项目成果/简介:本项目成果在国家重大项目的支持下，面向具有战略意义的高效传动重大需求和国际前沿，针对国外的技术封锁，从掌握液力传动产品瞬态复杂流动机理着手，提出了大功率液力节能产品定子/转子多流域耦合的尺度解析模拟方法，创建了动态空间非定常多尺度漩涡流动可视化测量体系；首创了定子/转子耦合叶片边界层流动新型仿生主动控制技术，实现仿生耦合叶片减阻增效；构建以用户需求为导向封装的大功率液力产品优化集成设计体系，形成融合轴向力动态监控模型和运行热平衡反馈自动补偿系统，攻克了大功率液力产品设计与制造过程中“性能预测难、叶片优化难、动态匹配难、精确制造难、极限工况运维”等难题，最终形成了适应大型泵与风机等高耗能设备的自调节的大功率液力调速装置、满足首台最大吨位12吨装载机用的高效率液力变矩器、匹配大吨位和长距离制动的重型车用液力辅助系统等新型绿色节能液力传动产品。研究团队吉林大学机械与航空航天工程学院 刘春宝教授研发团队。成果成熟度批量应用范围:本项目成果通过突破“流动解析实现高精度预测性能”、“性能预测指导叶片设计”、“流动解析完善液力产品匹配建模”、“先进制造保证液力产品与设计一致”、“大功率液力调速装置自动补偿系统智能运维系统”等涉及设计、制造与运维等核心难题的、紧密相连的关键技术，实现了在工程机械、重型商用车、电力和化工等行业成功应节能降耗的目的。“大功率液力调速产品集成设计关键技术及其节能应用”、“工程机械液力变矩器绿色节能设计与制造关键技术及产业化应用”项目先后获得2020年吉林省技术进步一等奖和2019年中国机械工业科技进步二等奖。项目成果完全拥有自主知识产权，整体技术达到国际先进水平，标志着我国已完全掌握绿色节能液力传动产品设计、制造核心技术，提高了国产液力产品的国际竞争力，突破了传统设计方法的局限性，扭转了国外产品逆向开发的局面，打破了国内液力产品不成体系而难以推广应用的现状，极大地提升了自主品牌大功率液力产品的综合性能和生产效率，有效降低了开发成本，促进了绿色制造与应用产业的节能减排，带动了国内相关产业的发展，为我国培养了大批工程机械液力传动领域专业人才。本项目制造的液力变矩器、液力缓速器、液力偶合器等成果先后在国内首台最大吨位12吨柳工装载机、国内首台重型铁路养护车用的YH350多档变速器、一汽解放J6卡车、电力和化工等“大国重器”大功率调速设备中得到应用。

团队具备成熟的高性能电机研发能力，具备瞬态有限元仿真技术、多物理场联合仿真技术、场路耦合仿真技术，能够定制开发有刷/无刷直流、感应电机、电励磁/永磁同步等各类电机，助力多家企业实现核心电机自主化、国产化。 团队研发了基于空间磁场的高性能电机健康状态在线监测系统，能够实时监测电机健康状态，即使发现电机微小故障，有效提高电机可靠性。

人参作为传统中药材，早在《神农本草经》中就被列为上品，具有“补中益气，养血安神，强壮体魄”的功效，长期以来在中医药中占据着重要地位，尤其在提升体力、增强免疫力等方面有显著作用。 随着现代技术的发展，冻干技术的应用为人参加工带来了革命性变化。通过低温和真空环境下的升华原理，冻干技术能够去除新鲜人参中的水分，最大限度保留其活性成分、营养物质和药效。这不仅延长了产品的保质期，还改善了产品的便捷性，便于储存和运输，适应了现代消费者的需求。 本项目专注于人参冻干技术的研发，旨在提高人参产品的质量与市场竞争力。冻干后的产品不仅保留了原有的药效和营养成分，还具有更长的保质期，能够广泛应用于人参粉、营养补充品、保健食品等多个领域。同时，项目优化了冻干工艺，提升了有效成分的提取率，确保最终产品在营养和药效上的最大保留。 通过技术创新与产业化应用，本项目将推动人参产业的现代化发展，提升人参附加值，满足国内外市场对高品质人参产品日益增长的需求，为行业带来更多发展机遇。 1. 目标市场与市场规模： 本项目主要面向国内外高端健康食品、保健品和营养补充品市场，重点关注中老年人、亚健康人群及健身爱好者。随着生活水平提高，年轻消费者也逐渐关注天然、绿色健康产品，冻干人参成为理想选择。全球人参市场年增长率约为5%-7%，冻干人参的潜力尤为巨大，特别是在高端健康领域。 2. 市场竞争预测： 目前，国内外已有企业涉足人参冻干技术，但大多数仍处于初步阶段，技术尚不成熟，且现有产品集中于中低端市场，冻干工艺不够精细，导致有效成分损失较大。竞争者包括传统人参生产商和新兴健康品牌。随着消费者对品质要求提升，市场将向高品质、高效能产品倾斜。本项目的冻干技术创新和产品高端化，使其具备强大竞争力，有望迅速占领高端市场份额。 3. 本项目核心竞争优势： 本项目的核心竞争优势在于冻干技术创新。相比传统工艺，项目技术能更好保留人参中的有效成分，提高营养价值和药效。产品形态多样（如粉末、颗粒、薄片等），满足不同消费者需求，提供便捷使用体验。项目在原材料采购、生产环节和质量控制上的优势，确保产品的高品质和稳定性。随着市场对高品质健康产品需求增长，本项目具备较强的技术壁垒和市场竞争力。

1、中高端数控车床的设计、研究；2、数控机床的发展方向；3、机床装配关键工艺；4、中高端数控机床专利技术

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。