成果与项目的背景及主要用途： 近年来海水淡化技术的快速发展及其成本的大幅降低，使越来越多的国家和地区开始考虑利用淡化水作为第二水源，以缓解日益严峻的淡水危机。目前可用于工业规模的海水淡化方法反渗透技术的发展速度最快，成本的降幅也最大。其原因主要在于膜性能的不断提高和高效能量回收装置的广泛使用。能量回收装置作为反渗透海水淡化系统的必备设备之一，对大幅降低淡化系统的运行能耗，进而降低产水成本至关重要。正位移式能量回收装置近年来备受市场青睐，其产品市场占有率也呈逐年快速增长的发展趋势，淡化系统本体吨水电耗也由 80 年代的 8.0 kWh 降低到约 2.0kWh。 技术原理与工艺流程简介： 按照工作原理的不同，能量回收装置可分为水力透平式（或离心式）和正位移式两种类型。水力透平式运行时通常需要经过“压力能-轴功-压力能”两步转化过程，能量回收效率相对较低，为 50-75%。而正位移式则利用浓盐水直接增压进料海水的方式回收压力能，效率高达 90%-96%。此外，正位移式能量回收装置使用过程中还具有根据运行需要灵活调节淡化系统的产水回收率的特点。“阀控余压能量回收装置”采用正位移式工作原理，集成式水压缸和阀组相结合来实现反渗透海水淡化系统排放浓盐水余压能的回收利用。能量回收装置采用 PLC控制，易于与上位系统相耦合，控制精度和可调性都很好。 技术水平及专利与获奖情况： 该项目经国家海洋局鉴定验收（国海鉴字[2004]003 号），认为该成果达到国际先进水平。该技术已于 2004 年 7 月 7 日获准国家发明专利（授权公告号 CN1156334C）。 应用前景分析及效益预测： 能量回收装置由于具有较高的能量回收效率，已经逐渐成为海水淡化行业中研究和开发的热点，其产品市场占有率也呈逐年快速增长的发展趋势，近年来国内海水淡化工程大多采用美国 ERI 公司的 PX 能量回收装置。我国在 SWRO 能量回收技术方面的研发起步较晚，发展比较迟缓，装置形式较单一，大都局限于双液压缸功交换式，整体水平同国际先进技术还有很大的差距，但工业化发展及应用前景较好。随着我国淡水资源的日益缺乏，反渗透海水淡化工程必将大力发展，因而研究开发具有自主知识产权的能量回收装置具有深远的意义。阀控余压能量回收装置具有与国外同类产品相当的性能指标，其生产成本可比国外产品降低 1/3~1/2，是反渗透海水（或苦咸水）淡化系统必备的关键设备之一，市场前景广阔，经济效益巨大。 应用领域： 该装置可广泛应用于反渗透海水（或苦咸水）淡化系统和工业反渗透系统等水处理领域和有关化工工业（如合成氨工业）中需要回收液体压力能的场合。 合作方式及条件： 以技术合作的方式开发新型反渗透海水淡化能量回收装置系列产品。

1、产品简介 SF6气体作为一种绝缘气体，具有无毒、不可燃，以及良好的绝缘特性，其绝缘强度大大高于传统的绝缘气体，并具有良好的灭弧性，因此广泛应用于SF6电器。由于SF6气体价格昂贵，且在电弧、电火花和电晕放电的作用下，会分解产生有毒成份。因此SF6电器设备应用时需要将SF6气体回收。 本公司生产制造的SF6气体回收充气装置按DL/T662-2009《六氟化硫气体回收装置技术条件》标准生产，主要有具有抽真空、充放、回收、净化、贮存、灌瓶及干燥等功能。 2、系统组成 抽真空系统 回收系统 负压回收系统 充气系统 净化系统 贮存系统 电控系统 真空度测量 3、功能特点 采用风冷、移动式，可在无水源情况下使用 对自身抽真空及SF6开关、GIS设备抽真空 配有数显真空计，精确显示真空度 采用国际先进的冷冻液化设计原理，降低了系统的工作压力，大大提高了回收效率 可将SF6气体液化贮存并可灌入钢瓶 储液罐使用柱式液位计，SF6液位高度指示直观明确 可选配不同容积的SF6专用储气罐 流程图绘于操作面板，操作简洁明了 配有独立的气体加热系统，提高回充效率 配有负压回收系统，提高回收效率 配有能再自生的干燥过滤器 配有成熟独立的进口油雾过滤系统 所有球阀均采用SF6专用球阀，密封件具有自动补偿性能，杜绝了微漏 真空泵采用双级旋片式直联泵，并配有防反油阀，杜绝了真空泵反油 真空泵出气口配有环保排放装置 电气系统设有相序保护装置，三相电源相序可通过开关直接调整 电气系统具有缺相保护功能，可有效避免真空泵的反向运转以及所有主机的缺相运行可按要求定制

