光热耦合可靠性研究，通过建立LED热阻网络，提出了荧光粉光热耦合模型，进而设计了高发光效率、低工作温度、高可靠性的LED 一、项目分类 关键核心技术突破 二、成果简介 LED被誉为21世纪绿色照明光源和第四代光源。LED封装是LED产业链中关键的一个环节，是连接芯片和应用的桥梁。本技术的研究工作和成果包括：1）封装工艺设计优化，研究了各种封装参数对出光的影响规律，并根据涂覆的流动特性提出了多种控制涂覆形貌的涂覆新工艺，进而提升取光效率及光色品质；2）光热耦合可靠性研究，通过建立LED热阻网络，提出了荧光粉光热耦合模型，进而设计了高发光效率、低工作温度、高可靠性的LED；3）复杂应用下的光学设计，以高光效、高空间颜色均匀度为目标，提出了实现能量任意映射的非成像光学普适性透镜算法，并据此开发了透镜设计软件；4）量子点封装，提出多种高光热性能的量子点制备方法和封装工艺，首创封装内热管理方案，解决量子点散热瓶颈。

南开大学在“863”计划项目、市科技攻关项目和国家自然科学基金支持下，光纤光栅传感技术与应用课题组取得诸多创新性研究成果。如成功构建了可编程、微位移光纤光栅写入设备，并成功研制出高性能国产化光纤光栅；以光纤光栅作为传感基本元件，利用其波长编码与温敏力敏等优良特性，采用独特的材料和工艺进行封装，创新性地设计并开发出多种光纤光栅传感技术以及系列器件；研制和开发具有多参数、多功能、分布式的全光纤光子传感网络系统；同时，构建多光纤光栅线阵、面阵及体阵等多种拓扑结构，将光纤光栅传感器网络布设于高层建筑用于对

 1988年国际上提出的MEMS(MicroElectroMechanical System)技术是将IC工艺和机电设计相结合制造微传感器、微执行器和微系统的新技术，也称硅MEMS。作为对硅MEMS的补充和发展，非硅材料种类繁多、性能各异，能满足不同应用领域的需求，我们在国家863 计划等项目支持下于九十年代初首先提出并创立了非硅MEMS技术。 提出非硅MEMS新概念和总体思路；开发了以金属基为主的多种材料兼容的非硅表面微加工、高深宽比三维微加工等成套非硅微加工技术，为非硅MEMS发展奠定了良好基础；把经典原理和非硅微加工结合，开发了一系列压电、静电、磁电、微流体、惯性等种类的微器件和微系统，形成若干具有完全知识产权的专利群；并将非硅MEMS应用于生物芯片、微引信、信息、光器件、复合膜模具、国防武器、非硅MEMS生产线等众多领域，取得了显著的经济、社会效益，推动和引领了我国非硅MEMS技术的应用和发展。  非硅MEMS技术及其应用获得国家技术发明二等奖2项（2008，2000），省部一等奖4项，获2009年中国工业博览会创新奖；授权发明专利200多项；出版MEMS专著6部。

