|
搜索
搜 索
高等教育领域数字化综合服务平台
关于印发《江西省科技型中小企业信贷风险补偿资金管理办法》的通知
为保障江西省科技型中小企业信贷风险补偿资金的规范管理和高效运作，有效发挥财政资金的引导和放大作用，促进银行增加对科技型中小企业的信贷支持，特制定本办法。
江西省科技厅
2023-11-20
大型基础设施工程光纤多元感测与综合预警核心理论与关键技术
"该项目针对大型基础设施实时监测与灾害预警的迫切需求，历时10余年科技攻关，突破了多项重要理论与核心关键技术。提出了基于双重约束的光纤光栅非均匀应变传感理论，形成了复合材料光纤内植工艺与光纤金属化封装新工艺，攻克了传感精度低、成活率低与耐久性差三大难题；在国内外首次突破了大型基础设施裂隙水流速监测难题，破解了大型基础设施多场耦合监测技术障碍，发明了系列专用光纤光栅传感器；组建了超大容量光纤光栅传感网络，构建了大型基础设施安全监测多元信息一体化综合感知系统；提出了基于离散应变反演递推的形态传感方法建立了基于多场信息的灾变判据，解决了大型基础设施灾害综合预警的重大难题。形成了从“传感理论—封装工艺—传感结构—传感器—采集系统—预警方法”成套技术体系。成果获得2018年度国家科技进步一等奖、2018年度山东省科技进步二等奖项，纳入行业标准3项，获国家发明专利29项，实用新型专利34项，软件著作权15项，发表SCI论文52篇，EI论文62篇，产品出口英国、德国、新加坡、马来西亚等国家，同时产生了巨大的经济效益及社会效益，对大型基础设施安全监测与灾害预警行业发展具有重要的推动作用。本项目成果主要
山东大学
2021-04-10
一种基于物联网技术的轨道异物入侵自动检测与预警方法
一种基于物联网技术的轨道异物入侵自动检测与预警方法，具体实施步骤如下：A.搭建路面视频监控系统及车载视频监控系统；B.路网实时监控、视频信号无线传输及自适应反馈；C.云端数据、车载数据处理及异物入侵检测、识别与预警；D.全路网信息共享、异物入侵行车控制及相关路网行车调度。
浙江大学
2021-04-11
叶片光学智能检测装置及软件系统
由于航空发动机和燃气轮机叶片型面是空间异型曲面，因而其设计、制造及维修都面临巨大挑战。为了在设计加工层面提高叶片加工质量，同时在修复层面提高叶片使用寿命，开展叶片高效高精测量研究至关重要。
本项目面向叶片制造研发了一套基于四轴运动平台与线激光扫描相结合的叶片型面检测装置，并开发了集运动控制、数据采集与处理、精度评估等多功能于一体的软件系统，可实现多类型叶片的二维截面高精度测量与三维型面自动化高效重构,有效克服因叶片复杂结构特征带来的扫描数据密度差异性大、重叠区不足等因素对重构精度的影响。本项目面向叶片3D打印修复，研发了一套高效高精度的叶片检测方法与集成系统，可实现批量化叶片截面轮廓位姿及其轮廓的自动化测量、数据重构和叶片配准，为叶片修复工艺流程中的3D打印和后续机加工等工艺环节提供关键的数字化测量、加工工艺数据，有效提升修复精度与效率，并降低成本。
本项目的开发成果可应用于航空发动机、燃气轮机等叶片制造、修复全生命周期的测评、重构、反求等场景，市场规模大。
图 面向叶片3D打印修复的检测方法与集成系统硬件平台
四川大学
2025-02-11
海嘉船舶综合信息系统
海嘉船舶综合信息系统（简称“海嘉PMS管理系统”）是由厦门大学科考船运行管理中心自主开发并获得中国船级社（CCS）型式认可证书的船舶综合信息系统。该系统针对国内船舶管理高校、公司的船舶管理特点，坚持“以人为本”的管理理念，全方位覆盖船舶管理各项业务。系统构建的数字化安全管理体系平台可有效协助船东和船舶管理单位进行船舶管理；通过数字化维修保养体系使得船舶主管机构的监督检查效率和质量更高；PMS型式认可证书是货方指定的第三方评审（如RightShip检查）机构对船舶运营提出检查清单并进行评分时必须查看的一项证书。
PMS型式认可证书
核心功能
厦门大学
2025-02-07
海嘉船舶数据传输系统
海嘉船舶数据传输系统采用先进的通信技术与数据处理手段，系统利用高带宽卫星通信和5G网络，提供了更快速、可靠的数据传输通道。其整合物联网技术，能够从多种传感器源头实时获取船舶多维数据。创新的数据压缩和加密算法确保了数据传输的高效率和安全性。同时，系统对海上数据流量进行智能化管理，提升了传输的稳定性。
厦门大学
2025-02-07
海嘉船舶数据采集与分发系统
海嘉船舶数据采集与分发系统创新性突出，采用先进的传感器技术，实现多源数据的高效采集。系统在通信方面采用了独特的混合通信方案，融合卫星通信、物联网技术，确保了信息的高速传输和覆盖范围。创新的数据处理算法实现了实时数据分析和异常检测，提高了系统的智能化水平。
厦门大学
2025-02-07
挠曲面太阳能聚光系统
东南大学
2025-02-08
锂电池管理系统AI算法研究
本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。
解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。
在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。
目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。
西南大学
2025-05-12
广东省科学技术厅 广东省财政厅 中国人民银行广东省分行 国家金融监督管理总局广东监管局关于印发《广东省科技信贷风险补偿管理办法（试行）》的通知
为引导银行业金融机构加大对科技创新活动及科技型企业的信贷支持力度，规范广东省科技信贷风险补偿金的运作。
广东省科学技术厅
2025-01-08