远苏精电 实验室快速钻铣雕一体PCB线路板雕刻机 电路板雕刻机 一、技术参数1.加工范围：单面板/双面板2.加工面积：350×300mm3.最小加工线径：3mil4.最小加工线距：5mil5.分辨率：0.03mil6.工作速度：100mm/s7.主轴转速：0～60000r/min，无级调速，软件自动优化转速8.主轴功率：90W9.直线导轨：进口直线导轨10.传动方式：进口滚珠丝杆11.钻孔孔径：0.3～3.175MM12.钻孔深度：0.02-3.5mm13.钻孔速度：150(孔/min)14.控制方式：电脑控制15.通信方式：RS-232/USB16.操作系统：Windons 98/2000/XP/Vista/Win7/1017.最小内存配置：256MB18.体积：750mm（L）×650mm（W）×660mm（H）19.重量：110kg20.消耗功率：250 W21.电源：200V/50HZ22.支持软件：支持Protel99se、Altium Designer、CAD等常用EDA软件（支持所有pcb及gerber格式的文件）23.选配：可选配立式底柜，方便移动，可存储耗材24.选配：可选配电脑25.选配：可选配视觉定位系统 二、产品亮点（1）自动原点定位：可以从任意位置自动回到设定的零点，拥有原点记忆功能。（2）双面板定位技术：保证了定位的精确性与正确性。（3）断点续雕：从任意百分比开始雕刻，或雕刻到某一百分比结束。（4）模拟运行：根据设定的参数，仿真显示实际加工过程。（5）实时显示加工路径：加工前首先显示所有加工路径，在加工过程中实时显示当前位置。（6）任意区域选择雕刻：选择任意区域，进行雕刻。（7）组合雕刻/自动选择刀具：选择两把雕刻刀，自动分配雕刻区域。在不影响雕刻精度的情况下选择一把大雕刻刀，快速铣掉大块的空白区域。（8）万能钻孔：使用固定铣刀挖出任意孔，减少了换钻头的次数。（9）外形铣割：板子雕刻完成后进行外形铣割。（10）智能主轴转速优化功能：根据刀具自动优化主轴转速，从而提高雕刻精度。（11）强兼容性：兼容目前市面上所有EDA软件。（12）操作简单：简单易学，只需20分钟即可熟练上手操作。（13）自动关机：长时间无操作指令则自动关机，保护设备。（14）LED照明：机器自带照明功能，方便运行过程中清晰的观察pcb制板情况。（15）超限保护：当人为操作不当触发X、Y、Z极限保护装置时，机器自动暂停，按复位按钮即可恢复运行。（16）配有自主开发的PCB快速线路板刻制系统软件，一键引导式软件设置及操作界面。（17）采用自主研发高速小跳径自冷主轴电机，非水冷主轴电机：可在0~60000rpm内设置转速，加工时可设置七档转速，软件自动优化转速。（18）机器配有软件限位及硬件限位双重限位保护：当X、Y、Z硬件超限保护后，软件限位会自动开启防止撞机发生。减少超限对精度的影响。（19）加工工作日志：具有远程升级、远程诊断与维护、远程控制、定时预约开关机等功能。（20）自动选择刀具：软件自动选择适合的刀具，无需转换及设置刀路，免除人工选择刀具参数的繁琐。（21）挖孔钻孔：对于孔径大于0.8的孔，直接用铣刀挖孔，无需频繁更换刀具。（22）区域选择雕刻：可选择内、外区域，进行局部雕刻。（23）组合雕刻：选择粗、细两把雕刻刀，软件自动分配雕刻区域。在不影响雕刻精度的情况下，用粗雕刻刀，快速铣掉大块铜箔区域，用细雕刻刀，雕刻出细微线路。加工时间缩短50%。

