太阳城集团亚洲娱乐城-澳门太阳城集团娱乐城最新地址_百家乐电影网_全讯网xb112 (中国)·官方网站

1 項目介紹近年來，汽車電子化程度的高低已成為衡量汽車綜合性能和現代化技術水平的重要標志。自上世紀 80 年代以來，制動系統電控水平不斷提高，出現了以 ABS、 EBD、 ESP 為代表的若干主動安全電子控制系統，廣泛裝配在各種類型的道路車輛上。這些電子系統最重要的特征是：技術附加值高性能評價標準苛刻可靠性要求嚴格以往由于開發過程具有較高的資金和技術門檻，此類產品的市場僅由少數幾家歐美大型零部件商分割占據。在中國汽車工業飛速發展的今天，已有多家本土零部件廠商涉足這一巨大市場，推出了初期產品，獲得了少量市場份額，但面臨技術門檻、性能瓶頸和資金壓力，遲遲不能取得有效突破。 目前商用車氣壓制動領域及乘用車液壓制動領域均面臨著普通 ABS 產品全面普及， ESP 等高端產品利潤豐厚的良好市場態勢，把握技術機遇、提升產品市場競爭力要從以下兩方面入手： （ 1） 降低開發成本：縮短樣機研發時間，爭取市場主動權；降低測試（ 包括室內及道路實驗） 費用，節約直接開銷。 （ 2） 提高產品品質：保證產品在復雜行車狀態下的控制性能，及實車環境條件下的電氣性能及電磁兼容性能。 清華大學追蹤汽車電子行業技術發展最新趨勢，總結形成了一整套能夠支撐 ABS、 ESP 等復雜電控單元（ ECU）開發的配套技術，涵蓋產品開發——室內測試——道路匹配的各個階段，尤其是硬件在環仿真（ Hardware-In-Loop Simulation——HIL 仿真）測試及 EMC 電磁兼容性測試兩個關鍵技術領域取得了階段性成果，有效縮短了產品開發周期并極大節省了測試費用。HIL 仿真測試技術： HIL 仿真測試是一種將全套 ECU+執行器硬件植入軟件環境，通過軟硬件協同工作實現運行工況逼真模擬的工程應用技術，被 Bosch 等著名廠商廣泛采用，是業內公認的提高開發效率，降低開發費用的有效途徑。我處開發的 HIL 測試設備可實現如下功能： （ 1） 測量制動系部件性能，指導 ECU 控制原理開發； （ 2） 構建室內車輛運行模擬環境，銜接道路測試； （ 3） 構建標準測試工況，實現同類產品同等條件橫向對比； （ 4） 安全模擬極限道路運行工況，確定道路實驗安全邊界； （ 5） 安全模擬部件故障運行模式，評估部件失效對行駛安全的風險。 實際運用中， HIL 設備實現了 ECU 控制邏輯實現——室內 HIL 測試——道路定型三階段的順利銜接，大量 ECU 控制功能的驗證及深入改進可在室內完成，不斷豐富的仿真運行工況還有效的降低了產品開發對于道路試驗的依賴，縮短了控制功能改進周期，降低了路試強度，控制了技術風險和成本膨脹。EMC 電磁兼容性測試技術： ECU 等電子部件在實車環境下的可靠性是產品品質的重要體現。制動相關電子產品在外界干擾下的故障運行將帶來極嚴重的安全隱患。我處除有能力按照 ISO16750《道路車輛電氣及電子設備的環境條件和試驗》等標準完成產品可靠性的一般性檢驗，還在汽車電子的電磁兼容性方向開展了著重以下兩方面工作： （ 1） ISO7637-2： 2004《道路車輛由傳導和耦合引起的電騷擾》標準測試環境建設引進瑞士 EM Test 公司 LD200、 UCS200、 VDS200 等測試設備，構建完成了能夠進行較全面的車輛零部件 EMC 瞬態傳導試驗的正規化電子實驗室，能夠有效的模擬通過線纜傳遞的干擾甚至破環信號，是控制器 ECU 電氣可靠性品質的有效保證手段。 （ 2） 特殊功能電路的專業化測試 針對電控制動系統的專門應用，對輪速調理、電磁閥智能驅動、電機控制單元等特定功能電路進行了針對性研究，提出了縮減成本、提升性能的若干備選技術方案。 現有大型設備： 經過多年實際使用及改進，已有能力設計制造適合多種車輛類型（客車、半掛列車、輕型乘用車等）、多種電控系統（氣制動及液壓制動 ABS、 ESP 等）的 HIL 仿真測試系統，運行中設備包括： （ 1） 商用車氣壓制動仿真測試系統 最大支持三軸商用車（可變形適合 6×6、 6×4、 6×2、 4×2 等配置）氣制動系統的 ABS、 ASR、EBS 等控制器開發。 （ 2） 乘用車液壓制動仿真測試系統 支持中小型乘用車液壓制動系統 ABS/EBD(4S/4M 或 4S/3M)、 TCS、 ESP 等控制器開發。2 應用說明經過多年校企合作，在前述各種配套技術支持下， 已經實現了多款控制器 ECU 的開發并已向市場推廣，除在研產品外，主要的產業化成果如下：商用車氣制動 4S/4M ABS 控制系統商用車氣制動 ABS/ASR 控制系統掛車/半掛車氣制動 2S/2M ABS 控制系統乘用車液壓制動 4S/4M、 4S/3M ABS 控制系統

