|
搜索
搜 索
高等教育領域數字化綜合服務平臺
自蔓延冶金法制備超細粉體
東北大學成功開發出以金屬氧化物為原料，鎂熱自蔓延冶金法規模化清潔生產超細粉體的原創技術，并突破了設備產能的局限，打破國外的技術壟斷與封鎖。從方法-產品-裝備的集成創新，先后獲得發明專利12項。實現了超細鈦粉等超細粉體的規模化清潔之輩，目前已進入產業化和推廣應用階段。成功開發亞微米超細鈦粉、鎢粉、鉻粉以及納米無定形硼粉。所制備鈦粉粒度小于1微米，純度大于97.5%；鎢粉粒度小于0.5微米，純度大于99.0%，氧含量低于0.15%；鉻粉粒度小于1微米，純度大于99.0%，氧含量低于0.05%；無定形硼粉粒度小于100納米，純度95.0~97.0%。 項目涉及的產品包括鈦、鎢、鉻、無定形硼粉及硼化物陶瓷粉等超細粉體。鈦、鎢金屬作為一種戰略性金屬材料，是飛機制造、宇宙航天行業所必需的材料，是金屬3D打印的關鍵原材料，對國家安全、國防建設起著至關重要的作用。例如3D打印的適用材料―鈦合金球形粉末，一直是制約3D打印技術發展的關鍵環節，為美、德、英等發達國家壟斷，進口價格高達400萬元－600萬元/噸。超細高純金屬鉻粉是高純靶材的關鍵材料，也是軍工領域的戰略材料之一，售價高達200萬元/噸以上。高活性無定形硼粉廣泛用于火箭燃料助推劑、汽車安全氣囊的觸發劑，美國一直壟斷著其技術，進口價高達千萬元/噸。為此，我國當前優先發展的高技術產業化重點領域指南中將金屬粉體等超細粉體及其材料列為優先發展的高技術產業。本項目涉及的鈦、鎢、鉻、無定形硼粉等超細粉體將瞄準替代進口產品，為國家安全建設提供急需的關鍵原材料。未來5年，3D打印、軍工、航空航天工業的發展，鈦粉、無定形硼粉等超細粉體的需求量將會急劇增加，年需求量在10萬噸以上。若投資建立一條兩百噸~五百噸規模的超細粉體的生產線，其總產值可達2~3億元左右，其利潤可達5000~7000萬元以上。由于該技術及裝備完全是由東北大學所研究開發，在市場上處于領先地位，具有完全的市場主動權，能夠實現快速地持續發展，具有廣闊的發展前景。
東北大學
2021-04-11
自泳型水性汽車防腐底漆
成果描述：一種水性環氧磷酸酯乳液涂料，主要組成是環氧磷酸酯樹脂、異氰酸酯固化劑、小分子量環氧磷酸酯乳化劑，通過高速乳化制成水性乳液；再混入顏料、促進劑等配制成涂料。 目前主要應用對象：通過自動沉積工藝在鋼質材料表面進行防腐處理（需要高溫固化）。 優勢：投入成本較低、漆膜防腐性能可以達到360h（耐鹽霧試驗），特別適于異型件的表面防腐處理。市場前景分析：化工市場。與同類成果相比的優勢分析：國內領先。
四川大學
2021-04-10
一種自密實高強砂漿
本發明屬于建筑材料技術領域，具體涉及一種自密實高強砂漿。由水泥、石粉、硅 灰、膨脹劑、減水劑按一定配比組合而成。所述水泥為硅酸鹽水泥或普通硅酸鹽之一種， 石粉為雙飛粉，減水劑為聚羧酸鹽減水劑。本發明通過采用新型減水劑，使得砂漿的流 動度經時損失很小，2 小時內的流動度基本保持不變，28d 抗壓強度高達 70～90MPa 以 上，提高了施工的便利性。本發明用硅酸鹽水泥或普通硅酸鹽水泥和黃砂配制了高強度 砂漿，大大降低了生產成本，便于大量使用。本發明制備方法簡單、應用廣泛。
同濟大學
2021-04-13
自蔓延復合鋼管制備技術
