项目研究内容及用途： 本项目采用一种气体辅助挤出成型技术，其技 术关键是通过气体辅助控制系统精确控制气体压力， 采用气体辅助挤出口 模使聚合物挤出时在口模内壁形成一层稳定的气垫膜层， 从而实现挤出由 非滑移粘着剪切口模挤出机理转化为完全滑移非粘着剪切口模挤出机理， 将口模壁面对挤出熔体的阻力降到最低限，从而达到减小挤出胀大、降低 口模压降和制品内应力、提高制品表面和内在质量的目的。聚合物气体辅

本成果来自有由重大应用前景的横向项目。该系统已在成都客运站和哈尔滨站运用。采用该系统可对大型客运站运转作业生产的全过程利用计算机进行组织指挥管理，整体上提高铁路大型客运站行车组织指挥现代化水平。该系统由站调子系统、车号员子系统、助理值班员子系统、调车员子系统、技术室子系统、统计子系统及系统维护子系统构成。系统可实现现车场现车信息、列车编组信息、调车作业计划信息、本站列车作业正晚点预报信息、调机信息等作业信息的建立、共享和监控。

Ø 针对大型活动中人群运行的实际需求，利用数字表演和计算机仿真等技术手段完成游行的队形队容设计、集结疏散部署及队伍行进表演的智能辅助策划，并紧密围绕方阵训练及现场指挥调度等任务建立有效的训练辅助系统和指挥保障系统，通过视频采集设备、传感器、GPS、激光定位仪等多方位、多传感设备获取活动运行过程中实时数据，确保指挥员在训练中和活动现场能看到、能听到、能指挥到。大型活动训练辅助与指挥保障系统包括队列队容仿真设计子系统、队列方阵定位辅助子系统、现场视频监控辅助指挥系统、数字化方阵辅助排练子系统、

本发明公开了一种温控型智能辅助供液系统，包括设有入口管和出口管的装置主体，包括：设置在装置主体内的弹性输液管以及挤压在弹性输液管外壁的挤压杆，该弹性输液管两端分别与入口管和出口管对应导通；驱动挤压杆转动的驱动机构，所述挤压杆转动时能够驱使弹性输液管内液体从入口管向出口管流动；用于检测待输送液体温度的温度传感器；接收的所述温度传感器的温度信号，根据温度信号大小对所述驱动机构进行控制，实现对挤压杆转速的控制。本发明具有结构简单，工作可靠，能够智能控制血液流动，流量稳定，流量调节范围大，产生血压高，外形尺寸小，能植入到动物体内，具有良好的生物兼容性等特点。

本发明提供一种棋牌游戏交互辅助装置，玩家可以利用本发明的棋牌游戏交互辅助装置与各种游戏设备进行游戏交互，在游戏交互的过程中，本发明的棋牌游戏交互辅助装置可以为玩家提供真实棋牌的触觉感受。此外，玩家操作本发明的棋牌游戏交互辅助装置就可以操控游戏，这让玩家有一种在进行实体游戏的游戏感受。此外，本发明的具有很好的普适性和便携性，不同的棋牌游戏都可以使用本发明的棋牌游戏交互辅助装置进行游戏交互，且人们可以和移动智能终端一起随身携带，方便随时使用。

成果与项目的背景及主要用途：工业造型计算机辅助设计系统（IMDS1.0）是在天津市应用基础重点基金的资助下，根据工业设计领域的需求，将虚拟现实技术、虚拟人技术、IBMR 技术和全局光照技术、协同工作等多项计算机图形新技术应用于工业造型设计领域。在对这些新技术进行创新性研究的基础上，开发了支持工业造型设计的新型工具软件系统。作为支持工业造型设计的计算机辅助软件和工具，目前在国际上尚无专门的用于工业造型设计的软件产品，大多借助于机械、建筑、影视动画等 CAD 软件来完成设计。因此该项成果具有一定的创新性和先进性，该项目所研究的技术不仅对提升我国的工业设计水平具有积极的意义，并且在动画、虚拟现实等其他领域有着广泛的应用前景。技术原理与工艺流程简介：本项目面向工业造型设计领域的需求，对多项计算机图形学新技术进行了创新性研究。提出了适应工业设计特点的分布式虚拟现实协同设计环境；通过对基于图像的造型和绘制技术（IBMR）的关键环节研究，实现了基于图像的新型建模方法及全景图拼接功能，并消除了纹理变形；提出了逆向运动学和关键帧相结合的虚拟人底层运动控制手段，以及基于包容式结构和专家系统技术的虚拟人高层运动控制手段，为人机工程仿真测试提供有效的人体运动模拟手段。并利用整体光照算法，以实现几何形体的真实显示效果。 技术水平及专利与获奖情况：目前正在申请软件著作权。 应用前景分析及效益预测：目前，在国内外尚无专门为工业造型设计开发的工具软件系统,用户多采用建筑、机械等 CAD 软件作为支持工具，如 Pro/Engineer、EDS Unigraphics、EUCLID、AutoCAD、SolidWorks 或直接应用它们的造型和绘制功能或使用在这些软件系统中含有的支持工业造型设计的模块。这类软件一般均具有很强的造型能力，尤其是复杂曲面的造型。但在图形生成的质量上，很难满足工业造型设计的要求。一些影视制作、动画生成或图象处理软件系统也常被用来进行工业造型设计，如 Alice Wavefront、MAYA、3DS Max、Photoshop 等。它们虽在图象效果和动画生成上各有独到之处，但在模型表示和数据结构上均未考虑与造型设计相关的结构和功能设计以及之后的人机工程测试环节。随着改革开放的日益深入，尤其是面临着加入 WTO，人们已开始逐步认识到工业造型设计对产品的市场竞争力、企业形象的重要性，都将会把产品造型设计放在非常重要的位置上来，相应的对工业造型设计工具的需求就会升高，将会有很大的用户群，因而将会有非常好的市场前景。 应用领域：工业产品造型设计、人机工程仿真测试、计算机动画等领域。 

