人工智能健康干预平台 以遵循医学原理为基础，实现对用户的引导促进，并为用户提供千人千面、科学有趣的智能健康干预方案。 AI健康管理师 300+ 处方方案 2600 国内外专业文献及专家共识 具备通过国家健康管理师 考试能力 AI运动康复师 1300+ 运动动作库 7 种 症状运动康复方案 18 点 人体关键点动作识别 AI营养师 25+ 人群适宜禁忌推荐 13 类 人群智能配餐方案 86 % 准确率食物识别

产品详细介绍 台面：含磁不锈钢板，双层减震。M6孔，孔距：25㎜ 磁力表座、一维、二维、三维工作台16件; 一维、二维、三维调整架21套; 附件19套，元器件等20多种；配有精制工作台。26项光学实验.  1200×800×140㎜/   1500×1000×160㎜/    1800×1000×160㎜   另有轻便精密光学平台GPT-3  / 干板切割器 CG-2  / 20度定温洗相仪DX-3/ 移动暗室YD-2.

自疫情发生以来，对于劳动密集型的制造业企业来说，尽可能减少工人聚集和交叉接触成为企业复工复产的重要保障。但在生产经营活动中，必要的沟通、协同、信息互通和反馈指导不可避免，这其中涉及了离散制造的多个部门（销售、采购、计划、生产、仓库、财务等）、多个生产工序以及多个工种。北大信息技术高等研究院智能工厂实验室利用工业领域企业级数据中台的优势，全面整合企业生产经营环节的关键数据，并利用数据智能对齐、行业知识图谱等关键技术，实现面向制造业的全流程可溯源的透明管控线上生产链，迅速帮助企业集中获得每一个线下关键生产环节的实时进度，并且能够细化到订单、生产设备、运行情况等细节，同时根据挖掘算法提供有效的智能辅助决策建议，在高效保障生产经营管控的同时，最大化地减少不必要的人员聚集，实现数据中台的指挥室作用，快速实现复工复产，有效提升生产效能。 拟解决的核心问题： 1、无法在生产环境外远程下单，下单效率低； 2、工厂远程管控困难，无法掌握订单的详细生产进度，并预测交期，难以面向JIT及时交货； 3、对生产缺少全维度统计掌握，需要跨系统反复查询； 4、在线实时分析困难，缺少必要的预测辅助参考； 5、生产环节无法自下而上进行反馈； 6、多源异构数据融合困难； 7、缺少人工智能的辅助决策。 预期实施效果： 1、移动端远程下单，基于混合云架构，实现内外网数据互通； 2、移动端跟单进度，多源异构数据融合，实现生产环节全流程线上实时可见； 3、生产数据实时监控，关键指标实时汇总，实现工作进度量化可见； 4、形成线上闭环数据看板，在线辅助指导生产经营； 5、沉淀大数据资产，形成工业领域企业级数据中台； 6、实现订单生产智能逾期预警、订单销量智能预测、原材料动态库存优化。

第九届中国国际“互联网+”大学生创新创业大赛

第九届中国国际“互联网+”大学生创新创业大赛

本发明公开了一种油气路一体化伸缩的支撑臂装置，包括支撑 臂组件、传动组件、油路组件和气路组件，支撑臂组件为可伸缩结构， 包括伸缩臂和套接在伸缩臂上的固定臂，固定臂内部安装有支撑臂底 座;传动组件包括丝杆螺母、丝杆、动力源和导向套管，用于实现支 撑臂组件的伸缩运动;油路组件为可伸缩结构，其包括彼此相连的不 锈钢管和双联弹簧管，不锈钢管与伸缩臂相连，双联弹簧管套装在导向套管上，并且其前后两端分别与丝杆螺母和导向套管相连;气路组 件为可伸缩结构，其包括小气管和嵌套在小气管外部的大气管。本发 明可有效增加支

