本发明提供了一种基于粒子群多物理场协同优化的高效感应电机轻量化方法,包括:根据高效感应电机的主要尺寸、额定数据等参数,给出高效感应电机的电磁设计总体目标；对电机定转子拓扑结构进行选择,确定电机的可行性方案集；选定高效感应电机电磁设计初步方案；采用智能算法对高效感应电机进行成本优化,得到高效感应电机的成本最优；采用磁路法及电磁场有限元并行方式对高效感应电机的工作特性和主要运行数据进行计算；采用有限元法对高效感应电机的温度场进行校核；对优化后电机的重量与电磁设计初步方案中计算出的重量相比较进行计算。本发明实现了高效感应电机轻量化的目标,并采用多物理场对优化后的结果进行校核,保证计算结果的准确性。

本发明公开了一种基于配电网物理模拟的故障指示器检测平台 的建模方法，该方法包括如下步骤：(1)建立双电源模型；(2)建立线路 模型，并在每条线路的末端接入故障模拟单元和模拟负载；(3)利用经 过所述步骤(1)中的电源模型和经过所述步骤(2)中获得的线路模型组 网搭建低压配电网模型；(4)在所述步骤(3)中获得的配电网模型中的模 拟电缆线路、模拟架空线路上加装升压器、升流器，将线路运行参数 转化为实际配电网运行参数，由此完成故障指示器检测平台的建模。 按照本发明实现的基于配电网物理模拟的故障指示器检测

本发明公开了一种基于配电网物理模型中的线路零序电流模拟 与检测方法，属于电力系统配电自动化领域；现有的检测方法实际负 载阻抗和零序电流互感器的容量不一致时将会出现较大的误差；本发 明提供的方法将三相线路和副方绕组绕在同一个环形铁芯上，通过磁 平衡原理大大提高了零序电流互感器的二次电流值和测量精度。 

本发明提供了一种面向快充的简易锂离子电池物理动态建模方法，步骤S01：设计特性测试信号：步骤S02：构建欧姆阻抗响应模块：步骤S03：构建扩散动态压降模块；步骤S04：构建开路电压查找表模块：步骤S05：基于锂离子电池模型共由三部分构成，欧姆阻抗动态响应模块、扩散动态压降模块、开路电压查找表模块，并对全电池终端电压和正负极进行建模。本发明基于模型模拟了，欧姆阻抗动态响应、扩散动态压降、全电池(OCV),随后对全电池终端电压和正负极进行建模，通过恒流放电实验验证了负电极扩散行为是低SOC误差的关键影响因素，并通过仿真验证了电池模型的动态响应特性，为锂离子电池的快充策略的优化提供了可行性依据。

云幻科教根据教育现状，针对于学前教育、义务教育、高中教育的不同需求，研发建设与各学科相配套的3D互动教学资源库，设置演示、交互、练习三大部分。3D互动教学资源库包括小学科学、中学化学、中学数学、中学物理、中学生物等学科资源，还包括校园安全、传统文化等专题资源，为老师提供前沿、创新、有效的教学辅助资料，为学生营造身临其境的沉浸式学习氛围。

实验内容 1、放射性测量的统计误差； 2、α 粒子的能量损失； 3、β 射线的吸收； 4、γ 能谱测量实验； 5、χ 射线吸收和特征谱测量； 6、放射性核素半衰期测量； 7、相对论效应验证； 8、宇宙射线 μ 综合测量实验； 9、正电子淹没寿命谱实验； 10、穆斯堡尔谱仪实验。 ——可根据用户实际需求自由组合实验内容

成果介绍本发明公开了一种虚拟家装室内场景设计中的阴影渲染方法。包括阴影映射图生成步骤，半影估计步骤，基于泊松碟采样的百分比渐近滤波步骤，最后通过加入漫反射环境光，生成具有真实感的虚拟家装室内场景阴影效果图。本发明方法能够高效且能改善阴影映射图锯齿走样的问题。技术创新点及参数本发明提供一种真实感强烈，生成了场景中物体的软阴影而且速度快， 可以满足虚拟家装实时渲染要求的虚拟家装室内场景设计中的阴影渲染方法。市场前景本发明方法结合阴影映射图与百分比渐进滤波技术实现虚拟室内家装 的实时阴影效果渲染，不仅能够生成具有真实感的家装室内设计中的阴影渲染，而且 不会随着场景中三维物体复杂度增加而增加，无需预处理能够满足实时应用需求。该 技术对计算机虚拟现实在虚拟家装领域的应用具有重要意义。

本成果以专利形式体现（专利号 201310723968.2 ），生命科学大多以微生物为研究对象，有很多物种都是近缘的，无法用普通方法区分，本方法通过 PCR 方法可以快速区分，建立了一种设计特殊引物的方法。

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：

针对子载波非连续可用的情况下，基于迭代平均处理的思想，设计了适用于载波扩展OFDM系统中的导频符号，使用这种导频符号，能有效地克服OFDM系统峰均功率比过高的问题，且能保证较优异的误比特性能。