同步热分析将热重分析 TG 与差热分析 DTA 或差示扫描量热 DSC 结合为一体，在同一次测量中利用同一样品可同步得到热重与差热信息。

（专利号：ZL 201310647806.5） 简介：本发明公开了一种混合动力汽车动力总成智能控制方法，属于混合动力汽车技术领域。其步骤为：步骤一、获取信息，混合动力汽车启动，动力总成智能控制系统中的各智能体电控单元上电初始化，发动机智能体、电动机智能体、蓄电池智能体和变速器智能体获取各自实时状态信息；步骤二、交互信息并初步决策，各智能体交互信息，根据各自ECU预设值做出初步决策；步骤三、系统协调任务，通过多维查表或模糊推理的控制策略，对

成果简介工程车是一个工程建设的主干力量， 由于它们的出现才使工程的进度倍增，大大减少了人力。 混凝土搅拌车与泵车是工程建设中运用最广泛的工程车。 混凝土搅拌车在使用过程中， 会经历加速、 减速、 急刹车、 转弯、 上坡以及行驶在不平路面等各种工况， 这使得混凝土搅拌车在使用过程中会承受各种复杂载荷， 车架及薄弱环节易产生开裂； 混凝土泵车工作环境恶劣， 移动频繁， 在浇注过程中臂架姿态复杂多变， 易造成各臂架之间联接件的破坏。 因此对混凝土搅拌车与泵车等工程车整车及关键结构件静动力特性

动物门类在前寒武纪至寒武纪过渡时期(约5.6-5.2亿年前)首次在地球上大量出现，这一重大生命演化事件被称为寒武纪大爆发：在不到地球历史1%的时间里，诞生了绝大多数动物门类。早在达尔文时代，科学家们就已经认识到动物门类在寒武纪突然出现的现象，1948年P.E. Cloud将之定性为爆发式演化事件，直至今天，寒武纪大爆发仍然是自然科学领域的前沿课题。2015年，英国经济学人杂志发表重大科学难题系列文章，将寒武纪大爆发列为6大自然科学难题之一。为什么动物门类在这个时候大规模爆发式出现？寒武纪大爆发的原因到底是什么？围绕这个问题，过去主要做了两方面工作：一方面古生物学家发现化石，研究寒武纪大爆发时期动物门类的多样性，揭示它们之间的演化关系；另一方面，古环境科学家，主要利用地球化学手段研究海洋氧化还原条件的变化，探讨寒武纪大爆发的原因。 然而，海洋生态系统是由生物和环境构成的统一整体，具有复杂的物质和能量流动途径。在这个统一整体中，生物之间、生物与环境之间相互影响、相互制约，并在一定时期内处于相对稳定的动态平衡状态。以往主要关注生态系统内的消费者动物门类起源演化和环境变化（氧）两个方面，没有将生物与环境作为统一整体来研究生态系统的演化。生态系统内的生产者和分解者的构成、物质循环等研究还未开展。环境变化研究不够全面，对氧之外的其它环境因素研究不够充分。可见，目前对寒武纪大爆发的研究存在严重的局限性。要解决这一重大科学问题，需要考虑生态系统的整体演化，组建涵盖古生物学、地层学、地质微生物学、地球化学和沉积学等多学科人才团队，开展全面系统的研究，揭示寒武纪大爆发时期生态系统的时空变化规律。 科学目标 以寒武纪大爆发时期（埃迪卡拉纪晚期至寒武纪早期）不同沉积相区、环境、生物演化阶段的代表性生物群和岩性段为研究对象，以生物化石带为时间标尺，揭示生态系统的结构、环境演化特征和生物地球化学过程，探讨寒武纪大爆发时期生态系统在时间和空间上的差异性，重建演化过程。

