成果描述：本成果研发出一款具有中介高Q值的微波介质材料，主要参数满足： 介电常数：45±5% Qf：≥35000 温度系数：≈0 ppm/℃市场前景分析：该材料主要应用于介质加载的腔体滤波器中，可将传统基于金属腔的腔体滤波器体积缩小一半左右，在通信基站等领域有非常广泛的应用前景。与同类成果相比的优势分析：目前国内有两三家企业在生产类似的产品，但与日本京瓷等公司的同类型产品在性能上还有一定的差距，本成果研发材料接近日本京瓷产品指标，成本上有很大的优势。

该成果可实现大功率远距离无线供电，该系统包括由微波频率源和功率放大器和发射天线组成的发射部分以及由整流天线阵列和负载组成的接收部分组成，整体效率接近40%

该成果可实现大功率远距离无线供电，该系统包括由微波频率源和功率放大器和发射天线组成的发射部分以及由整流天线阵列和负载组成的接收部分组成，整体效率接近40%

本成果研发出一款具有中介高Q值的微波介质材料，主要参数满足： 介电常数：45±5% Qf：≥35000 温度系数：≈0 ppm/℃

研发阶段/n制浆原料的微波预处理方法，其特征在于：对传统制浆的植物原料的料片，预先用微波进行辐射处理。植物原料料片经微波辐射处理后，相对封闭的植物原料内部物理结构通道得以改善，有利于制浆化学药品的快速均匀渗透；木素大分子得以活化，有利于化学脱木素反应；纤维素化学结构的活性基团“钝化”，有利于保护纤维素，提高纸浆质量。

 本项目提出的“高精度广域应变与位移微波监测仪”应用在针对大型建筑、桥梁、堤坝、边坡工程、自然山体等对象在力的作用下所形成的应变或位移进行监测。该仪器设备采用地基干涉微波成像技术，能够对较为广大区域进行微波探测，通过分析回波信号以及相应的处理实现对被探测区域的场景进行的微波成像和差分干涉测量，得出被探测区域的三维微波图像，发现场景中发生形变或位移的区域并给出相应的变化量，实现对探测区域的最高0.1米成像分辨率精度、0.05米的高程精度和0. 1毫米的变化测量精度。利用该仪器可以实现探测目标在三维高密度网格条件下的形变测量，同时可以利用微波散射特性的差异对探测区域的物理属性进行反演。该仪器设备采取非接触式的工作模式、具有远程测量和全天候全天时工作的能力，可以为大型设施提供全面、精细、准确的微小应变与位移的监测数据，也将促进新型测量应用的进步与相关理论的发展。  本项目联合国家安全生产监督管理总局在密云铁矿和紫金矿业等矿山企业进行了试验验证并取得了良好的效果。

简介：本发明提供一种以神府煤为代表的低变质程度、高挥发份含量的弱黏或不黏煤水蒸气改质处理的方法。该方法是将神府煤在适当的条件下,在固定床反应器中进行水蒸汽处理和改质,经改质后的神府煤可作为炼焦配煤。通过本方法改质后,可以在保证焦炭质量满足要求的前提下,将神府煤在炼焦配煤中的使用量提高到8-15%以替代气煤,从而可以明显降低配煤炼焦成本,稳定和扩大炼焦煤源,拓展了低变质程度高挥发份含量的弱黏或不黏燥的使用途径。  

国内外已经涌现出了很多优秀的智能助行机器人产品或样机，但针对下肢功能运动障碍患者的智能助行机器人研究仍然存在一定的局限性： （1）助行机器人对于人体运动意图的识别研究主要依靠力传感器，在运动意图的定义和计算方面的差异较大； （2）基于助行机器人步态分析方面成果有限，行走能力评估依靠传统的Holden步行功能分级以及Tinetti平衡与步态量表进行评估，缺乏对步态参数的具体量化评估手段； （3）自适应参数导纳控制、共享控制及交互力-位置混合控制等方法大多仅能在特定的人机协同系统满足使用，故只能用于单一功能的康复训练，难以满足不同行走能力用户的多样化康复训练需求。 本成果研究的面向下肢弱肌力人群的智能助行机器人，通过基于机载的力传感器、激光传感器、Kinect等设备，设计多模态人机交互接口，获取人体运动数据；基于有监督的神经网络步态事件分类算法模型提取分析步态的时空参数，并且能够应用康复医学功能评定理论进行人体行走能力的智能综合评估，根据评估的行走能力切换对应的机器人模式。 图1 智能助行机器人一代 图2 智能助行机器人二代 图3 智能助行机器人三代 【性能指标】 1）机器人样机： 人体运动模式识别准确率≥95%； 跟随模式相对位置误差≤15cm，相对角度误差≤20°； 左腿摆动、双支撑相左向重心转移、右腿摆动和双支撑相右向重心转移四个步态相位识别准确率≥95%。 2）运动状态监测及行走能力评估一体化平台： 正常行走、肢体约束异常状态及趔趄、跌倒等紧急状态识别准确率≥90%。

产品详细介绍通用信号数据处理与分析ErgoLAB生理测试云平台，除针对EMG、EDA、HRV、RESP信号的专业处理与分析软件之外，还提供了General基础通用信号分析软件，如生物力学信号、环境信号、皮温SKT、眼电等，该分析模块默认为一般化的处理方式，可满足基本的信号处理与分析统计。其他信号如生物力学信号、环境信号、其他生理信号、眼电信号等可在 General 一般性分析模块中进行处理与分析。该模块可以结合人机环境同步平台和生理记录系统采集到的所有生物信号进行离线处理和分析。可对信号进行自由选择、放大、缩小，便于查看数据，在整体呈现数据的基础上，还可以根据片段、事件、场景三种分割方式进行数据呈现；可导出ASCII格式的原始数据、处理后数据和分析后数据；并可导出分析报告单。技术要求：  1、信号处理模块包括基础滤波，包括高通滤波（High Pass）、低通滤波（Low Pass）和带阻滤波（Band Stop）；滑动滤波（Smooth），包括滑动均值滤波Moving Average、高斯滤波Guass和Hann窗；Scale变换，包括线性变换（Liner Transform）、指数变换（Power Transform）和绝对变换（Absolute Transform）3种，以及数据降采样（Resample）。手动信号校正方法包括线性插值（Linear interpolation）、样条差值（Spline interpolation）以及通过复制信号区域进行插值。2、信号分析模块信号分析包括时域分析和频域分析，且可时域分析、频域分析自由切换。A.时域分析是将生物信号看作时间的函数，通过分析得到生物信号随时间变化的统计特征。其统计分析指标包括：包括最大值（Max）、最小值（Min）、均值（Mean）、标准差（STD）、最大最小值差（Range）、方差（Variance）。B.频域分析是运用参数模型法和直接傅里叶变化（FFT）将时域分析信号转换为频域分析信号，对信号进行功率谱密度分析，从功率谱密度中确定生物信号的频带。具体包括中值频率（Median Frequency）与均值频率（Mean Frequency）。3、可视化Chart与导出数据模块：包括原始数据Raw Data、处理数据Processed、PSD数据以及整体结果报告。