该项目是由江南大学与常州市同和纺机制造有限公司联合立项开发研制的新型全数控超大牵伸细纱机，采用四罗拉四皮圈牵伸装置，在原来的双区牵伸基础上增加一个中区牵伸，有效提高细纱机的牵伸效能；采用数字控制技术，牵伸结构采用多电机独立传动，可直接通过触摸屏设置工艺参数，如各区牵伸倍数、捻度、锭速等，实现系统的全数字化控制。 关键技术 采用四罗拉四皮圈三区牵伸形式实现 30~300 倍高效超大牵伸，实现重定量粗纱喂入纺纱和高支化细纱生产，提高纺纱效率；在此基础上，采用四个伺服电机通过减速箱分别控制四列罗拉转速，通过伺服电机控制的电子成形凸轮控制纱线卷绕，并配合 PLC 和以及触摸屏实现工艺参数的界面化调节，实现整机的全数字化控制；最后采用基于光电检测的钢丝圈单锭反射式监测技术对钢丝圈进行非接触式精确测速，监测成纱质量和运行状态，实现纱线质量在线监控，并通过预留网络接口设计，实现整机数字化控制系统、纱线质量检测系统与企业信息化系统联网，实现品种参数存取与网络下单，减少万锭用工人数 5%以上，同时使管理人员在办公室下单与监控成为可能，提高管理效率，为企业信息化建设奠定基础。 知识产权及项目获奖情况 获相关授权发明专利 10 件，授权相关实用新型专利 25 件，获商业联合会科技进步一等奖 1 项。 项目成熟度 已进入到中试阶段。 5 投资期望及应用情况 项目产品国内首次采用四罗拉四皮圈三区牵伸技术，且智能化程度、技术先进性等各项技术参数均处于国内领先，具有较强的市场竞争力。 

　　乐高®得宝TM超大套装内含560块积木，孩子们可通过搭建各种场景和模型，实现自己的梦想，充分发挥自己的创造力。套装中还包含建议模型的图示说明、大量人仔和一些特殊零件。

本项成果是为解决大型机械设备运行过程中的变工况非平稳和不确定性问题的基础理论和应用技术研究，提供了普通适用于大型机械设备变工况非平稳在线和离线动态分析与监测诊断的关键技术和装置。广泛应用于电力、冶金、石化、炼油、矿山、建材、纺织、印染、军工、机械、交通等工矿企业。成功地将小波理论、时频分析、分形方法、模糊聚类和神经网络有机地结合起来形成实用化的新技术。研究

本发明公开了一种高速网络数据包内容分析装置，包括：网卡， 用于获取高速网络数据包；FPGA，用于过滤掉不属于需要检测的应用 层协议类型的网络数据包，然后将过滤得到的网络数据包分流到各众 核处理器中；至少一个的众核处理器，根据核分配策略对其包含的多 核进行任务分工，用于对分流得到的网络数据包并行执行协议还原、 数据包内容提取以及数据包内容分析融合任务；主控板，用于对 FPGA 和众核处理器进行配置。本发明只需获取原始的网络数据包，就可利 用众核处理器的并行计算能力，直接进行协议还原和敏感信息的分析 检测，与传统方法相比，计算能力大幅提升，实时性强，检测效率高。

项目背景：由于胶州湾周围发展快，人类活动频繁，造 成了自然湿地快速缩减，其生态系统被严重摧毁，因此，对 大沽河口湿地的生态监测十分必要。如何利用高光谱遥感数 据和雷达 SAR 数据的组合特征对大沽河口湿地进行分类。利 用二者的优势互补，得到比单一遥感影像数据更高的湿地分 类结果。将单一评价准则进行并行融合，形成多准则的过滤 式特征选择算法，从多个角度衡量各特征的优劣，计算各特 征的最终权重值。通过与各单一准则的过滤式算法进行对 比，得出多准则融合的过滤式算法在计算特征权重上的优 势。利用多准则过滤式算法与封装式算法的串行结合进一步 进行特征选择。并与多准则过滤式、封装式算法从耗时、子 集规模、交叉验证精度上进行对比，分析二者结合算法的优 势。为了验证二者结合算法的泛化性，采用支持向量机算法 和基于对象两种分类方法，以三组最优特征子集为数据源对 大沽河口湿地进行分类，并对分类精度及结果进行对比。 所需技术需求简要描述：1.如何实现多源数据的高效融 合与分析；2.如何优化湿地分类方法；3.如何从湿地的时间 序列数据中分析其变化机理。  对技术提供方的要求:1.在土地复垦与生态重建领域具 有较好的研究积累，具有土地整理关键技术、盐渍化遥感检 测及暗管改碱与节水集成技术及其应用省部级以上奖励。2.技术方案成熟可靠稳定有创新思维，不涉及知识产权侵犯。 3.主要负责人需要具有工学博士学位，在高光谱领域有深入 的研究及论文发表。 