项目成果/简介:动物门类在前寒武纪至寒武纪过渡时期(约5.6-5.2亿年前)首次在地球上大量出现，这一重大生命演化事件被称为寒武纪大爆发：在不到地球历史1%的时间里，诞生了绝大多数动物门类。早在达尔文时代，科学家们就已经认识到动物门类在寒武纪突然出现的现象，1948年P.E. Cloud将之定性为爆发式演化事件，直至今天，寒武纪大爆发仍然是自然科学领域的前沿课题。2015年，英国经济学人杂志发表重大科学

当前网络安全技术发展的主流是向全息安全(Holistic Security)发展。无论是网关与端点的结合即网络准入控制(Network Admission Control)，还是入侵防御与泄露防范 (Information Leakage Prevention)的共生，无论是无线与有线兼容，亦或信息安全与数据安 全的结合，都是安全防护技术一体化和集成化在不同侧面的具体表现。在这一发展潮流之中， 传统的安全网关也从单纯防火墙的边界保护(perimeter protection)门卫角色，发展到统一 威胁管理(UTM)的区域保护(local protection)首领地位，不但监控经过的各类流量，而 且监控邻域以致虚拟邻域的终端、应用和数据。本项目将自主知识产权的专利技术研究与成熟的工程队伍和技术创新机制相结合，研制 了基于软硬件协同的应用系统，具有完善的多层次协议分析与过滤能力;具备细粒度访问控 制、入侵检测和防御、防病毒、VPN、反垃圾邮件、内容过滤、流量监控、安全策略统一部 署等安全能力。由于单台设备能够承受超过 20G 的系统吞吐量、10G 的安全能力、7G 的内容过滤流量，依照电信 2M 上网带宽的标准，可以为电信提供至少 3500 个用户的接入，效益十分可观。 对于企业来说，通过高性能 UTM 的内容过滤，将大大降低遭受病毒、垃圾、钓鱼等攻击的 危险性，为企业良好的网络运行提供了有力的保障。在 UTM 领域，内容过滤的准确度、内容过滤性能提高和协议兼容性是应用层处理所面 临的共同问题。例如 NAI-McAfee 的防病毒网关每秒最多只能处理几十个电子邮件，防垃 圾邮件处理能力性能更低，其他厂家针对性能的提高提出了各种方案，将性能提升到上百封 的处理能力，但是如何解决慢速网络连接下的协议兼容性和流畅性并未得到改善，局部性能 的提高，并不能在整体上带来好的用户体验。再比如，在 http 协议的处理上，传统代理架 构的方式必将被淘汰，就算在内容过滤上能够做到每秒上 G 的性能，但是代理过程的延时 几乎没有用户可以接受，如何在流的方式下提高并行处理能力，如何在协议允许的范围内提 高反馈能力，都是需要值得延伸的技术研究。应用层安全网关功能的发展呼唤着新的软硬件 解决方案，像 Tarari 这样专门从事内容过滤(特别是 XML 处理)芯片设计的厂商将在短期 内增多并大有用武之地。总之，安全功能在 OSI 协议架构单层上的集成正在完成，多层间 的集成未艾，并需要有新的硬件平台和软件实现来突破性能瓶颈。当前最重要的目标是带动国产 UTM 性能上突破 10Gbps，从而推动国产高端 UTM 产品 的成熟和完善，提高国产高端 UTM 产品的市场竞争力，使自主知识产权的国产 UTM 在高 端市场上逐步占据主导地位，满足国内迅速增长的网络安全产品市场需求，为建设我国信息 安全框架提供基础产品，更好地保障我国网络信息安全。

（专利号：ZL 201310652676.4） 简介：本发明公开了一种混合动力汽车动力总成智能控制系统，属于混合动力汽车技术领域。动力总成部件智能体包括发动机智能体、电动机智能体、蓄电池智能体、变速器智能体以及系统智能体，混合动力汽车动力总成主要部件智能体监测发动机、电动机、蓄电池、变速器的实时状态信息，并将此信息交互至系统智能体；系统智能体接收发动机、电动机、蓄电池、变速器状态信息，智能选择与当前车辆自身状态及当前行驶路况相吻合的工作模

