本项目找出了青藏高原高山峡谷区不同工程地质背景下巨型高速远程滑坡的运动与演化规律，揭示了高速远程滑坡“相变转化停积就位过程”。 一、项目分类 关键核心技术突破 二、成果简介 以青藏高原龙门山断裂带、SN向亚东-谷露裂谷带、理塘-德巫断裂带、公格尔山拉张断裂带等高山峡谷区巨型高速远程滑坡为研究对象，通过野外地质调查、无人机遥感成像、三维激光扫描、室内实验、理论分析等多种研究手段，精细刻画了滑坡运动路径上纵向脊、横向脊、共轭脊、堆积丘等表面堆积形态和反粒序、层序保留、拼贴构造等剖面沉积学结构特征的空间展布形式，提出了不同工程地质背景下高速远程滑坡的精细工程地质模型。 找出了青藏高原高山峡谷区不同工程地质背景下巨型高速远程滑坡的运动与演化规律，揭示了高速远程滑坡“相变转化停积就位过程”。基于野外地质调查和系列室内模型实验，构建了考虑差异性动力破碎和运动路径物质效应的滑坡相变转化停积就位模型;率先发现运动路径物质条件是控制其堆积区相变学特性的关键因素，受运动路径物质条件控制，滑体在堆积区表现出明显的差异性运动特征;从而拓展了不同工程地质条件下高速远程滑坡运动模式的认识，实现了高速远程滑坡运动路径上动力破碎过程的半定量化分析。

本发明公开了一种工业过程故障诊断方法，包括如下步骤：采集工业过程的历史正常数据；利用工业过程的历史正常数据计算检测统计量；采集待检测的工业过程数据；当检测到工业过程故障时，利用相对重构贡献方法提取特征量；根据特征量计算故障模式下的条件概率密度函数和正常模式下的条件概率密度函数；根据先验概率和条件概率密度函数计算后验概率；采用最小风险贝叶斯决策理论对当前时刻样本进行故障变量识别；根据诊断后的结果更新下一时刻样本的

本发明公开了一种数控铣床加工过程状态信息评价装置,由评价装置 MCU 将机床上的加工状态数据采集阵列装置、信息存储设备、数控系统等装置连接成为半闭环控制回路。加工状态数据采集阵列采集数控机床加工过程中的主轴电流、进给电流、振动、加工温度等状态数据，并能够智能识别刀具磨损、破损、工件毛坯的材料缺陷等异常状态。通讯单元能够使加工状态信息采集阵列与评价装置 MCU 实现实时连接。评价装置 MCU 按照一定的算法对采集得到的加工状态参数进行检验分析，生成检验报告，并指导信息存储设备更新最优参数记录；同时评价

针对有机溶剂回收中具有的成分复杂、组分多等特征，项目开发了萃取-共沸精馏、萃取-反应-催化精馏等系列集成工艺技术。利用开发的分子设计方法设计出环境友好的分离溶剂，为工业生产提供更优的选择。同时开发的集成分离工艺技术，可有效提高有机溶剂的分离效率，降低分离能耗。项目获国家授权发明专利6项。

日前，清华大学生命学院葛亮课题组在《细胞》（Cell）期刊上在线发表题为“蛋白跨膜转运调节非经典蛋白分泌”（A translocation pathway for vesicle-mediated unconventional protein secretion）的研究论文，首次报道了非经典分泌过程中的蛋白跨膜转位机制。 蛋白质的分泌是细胞间信息传递的重要方式。分泌蛋白通常具有N端信号肽序列以指导新生多肽链进入内质网（endoplasmic reticulum，ER）被加工、修饰，之后被运输到高尔基体(Golgi apparatus)经过进一步的加工，最终抵达细胞质膜并被释放到细胞外，这一过程被称为经典分泌途径。近年来的研究发现，许多分泌蛋白不具有典型的信号肽序列，其分泌不依赖于ER-Golgi途径，这类分泌途径被称为非经典分泌（unconventional protein secretion, UPS）途径。直接跨质膜转位（I型）与细胞内囊泡结构介导的分泌（III型）是最主要的两种UPS途径。III型UPS中，蛋白首先进入一个囊泡载体（例如autophagosome, endosome等），然后通过膜泡运输系统被运送到细胞外。由于这类蛋白缺少信号肽，一个需要解决的关键问题就是这类UPS蛋白是如何进入囊泡载体中的。  图1. TMED10介导的蛋白质非经典分泌途径工作模型 在这项研究中，研究人员鉴定出一个膜蛋白TMED10可能形成一个蛋白通道介导UPS蛋白进入囊泡结构。细胞实验发现，TMED10能够调控大量非经典分泌蛋白的分泌，包括炎症因子IL-1家族成员，galectin1和galectin3，以及小分子伴侣蛋白HSP5B。CLP诱导的败血性休克（Cecal Ligation and Puncture (CLP)-induced septic shock）小鼠模型中，TMED10髓系敲除的小鼠分泌更少的IL-1β, 进而导致更低的炎症反应与更高的存活率。进一步的研究发现，TMED10的C末端区域与分泌蛋白的一个motif的相互作用对蛋白的选择性转运与分泌非常重要。体外脂质体实验证明，TMED10直接介导UPS蛋白进入脂质体，并且这一过程依赖于蛋白质的去折叠。在细胞中，TMED10定位于ERGIC（ER-Golgi intermediate compartment）并且能够指导分泌蛋白进入这一膜性细胞器中。此外，研究还发现货物蛋白与TMED10的结合会诱导TMED10寡聚化形成蛋白通道从而介导蛋白的转位。基于这些实验数据与之前的研究成果(Zhang et al., 2015)，作者提出如图所示的TMED10介导的蛋白质非经典分泌途径（TMED10-channeled UPS , THU)工作模型（图1）。UPS蛋白在胞质分子伴侣HSP90A的帮助下去折叠并被运送到ERGIC，结合TMED10诱导其发生寡聚化形成蛋白通道，在腔内分子伴侣HSP90B1的帮助下转位进入ERGIC，之后可能通过ERGIC形成运输小泡，直接运送到细胞质膜，或进入分泌型自噬体或分泌型自噬溶酶体/MVB，分泌型自噬体又可以直接和质膜融合或首先与溶酶体融合，最终将蛋白释放到细胞外。 生命学院研究员葛亮为本文的通讯作者，实验室张敏老师与生命学院博士生刘磊为本文共同第一作者。本研究受到基金委和科技部的经费资助。 文章链接： https://doi.org/10.1016/j.cell.2020.03.031

