白酒是中国传统蒸馏酒，工艺独特，历史悠久，享誉中外。中国白酒属于天然微生物富集制曲，固态自然富集发酵，含有极为丰富的呈香呈味物质，这些香味成分在酒体中的种类基本相同，但因地域资源环境、酿造工艺和酒曲种类等不同，其含量千差万别，从而形成影响白酒风格的庞大因素。白酒勾兑中各次所取的基酒，受外界环境因素影响巨大，成分难以有严格统一标准，如此时仍然按照某特定比例勾兑，最后成品的品质在受到基酒不确定因素影响下很难达到比较高的一致性。本项目建立在利用电子鼻对白酒气味的特征进行定义的研究基础之上，结合在线气味检测及流量控制技术，将相关研究结果转化为关键技术，成功开发出基于气味控制的白酒自动勾兑系统成套设备及白酒发酵过程控制系统，并顺利投入生产运行，满足我国规模巨大的白酒制造行业旺盛的消费需求及品质要求。项目中，从利用电子鼻气味检测技术对白酒的量化区分研究出发，联系气味量化检测的客观结果与人对白酒香气的主观评价，逐步完善数据库，为利用在线气味检测控制白酒发酵及自动勾兑提供了完备的前期理论基础；从利用电子鼻气味检测技术对不同年份的年份酒的量化区分研究出发，提出了对年份酒的鉴定方法，在有数据库支持的前提下，准确率可达到 100%，为利用在线气味检测控制白酒发酵及自动勾兑提供了完备的前期理论依据；基于对白酒气味特征标定的研究，开发了基于计算机控制的在线气味检测技术，结合反馈控制开发基于在线气味检测的白酒发酵及自动勾兑设备。 本项目研究在酒类气味在线自动检测及酒类生产中取得了突破性的成果，处于国际国内研究前列，其中白酒自动勾兑系统通过了中国轻工业联合会鉴定，鉴定委员会认为，本项目在白酒数字化勾兑方面有创新，技术达到国际先进水平。本项目研发制作的基于气味在线检测的白酒自动勾兑系统，提高了对勾兑原料差异及品酒主观差异的适应性，提高生产效率，降低人力成本，在包括汾酒集团的多家白酒厂家得到应用，顺利投入生产运行。应用厂家对设备的性能与使用情况均表示满意，提高产能，增加利润，累计实现销售销售收入达 6636.27 万元，获得可观的经济效益。本项目在解决白酒发酵及勾兑的关键技术难题与工程实践应用中显示出的创新性与先进性，为白酒行业的发展做出贡献。

豆浆作为传统东方食品，具有深厚的群众基础，市场前景广阔。但我国豆制 品行业整体技术水平落后，产品品质、生产工艺和装备机械均有较大的上升空间； 日本技术虽较我国先进，但也仅适用于中小规模生产。本技术以熟浆工艺（带渣 煮浆）为基础，确立了蛋白提取率高、风味损失少、豆腥味可控的豆浆生产工艺， 开发了连续化的熟制技术、高通量分级分离技术、富含泡沫液相体系的脱气浓缩技术等，解决了长期以来豆浆产业的多项技术难题，为高品质豆浆的推广奠定基础。 创新要点 大豆无需浸泡、全程连续化生产、单线处理能力大；产品口感醇厚；蛋白质含量是普通型豆浆行业标准的 1.5 倍以上，维生素保留率高于同行业 5%，不饱和脂肪酸占脂肪比例较牛奶高 40%，铁质超过牛奶 4 倍以上，致敏性远低于牛奶；高浓度豆浆既可以作为豆浆饮品直接享用，也可以作为星巴克等餐饮行业时尚饮品的牛奶基料替代品。

项目背景简述：化工生产中存在大量的蒸发、浓缩、精馏、结晶、干燥等分离过程，这一过程需要消耗巨大的能量作为塔釜热源，同时消耗大量的冷却水将塔顶蒸发产物冷凝成液态。本项目针对这一背景，基于压缩式热泵技术，提出了一种适用于此类工艺过程的节能改造技术，其基本思路是用压缩机对塔顶气态物料进行压缩，使其温度提高后用于塔釜液态物料加热，同时使塔顶物料冷凝为液态产物，形成一套压缩式热泵精馏（蒸馏）工艺及其成套装置设计技术。 

该方案集中体现代工业生产流水线加工系统，将物料供给、工件检测、加工、搬运、立体存储等以及生产监控与管理等知识全面展示在学生面前。整个系统由多个功能站有机组合而成，而各功能站又可以由多个子功能模块组成，可根据实际需求重新组合，为在校学生提供一个符合职业角色的先进工业技术综合实训环境。