成果描述：拥有独立的自主知识产权，采用磷铁在水溶液中电解制备高纯度FePO4，以水中的氧为产物提供氧源，可以实现原位除杂，不受磷铁的原料来源限制；采用价廉的磷铁和空气中的氧为原料，通过与锂盐和补充磷源或铁源在可控气氛下反应制备粒度和碳含量可控的LiFePO4，避开了目前合成方法中的专利技术壁垒问题，不存在知识产权纠纷，将废物循环利用与能源材料耦合起来，节能环保，从源头上降低了磷酸铁和磷酸铁锂的生产成本。 所采用的原料均为大宗化工产品，磷铁副产物中的杂质可以通过反应工艺控制进行无害化处理，在原料的供应和价格方面都非常稳定；通过工艺控制和反应原料的组合，可以将反应产生的CO2等副产物循环利用，实现零排放的绿色清洁工艺；将添加剂与磷铁和锂源及补充的铁源或磷源充分混合，添加剂在后续的反应中既可以起保护作用，又能形成对磷酸铁锂颗粒的原位包覆及控制晶粒生长作用，能够极大提高正极材料的导电性能；采用的工艺路线容易控制，工艺稳定性好，容易实现大批量生产。市场前景分析：本项目产品专门提供给各种电动车（包括自行车、公交车、汽车、混合动力车等）、电动工具、手机、笔记本电脑、蓝牙器件、UPS不间断电源、摄像机、播放器、游戏机、电动玩具、清洁器和极端气候环境下的武器装备等产品所需的锂离子电池和超级电容器电极材料，特别在电动车领域具有非常大的市场前景。作为电动车电源，磷酸亚铁锂动力电池具有热稳定性好、安全性高、寿命长、倍率性能好、耐高温、绿色环保等特点，备受关注。与以往的锂离子电池正极材料LiCoO2、LiMn2O4、LiNiMO2等相比，磷酸亚铁锂的安全性能与循环寿命是其它材料所无法相比的，这些也正是动力电池最重要的技术指标，而且循环稳定性好，1C充放循环寿命达2000次。单节电池过充电压30V不燃烧、不爆炸，穿刺不爆炸。在未来几年内，磷酸铁锂地市场需求量将达5万吨以上，尤其是在动力型电池应用方面对磷酸铁锂地需求将大幅增加。与同类成果相比的优势分析：1．FePO4基本参数：纯度≥97%，粒度≤1μm，而且根据需要可以进行调控 2. LiFePO4基本参数： Li =~4.4%, Fe=35.4%, P=19.6%, C=2-6% 3. 物理参数： 松装密度 ≥0.5 g/cm3 振实密度 ≥1.2 g/cm3, 中位粒径 ~4 μm 4. 涂片参数： LiFePO4: C : PVDF=90:3:7 极片压实密度：2.1-2.4 g/cm3 5. 电化学性能： 克容量>130mAh/g 测试条件：1C, 全电池。 克容量>140mAh/g 测试条件：纽扣0.1C, 电压4.2-2.5V

（专利号：ZL 201510464978.8） 简介：本发明公开了一种氨法脱硫吸收产物+4价硫氧化系统及其优化调控方法，属于大气污染治理技术领域。本发明中首先确定了氨法脱硫系统中的模型参数；输入上述模型参数，并设定一初始pH值、氧化空气量Q以及S4+和S6+的初始浓度，利用+4价硫的氧化率模型计算浆液池内+4价硫的氧化率；将计算得到的+4价硫氧化率带入进行检验，若不成立，则调整和的值重新计算，直至成立，并将得到的氧化率与工程中的设定值进行比较，并通过调整模型中的pH值、氧化空气量Q、和的值，使+4价硫的氧化率能够满足工程要求。本发明中的氧化率模型能够对氨法脱硫吸收产物+4价硫氧化系统的设计和运行提供理论指导，进而提高氨法脱硫技术的稳定性和经济性。