本技术基于脉冲充退磁的原理，提出了一种针对大型永磁电机进行整体充退磁的新方法，能够在磁极装配至转子表面后再对其进行充退磁，极大地提高了大型永磁电机的充退磁效率和容错率。 一、项目分类 关键核心技术突破 二、成果简介 因高功率密度等优势，永磁电机被广泛应用于风力发电、电动汽车、家用电器、工业驱动与控制等领域，且市场潜力巨大。譬如，永磁风力发电机的转子直径超过4.3米，高度达1.5米，共有84个永磁磁极，每个磁极由20多个磁钢块拼装而成，传统制造过程中通常需对单个磁钢块充退磁使其带磁性后再由人工组装到转子表面，这种方法不仅效率低，而且一旦有充退磁不完全的小磁钢被装配成磁极，便会影响整个发电机组的性能，这时若想重新进行充退磁，便只能将整个磁极拆卸后再次充退磁，操作繁琐且容错率低。 本技术基于脉冲充退磁的原理，提出了一种针对大型永磁电机进行整体充退磁的新方法，能够在磁极装配至转子表面后再对其进行充退磁，极大地提高了大型永磁电机的充退磁效率和容错率。

我国的电力工业在近十年内有了很大的发展，并将有更大的发展。作为电站的大型设备，其运行的安全性、可靠性和经济性是至关重要的，不仅关系到电厂的安全与生产效益，而且对国民经济有直接影响。 但是多年以来，汽轮发电机组损失均在千万元以上，直接经济损失则在数百亿元以上。据统计，1988年至1991年四年来全国发电机事故总台达219台次，占装机总台数（462台

01. 成果简介 随着移动计算、传感器网络和科学观测设备等新技术在经济社会各领域的广泛应用，特别是监控、遥感、定位等技术的崛起，人们获得了海量的时空数据。时空数据分布于连续空间，并且随着时间动态变化，具有十分复杂的模式规律。例如，卫星遥感数据和雷达回波数据是广泛应用于气象观测和军事侦察的时空数据，在连续的卫星扫描或雷达观测过程中，形成时间轴上的一系列遥感图像或回波影像，反映三维地理空间中某种观测物理量的变化规律。视频监控、医学影像、气象预报、环境监测等很多应用领域都涉及时空数据预测和识别任务，在问题求解过程中需要同时考察时间和空间两方面因素，存在时间上的非平稳性和空间上的高维相关性两大技术难题。 本成果创新大数据深度学习技术，从复杂、海量、高维、非平稳的时空数据中识别重要的时空模式，挖掘在时间和空间上的变化规律，并对未来的时空演变趋势进行预测，形成了时空数据预测和识别的深度学习技术（如图1所示）。具体包括：·        提出卷积结构与循环结构深度融合的统一建模方法，学习高维度、非线性时空特征表示，挖掘空间关联结构与时间动态信息；·        提出时空记忆单元和回忆机制，对时空非线性、非平稳性变化进行预测学习；·        提出时空数据的迁移学习技术，降低时空分布差异，实现知识的跨时空迁移。 该技术尤其擅长捕捉高维度、非平稳时空数据的非线性变化规律，例如多物体对象在空间和时间上的“产生、消亡、运动、形变“等复杂时空数据场景。与同类技术相比，运行时间短，预测和识别精度高，在国际上处于整体先进、部分领先的水平。  图1. 用于时空数据预测和识别的循环神经网络架构及其时空记忆单元图2. 本成果技术（时空数据预测与识别）在北京交通流量预测任务上的效果02. 应用前景 该技术成熟度高，部分成果已经以线上系统的形态成功应用于中国气象部门强对流天气预报业务中，与国内现有极端天气预报业务系统相比，该技术将雷达回波外推预报准确率平均提高了45%，其中高强度雷达回波外推预报准确率提高了353%，处于国际先进水平。气象灾害中70%以上是由雷暴大风、下击暴流等强对流天气导致，致死人数占自然灾害死亡人数的93%，因此该技术在避免人员伤亡、实现财产保全、减少农业损失方面产生显著的社会经济效益。同时，该技术还可广泛应用于时空数据的预测和识别场景，在关系国计民生的气象、环保、交通等领域可以发挥重要作用，应用前景广阔。例如，采用该技术可实现未来交通流量时空分布的精准预测（如图2）。该项成果还入选了2018年首届数字中国建设峰会，为杭州G20峰会、厦门金砖会晤、中国国际进口博览会等提供了精准预报支持，获得2018年教育部技术发明一等奖和2018年中国气象学会科技进步奖一等奖。03. 知识产权 本项成果已获得发明专利授权6项。04. 团队介绍 本成果团队长期研究大数据管理与分析技术，包括分布式数据存储与查询、深度学习与迁移学习、业务过程挖掘、数据质量治理等方向。团队负责人为王建民教授、软件学院院长，机器学习小组组长为龙明盛副教授。团队在本领域发表国际学术论文100余篇，申请专利100余项，授权专利60余项。相关成果获2018年教育部技术发明一等奖、2018年中国气象学会科技进步一等奖、2014年国家科技进步二等奖、2013年中国电子学会科技进步一等奖、2012年教育部科技进步一等奖等奖励。05. 合作方式 技术许可 / 软件服务。

