针对垃圾渗滤液中的COD、BOD5及氨氮浓度较高，水质水量变化大，污染物种类繁多，可生化性差的问题，研究开发的垃圾渗滤液全量化处理工艺实现了零浓缩液排放，出水水质达到《生活垃圾填埋场污染控制标准》(GB16889-2008)，该工艺基本不受水质水量变化的影响，自动化程度高，投资成本和运行成本为目前普遍采用的膜处理工艺的1/3。该工艺已经在渭南垃圾渗滤液处理场进行中试，取得良好效果。该工艺技术申请国家专利2项，已授权1项。

成果介绍针对采用比例积分观测器法，结合电池荷电状态估计，设计能够同时对模型参数和电池荷电状态同时进行估计的算法，可应用于整车的BMS软件算法设计。搭建的软硬件平台可应用于BMS算法测试。技术创新点及参数(1)采用比例积分观测器法，结合电池荷电状态估计，设计能够同时对模型参数和电池荷电状态同时进行估计的算法；(2)在观测过程中模型参数可实时更新，算法满足李雅普诺夫方程，估计计算时可保证收敛；(3)更好的动态特性与电池充放电周期整体估计精度，且在电流信号有噪声时仍有较好的估计精度；(4)基于STM32芯片主控，AD7280芯片采集数据，μC/OS-III系统完成了控制系统软硬件设计。台架实验表明，系统信号采集精度良好，性能实现成功；(5)采用OCV法对Ah法进行纠正，获得新的综合SOC估算值，针对性地设计了初值确定方法，得到改良的SOC估计算法。*明该算法能在整个电池恒流放电过程中稳定估算SOC；(6)为考虑电池工作过程中的产热，对传统的SOC估算方法，引入温度约束，建立改良的SOP估计算法。*明该算法能很好地考虑电池温度对SOP估测影响而提升估算精度；(7)采用STM32F103芯片主控，AD7280A芯片采集信息，μC/OS-III系统建立了BMS软硬件系统，并进行了实车试验。结果表明改良后的估计算法精度良好可靠，所设计BMS具备出色的控制性能。市场前景本项目的涉及的算法设计及软硬件架构，可以采用成果授权、成果转让或者技术服务的形式与汽车零部件供应商产生合作。

与传统图片级分类标注方法相比，Visionome技术可多产生12倍标签，而这些标签训练出来的算法显示了更好的诊断性能。基于此技术，团队训练出可准确识别多种眼前段病变的裂隙灯图像智能评估系统，可应用于大规模筛查、综合分诊、专家级评估、多路径诊疗建议等多个临床场景。不仅在回顾性数据集中表现出眼科专家级别的诊断水平，在前瞻性数据集中也表现出色。使用者通过在Visionome诊断系统中上传眼前段图像，即能一次获得多个部位的全方位诊断，与传统的人工智能算法相比，Visionome系统可生成更加全面、精细、具体的报告，真正让医学人工智能应用揭开神秘的面纱，成为一个接地气的“医生”。

谐波电能计量及其仪表用以定量描述电能生产、 传输、消费的全过程，广泛应用于包括光伏、风电、电动汽车、 充电站在内的新能源及传统电力系统。 项目主要功能包括：自适应迭代分解电压和电流信号得到 谐波与间谐波成分，计算其谐波含量；计量各个谐波/间谐波成 分的四象限电能计量参量；具有有功、无功能量脉冲输出，记 录参数设定、开盖检测以及电压不对称、过压、过流、超限等 事件，具有液晶循环显示功能，可通过 RS-48

本软件的主要用途是针对玻璃切割的场景提出求解多约束的矩形切割问题的分层智能搜索算法，为玻璃切割方案提供全局优化，实现原料利用率的最大化，在节约资源的同时提高产量。 一、项目分类 关键核心技术突破 二、成果简介 切割问题和装填问题在学术界属于一类经典的NP 难问题，它们有着众多的变种，例如：一维的背包问题，二维的矩形切割问题，三维的装箱问题等。其中以二维的场景应用最为广泛，相关求解算法可以作为玻璃、板材、管材、服装切割套料智能制造的算法内核。 本软件的主要用途是针对玻璃切割的场景提出求解多约束的矩形切割问题的分层智能搜索算法，为玻璃切割方案提供全局优化，实现原料利用率的最大化，在节约资源的同时提高产量。 对于玻璃切割问题约束复杂的特点，本软件有针对性的提出了一种局部解的表示方法，它使算法的分布式部署成为可能，并且大大减少了程序运行时的内存开销。为了提高算法的效率，软件采用了贪心随机的基本搜索框架，并结合问题特点，将搜索过程分为多层嵌套进行，以提高搜索的灵活性和精确性。