边缘智联网（edge+AI+IOT=eAIOT）综合实验平台是一款集成物联网、嵌入式、移动互联技术、人工智能于一体的高端教学科研实验平台。 整个教学平台包括物联网、嵌入式Linux和人工智能（AI），三个部分互相支撑、互为补充。平台采用多核高性能 AI 处理器，预装 Ubuntu Linux 操作系统与OpenCV计算机视觉库，支持TensorFlow Lite、NCNN、MNN、Paddle-Lite、MACE等深度学习端侧推理框架。 实验平台支持图像处理、语音处理、无线通信、传感器原理、RFID等技术的主流算法及应用。提供完整的配套教学教材，实训案例的源码、开发手册等，满足AI和IOT教学实训、应用开发等需求。 本项目实验平台搭载瑞芯微RK3399处理器，不少于9个无线传感器节点，配备11.6寸高清触摸屏、高清相机模块、7麦麦克风阵列和ODB接口。 硬件系统采用DC12V电源适配器安全统一供电，结构为上下两层一体化设计，上层紧固式安装实验所需硬件（非磁吸式安装），实验所需硬件均平铺安装在一整块底板上，下层收纳放置配套线材、配件等设备。 实验平台支持ZigBee、BLE、lorawan、nbiot、RFID等无线网络通信，支持无线传感器网络、物联网人工智能、嵌入式系统开发、RFID射频识别技术等课程实验。同时配备可私有云和公有云部署的“物联网云平台”，配合多种传感器模块，可完成基于物联网云平台的嵌入式无线传感器综合实验。本平台提供嵌入式深度学习框架Tengine，可完成人工智能实验，包含基于深度学习的目标检测实验、基于深度学习的人脸识别实验，可完成声纹识别门禁实验、AI语音智能家居实验、知识图谱和聊天机器人实验等人工智能实验。

机器人研究中心自主研制的自主飞行器平台，用于控制旋翼飞机，实现旋翼飞机的自我控制。目前，市场上现存的自主飞行器平台存在功能单一、移植性差、自我控制不稳定等问题。自主飞行器借助先进的控制理论技术，实现自主飞行器自主起降、悬停、避障等多种功能，在自主飞行器平台市场具有广阔的市场发展前景。 国内外对采用以遥控直升机为基础进行旋翼飞行器的全自主高机动飞行控制的研究必将继续推进，研究成果也会被更广泛应用。我们设计了一套完整的四旋翼自动控制系统。该系统不仅包括控制算法的设计，还包括传感器、控制板等相关硬件平台的实现。

技术优势 智慧水利大数据平台项目成果包括- -套软件产品“水文与水库大坝安全监测大数据平台”和两类算法，即“水库入库流量预测算法”和“智能水库防洪调度算法”。 1)水文与水库大坝安全监测大数据平台:该平台基于传感器网络采集水库水文信息和大坝的各个核心区域的压力、位移、沉降等信息，基于大数据分析技术和可视化方法，设计实现了一种面向水库大坝安全监测的可视分析软件平台。 2)水库入库流量预测算法:水库入库流量预测是精细化水库调度的基础，现有的基于水文模型的库流量预测方法对流域的适应能力较弱，预测精度难以满足精细化调度的应用需求。该项目基于历史水文数据，采用深度学习技术，对水库的入库流量进行滚动预测。结合智能化的时间序列决策方法，能够实现对水库的智能化管理调度。 3)智能水库防洪调度算法:汛期的水库防洪调度是水库管理中面临的重要问题。该项目针对水库防洪调度中的上下游安全问题建立多目标优化模型，采用计算智能方法对模型求解获得精细化的水库防洪调度方案。与现有工程实践中基于规则的水库防洪调度不同，该方法不依赖于水利专家的经验，能够提供更加精细化的水库防洪调度方案。 智慧水利大数据平台——功能模块图 大坝安全检测指挥中心数据大屏——水库大坝一张图 系统主要功能模块

简介： 抗体药物是生物制药中复合增长率最高的，2019年全球研究抗体市场规模为34亿美元，预计在预测期内复合年增长率为6.2％。原研药二次改造获得成药性更好的药物分子（bio-better）是抗体和细胞因子药物研发的突破口。人工智能技术广泛应用在靶点筛选、分子进化、临床各阶段研究、产品上市后的活动中。 我们开发的智能抗体设计平台，包括 抗体序列注释分析、抗体翻译后修饰位点的预测、抗原线性表位预测、抗体结构的预测与优化、 抗体-抗原相互作用的预测、抗体分子的设计与改造。高效的完成抗体亲和力成熟、稳定性优化和人源化改造等。  优势： 1、研发成本节约3-5倍，时间节省5倍，筛选成功率提升6倍 2、可以帮助指导、设计实验，减少消耗，加快速度，提高准确率 3、计算方法已经得到了实验从正、反两方面的验证。 图1：深度学习算法预测蛋白质相互作用时界面氨基酸配对:成功率72.1% 图2：计算相互作用得到了实验从正、反两方面的验证