DYT041 自循环明渠水力学多功能实验仪  一.实验目的 1.可进行堰流，水跃实验、消力池消能实验、消力坎消能实验、挑流消能实验等多项定量实验。 2.可演示薄壁堰、戽流、WES堰、直角进口宽顶堰、圆角进口宽顶堰、闸下出流等水流现象。 3.可测定堰流的流量系数、淹没系数、水跃的共轭水深等各项水力参数。 4.可测定底流消能和挑流消能有关参数，验证设计正确性。 5.通过实验加深对影响糙率因素的理解，绘制均匀流水深和糙率的关系曲线。 二.技术指标 1.工作环境：常温、常压，相对湿度：≤90%RH。 2.工作电源：电压AC220V±10%、50Hz，单相三线制，功率≤450w。 3.不锈钢框架实验台（38*38mm不锈钢方管、配脚轮均为万向轮带禁锢脚）。 4.装置外形尺寸：3170×450×1410mm。 5.设备配套3D虚拟仿真软件和智慧课程平台 （1）▲仿真实验模块通过在线首页的仿真课件模块进行下载使用，仿真实验采用PC端，进入实验系统后，可选择装 置介绍和仿真实验模块。 （2）▲装置介绍模块：基于实验设备的等比例三维仿真模型，可进行自主漫游、装置的文字、图片介绍、支持在三维模型上展示部件名称，点击部件时，展示相应部件的介绍参数包括：图片、视频等。 （3）▲在实验前支持进行仪器操作、实验安全、实验数据、实验现象等内容的交互认知学习功能。 （4）▲仿真实验具有实体实验完整的实验步骤、实验提醒、实验操作模拟等功能，支持在重点步骤或环节上展示实验现象与实验数据。 （5）▲当实验完成后，系统自动进行考核评价，并出具分数及实验报告。 （6）投标文件中提供以上软件每项▲功能的高清截图，以及U盘形式提供软件功能录屏，使评委能清晰看到以上每个参数内容，以验证智慧课程平台仿真功能，中标后采购人有权要求中标人提供软件进行参数演示。

AI多模态情绪分析系统，是人工智能与心理学、计算机视觉、听觉感知等学科深度融合的前沿方向。它不再局限于传统的问卷答题，而是像一位敏锐的观察者，通过分析你的面部微表情、语音语调、肢体语言，甚至生理信号，来实时、客观地"读懂"你的情绪状态。这种技术正在心理健康、教育、人机交互等领域开启全新的可能性。 这套系统的核心在于"多模态"和"融合"。它模拟了人类如何综合视觉、听觉信息来理解对方情绪的过程。 多源数据采集：系统通过摄像头、麦克风等设备，同步采集个体的面部视频、语音音频，甚至可接入可穿戴设备获取心率等生理信号。 单模态特征提取：针对每种数据，用不同的AI模型提取情感特征。 视觉：分析面部肌肉运动（如嘴角上扬、眉毛紧蹙）、头部姿势、眼神等。先进的技术甚至能捕捉难以伪装的微表情（持续仅1/25至1/5秒），或通过分析面部血流图谱（rPPG）来感知生理唤醒水平。 听觉：提取语调、语速、音高、能量（MFCC梅尔频率倒谱系数）等声学特征，判断声音中的情绪色彩。 文本/语义：如果涉及对话，系统还会分析说话内容的语义，理解话语背后的真实意图和情感倾向。 多模态融合与情感解码：这是最关键的一步。系统通过复杂的深度学习算法（如Transformer、自监督多任务学习框架等），将来自不同模态的特征信息进行时空对齐和深度融合。例如，一句愤怒的"我没事"，配上闪躲的眼神和紧绷的嘴角，才会被准确识别为"掩饰性的愤怒"，而非字面意思的"没事"。