主要研究內容: 尿道狹窄發病率高，我國每年有約250萬新發病例。狹窄危害嚴重，但治療困難。即便在美國也同樣缺乏有效地治療手段，患者平均接受3.13次手術。針對這個世界性的難題，課題組歷時15年，在國家863計劃等基金的支持下：應用口腔頰粘膜重建尿道，成功解決了兩類困難類型尿道狹窄的治療；創新手術方式，建立了尿道粘膜外翻吻合技術和背腹側聯合鑲嵌技術，顯著提高治療效果；研發出兩種新型聚氨酯材料，為以后泌尿外科的臨床運用奠定基礎。 創新點： 一、國內首家開展頰粘膜尿道背側鑲嵌成形術和運用頰粘膜修復干燥性龜頭炎所致尿道狹窄。 二、建立尿道粘膜外翻吻合術和尿道背腹側聯合鑲嵌成形術。 三、國際上率先研發出同時具備水性無毒及可降解的聚氨酯材料；國際上首次合成含雙季銨鹽的抗菌性能優異的聚氨酯材料。 技術水平： 一、頰粘膜治療長段前尿道狹窄，治療效果國際領先；頰粘膜修復干燥性龜頭炎致尿道狹窄，為國內首創，治療效果國際領先。 二、粘膜外翻技術國際上未見類似報告，歐洲泌尿外科秘書長Chapple高度評價該技術；國際上第二家開展尿道背腹側聯合鑲嵌成形術，但部位不同，效果國際領先。 三、兩種新型聚氨酯材料均為國際上率先研發，填補行業空白，獲2項國家發明專利。 推廣應用情況及社會效益： 主編中華醫學會泌尿系損傷診治指南并在全國宣講，培訓600余人次。多次舉辦各類培訓班（中國泌尿外科青年醫師培訓班等）和學術會議，并進行手術演示推廣新技術，顯著提高國內尿道狹窄治療水平。發表論文104篇（SCI15篇），獲國家發明專利2項。多次參加國際高水平會議交流，提高學科國際知名度。培養碩博士43名，為學科發展培養高水平人才。

該項目以造紙制漿廢液中回收的工業木質素為原料，經氧化、催化、縮合、磺化等化學改性及表面活性劑的配伍得到混凝土、砂漿用外加劑。用本專利產品生產的混凝土和砂漿具有優異的減水增強性和抗滲、抗裂性，其減水率達18%～25%，比現有技術提高了1～1.5倍，透水壓力比達到325％，可降低混凝土早期水化熱、減少混凝土內部裂縫，提高混凝土耐久性；本發明技術在廣東、山東等地建成5個年產1萬噸、1個年產2萬噸的基地，產品成功應用于廣東省重點工程潮州水利樞紐、廣東省水利廳無縫壩示范工程－乳源壩美電站等六十多家工程，近三