本发明公开了一种评价降相关算法效果的方法，首先通过对原始协方差阵进行 Cholesky 下三角（LLT） 分解，选择 L 矩阵作为规约基计算原始协方差阵的长度缺陷。其次，对原始协方差阵进行降相关，然后得 到降相关后的协方差阵，再对其进行 Cholesky 下三角（LZLZT）分解，同样利用分解后的 LZ矩阵计算其长 度缺陷，计算方法简单且顾及了矩阵维数。最后，降相关前的长度缺陷和降相关后的长度缺陷进行做差，得 到的数值越大，表明降相关效果越好。该方法可以有效的评价降相关效果，同时长度缺陷考虑了协方差阵的 维数问题，且计算简单，克服了耗时等问题。从而有效的提高了评价方法的稳定性和实时性。 

（一）项目背景 当前，智慧教育具有智能导学、精准推荐、定制辅导、精细评价等特点，已成为国际国内教育信息化发展的趋势。智慧教育的研究主要聚焦于智慧学习环境建设的研究、智能技术支持下的智慧教学研究和机器学习技术支持下的个性化学习研究。智慧教育的出现极大地促进了当前教育中学习空间的重构。在“学习空间”之前，人们通常使用“教学空间”来指代这种场所，将有教学活动的场所均称作教学空间。随着人们对学习过程的理解变化、智慧教育的快速发展以及人们对非正式学习的重视，学习空间逐渐由单一的物理教学空间向包含物理空间、网络空间、移动空间的多元学习空间转变。多元学习空间的提出虽然更多地体现出了“以学生为中心”的倾向，但如何具体衡量多元学习空间对学生学习效果的影响是评价多元学习空间的重要步骤。同时，在多元学习空间具体构建时，面对空间中来源不同、结构多样、数量庞大的多模数据如何进行处理存储、并在保证数据有效性的前提下对教育数据进行隐私保护是多元学习空间需要解决的另一个难点。 （二）项目简介 本项目主要目标是针对信息技术支撑下学习空间多元化、场景复杂、需求多样化，学习者及学习行为呈现出新的特点和规律，研究多元学习空间中学习行为数据化关键技术，构建“云-边缘-物联网”架构的多模态数据存储与处理平台，实现混合式学习环境下学习行为智能感知和数据化，优化学习行为模型，基于实际应用与不同学习目标函数及内容，建立可重复、可预测、可验证的对比数据集，为数据驱动的智慧教育生态构建和教育应用提供核心技术与数据支撑。 （三）关键技术 我们面向智慧教育中准确认知学生的学习状态和行为的大数据需求提出研究方案。本项目实施方案涉及教育学、物联网、云计算、人工智能、隐私保护等多个领域，主要技术路线如图所示： 图 1 技术路线图 其中，项目包括的关键技术主要有以下三点： 1.基于物联网的多模态数据实时智能感知和多时间域数据采集技术 该技术针对学习状态的数据化、特征参数量化问题，设计能够采集多 重学习空间下的智能数据感知物联网系统。主要技术难点在于抽样频率与 识别准确度的平衡、人机交互的变化规律等全新科学问题。 2.学习状态多模态数据解析和智能处理技术 利用智能感知物联网采集实时性的原始学习状态数据，包括面部表情、 脑电信号、头部姿态、交互行为等原始数据，这些数据具有数据量大、模 态多、冗余度高等特点，需要通过智能化的预处理方法转换成可以量化的 状态数据。 3.多层次数据差分隐私保护技术 学习行为数据是学习者被动采集的多方面行为数据，受到日益增长的 具有争议性的数据伦理的制约。该项技术通过数据隐私保护机制实现数据 多层次化的差分隐私安全算法；在保证学习者最大数据隐私性的前提下， 研究满足学习行为分析所需要的数据颗粒度。

本实用新型公开了一种全深度浮力调节海水泵，主要包括配流阀组件、柱塞滑靴组件、柱塞套、传力及复位机构和压力补偿器；压力补偿器用于平衡润滑腔与环境压力，传力及复位机构驱动柱塞滑靴组件交替循环进行压行程和吸行程，从而使得配流阀组件交替循环吸水和压水；其中，柱塞滑靴组件采用固定间隙强制复位结构使柱塞的复位更加可靠；传力及复位机构采用双向受力的结构设计，使海水泵满足海水液压浮力调节的特殊工况；采用阶梯柱塞形式，大小柱塞通过球铰连接，解决了超高压海水泵这一关键摩擦副的强度设计、密封与摩擦磨损问题。本实用新型能够实现在任何深度的海域内对潜水器的浮力调节，具有结构简单，适用性强，工作可靠性的特点。

本发明公开了一种全深度浮力调节海水泵，主要包括配流阀组件、柱塞滑靴组件、柱塞套、传力及复位机构和压力补偿器；压力补偿器用于平衡润滑腔与环境压力，传力及复位机构驱动柱塞滑靴组件交替循环进行压行程和吸行程，从而使得配流阀组件交替循环吸水和压水；其中，柱塞滑靴组件采用固定间隙强制复位结构使柱塞的复位更加可靠；传力及复位机构采用双向受力的结构设计，使海水泵满足海水液压浮力调节的特殊工况；采用阶梯柱塞形式，大小柱塞通过球铰连接，解决了超高压海水泵这一关键摩擦副的强度设计、密封与摩擦磨损问题。本发明能够实现在任何深度的海域内对潜水器的浮力调节，具有结构简单，适用性强，工作可靠性的特点。