利用BP神经网络建立测站处的纬度φ、测站处的高程h、年积日doy、PWVMODIS与测站GPS/MODIS反演的PWV残差RES之间的非线性关系；S3：对BP神经网络模型进行训练；S4：将φ、h、doy以及PWVMODIS作为输入参数代入BP神经网络模型，并计算出GPS测站处PWV残差RESBP；S5：利用RESBP补偿PWVMODIS，获得大气可降水量PWV＝PWVMODIS+RESBP。本发明有效提高了建模精度。

项目成果/简介:本发明涉及一种基于果蝇算法优化广义回归神经网络算法的茶叶储存时间分类方法,旨在通过改进的广义回归神经网络解决茶叶储存时间分类问题,属于茶叶储存时间分类领域.其原理利用电子鼻传感器模拟人感官品评的功能和特征,采集不同时间不同传感器的特征值,构建样本集.利用果蝇算法优化广义回归神经网络,获得广义神经网络的平滑因子,进而构建毛峰茶叶储存时间的FOAGRNN分类模型和方法.本发明的有益效果在于将果蝇算法优化广义回归神经网络算法应用于毛峰茶叶数据中,提高预测毛峰茶叶储存时间分类的效率和准确度,为消费者提供茶叶储存时间分类的有效方法.

北京师范大学环境学院梁赛教授课题组研究成果在《自然》子刊《自然·食品》（Nature Food）以研究论文形式在线发表（Network resilience of phosphorus cycling in China has shifted by natural flows, fertilizer use and dietary transitions between 1600 and 2012）。该研究分析了1600-2012年间中国磷循环网络的韧性，研究结果表明，受自然流动、化肥使用和饮食转变的影响，近几十年中国磷循环网络的韧性呈下降趋势。 磷元素是人类生存和生态系统运转所需要的一种必要营养元素。对人类和生态系统而言，磷循环网络在遭受外部冲击时仍能持续保障磷供给的能力（即韧性）至关重要。已有研究主要通过磷元素代谢路径分析来研究磷资源使用和磷排放问题，较少关注磷循环网络的韧性。本研究首次综合运用生态网络分析等方法，对1600-2012年间中国磷循环网络的韧性进行了测度研究与影响因素分析。 结果表明：为满足中国不断增长的食品消费总量和结构的需求，中国磷循环网络从由土壤自然磷流主导转变为由化肥生产的工业磷流主导，并不断强化。这种变化降低了网络中的冗余路径，从而导致近几十年来磷循环网络的韧性呈下降趋势。城市化进程加剧了磷的单向流动，进一步降低了磷循环网络的韧性。特别是在2000-2012年间，由于人群饮食结构中动物性食物比重不断提高，磷循环网络的韧性下降了11%。如果按这种趋势继续发展，在社会环境的冲击和干扰下，磷供应会逐渐成为影响中国粮食安全的重要因素。 为提高磷循环网络的韧性，本研究提出减少食物损失和浪费、提高“农田到餐桌”食物供应链效率、减少化肥使用、提升磷循环率等措施，并进一步量化这些措施对磷循环网络韧性的提升程度。此外，本研究的框架和指标也适用于分析其他地区和资源的网络韧性，可以为全球可持续发展目标的实现提供科学依据。 本研究由北京师范大学和华东理工大学领衔，国际应用系统分析研究所、意大利欧洲-地中海气候变化中心和意大利威尼斯大学、美国陶森大学、捷克共和国马萨里克大学、美国密歇根大学、中山大学、清华大学、英国伦敦大学学院、广东工业大学等单位组成团队共同完成。北京师范大学梁赛教授和华东理工大学余亚东副教授为论文共同第一作者，北京师范大学梁赛教授、华东理工大学余亚东副教授和英国伦敦大学学院米志付研究员为论文的共同通讯作者。合作作者杨志峰院士对论文完成给予了重要指导。该研究得到国家自然科学基金等项目的资助。

本项目研发一种基于国际先进的微环流分析技术的原位水质监测系统，体积小，成本低，试剂损耗量较小，维护周期长。基于此仪器进行高密度水质监测网络的搭建，并通过无线技术将水质监测网络的数据上传到服务器，通过算法对数据进行分析，完成快速、准确的污染溯源，为水域污染的进一步防、治提供一种实时、有效的手段。