本發明公開了一種快速測定鈣系包芯線中金屬鈣含量的方法。 在常溫常壓下，利用 NH4Cl 溶液為溶樣試劑、高純金屬鎂或金屬鈣為 標準，采用氣體容量法及相關裝置，測定金屬鎂或金屬鈣標樣及待測 樣品在相同實驗條件下產生氫氣的體積，根據氣體狀態方程，通過比 較法計算出鈣鐵包芯線中金屬鈣的含量。本發明方法不僅適用于不同 含鈣量的鈣鐵包芯線中金屬鈣的測定，還適用于不同含鈣量的鋁鈣包 芯線、硅鈣線等鈣系包芯線中金屬鈣的測量。本發明

本項目針對人工速生林木材密度小、強度低的特點，研究開發出木材化學改性與干燥一體化工藝技術及裝備。本技術能夠大幅度提高速生材性能，同時解決了常規木材改性技術中改性劑浸透困難、環保性差，改性材功能單一、尺寸小，無法滿足工業生產要求等問題；解決了傳統木材改性技術工藝“先干燥-再浸漬處理-再二次干燥”的能耗高的問題。本項目技術獲國家發明專利授權2項，已在多家企業應用。

新冠肺炎常規通過病史、CT等進行病情評估，但重癥病房應用超聲不便，還需要評估重癥患者的心臟等多器官，然而操作者絕大多數不是專業超聲醫生，這為如何在治療重癥患者的過程中更好地發揮超聲的作用提出了難題。深圳國際研究生院袁克虹團隊與深圳華聲醫療技術股份有限公司合作，用人工智能技術賦能5G超聲設備，增添采集心肺關鍵標準切面的導航以及關鍵參數的自動測量等功能，輔助醫生對重癥病人進行動態評估和治療。 袁克虹團隊與深圳華聲醫療技術股份有限公司1月中旬組成研發團隊，在已有合作工作的基礎上，針對新冠肺炎重癥患者臨床超聲的迫切需求開展聯合攻關，半個月就獲得了較好的成果。該技術從2月初開始在武漢協和西院等多家醫院使用，在一定程度上輔助了醫生對重癥患者進行疾病的動態評估和治療指導。 目前該技術正由國家感染性疾病臨床研究中心（深圳市第三人民醫院）牽頭開展進一步研究，將完善和改進現有功能，優化遠程診斷流程，實現超聲為醫生治療重癥患者提供更智能、更可靠、更專業的幫助。

動物捕食植物種子（下稱種子捕食）是動植物協同進化的重要方面。動物捕食植物種子可影響植物種群更新和繁衍；植物通過調節各種性狀，如種子大小、蛋白質含量，調節動物捕食行為。植物性狀對種子捕食調節能力的評估對理解動植物協同進化具有重要意義。 因此，建立一種用于種子捕食追蹤的人工種子系統，對于種子捕食追蹤及相關研究，理解動植物協同進化，促進野生植物尤其是珍稀瀕危植物保護具有重要的作用。