自蔓延高溫合成（Self-propagating High-temperature Synthesis， 縮寫SHS）是利用化學反應自身放熱制備材料的新技術。目前已發展成為一個介于燃燒科學與材料科學之間的新學科，用自蔓延技術合成的材料達上千種，它的突出優點是設備簡單、工序少、合成速度快、成本低，尤其適用于高溫難熔材料的合成。 本項目涉及的SHS陶瓷內襯復合鋼管、不銹鋼及耐蝕合金內襯復合鋼管、耐腐蝕聚合物內襯復合鋼管、小口徑陶瓷內襯復合彎管均已達到工業化生產的程度，廣泛應用于冶金、礦山領域；煤炭和電力工業領域；石油、化工工業、水處理工業領域； 建材工業、運輸工業領域；糧食、食品工業、飼料加工業和醫藥工業領域。 SHS陶瓷內襯復合鋼管：SHS-離心法與傳統工藝（熱噴涂法、等離子噴涂、熱裝法、爆炸法等）比較有明顯的優點：成本低、內襯陶瓷層與鋼管結合緊密、制備的復合鋼管長度較長（可達5.5米）。已廣泛應用于礦山尾礦輸送，電廠煤粉和除灰管道等工業領域。 不銹鋼及耐蝕合金內襯復合鋼管：SHS-離心法制備超低碳不銹鋼，避免鋼中析出碳化物，因此可防止由于碳化物析出造成的晶界附近貧鉻，從而提高不銹鋼內襯層的抗晶間腐蝕性能，內襯層可與外層鋼管實現牢固的冶金結合。可代替整體不銹鋼管，其成本是整體不銹鋼管的1/3，在冶金、石油、化工等領域有廣泛的應用前景。 耐腐蝕聚合物內襯復合鋼管：該復合鋼管由三層組成，最里層是聚合物，中間層是氧化鋁陶瓷，最外層是碳鋼。聚合物內襯層厚度為0.5~1.0mm，最高使用溫度是120℃。由于聚合物內襯層與氧化鋁陶瓷過渡層之間結合強度高以及內襯層表面光滑，因此該產品具有內襯層不易脫落和輸送介質時阻力較小等優點。該產品具有優良的耐腐蝕和耐磨性能，與普通聚合物管相比，不易老化，可承受更高的壓力，輸送熱水時不易結垢，可廣泛用于石油、化工、食品、冶金和礦山等行業。例如，在化工行業用于高腐蝕性介質的輸送，取代鋼管和鑄鐵管用于輸水管道，還可代替水泥管用于污水處理系統。小口徑陶瓷內襯復合彎管：該工藝彌補了離心法只適合制備直的規則形狀管狀樣品的不足，即可制備等徑的彎管，又可制備變徑的直管和彎管。陶瓷內襯彎管的內襯層是Al2O3陶瓷、Al2O3-ZrO2、Al2O3-Cr2O3復合陶瓷，內襯陶瓷層具有優異的耐高溫氧化、耐磨和耐高溫腐蝕性能，在冶金、化工等工業領域有廣泛的應用前景。該種復合鋼管用作高爐噴煤槍已經在國內幾家大型鋼鐵企業獲得成功應用。
北京航空航天大學
2021-04-13
手扶式自平衡微耕機
該手扶式自平衡微耕機,包括內燃機、變速箱和主旋耕刀,內燃機通過變速箱接主旋耕刀以驅動主旋耕 刀轉動,主旋耕刀的刀軸平行于地面橫向設置,其特征在于:本微耕機還包括起平衡作用的輔旋耕刀,所述 輔旋耕刀位于主旋耕刀的后方，輔旋耕刀與動力機構連接由動力機構帶動其旋轉以實現對土壤的切削，從而 達到平衡主旋耕刀的作用和輔助深耕的目的。
西南大學
2021-04-13
自驅動調光裝置及其制備方法
本發明公開了一種自驅動調光裝置及其制備方法，該方法包括 如下步驟：（1）將光敏劑、熱敏劑和水按質量比 1:10:10000～100000 混合后冷藏；（2）將凝膠劑與水按質量比 1:100～200 混合；（3）將 步驟（1）得到的混合液與步驟（2）得到的混合液按體積比 1:1～10 混合，徹底攪拌均勻后，向透明模具中灌注，封裝后冷卻成型，得到 自驅動調光裝置。該裝置包括調光層和兩個透光層，所述調光層位于 所述兩個透光
華中科技大學
2021-04-14
自清洗長壽汽車空氣濾芯
中試階段/n本項目采用表面氟化處理技術制得低表面能基材，采用溶劑誘導結晶相分離技術實現微納米結構，采用本體抗變形可沖洗濾芯專利技術，構成的自潔型超細纖維汽車空氣濾芯，比現有紙質濾芯壽命提高5-10倍，燃油得到充分燃燒，發動機輸出功率增加，有害尾氣排放減少。本項目的關鍵技術還可用于不沾灰-不沾水服裝面料、自潔建筑材料、船舶防污涂料等領域。主要技術指標：透氣度(200Pa):509mm/s；原始阻力(額定流量220m3/h):≤1.3KPa；總成濾清效率(初始):η≧99.5%；總成試驗壽命:≧20h
