适用专业：机械工程、力学、材料与土木等专业。 材料力学课程是机械、材料、土木等专业的一门主干专业基础课，其理论性和实践性都很强，它的实验教学是材料力学课程教学中的一个重要实践环节。目前，现实中的材料力学实验存在以下局限性： 1.硬件依存性较强，只能在特定实验室进行； 2.实验设备外形较大，实验室难以摆放足够数量的设备，无法满足学生独立进行实验的需求； 3.实验设备昂贵，操作不当极易造成设备损坏； 4.实验器材损耗大，如试样拉伸断裂后无法再使用，浪费现象严重； 随着招生规模的逐年扩大，教学改革的不断深入，材料力学实验的教学任务越来越重，仪器设备台套数和实验教师数量相对不足等问题愈加突出。为了以最少的经费投入解决以上问题，并进一步激发学生的学习兴趣、增强实验效果、提高实验教学质量，特定制开发开放式网上材料力学虚拟实验室软件。 使用现有器材模型，课程可开展如下10个常用材料力学虚拟实验的训练： •     拉伸虚拟实验 •     压缩虚拟实验 •     扭转虚拟实验 •     弯曲与扭转组合变形虚拟实验 •     冲击演示虚拟实验 •     梁弯曲正应力虚拟实验 •     弹性模量虚拟实验 • ​​​​​​​    压杆稳定虚拟实验 • ​​​​​​​    弹性模量和泊松比测定实验 • ​​​​​​​    ​​​​​​​金属材料的疲劳虚拟实验 系统服务器端用户分为学生、教师、教务管理员和系统管理员四种角色，不同角色拥有不同权限。 • ​​​​​​​    学生：选课、选择实验、开展实验、接受实验指导、在线提交实验报告、保存和提交实验结果、查询实验成绩和批语。 • ​​​​​​​    教师：典型实验库维护、发布实验、安排实验、批改实验报告、系统指导、统计并发布学生的实验成绩和批语。  • ​​​​​​​    教务管理员：课程计划、开课计划、选课日期设置、开课审核、开课查询。  •     系统管理员：用户管理、分组管理、角色管理、权限管理、系统维护等。 性能指标 支持同时在线用户数1万人以上，经测试，系统运行稳定，不限终端用户数，完全能满足日常教学使用。 服务器运行环境 操作系统：Windows Server ，Linux/Unix Server Web服务器：Tomcat6.0，JDK6.0 数据库：MySQL 客户端运行环境 操作系统： All Windows系列

根据学校光电工程学院的专业设置，北京润尼尔网络科技有限公司提供如下全套虚拟仿真实验教学管理中心软件建设解决方案。主要包含集成电路原理演示模块、硅热氧化工艺模块、扩散工艺模块、硅片清洗工艺模块、湿法刻蚀工艺模块和集成电路芯片工艺模块。这些实验模块以培养集成电路人才为目标，由浅入深，覆盖基础型、专业型、特色创新型等不同层次与深度。 开放式网上材料光电材料工程虚拟实验室软件是以理论知识为指导，以计算机仿真技术、多媒体技术和网络技术为依托而建立的一种新型实验教学系统。它利用计算机模拟真实的实验环境，通过信息网络操作实验设备，为实验教学提供了一种全新的教学模式。虚拟实验利用计算机技术来实现各种虚拟实验环境，实验者以交互的方式进行实验操作，可以像在真实的环境中一样完成各种预定的实验项目，最大限度地模拟真实实验的场景,并提供与实际实验的操作方法相类似的实践体验。 本虚拟仿真实验教学课程主要包含以下典型实验： •    直拉法制备硅单晶虚拟仿真实验 •    区熔法单晶生长工艺虚拟仿真实验 •    物理气相传输晶体生长工艺虚拟仿真实验 •    粒子注入及退火工艺虚拟仿真实验 •    氧化增强扩散效应虚拟仿真实验 •    金属化工艺虚拟仿真实验 •    化学气相沉积工艺虚拟仿真实验 •    多形态光刻与刻蚀虚拟仿真实验 •    氧化硅薄膜制备虚拟仿真实验 •    扩散反应原理演示虚拟实验 •    有机物清洗原理演示虚拟实验 •    氧化反应原理演示虚拟实验 •    氮化硅刻蚀原理演示虚拟实验 •    硅各向同性刻蚀原理虚拟实验 •    硅各向异性刻蚀原理演示虚拟实验 •    金属离子清洗原理演示虚拟实验 •    铝刻蚀原理演示虚拟实验 •    颗粒清洗原理演示虚拟实验 •    局部场氧化虚拟虚拟实验 •    硼再扩散虚拟实验 •    硼预扩散虚拟实验 •    磷再扩散虚拟实验 •    磷预扩散虚拟实验 •    去胶清洗虚拟实验 •    工艺流程间清洗虚拟实验 •    炉前清洗虚拟实验 •    氧化硅刻蚀虚拟实验 •    氮化硅刻蚀虚拟实验 •    硅各向同性刻蚀虚拟实验 •    硅各向异性刻蚀虚拟实验 •    铝刻蚀虚拟虚拟实验 •    沟道效应虚拟实验 •    硅晶圆切片、研磨抛光工艺虚拟实验 •    发射区推进效应实验 本系统可满足以下主要性能指标： 1、为保证系统的交互性和扩展性，系统须采用国际领先的Unity3D引擎开发而成； 2、为保证系统的先进性，实验系统所使用的网页播放器插件须采用主流3D引擎插件，且插件在近1年内有更新版本，并可支持后续的优化升级； 3、系统提供VR互动的功能，在实验过程中，通过VR手柄交互，用户可以在场景中移动，增加用户的交互体验感； 4、系统与虚拟仿真实验教学管理平台软件无缝对接，教师端能够自动生成智能指导和自动批改规则，且教师能够对规则进行细节修改； 5、系统提供实验过程中的智能指导功能，该指导为启发性指导，通过一步步的提问式引导，进而启发学生思考； 6、系统提供实验结果的自动批改功能，学生实验结束且提交后，系统调用自动批改规则可以自动算出学生实验得分，教师端还可以查看得分细节，了解学生的得分细节； 7、系统服务器端用户分为学生、教师、教务管理员和系统管理员四种角色，不同角色拥有不同权限。 学生：选课、选择实验、开展实验、接受实验指导、在线提交实验报告、保存和提交实验结果、查询实验成绩和批语。 教师：典型实验库维护、发布实验、安排实验、批改实验报告、系统指导、统计并发布学生的实验成绩和批语。 教务管理员：课程计划、开课计划、选课日期设置、开课审核、开课查询。 系统管理员：用户管理、分组管理、角色管理、权限管理、系统维护等。 性能指标： 支持同时在线用户数1万人以上，经测试，系统运行稳定，不限终端用户数，完全能满足日常教学使用。 服务器运行环境 操作系统：WindowsServer，Linux/UnixServer Web服务器：Tomcat6.0，JDK6.0 数据库：MySQL 客户端运行环境 操作系统：AllWindows系列