本发明公开了一种基于拉曼光谱技术的藻种分类识别方法，包括：取相同藻种的多个样本，每个样本均为当前藻种的活体藻液，采用拉曼光谱仪获取各个样本的拉曼光谱原始信息；对采集的拉曼光谱原始信息进行预处理，得到对应的预处理谱图，然后采用偏最小二乘法从各预处理谱图中提取主因子；更换藻种，获得与不同藻种相对应的主因子；以所有藻种的主因子作为输入，以与各主因子相对应的藻种分类为输出，建立BP神经网络模型；取待鉴别活体藻液，获得该待鉴别活体藻液的主因子并输入所述BP神经网络模型，获得待鉴别活体藻液中所包含的藻种分类。本发明实现了基于拉曼光谱技术的藻种快速准确分类，大大简化了操作步骤，缩短了检测时间。

本发明公开了一种基于被动毫米波极化成像的材料分类方法； 首先利用毫米波辐射计成像系统在无极化照射环境中获取给定入射角 下场景的水平极化图和垂直极化图；再根据水平极化图和垂直极化图 计算得到“线极化比”图像；然后统计分析“线极化比”的分布规律， 利用阈值估计公式估计“线极化比”阈值；最后根据分类准则，实现 对场景中的金属材料和非金属材料的分类。本发明能非接触、被动地 对金属材料和介质材料的进行有效分类，并且不受环境辐射变化的影 响，具有很好的鲁棒性，可用于金属目标的遥感与探测、金属危险品 的安全检测与预警等领域。

本发明提供了一种基于音频信号特性分类的无参考音频质量评价方法和系统，包括步骤：步骤 1， 基于有参考音频质量评价模型建立训练模型，采用机器学习获取不同类型音频信号的音频质量与网络参 数的关系，即无参考音频质量评价模型；步骤 2，在音频信号网络传输中，将当前丢包率、当前延迟时 间和当前丢包数据的音频信号类型输入无参考音频质量评价模型，获得当前音频质量。本发明对不同类 型信号采用不同的质量评价关系式进行质量评价，能更真实地反映用户体验。

1. 痛点问题 2021年12月，生态环境部会同相关部门印发了《“十四五”时期“无废城市”建设工作方案》，指出将在100个左右地级及以上城市开展“无废城市”建设，对提升城市固体废物的全过程管理水平提出了更高的要求。然而，当前我国许多城市固体废物产生量持续加大，无害化处置能力尚未得到有效保障，处理设施布局零散，固体废物精细化、信息化管理水平较低，在构建先进的城市固体废物管理模式中面临顶层设计、基础设施、管理体系等软硬件条件的不足，显著影响“无废城市”建设成效及固废管理领域碳减排目标的实现。亟需改进传统碎片式、分种类、智能化水平较低的固体废物管理模式，依托物联网和智慧支撑技术形成多种类型固体废物分类-收运-协同处置全链条系统性方案，充分发挥固废处置中的减污降碳协同增效作用，提升城市固体废物处理在全环节规划设计、工艺技术集成优化、工程及园区的可持续运营等方面的综合实力。 2. 解决方案 针对城市固体废物全过程管理问题，本项成果发挥清华大学环境学院循环经济产业研究中心在城市固体废物管理理论研究、工艺优化调控和规划决策应用等领域的长期积累，开发“无废城市”建设顶层系统规划工具，研发全链条工艺模拟与优化技术，搭建基于物联网和大数据的城市固废智慧化管理平台，形成能够有效服务于“无废城市”建设的城市固废分类-收运-协同处置全链条系统性解决方案。具体包括： （1）针对城市固体废物处理处置系统存在的现实问题，在整个城市层面构建从源头分类减量到末端处理处置、处理设施协同共生的工程技术体系和管理运营模式，打造处理设施协同共生、碳减排和二次污染集中控制效果显著、实现物质有序循环和能量梯级利用的多源固废协同处置园区，构建无害化、资源化、可持续的城市循环代谢链网； （2）开展多源固废处理处置工艺机理模拟，揭示固废-水-能耦合代谢路径与减污降碳潜力空间，实现工艺参数优化；模拟不同固废管理路径对物流、能流的影响，支撑不同应用场景下涵盖源头分类及减量化、污染处理处置、残余物集中控制全过程的工程技术体系优化； （3）基于物联网、智能监控、在线仿真技术等，构建城市固废管理多源异构大数据系统，形成原创性固废智慧管控技术，支撑建立集固废监测、溯源、预报、应急、调控等功能于一体的可视化管理平台，提供多场景、多效能、智慧化城市固废系统性解决方案。 合作需求 （1）与从事城市固废处理、再生资源回收利用、静脉产业园建设等领域的企业以及绿色金融机构开展业务合作； （2）项目孵化需办公场地500平米，天使轮融资需求约3000~5000万。