湖北工業大學
2021-01-12
批量鋼管混凝土自平衡加載裝置
本發明涉及一種批量鋼管混凝土自平衡加載裝置，包括反力架、千斤頂、上蓋板、下蓋板及用于澆 注混凝土的鋼管，所述反力架橫梁上面設有滑動小車，反力架橫梁下方依次設有千斤頂、上蓋板、壓力 傳感器、鋼管、下蓋板和位于混凝土地面上的底板；所述上蓋板和下蓋板通過四根雙頭螺紋拉桿將鋼管 夾在中間，通過千斤頂對已經澆筑的鋼管進行加壓，然后擰緊四根雙頭螺紋拉桿上的螺帽，以便在千斤 頂泄壓后還維持對混凝土鋼管持續加載，然后千斤頂通過滑到小車移到另外一個位置進行下個澆筑的鋼 管加載，由于鋼管加載裝置屬于內部自平衡系統，無需外力維持，還可以通過反力架鋼橫梁上的小車滑 動可以實現對混凝土鋼管的批量加載，該裝置結構簡單，制造方便。
武漢大學
2021-04-13
籃球賽事AI短視頻剪輯系統
視頻剪輯是一項簡單卻繁瑣的工作，需要投入大量的人力。而且人力完成的視頻剪輯，剪輯結果有著很強的主觀色彩。通過采集大量各類體育賽事數據進行模型訓練，利用深度神經網絡良好的自主學習能力，采用Centernet作為多目標檢測能力的實現框架，同時利用Transformer重構目標檢測進行連鎖，二次捕捉目標檢測的準確性。CenterNet和Transformer的融合，實現了端到端的目標檢測，在準確性提升的基礎上滿足實時處理視頻的要求。綜合應用多目標檢測跟蹤以及多模式識別技術，實現短視頻的智能化剪輯，極大程度減少了人工工作量，同時也增加了短視頻剪輯的客觀性，在大數據時代背景下有著重要的現實意義。
太原科技大學
2021-05-04
新冠肺炎影像學AI智能輔助診斷研究
“現階段醫生需要在大量影像數據中快速診斷出新冠肺炎的病例，此外還需要診斷出病灶分布的位置、大小等來評估嚴重程度。”薛向陽介紹，針對臨床的現實需求，團隊將設計目標定位于“肺炎分類鑒別”和“關鍵病灶檢測”兩大功能，前者是為區別健康狀態、新冠肺炎、其他病毒性肺炎、細菌性肺炎，后者則為找到并分隔出磨玻璃影等病灶區域。針對這些需求，團隊設計診斷算法模型，讓機器利用模型進行訓練，學習不同類型肺炎在CT影像表現上的不同特征，最終具備智能輔助診斷的能力。而這需要突破小樣本學習、小目標檢測等多個技術難題。“小樣本學習”即在較少訓練數據樣本的條件下進行機器學習。在疫情發生前期，能夠獲取的新冠肺炎影像數據相對較少，且由于一線影像醫生任務繁重，無法獲得大量專家標注，因此需要算法在少量樣本的條件下“自學成才”。為此，團隊采用基于自遷移學習的半監督學習等技巧，使算法具備一定的“小樣本學習”能力，在不增加醫生標注工作量的情況下較好地提高了算法模型的普適性。由于CT影像切片中的病灶區域有大有小，且往往大中小病灶區域面積懸殊，如何使算法能同時檢測大、中、小各個目標是另一大難題。團隊利用神經網絡的層次性特點與病灶區域的大小進行對應，“網絡的底層關注細節，即小病灶區域，而網絡中層到高層所關注的病灶區域則越來越大，因此模型通過不同層次的加權和融合，最終便能達到同時檢測大小病灶區域的目標。”薛向陽解釋道。“不過，即便有診斷‘神器’，影像科醫生也是不可替代的。”薛向陽說，人是復雜的機體，病毒在不同人體內感染的反映也不一定相同。”他表示，當遇到機器未曾學習過的微小病變或疑難病例時，仍需要影像醫生的經驗和智慧。以解決實際問題為目標，該項目在研究過程中始終與臨床應用緊密結合。無論是機器學習數據，還是測試評估數據，都來源于臨床真實病例。在算法模型定型過程中，為了檢驗模型的準確率和泛化性，團隊也利用現實疑似病例進行了測試。
復旦大學
2021-04-10