软磁复合材料的共性技术研发难题，有关软磁复合材料及应用领域的人才

新冠肺炎常规通过病史、CT等进行病情评估，但重症病房应用超声不便，还需要评估重症患者的心脏等多器官，然而操作者绝大多数不是专业超声医生，这为如何在治疗重症患者的过程中更好地发挥超声的作用提出了难题。深圳国际研究生院袁克虹团队与深圳华声医疗技术股份有限公司合作，用人工智能技术赋能5G超声设备，增添采集心肺关键标准切面的导航以及关键参数的自动测量等功能，辅助医生对重症病人进行动态评估和治疗。 袁克虹团队与深圳华声医疗技术股份有限公司1月中旬组成研发团队，在已有合作工作的基础上，针对新冠肺炎重症患者临床超声的迫切需求开展联合攻关，半个月就获得了较好的成果。该技术从2月初开始在武汉协和西院等多家医院使用，在一定程度上辅助了医生对重症患者进行疾病的动态评估和治疗指导。 目前该技术正由国家感染性疾病临床研究中心（深圳市第三人民医院）牵头开展进一步研究，将完善和改进现有功能，优化远程诊断流程，实现超声为医生治疗重症患者提供更智能、更可靠、更专业的帮助。

项目简介： 水安全是一个国家社会与经济发展的基本保障。水资源的管理和 使用需要精确和及时的监测。现有的水质检测技术需要不断提高其便 携性、降低成本、提高测量灵敏度，用来实现野外的实时水质监测。 本项目以 pH、pO2、温度等水质参数为出发点，通过小型化相关 传感器和检测设备，研发出可用于多参数水质检测的手持式设备。 项目特色： 用于水质多参数检测的手持式设备包括多个传感器、传感器信号 采集电路、低功耗蓝牙（BLE）和窄带物联网（NB-IoT）等通讯电路 以及多传感器融合算法等软硬件模块。 一般商用的 pH、pO2、温度等水质测量设备，需要使用市电供电， 只能在室内使用或者工作环境必须有市电的接入口。使得水质测量范 围受限。并且多数水质检测设备体积较大，难以携带。少数可手持的 设备，成本高昂，功能单一，难以适应室外多参数水质检测的需求。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

太阳能光伏发电绿色无污染，而且我国太阳能资源丰富，水平面总辐射约 1680 吉瓦（1 吉瓦=1000 兆瓦=109瓦），大部分可以用于太阳能光伏发电。随着光伏材料以及相关技术的发展，光伏发电成本已经大幅度降低，光伏能源作为一种新型清洁能源在我国的应用规模迅速增长。光伏发电已经跨越了示范应用阶段，进入了大规模推广的阶 段。近年来，光伏发电产业规模迅速增长。截止到 2015 年 6 月底，中国光伏发电累计装机容量达到了 35.78 吉瓦，其中光伏电站 30.07吉瓦，分布式光伏 5.71 吉瓦。根据美国 IHS 咨询公司预计，2015 年全球光伏装机量增长 16%~25%，达到 53-57 吉瓦之间。

本实用新型涉及一种带有智能家居系统的拼接式楼房。本实用新型由拼接式楼房组件以及智能家居控制系统组成，所述拼接式楼房组建由设置于房间框架内的基层以及设置于基层上的装饰层和隔板组成，所述智能家居系统由服务器终端、安防系统、环境调控系统、网络系统以及远程终端。本实用新型在建筑开发商提供的最基础的框架基础上，购房者可将内部结构灵活改变，由用户定制。实施上按照功能可以由其他专业供应商构造（整体厨房、浴室已经有专业分工，不需使用水泥来固定瓷砖，更换时简单无损耗，使得变换房屋构型变成了更加容易）。本实用新型将多种市场通用产品集成，适合于家居的智能化，可构建性价比较高的智能家居控制系统，远程控制方式灵活多样，用户可通过智能手机和PC机对家居随时进行监控。

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。