本实用新型公开了一种基于微气泡效应的超声波及臭氧协同清洗装置，该装置主要包括机体、超声波发生器、超声波振子、喇叭状喷头和臭氧发生系统；所述机体为筒状与喇叭状喷头固连，所述的臭氧发生系统包括依次连接的气泵、臭氧发生器及臭氧气泡石，臭氧气泡石置于喇叭状喷头内，超声波振子与超声波发生器相连，且黏在背板上，在背板上位于超声波振子上方及下方分别开有排气口和进水口。采用本装置清洗可不使用清洁剂、耗水量较低、不存在再沉积现象，并且该装置对被清洗物体表面的形状、粗糙度、大小均没有要求；水流缓和，不会破坏清洗物体的表面，在小水流量下亦具有良好的清洁效果。

非热等离子体协同催化作为室内空气净化技术的核心，其原理是借助高压放电产生的氧化性粒子杀灭微生物，部分氧化降解有机污染物，并去除空气中的细颗粒物。催化剂则起到强化氧化性粒子与空气中污染物或部分氧化产物之间的作用，从而高效、彻底去除空气中的污染物，并实现放电副产物的催化净化。 根据应用场所的空气温、湿度和污染物特性，通过非热等离子体协同催化与吸附、过滤功能单元的有机组合，一方面可实现室内空气所含有机污染物（甲醛和苯系物等）、生物性污染物（细菌和真菌等）和细颗粒物的同步高效净化。另一方面，可确保净化处理的低造价、低运行费用、低运行噪声、无二次污染，便于维护和长使用寿命。基于该技术，既可构成独立式室内空气净化器，也可作为空调系统的一个单元，出现在净化型空调机组之中。 围绕本技术已申请专利4项，其中，授权1项。

本发明公开了一种插件式业务流程家族的协同演化方法，包括步骤 1:使用带标记的流程图对业务 流程模型进行形式化定义，得到构造带标记的流程图所需的基本元素，并保存在带标记的流程图仓库中; 步骤 2:使用可插入式扩展创建模板来创建可插入式扩展，并存储在可插入式扩展仓库中;步骤 3:在 领域本体的支持下，将可插入式扩展语义织入到流程家族内的带标记的流程图中，实现流程家族的协同 演化。本发明中三种涉众角色的责任被清晰的界定并不相互干扰，三种涉众角色分别是:流程模型创建 者、独立软件提供商(Independent?Software?Vendor,?ISV)、企业组织，从而为 SaaS 环境下中流程家族 的协同演化奠定了良好的开发模式。

本发明公开了一种复制式协同 CAD 系统中的并发控制方法，方法通过构建拓扑元素结构树，基于 拓扑元素结构树记录了边界模型上拓扑元素的最新状态，拓扑元素被分裂、合并以及删除的历史以及导 致拓扑元素被删除的操作集合。通过对拓扑元素引用意图的分析以及获得拓扑元素结构树中记录的拓扑 元素状态和变化历史，可以实现协同 CAD 环境中并发操作情况下造型操作的正确执行以及协同系统的 一致性维护。本发明与已有技术相比较，效果是积极且明显的:首先，本方法最大程度地保证了造型操 作基于当前边界模型执行;同时，本方法是在多用户协同编辑环境中进行，维护了各协同站点上边界模 型在并发操作情况下的一致性。

成果简介：通过揭示自然界中鱼群、鸟群自主编队的机理，研究了多智能体协同控制理论，并将其应用于多无人平台的协同控制中。其典型特点是采用分布式信息，没有全局指挥中心，作战单元能够根据具体作战任务灵活编制， 控制器结构简单，任务适用面广。本研究将多智能体一致性控制，势能场函 数，分布式估计器理论相结合，突破了多无人平台协同编队控制，拓扑连通 性保持条件下的协同控制，协同编队控制等关键技术，可实现无人平台位置、 朝向、速度等控制参数的严格一致。 无人化

本发明公开了基于迭代学习的多机械臂变批次协同阻抗控制方法，包括以下步骤：步骤1，构建多机械臂动力学模型，并根据机械臂的性质和假设将多机械臂变批次协同阻抗控制问题描述为期望轨迹、期望相对配置和交互力之间的动态关系，得到目标阻抗模型；步骤2，基于所述目标阻抗模型得到多机械臂变批次协同阻抗控制目标；步骤3，针对所述阻抗控制目标设计分布式的迭代学习阻抗控制律，使每个机械臂仅通过邻域的阻抗信息来获得期望的阻抗。本发明使得每个机械臂能够通过与邻居的交互来调整阻抗参数，从而在不确定的动态环境中实现更好的协作和性能提升。

