【发 明 人】潘林梅；郭立玮；黄敏燕；朱华旭；倪荷芳【技术领域】 本发明涉及一种膜清洗剂，特别涉及一种适用于陶瓷膜微滤中药液体制剂的清洗剂。【摘要】一种陶瓷膜清洗剂，其特征在于包括下列组分，各组分按质量份配比为：氢氧化钠50-60质量份、氢氧化钙20-30质量份、次氯酸钠5-10质量份、十二烷基苯磺酸钠5-I0质量份、四硼酸钠l-5质量份、硅酸钠质量l -10份、甲基纤维素1-5质量份。清洗剂制备简便，清洗效果甚佳。对中药液体制剂适用性强，降低了膜的清洗频率。无需拆卸膜管，清洗方便易行。膜通量恢复迅速，大大缩短了清洗时间，降低了系统的能耗。膜管损害小，不影响膜管的使用寿命。避免清洗剂造成的二次污染，加速系统的再生。

针对蛋白质饲料资源短缺，油粕、杂粕含有抗营养因子，液态油脂直接添加到饲料中不方便、 易氧化及养殖业对绿色、环保、安全保健剂需求，开展了环保型饲料原料制备技术研究。     1. 以饼粕为原料制备高效活性饲用肽蛋白技术     以豆粕、棉粕、葵花粕等为原料，利用芽孢杆菌、乳酸菌和酵母菌进行生物发酵，通过温度、湿度、物料配比、发酵时间等优化，形成高效活性饲用肽蛋白制备技术，生产出富含寡肽，易消 化利用肽蛋白，开发出新的蛋白质饲料，并实现了体外预消化的科技创新。采用“气流流化床干 燥或低温负压干燥”技术，在烘干中将主要固态发酵后的物料加入稀释原料，扩大物料表面积比，降低物料粘稠度，保留了产品中有益菌不被过多破坏，增加了产品营养特性。     2. 以液态油脂为原料制备酰羟基化乳化油粉技术     以玉米油、大豆油、棕榈油、磷脂油为原料。①在反应釜内加入磷脂油和 1%~3%乙酸酐，50℃~70℃下搅拌反应 60~90 分钟；②再加入大豆油、玉米油、棕榈油（比例因动物种类不同而 不同）和 1%～2%乙酸酐，70~85℃下搅拌反应 120 分钟；③再加入15%~20%双氧水，70~85℃ 下搅拌反应 90~120 分钟；④最后与一定浓度氢氧化钠（添加比例 1%~3%）进行中和，并在减压条件下脱水，产品即酰羟基化乳化油。酰羟基化乳化油再与膨化玉米粉按比例混合得到酰羟基化乳化油粉。以上工艺优化形成了乳化油粉制备技术，用该技术对油脂进行酰羟基化改性，不仅开发出新的能量饲料，而且在提高油脂抗氧化性、乳化性和水乳液稳定性方面实现突破，有利于动 物吸收与利用。     3. 以畜禽屠宰下脚料为原料制备高氨基酸羽血粉制术     以畜禽屠宰下脚料为原料，采用高温高压水解法，通过优化生产工艺，形成高氨基酸羽血粉 制备技术，制备出新的蛋白质饲料——高氨基酸羽血粉，实现废弃物资源化利用的科技创新。用 该技术生产的羽血粉既保住了羽毛、血粉等应有氨基酸成分，又破坏了角质蛋白壁，使羽毛蛋白 链的硫键、肽氢键断裂，使可消化氨基酸比率提高实现突破，达到 81%以上，提高了营养价值。     4. 功能性保健剂制备技术 ⑴干酪乳杆菌-菊糖-黄多糖合生元菌液制备技术     研制出干酪乳杆菌-菊糖-黄芪多糖合生元菌液，确定其适宜制备条件：培养基初始 pH 值 6.5~6.6，菊糖-黄芪多糖浓度为 8~10g/L，菊糖和黄芪多糖比例 3:7。37℃培养 24~26h。 ⑶复合酸化剂制备技术 通过复合酸化剂缓释能力、酸结合力、体外抑菌、体外模拟消化及断奶仔猪饲养试验研制出 以磷酸、富马酸、苯甲酸为原料，二氧化硅为载体的 2 个复合酸化剂，酸化剂 1（重量百分比： 磷酸 50%，富马酸 10%，苯甲酸 20%，二氧化硅 20%）和酸化剂 2（磷酸 50%，富马酸 15%， 苯甲酸 15%，二氧化硅 20%）。

木塑复合材料又称塑木复合材料是国内外近年蓬勃兴起的一类新型复合材料，由木粉、稻糠、竹粉等废生物质纤维与热塑性塑料经塑料成型加工工艺制成，兼有塑料与木材二者的优点，有类似木材的外观、具有热塑性塑料的加工性、耐酸碱、防水防虫、刚性硬度大、无甲醛释放等特点。 项目团队长期致力于固体废弃物的高值化循环利用及其产业化领域的研究。针对当前木塑行业存在的问题，重点开展废弃植物纤维的预处理及表面改性技术，解决木塑复合材料普遍存在的耐候性差、易褪色等缺陷，开发阻燃、防霉等功能性木塑复合材、高性能低成本

南开大学课题组以新型纳米催化材料的制备为切入点，研究了汽车尾气中NOx的催化还原和饮用水中硝酸根的催化脱除，并探讨了纳米TiO2载体上负载金属形貌控制机理，硝酸根的催化脱除机理以及汽车尾气中NOx的净化和工业应用等问题。创新性采用光催化法控制Me/TiO2催化剂中负载金属的形貌，克服了传统催化剂的制备弱点。光催化还原硝酸根的转化率达到98.4%，生成理想产物N2的选择性达99.9%，具有十

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。

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

本项目拟通过建立复合纳滤膜多层结构的协同设计方法，丰富复合纳滤膜制备的理论基础，提升纳滤膜的分离性能，形成一批具有自主知识产权的高性能纳滤膜制备技术，并实现规模化生产，促进纳滤膜分离技术的广泛应用。

空气污染已经成为人类面临的主要环境问题之一，如何有效的控制PM2.5对公众身心的影响，已经成为国内外学者的关注热点。 目前，针对雾霾天气，公众的关注点主要集中在室外PM2.5防控措施，传统的无纺布过滤材料，纤维直径都在微米级别，所形成的孔径较大，达不到对微小颗粒物的过滤要求。采用静电纺丝技术可以将高聚物溶液在外加电场中拉伸成直径几十到上百纳米的纤维，所制得的膜材料孔径小、比表面积大，可用于PM2.5的吸附和过滤，并提高过滤效率。

项目成果/简介: 针对海洋防污涂料向环保和高性能发展的前沿，从突破关键基础材料与核心技术入手，研发了7个系列含天然辣素功能结构树脂和4个系列绿色防污剂，并针对近海船舶、快艇、潜标、波浪滑翔器和渔网研发了5种不同性能特点的防污涂料，实现了工程化应用。建立了我国自己的环保型海洋防污涂料技术体系、产品体系以及知识产权保护网，获授权发明专利美国、欧盟、日本各1项、中国28项，相关成果获国家技术发明二等奖、教育部技术发明一等奖和山东省科技进步一等奖各1项。 知识产权类型:发明专利 、 软件著作权知识产权编号:ZL200810139149.2 ZL20050081681.X ZL200510081683.9 ZL201410817103.7 ZL201410515220.8 ZL201410817103.7 ZL201410515220.8 EP1810966B1 特许第4789950号 US7442240B2技术成熟度:通过中试技术先进程度:达到国内领先水平成果获得方式:独立研究获得政府支持情况:无