项目成果/简介:数据采集技术可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。多模态传输技术LPWAN (Low-Power Wide-Area Network，低功率广域网络)在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。       LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。最具前景的LPWAN技术——NB-IoT和LoRa：物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。LoRa （Long Range）:   一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。NB-IoT（Narrow Band Internet of Things）NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。数据分析技术人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。应用范围:家居智慧控制，提高舒适度：家庭生活状态统计和日常需求预测与推荐；多模态行为分析和数据采集和传输系统；多模态行为数据采集和分析平台；基于LoRaWAN/5G的工厂环境、农业大棚等环境监测系统。技术成熟度:通过中试

项目背景：结合国家“节能降耗”的背景，同时为节约成本提升产品市场竞争力，近年来各钢铁企业纷纷对能耗“大户”加热炉进行改造升级。高效轧制国家工程研究中心致力于加热炉领域的研究已有十多年的历史，涉及范围广泛，包含热处理炉、隧道炉、蓄热/常规板坯加热炉、方坯加热炉等，拥有成套加热炉解决方案，并结合现场进行设备工艺诊断，定制适合每个个体的加热炉过程控制系统，达到提高产品加热质量、节能降耗的目的。关键工艺技术：（1）基于炉温闭环控制的智能燃烧及炉温控制技术用于多种类型的加热炉过程控制系统，根据热值、残氧、压力等实时优化空燃比，从而有效地控制炉内气氛；（2）精准的板坯温度预报模型和出钢节奏预测是智能燃烧的前提，依据周期呈现的钢坯温度场分布、剩余在炉时间、出钢序列，预测出钢节奏；（3）变钢种规格混装以及延迟故障工况的感知，统筹协调所有钢坯的炉温需求，并根据延迟故障信息动态调配炉温设定。

项目组具有三维Pro/E、UG、SolidWorks、MasterCAM、Cimatron等CAD/CAM软件的应用开发能力，建立了模具的参数化图形库、数据库和标准件库。能使用DynaForm、Moldflow、Deform、ProCAST 、Ansys、Marc等CAE分析软件模拟冲压成形、锻造成形、塑料成型、压铸成形过程，预测产品质量，优化成形方案，分析模具受力状态和失效形式，优化和改进模具结构，并将模拟结果和设计者的经验知识编写成专家系统程序集成到CAD/CAM系统中，开发出基于知识的智能C

团队联合中美研究成员，应用三维激光成像技术，研发了具有世界先进水平的三维激光道路路面智能检测车，可在最高采集时速100km/h的情况下，对约4m宽的路面范围实现毫米级三维扫描。 一、项目分类 重大科学前沿创新 二、成果简介 团队联合中美研究成员，应用三维激光成像技术，研发了具有世界先进水平的三维激光道路路面智能检测车，可在最高采集时速100km/h的情况下，对约4m宽的路面范围实现毫米级三维扫描。同时，创新应用先进的深度学习技术，开发了路面病害及路面特殊构造物智能识别算法，可精准识别路面裂缝、坑槽、灌缝、修补、错台、标线、伸缩缝、板缝、伸缩缝、井盖等多种路面病害及路直特殊构造物。相关研究成果在中国、美国、巴西、南非、日本、印度等多个国家的道路检测工程实践中已得到大量应用。

青少年人工智能资源与创新平台为激发青少年利用原创算法解决真实复杂问题的兴趣，面向全国中小学发布覆盖人工智能主要技术领域的研究问题，设立相应选题。 一、项目分类 关键核心技术突破 二、技术分析 主要功能： 资源中心。资源中心包含各个名师人工智能课程及应用案例，还包含各类精品开源软硬件资源的汇聚。 资讯通知。公告元卓计划工作的最新动态及行业内的最新消息。 直播频道。邀请专家进行直播互动。 在线编程。可以在网页页面中直接编写代码和运行代码。 互动论坛。注册用户可以在网站论坛讨论课题。