产品详细介绍 一、机器人技术产业应用方向介绍     随着计算机科学技术的不断发展，工业机器人应用领域也随之不断扩展和深化。工业机器人已成为一种高新技术产业，正为工业自动化发挥着巨大作用。 机器人学是一门综合性的新兴学科，它是综合了机械工程技术、电子工程技术、信息传感器技术、控制理论、机构学、人工智能学、仿生学等多学科而形成的高新技术。在国外工业机器人技术日趋成熟，其已经成为一种标准设备而在工业自动化行业广泛应用，它代表了机电一体化的最高成就。 随着科学技术的不断发展，工业机器人技术的发展水平也成为一个国家工业自动化水平的重要标志。工业机器人是机器人学的一个分支，工业机器人已成为柔性制造系统（FMS)、自动化工厂（FA)、计算机集成制造系统（CIMS）的自动化工具。 (一)工业机器人 图表 工业机器人未来发展方向 我国未来工业机器人（300024）技术发展的重点有： 一，危险、恶劣环境作业机器人：主要有防暴、高压带电清扫、星球检测、油汽管道等机器人； 二，医用机器人：主要有脑外科手术辅助机器人，遥控操作辅助正骨等； 三，仿生机器人：主要有移动机器人，网络遥控操作机器人等。 其发展趋势是智能化、低成本、高可靠性和易于集成，中投顾问在《2016-2020年中国机器人产业投资分析及前景预测报告》中指出，我国工业机器人行业要认识到以下几点情况：第一，工业机器人技术是我国由制造大国向制造强国转变的主要手段和途径，政府要对国产工业机器人有更多的政策与经济支持，参考国外先进经验，加大技术投入与改造；第二，在国家的科技发展计划中，应该继续对智能机器人研究开发与应用给予大力支持，形成产品和自动化制造装备同步协调的新局面；第三，部分国产工业机器人已经与国外相当，企业采购工业机器人时不要盲目进口，应该综合评估，立足国产。 (二)服务机器人 服务机器人技术越来越向智能机器技术与系统方向发展，其应用领域向助老助残、家用服务、特种服务等方面扩展，在学科发展上与生机电理论与技术、纳米制造、生物制造等学科进行交叉创新，研究的科学问题包含新材料、新感知、新控制和新认知等方面。而涉及服务机器人的需求与创新、产业、服务及安全之间的辩证关系依然是其发展的核心原动力与约束力。 研究服务机器人产业基础框架与核心技术，发展服务机器人战略性新兴产业，对促进我国机器人自主创新体系的建立，适应“机器人进入千家万户”的产业发展趋势，将产生深远的影响。同时对应对我国老龄化社会、建设和谐社会等，具有重要的战略性、前瞻性和引导性。 二、机器人市场前景展望及职业院校开设机器人专业的重要意义     《机器人产业“十三五”发展规划》草案已基本制度完成。《规划》提出了今后五年中国机器人产业的主要发展方向，工信部将重点推进工业机器人在轮胎、陶瓷等原材料行业，民爆等危险作业行业，锻造铸造等金属工业行业以及国防军工领域的推广应用；《规划》也对服务机器人行业发展进行了顶层设计，家庭辅助类机器人以更高的性价比解放人类双手。     推动工业机器人变大变强      中国已经连续两年成为世界第一大机器人市场，但产业大而不强。如何促进机器人市场的健康有序发展是管理层非常关注的问题。     以工业机器人为例，目前我国精密减速机、控制器、伺服系统以及高性能驱动器等机器人核心零部件大部分依赖进口，而这些零部件占到整体生产成本70%以上。     其中，精密减速器75%的份额被日本垄断，国内高价购买占到生产成本的45%，而在日本仅为25%，我国采购核心零部件的成本就已经高于国外同款机器人的整体售价，在高端机器人市场上根本无法与国外品牌竞争。     服务机器人千亿市场待开拓     近年来，工业机器人发展速度较快，但服务机器人相对弱势。因此，《规划》对服务机器人行业发展进行了顶层设计。    《规划》提出了市场主导、质量为先、强化基础、创新驱动的发展原则，实现在助老助残领域、消费服务领域、医疗领域等重点领域的示范应用，并开展核心零部件攻关、前沿共性技术研发、医疗康复机器人应用等重点工作。     目前，家务辅助机器人每年以超过10%的增长速度出现在生活中，把个人从繁重的家务劳动中解放出来，家庭机器人将成为继计算机之后的又一个科技和产业发展浪潮。    家庭辅助类机器人以更高的性价比解放人类双手，保守估计市场空间将超千亿元。随着云机器人技术获得重大突破，小型家庭用辅助机器人将大幅度降低生产成本，将在2020年之前形成至少累计416亿美元的新兴市场。     服务机器人一般需结合特定市场进行开发，所以从这点上来说，本土企业更容易结合特定的环境和文化进行开发，占据良好的市场定位，从而保持一定的竞争优势。     2016-2020年中国机器人销量预测     2013年，中国工业机器人销量为3.69万台；2014年达到5.7万台，同比增长了55%。 综合以上因素，中投顾问在《2016-2020年中国机器人产业投资分析及前景预测报告》预计，2016年中国工业机器人销量将达到9.35万台，未来五年(2016-2020)行业年均复合增长率约为30.12%，2020年中国工业机器人销量将达到26.8万台。     因此，中高职院校开设工业机器人相关专业恰逢其时，对学校专业升级和改造至关重要。  图表 中投顾问对2016-2020年中国工业机器人销量预测             