本成果采用最新的深度學習和分子模擬算法，結合新一代分子特征化方法，開發了多種計算機模型，可用于藥物開發中的多個階段，為藥物的快速設計開發提供一個完整的基于人工智能的解決方案。成果：1.藥物毒性預測方法：傳統的化合物毒性檢測技術一般需要使用生化試驗、細胞實驗、甚至動物模型，這些方法不僅耗費大量時間，而且成本很高。使用計算模型進行有機化合物的毒性預測，所需投入較少，但產出巨大。特別是基于化合物的物理化學和結構特性的計算模型，甚至能夠在化合物合成之前就對其進行預測，大大提高了效率，使其越來越受到歡迎。在進行體外和體內試驗之前先使用計算機模型對化合物進行大規模的毒性篩選，能夠更好地解決候選藥物具有毒性的問題。我們建立了一套新的基于多種分子指紋和機器學習算法的化合物毒性預測集成學習算法，運用此集成學習算法建立了新的有機化合物致癌性、致突變性和肝毒性預測模型。我們分別建立了名為CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性預測)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突變性預測)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性預測)的預測服務器，這些服務器能夠為使用者提供更高效更便捷的預測技術服務。自2017年服務器發表起，我們已為國內外藥物分子設計研究者提供了5000多次共計超過20多萬個化合物的毒性預測服務。在有機化合物毒性預測研究方向，我們主要完成了化合物的細胞毒性、心臟毒性、生殖毒性、血腦屏障透過性、水生生物毒性預測模型，以及糖尿病早期篩查模型的開發，正在進行P450酶阻滯劑性預測模型、基于圖神經網絡的毒性預測算法研究、基于分子對接的化合物毒性預測研究等。相關研究成果已發表多篇學術論文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次數80，ESI 1%高被引論文；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.）致癌性預測服務器首頁致癌性預測結果頁相關綜述對本服務器的介紹RF-hERG-Score預測藥物引起的hERG相關心臟毒性2.藥物設計方法：在計算機上對藥物靶點和藥物分子的結構和活性建模，計算藥物與靶點之間的相互作用關系，從而設計出具有治療作用的藥物。計算機輔助藥物設計可以為藥物設計各階段的實驗方案提供有意義的指導，減少需要通過實驗評估的候選藥物的數量，從而加快新藥研發速度。我們應用分子對接、分子動力學模擬、自由能計算、機器學習等方法研究流感病毒等重要疾病的計算機輔助藥物設計、并開發更有效的計算機輔助藥物設計方法。在計算機輔助藥物設計研究我們主要完成了流感病毒M2質子通道蛋白抑制劑虛擬篩選方法研究，正在進行先導化合物生成模型研究、基于機器學習的虛擬篩選打分函數算法開發、SARS-CoV-2病毒S蛋白與受體相互作用及藥物設計研究。特異性重打分函數顯著虛擬篩選性能顯著較高篩選出兩個候選抑制劑3.藥物靶點識別方法：長非編碼RNA（lncRNA）是一種長度在200nt至100,000nt之間的非編碼RNA，是轉錄物的主要成分。研究表明lncRNA在許多生物學和病理學過程中起著重要作用。lncRNA起作用的重要途徑是與其靶蛋白結合。lncRNA-蛋白質相互作用的實驗研究需要大量資源。累積的實驗數據使得通過計算方法預測lncRNA-蛋白質相互作用成為可能。我們使用各種數學建模和機器學習方法開發了幾種用于預測lncRNA-蛋白質相互作用的新模型。這些模型命名為：RWLPAP（隨機游走），LPI-NRLMF（鄰域正則化邏輯矩陣分解），IRWNRLPI（集成隨機游走和鄰域規則化Logistic矩陣分解），LPI-BNPRA（雙向網絡投影推薦算法），LPI-ETSLP（基于特征值變換的半監督鏈路預測），HLPI-Ensemble（集成學習）。在交叉驗證中，我們的模型獲得了較好的預測性能。lncRNA-蛋白質相互作用預測模型的性能比較lncRNA-蛋白質相互作用預測服務器相關軟件著作權：