项目简介：项目组具有三维 Pro/E、 UG、 SolidWorks、 MasterCAM、 Cimatron 等 CAD/CAM 软件的应用开发能力，建立了模具的参数化图形库、数据库和标准件库。能使用 DynaForm、Moldflow、 Deform、 ProCAST 、 Ansys、 Marc 等 CAE 分析软件模拟冲压成形、锻造成形、塑料成型、压铸成形过程，预测产品质量，优化成形方案，分析模具受力状态和失效形式，优化和改进模具结构，并将模拟结果和设计者的经验知识编写成专家系统

公司研发的基于云计算的车辆远程测试与智能诊断系统，能够实现电流、电压、CAN/LIN等信号级测试，还能实现车身和底盘电气系统等系统级测试。 一、项目进展 已注册公司运营 二、企业信息 企业名称 安徽风云智控科技有限公司 企业法人 张天耀 注册时间 2022.3.8 注册所在省市 安徽省合肥市 组织机构代码 MA8NRN7R-8 经营范围 技术开发、技术服务 企业地址 安徽省合肥市蜀山区长江西路898号新加坡花园城二期北区9栋1单元803室 获投资情况 无 三、负责人及成员 姓名 学院/所学专业 入学/毕业时间 张天耀 机械工程学院/工业工程与管理 2021/2024 许于涛 机械工程学院/工业工程 2021/2024 饶正卿 机械工程学院/工业工程与管理 2021/2024 孙睿 机械工程学院/工业工程与管理 2021/2024 王凯林 机械工程学院/工业工程与管理 2020/2023 四、指导教师 姓名 学院/所学专业 职务/职称 研究方向 王跃飞 机械工程/计算机应用技术 副教授 汽车电子与实时系统；智能制造系统与物联装备 五、项目简介 汽车电子电气架构及系统测试是车辆关键性验证试验，直接影响到车辆系统运行的可靠性和安全性。传统测试设备功能单一，人力物力投入大，测试成本高，测试数据不能实时共享和处理，测试效率较低。  为解决该类问题，由合肥工业大学在校研究生创办了本高新技术公司。公司研发的基于云计算的车辆远程测试与智能诊断系统，能够实现电流、电压、CAN/LIN等信号级测试，还能实现车身和底盘电气系统等系统级测试。该系统包括采集终端、云服务器、Web客户端、PC端软件和手机端APP，可使用WiFi及蓝牙进行本地测试，也可以通过4G/5G网络实现远程控制、实时监测、在线采集、智能诊断。本系统已开发出标准型和便携型等系列产品，能够满足不同汽车企业智能化测试需要，市场前景广阔。

项目背景：样品制备及检验过程中样品的交叉污染、样 品均匀性以及样品代表性问题，是影响产品品质的关键环节 及因素。尤其是稀有元素、微量元素对样品特性有较大影响 时，问题尤现突出。此类问题是国际、国内行业中公认的技 术难点，长期困扰企业的技术发展。为较好的解决此类问题， 在样品制备及检验过程中需要使设备及系统具有自动化、智 能化功能，依靠人工智能技术对上述环节给予把控及处理， 可以在样品需要处理和判断的过程中介入，实现自动判断、 自动识别并及时处理的智能化系统，始终保持样品处理环节 的准确性、正确性和及时性，保持样品的纯净度是本项目的 研发、研制的主要目的。 所需技术需求简要描述：1.能对煤、焦、矿石、熔剂、 贵金属、有色金属、稀有金属、合金、地质勘探类样品进行 全自动制样，自动检测并清除料斗残留物质，使得物料的交 叉污染度达到 0.02%，样品均匀度达到 99.8%，样品代表性 为 99.8%；2.在制样过程中能够全程检测、准确判断物料类 别，获取物料数据信息，并将数据进行分析和比对，给出有 效的生产优化方案；3.需要对制样过程中涉及的缩分机构、 研磨机构、水分测量装置以及成分分析等装置进行残留物质 清除。  对技术提供方的要求:熟悉行业动态，了解行业相关战略规划与发展方向，以实用、先进及具有较高的前瞻性技术 储备为基础，制定行业技术标准及研发相应装备。