陈温福院士团队孟军教授课题组在生物炭-微生物协同治理抗生素污染方面取得新进展

D2D 异构网络技术（即终端直通技术），不需要通过基站或核心网进行数据中转和处理，只需在移动终端之间建立通信链路即可直接传输数据，为突破上述技术瓶颈提供了一种新型的网络架构。目前，D2D 技术已被IMT-2020（5G）推进组确定为第5代移动通信系统的关键技术之一。然而，D2D 通信无线资源分配方面的研究，必须考虑能量效率和能量使用的优化。由于移动终端的电池容量有限，一旦忽视数据传输中对能量效率的优化，将使得数据传输由于能量枯竭而中断，重要信息无法及时传达，严重影响服务质量和用户体验。针对4G 智能手机的用户调查结果表明，只有不到25%的用户对手机续航时间表示满意，手机续航时间已经成为影响用户满意度和品牌忠诚度的关键因素之一。 　　课题组深入研究了频谱效率和能量效率之间的内在关联，其研究结果表明，在考虑实际电路功率损耗的情况下，频谱效率和能量效率不再是简单的单调递减关系，而是随着频谱效率的增加，能量效率呈现先单调递增后单调递减的特性。通过上述分析可以看出，如果一味追求高频谱效率和高吞吐量，将会带来移动终端能量效率的大幅度下降。因此，课题组针对D2D异构网络频谱资源复用的复杂场景，将针对能效最优的NP难联合资源分配问题转换为用户偏好下的随信道状态和干扰水平而动态变化的一对一匹配问题，并通过采用稳定匹配理论、非合作博弈理论、非线性优化理论来解决能效优化问题。研究结果表明，在保障QoS情况下，相比传统的高谱效资源分配方法，该方案可以将移动终端的功率消耗降低200%以上。，本项目的核心研究方向正是将节能减排战略方针落实到移动通信的基础研究领域中，与国家中长期科技发展方向和国际通信产业长期发展趋势相一致，将在技术、环境和经济等多个方面具有重要的研究意义和实用价值。 　　 课题组负责人周振宇自参加工作起即投入到异构网络资源分配、干扰协调、移动性管理、自组织组网等方面的研究工作中，作为项目负责人，先后主持了多项国家级、省部级科研项目，包括国家自然科学基金青年科学基金项目、北京市自然科学基金青年科学基金项目、北京市优秀人才计划项目等，积累了深厚的理论基础和丰富的研究经验。以 第 一 作 者 和 通 信 作 者 在 IEEE Transactions on Communications 、IEEE Transactions on Vehicular Technology、IEEE Transactions on Intelligent Transportation Systems、IEEE Transactions on Green Communications and Networking、IEEE Journal on Selected Areas in Communications、IEEE Transactions on Industrial Informatics等通信领域主流期刊发表论文30 余篇，在IEEE ICC、IEEE Globecom 等通信领域旗舰会议发表文章30 余篇，其中2 篇论文入选ESI 高被引论文。 　　其研究工作已被 Prof. Zhu Han（IEEE Fellow）、Prof. Weihua Zhuang（加拿大工程院院士、IEEE Fellow）、Prof. Sherman Shen（加拿大工程院院士、IEEE Fellow）、Prof. Vincent Poor（美国科学院院士、加拿大科学院院士、英国皇家科学院院士、IEEE Fellow）、Prof. Andreas Molisch（奥地利科学院院士、IEEE Fellow）、易芝玲教授（中国移动研究院首席科学家）以及JSAC、IEEE Transactions on Wireless Communications、IEEE Communications Magazine 等通信领域顶级期刊引用和正面评价。荣获IET Communications 最佳期刊论文奖（the IET Premium Award in 2017，每年在全球范围内仅选拔1 篇）、IEEE 通信协会绿色通信与计算专委会最佳论文奖（IEEE ComSoc Green Communications and Computing Technical Committee 2017 Best Paper Award，在IEEE Globecom 2017 会议上颁奖） 　　目前担任 IEEE Access、Transactions on Emerging Telecommunications Technologies、IEEE Communications Magazine 等国际学术期刊的编辑及客座编辑，担任IEEE ISADS’15 智能电网通信与网络技术专题研讨会联合主席，担任IEEE Globecom、IEEE ICC、IEEE WCNC、IEEE VTC、IEEE PIRMC、IEEE CCNC、IEEE APCC 等国际学术会议的技术委员会委员。在国际标准化方面，担任IEEE 异构网络授权/非授权频谱融合标委会工作组骨干成员（IEEE Standards Association, P1932.1 Working Group, “Licensed/Unlicensed Spectrum Interoperability in Wireless Mobile Networks”）。应邀在IEEE 车辆技术协会旗舰会议IEEE VTC’18 上作Tutorial 报告（报告题目：Internet of Vehicles: When SDN, Edge Computing and Big Data Meet Intelligent Transport Systems）。2016 年入选北京市委组织部“北京市优秀人才计划”，2017 年入选IEEE 高级会员（IEEE Senior Member）。 　　该研究由中国国家自然科学基金委项目61601180和61601181，中央高校基础研究基金资助项目2014MS08和2016MS17，日本学术振兴会JSPS KAKENHI 26730056， JP15K15976和JP16K00117以及JSPS A3 Foresight等项目资助。

高校科技成果尽在科转云