产品详细介绍LA-S植物图像分析仪系统（Windows平板触控款叶面积仪）1用途：用于植物叶面积分析等2系统组成：由Windows系统的平板电脑、移动电源辅助背光源板及分析软件组成。3 技术指标配Windows平板电脑（≥10.1”/4G内存/64G固态硬盘/500万像素拍照/支持WIFI无线网络）、10000mAH的12V移动电源辅助背光源板，可野外背光照明3小时。可拍照与分析一键化操作，同时分析多片叶的叶面积、周长、长宽比、长、宽；以及单叶的叶孔洞、形状系数、锯齿数、叶柄长宽等参数，并标记叶片边缘以便核对正确性。最大测量面积为A4幅面，自动标定和自动图像校正。还可自动测定非相碰的稻谷、小麦、瓜子等普通种子的各粒粒长、粒宽、投影粒面积。可分析小至1mm2的叶片，分析误差＜0.5%、测量中的分析时间＜2秒，自动独立标记各叶片并可保存图，分析结果可输出至Excel表。可大批量全自动分析。选配：自动对焦800万像素多关节的大景深彩色拍摄仪

上海交通大学电子信息与电气工程学院俞凯教授联合苏州思必驰信息科技有限公司开发了“疫情防控机器人”。依托语音识别、合成、理解和对话管理等人工智能（AI）技术，结合新研发的疫情排查对话逻辑和话术，机器人根据设定向社区居民主动宣教疫情防控知识，遇不适居民还会提醒就医。 2020年1月27日起，“疫情防控机器人”供社区和有关部门免费使用，已为江苏、山东、重庆、湖北、北京、浙江、四川、湖南、上海等多地提供服务，对话机器人自动接通10余万户，访问结果直接生成数据报表供社区。

陈乐尧和黄麓升两位老师与湖南萌境智能三维技术有限公司联合开发的是一款3D打印设备，该产品已进入可靠性实验阶段，取得了阶段性的成果。有望在今年推向市场，实现首台套销售。 该产品是在两位老师的通力合作下，通过自主设计机械电气等结构，自主开发控制程序，经过近三年的刻苦攻关完成的。3D打印技术是一个新兴高科技产业，市场正在快速成长，方兴未艾。针对公司本身的产业布局，我们较早地联合湖南萌境智能开展了3D打印设备的研发，也期待这个产品成为萌境智能未来的盈利产品。在目前抗疫的关键时刻，陈乐尧老师还指导公司设计了多款疫情防控急需产品，并利用SLS技术快速打印出来。这些产品可以解决医护人员口罩佩戴时间久了之后勒耳朵的问题。同时，双方还在积极合作研究新型的护目镜产品。

智能疫情防控机器人由上海交通大学电子信息与电气工程学院俞凯教授联合苏州思必驰信息科技有限公司开发。依托语音识别、合成、理解和对话管理等人工智能（AI）技术，结合新研发的疫情排查对话逻辑和话术，机器人根据设定向社区居民主动宣教疫情防控知识，遇不适居民还会提醒就医。 1月27日起，“疫情防控机器人”供社区和有关部门免费使用，已为江苏、山东、重庆、湖北、北京、浙江、四川、湖南、上海等多地提供服务，对话机器人自动接通10余万户，访问结果直接生成数据报表供社区。

1 概述 本产品核心技术指标分为四个维度：线控技术、无人驾驶技术、通讯技术、云控技术。线控技术是底层核心技术，线控子系统系统可以做到100ms内高精度控制响应；通讯技术是规划化的前置条件，可以进行低延时远程画面回传，实现远程驾驶双备份；无人驾驶是单车载体的控制中心，基于主流无人驾驶系统Apollo二次开发，接口丰富；云控技术是构建园区场景大脑，实现多车状态的实时监测。 2 优势与特点 （1）基于Apollo开源平台，软件开发门槛低 （2）整合底盘与感知套件，硬件开发门槛低 （3）“车+云”研发模式，降低工程门槛 （4）可适配多种规格底盘，满足多样需求 3 主要应用案例 序号 应用单位 应用时间 备注 1 吉林大学（校园无人配送） 2019年12月   2 北京经济技术开发区（亦庄） 2020年1月   3 北京理工大学国防科技园智能示范 2020年9月