本发明公开了一种人流量统计系统中分类器的自动选择方法，属于视频监控及模式识别技术领域。本发明包括：预先设定多个成像视角，分别离线训练一个分类器；在线学习时，针对当前输入图像，对各分类器分别执行下述操作：检测目标，将当前检测出的行人目标与已有的跟踪目标进行关联，对未关联的跟踪目标采用跟踪算法进行跟踪，将未关联的检测目标加入跟踪目标队列中；对跟踪目标队列中符合条件的目标进行计数；若所有分类器所计目标数均未超过阈值，

本成果提出的基于超像素样本扩充的空谱全卷积高光谱图像分类方法有效的利用高光谱图像的超像素分割结果指导伪样本扩充增加了训练集样本数量，解决了高光谱图像有标记样本的稀缺问题，同时空谱的全卷积分类网络也充分利用了多尺度的空间特征和光谱特征实现了较高的分类精度。 成果非涉密，专利申请已经提交。 实验采用反射光学系统成像光谱仪（ROSIS）传感器获取意大利北部帕维亚大学（Pavia  University）的高光谱图像数据。该数据集由 103 个光谱带组成，共 610×340 像素，光谱覆盖范围从 430nm 到 860nm，空间分辨率为 1.3m。该数据集一共含有 9 个类别的 42776个有标记样本，选取每类 30 个有标记样本作为训练集，其余作为测试集。 由下表可以看出，在每类选取 30 个样本的情况下，本 模 型 的 OA，AA，Kappa系 数 比 DFFN 模 型 高 出20.8%，17.4% 和 26.5%；比CNN 高 出 23.1%，18.8% 和29.2%。并且下表证明了使用了伪标签样本扩充的空谱全卷积网络的本方法在小样本情况下每个类的分类准确性均优于 DFFN 和 CNN，达到了较好的分类效果。 表 1 PaviaU 数据集上对比实验结果

该成果提出了一种基于空谱差分辅助核联合稀疏表示分类的高光谱图像分类方法。本章方法的主要创新性在于：1）能够将光谱的差分辅助信息和原光谱特征信息有效结合。2）能够考虑不同光谱属性间的高阶空间相关信息。3）原空谱和差分空谱核特征字典的信息通过具有混合正则的核联合稀疏表示分类方法得到充分利用。通过在真实高光谱图像数据上的实验表明，该成果提出的方法能够有效地提高高光谱遥感图像的分类效果。 主要技术指标 不同数据集下的训练样本与测试样本数参阅表 1. 在该训练样本集数量下的分类结果表现参见表 2. 相比于传统分类器 SVM，OA 提高了约 20%；相比于 SOMP，OA 提高了约20%。 该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果，同时在较少训练样本条件下仍能得到较好的分类精度和分类效果。 表 1. 不同数据集下的训练样本选取数量 表 2. PaviaU 大学数据下不同方法的正确率比较