目前我国中、重型载货汽车平头化已成为趋势，为了便于发动机等部件的维修，提出了平头载货汽车驾驶室向前翻转的要求。本装置将电动和手动翻转机构集成在一起，采用柱塞泵驱动液压油缸，通过其中换向阀改变油缸运动方向，使驾驶室围绕前支撑点翻转。该装置体积小，质量轻、承载压力大，使汽车装调和维修更安全、更快捷、更轻松，从而大大的缩短了翻转周期，提高了效率。在研或完成课题：汽车摩擦制动与电磁制动的系统集成和协调控制、重型装备运输车联合制动技术研究、纯电动客车关键技术研究及整车开发与应用、电动港口牵引车研究与开发、节能

1. 痛点问题 红球菌是具有高抗逆性（耐有机溶剂、耐高温、耐酸碱）的特殊放线菌，日本30年前首先使用红球菌高效催化丙烯腈水合生产丙烯酰胺——其聚合产物广泛用于石油开采、水处理、土壤改良剂等领域——迄今为止仍是工业生物技术领域最成功的案例之一。开发红球菌基因编辑方法，一方面可以实现红球菌细胞自身性能的按需调控（如敲除副产物基因），解决丙烯酰胺、丙烯酸铵等酰胺、羧酸类大宗/精细化学品生产中的高成本和高排放问题，另一方面有望以红球菌细胞为普适性宿主，高表达各种外源功能酶，从而实现重组红球菌全细胞催化技术的普遍应用，尤其是解决手性医药中间体现有制备工艺中路线长、工艺复杂、原子经济性差、环境污染严重等各种主要问题。但是，作为一种革兰氏阳性放线菌，红色红球菌存在基因组中GC含量高、基因转化率低、非法重组严重等问题，基因组改造困难。目前红色红球菌基因组改造主要依赖于自杀质粒介导的同源重组，但自杀质粒转化效率和单交换成功率很低，正确编辑率更低。因此，迫切需要开发高效的红球菌基因组编辑工具。 2. 解决方案 本技术核心成果是一种基于CRISPR（成簇规律间隔短回文序列）-Cas9（DNA剪切蛋白）技术的红色红球菌基因组高效编辑方法。该技术通过红色红球菌特有启动子及质粒元件，首先实现了Cas9蛋白在红色红球菌中的表达及切割功能；其次成功规避了红球菌的限制修饰系统，将红色红球菌基因转化效率提高了80多倍；接下来，又通过红球菌重组酶的引入，显著提高了外源基因在红色红球菌中的同源重组效率，最终率先成功建立红色红球菌的CRISPR/Cas9基因编辑系统，不仅可以实现基因组上目标基因的敲除、替换和改造，也可实现多个基因的同时敲除以及无痕叠加敲除，为红球菌全细胞催化平台技术开发及其在化学品绿色先进制造中的应用奠定了坚实基础。 合作需求 开展合作开发、技术许可等，寻求有志于生物制药、生物合成、石油开采、日化洗涤等不同应用领域进行红球菌全细胞催化法生产目标产品的企业合作，尤其是在上述不同领域具有生产和销售优势或经验的企业。

