多轴超精密车削/磨削加工装备的研发是实现上述零件的高效率、确定性超精密加工的基本途径。 一、项目分类 关键核心技术突破 二、成果简介 超精密加工技术作为现代高科技发展而兴起的新技术，它所能达到的精度、表面粗糙度、加工尺寸范围和几何形状已经成为一个国家制造技术水平的重要标志之一。例如，光学透镜、模芯、反射镜和精密机械件等典型零件的超精密加工面型精度 PV 值小于0.2μm，表面粗糙度小于5nm。多轴超精密车削/磨削加工装备的研发是实现上述零件的高效率、确定性超精密加工的基本途径。

蔗糖多酯是世界新一代的酯类化合物，是优良的乳化剂和食品添加剂。蔗糖酯产品，被联合国粮农组织和世界卫生组织食品添加剂标准委员会，确定为环保、安全、绿色、优质的食品添加剂产品。我国目前只有蔗糖单酯工业化产品，没有蔗糖多酯产品。经过300多次工艺研究与工业实验，研究开发出---蔗糖多酯制备、精制、环保的工艺与装备技术。为我国生产急需的优质、环保、安全的蔗糖多酯工业化提供了一条先进的技术途径。

效率和收入是确定土地适度规模经营的两个尺度,效率尺度以规模经营农户获取最大规模收益为目标衡量和确定土地经营的适度规模,而收入尺度则以规模经营农户获取与城镇居民(或打工农户)同等的收入为目标衡量和确定土地经营的适度规模.就中国国情而论,收入尺度才是可行的选择,有利于培育新型农业经营主体,有利于现代农业的建设,有利于土地资源的公平分配.从中国国情出发,在规模经营政策制定中,必须对坚持家庭经营制度,规模经营速度及区域差异性,土地经营权公平分配等问题进行综合考量.

为推进校地融合发展，2月13日上午，校党委书记李元元、校长尤政带领全体校领导班子成员，前往武汉经开区进行实地考察调研。武汉市委常委、武汉经开区工委书记刘子清，工委副书记、区长唐超陪同考察。双方聚焦经开新区·军山新城发展与规划，共商合作创新发展大计，同绘高质量发展新蓝图，共谱“二次创业”新篇章。

本项目以嵌入式控制器为核心，结合现代电子测量技术、智能控制技术、 工程流体力学、呼吸力学等多学科知识，研发一款智能呼吸机，主要用来治疗 睡眠呼吸暂停综合症、慢性阻塞性肺病等疾病，同时开发基于 Android 系统的 智能手机数据采集与通信系统，并构建物联网健康信息管理系统和健康信息云 平台，通过云传输实现患者与医生及其医疗机构的双向远程监控与服务。

★软件具有国家版权局颁发的软件著作权登记证书。 ★软件具有省级或国家级检测机构出具的软件产品登记测试报告。 系统包含管理端与家长端，教师与家长可以通过两个端口实现互动与资源共享，教师端含有特教教师管理、学员档案管理、特殊障碍鉴别、综合评估管理、特教训练管理、综合报告管理、特教资源管理、系统管理等八大功能模块；家长端含有首页、综合评估、评估报告查询、特教训练方案、特教资源查询、学员综合信息等六大功能模块。 软件具体功能： 1.建档功能，包含学生的25项基本信息记录；涉及家庭成员、家庭成员关系、孩子在家中的活动情况、居住条件、居住环境、社区设施等家庭生活情况记录；涉及家族遗传史、出生史等身体发育情况纪录；涉及婴幼儿阶段、幼儿园经历、小学经历、中学经历等内容的个人成长经历记录；涉及语言沟通能力、情绪反应、认知能力、注意状态、学习动机学习品质、学习习惯、学习参与、人际交往、个性特点、生活自理能力、行动能力、异常行为表现等心理行为特征的记录；涉及班级气氛、人际关系等内容的班级学习环境记录。具备学员档案审核功能，经过审核后的档案内容，家长在家长端只能查阅，不能再进行修改。 2.障碍类型鉴别功能：包含孤独症、视觉障碍、听觉障碍、智力障碍等九种特殊障碍类型的鉴别知识，具体含有障碍类型的定义、行为特征与诊断鉴别标准，无论是障碍类型还是鉴别资料均设置为开放式端口，教师可随时添加与修改。 3.综合评估功能：以学期为周期，可对学生进行感觉统合发展、学习障碍筛查、孤独症筛查、多元智能等多方面的评估，含有包括自闭症评估工具、儿童多动症诊断测验工具、症状自评量表、瑞文渐进测量、儿童行为量表、社会生活适应能力评定量表、感觉统合评量工具等通用评估项目12项。评估完成后系统可自动生成综合分析报告，以WORD格式导出打印，并且平台为开放式端口设计，教师可根据实际需要随时添加新的评估项目。 4.提供训练方案：系统包含 300多种训练活动方案，含有图文式的方案介绍，教师可以针对学生的障碍类型或者训练的主题查询适合的训练活动，障碍类型分为孤独症、视觉障碍、听觉障碍、注意力多动障碍、情感障碍、学习障碍、言语和语言障碍、智力障碍、肢体残疾等9项，训练主题分为语言、社会交往、思维、自我意识、音乐、空间感、注意力、记忆力等13项。系统提供训练计划编辑与训练记录功能，完整记录学生的训练过程。 5.综合报告：系统可以自动生成包含学生档案信息、评估报告、综合分析报告、训练计划、训练记录的整体案例报告，可以WORD格式导出并打印。每一项评估可提供原始分查询功能，便于教师进行更深入的分析。 6.评估记录周期：按照学期进行评估管理，方便教师进行阶段式总结与效果评估。 7.资源管理：提供影视、书籍、案例、音乐等6大类600多项特教学习资源。格式涉及音频、视频与图文等。开放式端口，教师可根据需要自行添加资源。 8.家长参与：家长通过家长端可以全程参与学生建档、评估与训练，密切家庭与学校的合作。 9.数据保密、自动转介功能：出于咨询的保密原则，每位使用软件的教师拥有自己独立的登录账号，登陆后只可查阅自己的案例资料，不可查阅其他教师的相关案例。 包含： （1）光盘1张。 （2）加密狗1个。 （3）说明书1份。

产品详细介绍   •管理功能：导入和维护学生数据，图形化界面建立学生与实训装置上实训模组的关联关系，自动导入实训结果的测试数据； •考核功能：设定、修改实训考核评分标准，自动建立实训考核成绩数据库； •报表功能：按班级、学生查询、检索、打印成绩单； •数据功能：按班级建立实训学生分组花名册； •数据库中学生姓名学号与测试ID关联。  

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。