本成果采用最新的深度學習和分子模擬算法，結合新一代分子特征化方法，開發了多種計算機模型，可用于藥物開發中的多個階段，為藥物的快速設計開發提供一個完整的基于人工智能的解決方案。 成果：1.藥物毒性預測方法：傳統的化合物毒性檢測技術一般需要使用生化試驗、細胞實驗、甚至動物模型，這些方法不僅耗費大量時間，而且成本很高。使用計算模型進行有機化合物的毒性預測，所需投入較少，但產出巨大。特別是基于化合物的物理化學和結構特性的計算模型，甚至能夠在化合物合成之前就對其進行預測，大大提高了效率，使其越來越受到歡迎。在進行體外和體內試驗之前先使用計算機模型對化合物進行大規模的毒性篩選，能夠更好地解決候選藥物具有毒性的問題。我們建立了一套新的基于多種分子指紋和機器學習算法的化合物毒性預測集成學習算法，運用此集成學習算法建立了新的有機化合物致癌性、致突變性和肝毒性預測模型。我們分別建立了名為CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性預測)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突變性預測)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性預測)的預測服務器，這些服務器能夠為使用者提供更高效更便捷的預測技術服務。自2017年服務器發表起，我們已為國內外藥物分子設計研究者提供了5000多次共計超過20多萬個化合物的毒性預測服務。在有機化合物毒性預測研究方向，我們主要完成了化合物的細胞毒性、心臟毒性、生殖毒性、血腦屏障透過性、水生生物毒性預測模型，以及糖尿病早期篩查模型的開發，正在進行P450酶阻滯劑性預測模型、基于圖神經網絡的毒性預測算法研究、基于分子對接的化合物毒性預測研究等。相關研究成果已發表多篇學術論文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次數80，ESI 1%高被引論文；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.） 致癌性預測服務器首頁 致癌性預測結果頁 相關綜述對本服務器的介紹 RF-hERG-Score預測藥物引起的hERG相關心臟毒性 2.藥物設計方法：在計算機上對藥物靶點和藥物分子的結構和活性建模，計算藥物與靶點之間的相互作用關系，從而設計出具有治療作用的藥物。計算機輔助藥物設計可以為藥物設計各階段的實驗方案提供有意義的指導，減少需要通過實驗評估的候選藥物的數量，從而加快新藥研發速度。我們應用分子對接、分子動力學模擬、自由能計算、機器學習等方法研究流感病毒等重要疾病的計算機輔助藥物設計、并開發更有效的計算機輔助藥物設計方法。在計算機輔助藥物設計研究我們主要完成了流感病毒M2質子通道蛋白抑制劑虛擬篩選方法研究，正在進行先導化合物生成模型研究、基于機器學習的虛擬篩選打分函數算法開發、SARS-CoV-2病毒S蛋白與受體相互作用及藥物設計研究。 特異性重打分函數顯著虛擬篩選性能顯著較高 篩選出兩個候選抑制劑 3.藥物靶點識別方法：長非編碼RNA（lncRNA）是一種長度在200nt至100,000nt之間的非編碼RNA，是轉錄物的主要成分。研究表明lncRNA在許多生物學和病理學過程中起著重要作用。lncRNA起作用的重要途徑是與其靶蛋白結合。lncRNA-蛋白質相互作用的實驗研究需要大量資源。累積的實驗數據使得通過計算方法預測lncRNA-蛋白質相互作用成為可能。我們使用各種數學建模和機器學習方法開發了幾種用于預測lncRNA-蛋白質相互作用的新模型。這些模型命名為：RWLPAP（隨機游走），LPI-NRLMF（鄰域正則化邏輯矩陣分解），IRWNRLPI（集成隨機游走和鄰域規則化Logistic矩陣分解），LPI-BNPRA（雙向網絡投影推薦算法），LPI-ETSLP（基于特征值變換的半監督鏈路預測），HLPI-Ensemble（集成學習）。在交叉驗證中，我們的模型獲得了較好的預測性能。 lncRNA-蛋白質相互作用預測模型的性能比較 lncRNA-蛋白質相互作用預測服務器相關軟件著作權：

本發明提供了一種復制式人工關節間隔物的制作方法，包括以下步驟：1）首先在容器內鋪設固化劑，將人工關節假體包裹在容器內的固化劑中，制備人工關節假體陰模；2）然后向陰模內注入硬化劑制備復制式人工關節間隔物。可事先在陰模中放置金屬棒或塊以增加間隔物的強度。本發明能在較短時間內精確制備出尺寸和外形與擬選用人工關節假體一致的間隔物，以縮短手術時間，改善間隔物的作用效果，制備方法經濟且簡便易行。植入的關節式間隔物可使得患者在術后獲得部分正常的關節功能，術后滿意度提高。并有效防止了軟組織的攣縮，為再次手術奠定了基礎。