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：

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：

大空间建筑高度高，室内发热量大，将导致热压增加，利用建筑下部门窗和上部排烟窗等孔口使用自然通风或机械通风方法排除室内负荷；对于一般建筑利用空调系统进行全年新风自然冷源利用，以减少空调开机时间，降低空调能耗。由于自然通风或机械通风排热量大小取决于室外空气温度，由于建筑一年所处的气温不同，可利用的自然通风或机械通风排热量也有所不同。为此依据全年不同气温，获取最大化的自然通风或机械通风利用方案，减少空调开机时间，降低空调能耗是自然通风或机械通风利用关键。科研团队利用多项工程自然通风或机械通风技术应用，总结了大空间建筑全年自然通风或机械通风利用方案的设计方法，以实现建筑运行中最大化的利用自然通风或机械通风排除室内热量。

可以设计并优化光纤激光器和放大器、光波导激光器、光纤耦合器、多芯光纤、螺旋芯光纤、锥形光纤；也可以模拟超短脉冲在不同光纤设备中的传输，例如在光纤放大器系统、锁模光纤激光器和通讯系统中的传输。 能够跟踪和优化光纤放大器和光纤激光器，让它们适合各种应用。帮助评估和排除光纤激光器和放大器中各种不利的影响；能够对有源光纤器件性能进行预测；能寻找最佳光纤长度、掺杂浓度、折射率分布等；能够计算掺杂浓度与光线的关系，准确模拟双包层光纤，还可以模拟时域动态变化，可以理解和优化的细节如功率效率和噪声系数。 RP Fiber Power可用于分析和优化各种器件： 单模和多模光纤 计算模式特性；计算光纤耦合系数；模拟光纤弯曲、非线性自聚焦效应对光束传输和高阶光孤子传输的影响。 光纤耦合器、双包层光纤、多芯光纤、平面波导 模拟双包层光纤的泵浦吸收,光纤耦合器的光束传输, 光在锥形光纤的传输, 分析弯曲的影响, 放大器中的交叉饱和影响, 泄漏模式等。 光纤放大器 研究单级和多级放大器中的增益饱和特性(连续或脉冲放大器), 铒镱共掺光纤放大器能量转移过程、猝灭效应、自发辐射放大等。 光纤通信系统 分析色散与非线性信号失真，放大器噪声的影响，优化放大器非线性效应和放置位置。 光纤激光器 分析并优化能量转换效率、波长调谐范围、动态调Q。 超快光纤激光器和放大器 研究脉冲的形成机制和稳定范围，非线性效应和色散的影响，抛物脉冲放大，优化色散脉冲压缩，灵敏度反馈，超连续谱的产生。 脉冲和超快速固体激光器和放大器 研究Q开关，模式锁定行为，找到可饱和吸收器所需的特性，分析反馈灵敏度，啁啾脉冲放大研究再生放大稳定性极限。 这款软件是致力于光纤器件学科研究或工业开发人士的必备工具。这款软件及其技术支持将为您的工作效率和工作能力提供极大的便利。同时，这款软件也是一款相当出色的教学工具。 目前已使用该软件的高校：耶拿大学、英国南普顿大学、北京工业大学、中国科学技术大学、上海技术应用学院、华中科技大学、西北大学、复旦大学、深圳大学、国防科技大学、长春理工大学、南京理工大学等。 目前已使用该软件的单位：费朗霍夫研究所、苏州纳米所、兵器装备部、三江航天、上海光机所、绵阳九院、中科院软件所、中科院光电所商业单位、北京敏视达雷达有限公司等。   ※ 光纤数据： 软件中带有各种稀土掺杂光纤数据，即时可以仿真各种光纤激光器和放大器。   ※ 各种公开数据： “Yb-germanosilicate” “ErYb-phosphate” “Er-fluorozirconate F88” “Er-silicate L22”  “Er-fluorophosphate L11”