1 成果简介 微波耦合加热移动物体的过程，在数学与物理的建模上，通常认为是极其复杂的过程，普通人员很难掌握，另外，模拟仿真计算还极其耗时。为解决此问题，我们利用运动的相对性原理和不同物理量(电磁场、温度场和流场)在不同坐标系之间转换，提出了一种计算微波耦合加热移动物体的数值计算方法。此法具有操作过程简易，计算精度高且耗时少的特点，理论上，此计算方法还适用于微波耦合电磁搅伴器时的加热过程计算。 2 关键技术 从物理场的角度而言，微波加热是一个典型的多物理场问题，主要涉及的是电磁场与温度场能量的转换与传导，以及流场（如周围空气）与加热物之间的共扼传热。在现代工业与科研中，广泛应用微波加热。如《Science》和《nature》，分别在 2016 与 2018 年，刊登了利用微波制作石墨烯技术。但由于微波最大的缺陷，就是加热的不均匀性，又极大地影响了微波的应用。为了改善加热的均质性，通常使加热物运动，如旋转或采用磁搅伴器。微波治疗肿瘤，被国际医学界称为绿色疗法，肿瘤细胞死亡最可能萎缩和死亡在 42.5℃～43.5℃之间，温度低了则治疗肿瘤无效，而温度高了，又会损伤周围健康器官，由于在人体上操作，故要非常谨慎的，所以又限制了微波应用。若能有一种快速预测的计算方法，能立即得到加热的温度场分布，则是一个非常有意义的事！ 针对移动物体的微波加热，传统模型计算极其复杂，只有少量专业研究人员会计算，一般人员很难掌握，同时计算又极其耗时。本方法在此方面进行了大胆的探索。 3 知识产权及项目获奖情况 发表了一篇 SCI 论文，专门论述了该方法，详见：PU GUANGYi, PU CHENG XI, J. WANG, C. F. SONG, “A method for coupled microwave heating process and heat transfer simultaneously of moving objects,” Journal of Food Processing and Preservation, vol. 42, no.1,e13468, 2018. DOI: 10.1111/jfpp.13468. 4 项目成熟度 该方法计算工作量小，计算方便，且精度高，适合加热运动物体或电磁搅拌装置，或同时加热运动物体及有电磁搅拌的情况。现在 CAD 与 CAE 技术发展非常迅速。所以，理论上可以直接利用这些商业软件进行建模与计算。 5 投资期望及应用情况 （1） 微波治疗肿瘤方面。由于微波能够穿透到肿瘤内部，直接“杀死”肿瘤细胞，理论上，远比高能射线如γ射线效果好，且对人体副作用小。先前没有广泛使用，原因之一是不好控制加热的不均匀性。若能在治疗之前，先预先计算出加热物温度场分布，即预测出温度场的分布，则可以控制微波直接“杀死”肿瘤细胞。 （2） 石墨烯的过程制作。 （3） 食品及其他工业与科研的应用。 

        技术成熟度：技术突破         领域存在着景深影响效率的突出问题，本产品以高性能异构处理器为核心运算单元，以嵌入式手段通过视觉流与控制流的严格对位，高性能实时完成视频控制信息的结算，并直接输出电机驱动信号控制相关执行机构完成闭环控制。         本产品主要面向高性能伺服闭环控制的视频应用领域，能够显著提升显微工业自动化领域的视频对焦及对位处理的效率及精度，亦可实现宏观领域的视觉嵌入化控制闭环应用。         意向开展成果转化的前提条件：中试放大及产业化工艺开发资金支持

地铁车站局限性、在满足地铁车站通风空调系统基本功能的前提下，通过对地铁隧道通风系统和空调系统进行优化设计时，都要加入通风与排烟系统结全的模式

本仿真实训要求学员根据常见60KW以下小型分布式光伏电站项目需求书要求，到现场进行测量、采集项目所需数据，然后回到办公室使用设计软件进行项目设计，并且做出系统分析结果、施工图以及施工材料清单。 1.1. 场景设计 虚拟场景包括办公设计场景，楼顶建筑场景； 场景模型主要包括：办公室建筑模型、办公家具、办公设备、长度测量工具、方向测量工具、楼顶建筑模型等 设计软件模拟包括：阴影阵列分析软件、CAD制图软件、倾角分析软件、系统分析模拟软件 1.2. 互动设计 在办公室里使用电脑了解项目需求书，根据提供的信息收集项目所在位置的地理与环境信息 到现场使用长度与方向测量工具测量设计所需数据 回办公室使用各种专业设计软件对该项目进行系统设计。

上海交通大学电子信息与电气工程学院离子束溅射沉积系统 招标项目的潜在投标人应在上海市共和新路1301号C座110室获取招标文件，并于2022年07月06日 10点30分（北京时间）前递交投标文件。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

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。

成果描述：本实用新型公开了一种便于信息采集的智能化翻耕机,包括牵引悬挂装置(1)、安装在牵引悬挂装置(1)上的机架(2)、设置在机架(2)下端面上的铧(3),所述机架(2)上还设置有安装座(4),所述安装座(4)上安装有土地信息采集装置(5),所述土地信息采集装置(5)包括犁地深度传感器、土壤养分传感器、土壤墒情传感器、pH值传感器,并且均为具有WiFi或者ZigBee或者RJ45接口的传感器,在传感器本体外套接有圆钢保护管(6),其探头外套接有橡胶保护套(7)。采用上述结构,可从而减少了现有技术中土地信息采集的难度,并降低了信息采集的成本,同时也能加速农业信息化生产的发展进程,从源头上解决农业信息采集的发展瓶颈。市场前景分析：本实用新型公开了一种便于信息采集的智能化翻耕机,包括牵引悬挂装置(1)、安装在牵引悬挂装置(1)上的机架(2)、设置在机架(2)下端面上的铧(3),所述机架(2)上还设置有安装座(4),所述安装座(4)上安装有土地信息采集装置(5),所述土地信息采集装置(5)包括犁地深度传感器、土壤养分传感器、土壤墒情传感器、pH值传感器,并且均为具有WiFi或者ZigBee或者RJ45接口的传感器,在传感器本体外套接有圆钢保护管(6),其探头外套接有橡胶保护套(7)。采用上述结构,可从而减少了现有技术中土地信息采集的难度,并降低了信息采集的成本,同时也能加速农业信息化生产的发展进程,从源头上解决农业信息采集的发展瓶颈。与同类成果相比的优势分析：国内领先

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