01. 成果简介 非结构化数据是没有显式数据结构约束的非关系型数据，包括时间序列、图像、音视频等，其管理与分析技术成为国际信息领域战略竞争焦点。许多实际应用中，非结构化数据不仅总的体量大，而且数量也极为巨大。例如，我国气象预报业务每天接收到的气象数据文件达数亿非结构化气象小文件。此外，这些文件存在大量业务语义属性，这些属性形成了描述一个数据的多种维度。 针对海量非结构化数据的管理需求，清华大学软件学院提出了多维文件空间模型，并基于此模型突破了一系列非结构化数据核心技术，包括：l  非结构化数据到多维空间模型的映射方法；l  多维文件空间模型的分布式物理实现方法；l  分布式存储的副本控制方法。 该技术通过对非结构化数据的属性维度进行分类，将非结构化数据建模成多维文件空间模型，并对文件集合上的各种操作进行定义。此外，通过细粒度计算磁盘IO代价、网络代价、副本代价、CPU代价、数据分区代价，得到指定工作负载下的最优物理存储实现，进而通过排队论等方法对副本的一致性进行控制，实现满足用户SLA（服务等级保证）的柔性事务。  图1. 基于多维文件空间的最优非结构化数据存储方法示意图  相比现有对象存储等技术，该项技术可以实现更加灵活的数据访问。同时，该项技术能够建立多维文件空间到分布式物理存储的最优映射机制，保证非结构化数据总访问代价最小。相比于现有的分布式文件系统，该项技术可以确保使用少量内存管理数以亿计的海量非结构化小文件，而现有多数分布式文件系统在遇到海量文件管理时往往会出现内存爆炸问题。02. 应用前景 本成果技术可广泛用于各种类型尤其是多维度属性的非结构化数据管理。目前已经被成功应用于中国气象局和全国31个省或直辖市气象局，以及石油、风电等多家工业企业。该项成果还入选了2016国家十二五科技创新成就展和2018首届数字中国建设峰会，并作为贡献之一获得2018年教育部技术发明一等奖和中国气象学会科技进步奖一等奖。03. 知识产权 本项成果已获得发明专利授权13项。04. 团队介绍 本成果团队长期研究大数据管理与分析技术，包括分布式数据存储与查询、数据质量、深度学习与迁移学习、业务过程挖掘等方向。团队课题负责人为王建民教授、博士生导师。团队在本领域发表国际学术论文100余篇，申请专利100余项，授权专利60余项。相关成果获2018年教育部技术发明一等奖、2018年气象学会科技进步一等奖、2014年国家科技进步二等奖、2013年中国电子学会科技进步一等奖。05. 合作方式 技术许可 / 软件服务。06. 联系方式 邮箱：liuyi2017@tsinghua.edu.cn 团队电话：010-62786972；13051000520 团队邮箱：huangxdong@tsinghua.edu.cn