成果描述：拥有独立的自主知识产权，采用磷铁在水溶液中电解制备高纯度FePO4，以水中的氧为产物提供氧源，可以实现原位除杂，不受磷铁的原料来源限制；采用价廉的磷铁和空气中的氧为原料，通过与锂盐和补充磷源或铁源在可控气氛下反应制备粒度和碳含量可控的LiFePO4，避开了目前合成方法中的专利技术壁垒问题，不存在知识产权纠纷，将废物循环利用与能源材料耦合起来，节能环保，从源头上降低了磷酸铁和磷酸铁锂的生产成本。 所采用的原料均为大宗化工产品，磷铁副产物中的杂质可以通过反应工艺控制进行无害化处理，在原料的供应和价格方面都非常稳定；通过工艺控制和反应原料的组合，可以将反应产生的CO2等副产物循环利用，实现零排放的绿色清洁工艺；将添加剂与磷铁和锂源及补充的铁源或磷源充分混合，添加剂在后续的反应中既可以起保护作用，又能形成对磷酸铁锂颗粒的原位包覆及控制晶粒生长作用，能够极大提高正极材料的导电性能；采用的工艺路线容易控制，工艺稳定性好，容易实现大批量生产。市场前景分析：本项目产品专门提供给各种电动车（包括自行车、公交车、汽车、混合动力车等）、电动工具、手机、笔记本电脑、蓝牙器件、UPS不间断电源、摄像机、播放器、游戏机、电动玩具、清洁器和极端气候环境下的武器装备等产品所需的锂离子电池和超级电容器电极材料，特别在电动车领域具有非常大的市场前景。作为电动车电源，磷酸亚铁锂动力电池具有热稳定性好、安全性高、寿命长、倍率性能好、耐高温、绿色环保等特点，备受关注。与以往的锂离子电池正极材料LiCoO2、LiMn2O4、LiNiMO2等相比，磷酸亚铁锂的安全性能与循环寿命是其它材料所无法相比的，这些也正是动力电池最重要的技术指标，而且循环稳定性好，1C充放循环寿命达2000次。单节电池过充电压30V不燃烧、不爆炸，穿刺不爆炸。在未来几年内，磷酸铁锂地市场需求量将达5万吨以上，尤其是在动力型电池应用方面对磷酸铁锂地需求将大幅增加。目前全球磷酸铁锂生产能力小于2000吨/年，投资磷酸铁锂项目风险小，回报快。与同类成果相比的优势分析：1．FePO4基本参数：纯度≥97%，粒度≤1μm，而且根据需要可以进行调控 2. LiFePO4基本参数： Li =~4.4%, Fe=35.4%, P=19.6%, C=2-6% 3. 物理参数： 松装密度 ≥0.5 g/cm3 振实密度 ≥1.2 g/cm3, 中位粒径 ~4 μm 4. 涂片参数： LiFePO4: C : PVDF=90:3:7 极片压实密度：2.1-2.4 g/cm3 5. 电化学性能： 克容量>130mAh/g 测试条件：1C, 全电池。 克容量>140mAh/g 测试条件：纽扣0.1C, 电压4.2-2.5V

原子核裂变数据的精确测量是很多核物理应用的先决条件，比如核能、国防、辐射防护、核废料处理、产生稀有同位素等。核裂变物理在超重元素合成、反应堆中微子、中子星融合中的r-process等研究中也不可缺少。特别是走向新一代核能-快中子反应堆，急需锕系核区精确的不同能量中子诱发裂变数据。但是目前实验和理论都无法提供可靠及完整的能量相关裂变数据。 由于涉及中子的实验难度较大，国际上主要的核数据库只有几个能量点的裂变数据。理论上基于微观模型去描述裂变过程非常复杂，是一个涉及多维位能面的大幅度、非绝热的量子动力学过程。目前微观理论对裂变可观测量的描述还有较大误差。 此外基于唯象裂变模型对未知核区和未知能区的外推往往不可靠。 北京大学物理学院裴俊琛研究员课题组首次采用贝叶斯神经网络（Bayesian Neural Network）来评估不完整的裂变产物分布。此前贝叶斯神经网络对原子核质量外推有一些成功的应用，并可以得出推断的误差，但是仍有量子壳效应的疑虑。核裂变过程涉及复杂的位能面，裂变产物分布具有统计特征，比较适合神经网络。 贝叶斯神经网络对不完整核裂变产物的评估 目前核裂变产物的实验测量很难给出完整的产物分布，只能结合模型评估给出完整的裂变产物分布。人们通常基于唯象模型、通过调参数来拟合出产物分布。该工作通过对已有裂变数据库的学习，当实验测量给出不完整的裂变数据时能够推断出完整的裂变产物分布。结果表明，随着中子能量增加，裂变模式逐渐从不对称裂变演化成对称裂变。这说明神经网络能成功抓住部分物理图像。当实验数点很少时，唯象评估模型失效，神经网络仍然可以给出有效的评估和合理的置信区间。贝叶斯神经网络对核裂变产物的评估开辟了一个新的方向，展现了机器学习的一个实际应用范例，将对核数据的定量评估产生重要影响，有望更好地提供应用级的精确核数据。 不同能量的裂变模式演化