产品详细介绍产品特性：1.柜体采用1mm及1.2mm优质钢板制作，多处加强结构，承重性能好，重叠式结构设计，密封性能极佳。2.表面处理采用先进的有18道工序组成的橘纹烤漆，耐腐蚀性强。 3.门镶3.2mm高强度钢化玻璃，防前倾耳式结构设计。带平面加压把手锁一体化设计,有防盗功能。4.LED超高亮数码显示，温湿度传感器采用美国原装著名品牌honeywell，温湿度独立显示，使用寿命长。湿度可设定且具有记忆功能，断电后无需再设定。5.湿度显示范围0%～99%RH,温度显示范围-9℃～99℃。显示精度:湿度±3%RH;温度±1℃6.机芯利用中加(中国，加拿大)合作技术，采用进口吸湿材质，取得中国国家专利。7.行业内唯一一家拥有智能化控制系统的防潮箱。自动判断机器内湿度来决定工作时间，节省能源，延长产品使用寿命。主机外壳采用高温阻燃材料，杜绝安全隐患8.断电后仍可运用物理吸湿补位功能继续除湿，24小时内湿度上升不超过10%。9.  行业内唯一一家通过ROHS环保的产品。避免重金属等元素污染存放的贵重产品。10.用于湿度敏感类材料的防潮保管，如IC等湿度特别敏感的材料存放，可选购防静电. 名称 型号 湿度控制范围（RH）

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。应用范围: 1、智能网关： 开发基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置服务器。 综合接入能力： 包括有线传感器和特定的无线传感器、与现有系统的对接 有效感知能力： 实现基于图像的AI视觉感知能力，重点研究基于小目标的图像分类算法 安全传输能力： 提供4G、5G、NB-IOT的上行传输模块化替换 提供安全的加密手段，保证数据安全 现场调试配置能力： 具有现场WiFi调试功能，方便安装和运维人员现场配置和检测 软件和通信标准版本现场升级 2、AI模型管理系统 需要实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。 样本管理能力 原始样本管理、样本实例库分类和管理、检测样本管理等 模型计算和管理 算力管理：对算力的统筹，外部算力的对接等 算法管理：自主开发算法的管理和调动，外部算法的调用和对接 模型管理：包括模型的功能属性和已经应用的情况的统计分析 设备管理 设备的AI模型配置能力、AI推演过程的监控、AI推演结果的跟踪采集和分析 3、数据管理和标准化处理 数据有效性管理 监测数据是否按时上传、上传数据是否符合要求、是否为非法数据 告警输出：把告警信息进行分类，并推送给相关的运维系统 数据质量评估 按照标准对现场采集数据进行多维度的质量分析，为后续数据应用提供参考依据 数据标准化 格式标准化：完善采集时间、地点、单位等属性， 输出标准化：按照标准协议与工业互联网平台数据池进行对接 数据安全 区域性部署：可以应用户要求部署在其内网 并行部署：可以通过并行部署，网关上联多个服务器，确保用户的可靠性需求 数据回滚能力：可以应工业互联网平台要求对数据进行一定期限内的回滚，保证数据在一定时间段内不丢失 4、智能运维 开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提供效率、降低人员成本、保证系统运行质量和数据的有效性。 运维人员管理 对运维人员的信息、定位、工作状况管理 巡检任务管理 对部署的硬件和相关工作环境定期巡查的任务制定、下发、执行过程和结果的记录和管理 临时故障处理 对系统自动告警和现场突发状况的应急处理能力，包括人员调配、处理流程提示和建议、相关情况处置参考案例、后续统计追踪等。网关核心板实物照片

随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。

"该项目基于虚拟现实技术，还原现场真实三维场景，综合集成物联网、大数据等现代信息技术，在“真实”的三维环境中，实现数据的“所见即所得”及各种交互式应用。三维可视化综合管理平台包括： 1）三维数字化工厂；2）三维可视化生产运行管理系统；3）三维可视化设备管理系统——特种设备管理系统；4）三维可视化设备管理系统——管线管理系统；5）三维可视化设备管理系统——通用设备管理系统；6）设备健康管理——设备运行仿真与优化，设备运行状态监测，故障诊断与预测；7）三维可视化安全管理——三维数字化应急预案，应急预案模拟演练，警示教育与事故再现；8）交互式技能培训。 “三维可视化综合管理平台”用户已达20多家，其中很多是长期客户，用户涵盖石油、化工、钢铁、电力、铁路、水利、民航、机械制造、军事、教育、智慧城市（园区）等行业，合同额1000多万元。随着“中国制造2025”战略的实施，智能制造、智能工厂建设已开始全面启动，“三维可视化综合管理平台”的市场前景将越来越广阔。 "