精华内容
下载资源
问答
  • 2017年4月21日-22日,由映魅咨询主办的TAB(Tech and Business)教育科技论坛在上海...在本次论坛上,校宝在线CTO孙琳围绕自然语言处理(NLP)的历史、发展、成果和难题,介绍了NLP目前在教育领域的应用情况。以下是

    2017年4月21日-22日,由映魅咨询主办的TAB(Tech and Business)教育科技论坛在上海举行。十几位教育投资研究机构、国内外各类教育科技公司的嘉宾,围绕教育及教育科技投资、国际化的教育产业链、以及教育科技等市场关注的热门话题进行了热烈而深远的分享与探讨。在本次论坛上,校宝在线CTO孙琳围绕自然语言处理(NLP)的历史、发展、成果和难题,介绍了NLP目前在教育领域的应用情况。

    以下是孙博士的分享内容精选:

    大家好!我是孙琳,很高兴参加TAB教育科技论坛,今天分享的题目是“教育应用中的自然语言处理”。首先我先做一下自我介绍,我是剑桥大学计算机系的博士,博士研究的方向是自然语言处理, 2011年的时候,我们一起创立了校宝在线的前身,当时就想要把自然语言处理的技术用在教育当中。校宝在线的业务是为中国的民办学校提供SaaS解决方案,包括ERP、IMS等,同时把人工智能的技术应用在这些软件解决方案当中。我自己在业余时间还保持做研究,目前是剑桥大学语言实验室的研究员,每年还会坚持发Paper,同时也是很多学术杂志和国际会议的审稿人。

    今天为什么给大家讲“自然语言处理”和“教育”这个题目呢?其实大家都知道人工智能,特别在教育中的应用是最近的热点,相关的信息也非常多,相信大家也可以看到。但是作为人工智能当中一个非常重要的领域:自然语言处理跟教育结合的相关信息,却并不是特别多。我自己也找过,无论是中文还是英文都不多,我想这是一个非常好的机会能把我自己对于这方面的一些思考分享出来给供在座的各位大咖和各位创业者们做一个参考。

    一、自然语言处理(NLP)关注的核心是语言和文本

    自然语言处理的英文是Natural language processing,简称NLP。所以我下面说到NLP的时候大家应该能够反应出来NLP是自然语言处理。首先跟大家介绍一下NLP,然后说一下NLP在教育中的应用,最后我说一点自己的结论以及我自己对未来的一点展望。

    自然语言处理其实是人工智能里面一个非常重要的分支,其他的分支大家也非常了解,比如说计算机视觉、语音,包括机器学习、深度学习,这些都是人工智能的分支,它也常常被叫做计算语言学。它核心的目标就是把人的语言也就是自然语言转换成计算机可以执行的命令。简单来说就是让计算机读懂人的语言。所以说NLP关注的核心其实是语言或者更通俗一点来说是文本。

    二、自然语言处理(NLP)的难点:理解人的语言不能光靠逻辑,还要有非常强的知识库

    自然语言处理,我个人认为是人工智能领域里面最难的一个领域,它最大的难点在哪里?

    首先,因为自然语言处理相对于语音和视觉来说是高度抽象化的表现,它不是信号,而是一些非常抽象化的理念。

    大家都认为人类的语言有非常强的逻辑性,其实人类的语言逻辑性并不强。我给大家举一个例子,大家看这句话“我从来没说他偷过钱。”这句话有6种理解方法,我一一列出来了。
    比如说,我可以这么来说:“我从来没说他偷过钱。”这个意思就是可能别人说过,但是我没有说。

    第三个可以说“我从来没有说他偷过钱”,可能我确实没有说,但是我用其他的方式暗示过。

    除了这6种以外,如果把这个句子加长的话,变成“我从来没说他偷过我的钱。”那么就有7种解释,不光有1到6,还有第7种解释,这个句子可以变得更长,这个歧义就会更多。

    对于计算机来讲,如果单单给它这一句输入,要做到真正语境上的理解是不可能的事情。要做到真实语境上的理解可能需要更多的辅助信息和上下文的信息,不然是没有任何可能性的。

    其次,我们要理解人的语言不能光靠逻辑,还要有非常强的知识库,要有很多知识才能正确理解人类语言。

    我举个例子,下面两句话中,第一句话We gave monkeys the bananas because they were hungry。这个地方的they指猴子。第二句话We gave monkeys the bananas because they were over ripe。这个地方的they指香蕉。对于计算机来说这两句话看起来结构非常相似,句式也非常类似,所以计算机必须知道猴子饿了,香蕉不能饿,猴子不能烂的,香蕉才能烂,才能对这句话有一个正确的理解,不然是完全无法知道。

    再次,人的语言还有一个非常大的特性即组合性。

    我们通过字母组合成词,通过词组合成短语,短语组成句子、句子组成段落、段落组成文章。如果单单抽出里面一部分进行解析的话,比如说解析字母、解析词,我们就算理解了词的意思也不能表现出人本来的含义,因为单个抽出词是没有意义的,人的自然语言表达的含义往往就在这些组合当中,恰恰是学习这些复杂的组合对于计算机来说是一件非常难的事情。

    最后,人类语言是非常灵活和开放的。

    开放是什么意思?人的语言是随着时间而改变的,不停的有新词冒出来,以前词的意思也会随着时间有完全不同的意思。比如说“灌水”、“潜水”,这两个词在网络时代有了完全不同的含义。对于计算机来说怎么能够实时的学会这些新词、发现新的用法,也是非常有挑战性的。

    三、自然语言处理(NLP)常用的三种方法:(1)机器学习、(2)规则和逻辑、(3)语言学

    研究自然语言处理,通常有三种方法。

    第一种,机器学习的方法,也包括深度学习。简单来说我们收集海量的文本、数据,建立语言模型,解决自然语言处理的很多任务。

    第二种,规则和逻辑的方法。虽然人的语言不是完完全全有逻辑,但是里面还是有很强的逻辑性的,一些传统的逻辑、原理都可以用在上面,其实这也是人工智能最早主要的研究方法,只不过90年代之后大家逐渐的开始更多的采用机器学习的方法,而不是采用逻辑和规则的方法。现在基本上在自然语言处理研究当中,这两个占的比例是二八开。逻辑规则和机器学习的比例,20%是逻辑和规则,80%是机器学习,也有两者结合。

    第三种,语言学的方法。因为自然语言处理离不开语言学,我们可以把自然语言处理看成语言学下面的一个分支,不单单看成人工智能下面的一个分支。语言学一句话归纳起来就是对人的语言现象的研究。它不关心怎么写得好,关心的是你写了什么。所有人类语言现象的研究都可以归为语言学,对于语言学家来说他们是很多自然语言处理任务的设计师,由他们提出问题,把框架勾勒出来;当然解决问题则要靠研究人员用机器学习、规则和逻辑的方法把这个框架填上,把问题解决掉。

    四、自然语言处理(NLP)的成功应用领域:搜索引擎、机器翻译、语音识别和问答系统

    常见的比较成功的自然语言处理的应用包括搜索引擎、机器翻译、语音识别和问答系统。其中,语音识别技术传统上来说算是自然语言处理下面的一个任务,但是近些年已经单独列成一个研究领域,因为在目标和研究方法上和自然语言处理是迥异的,所以往往把语音识别单列成跟NLP并排的研究领域。

    五、自然语言处理(NLP)的历史:与深度学习关系密切,但受其改进不大

    下面这个图里的概念大家已经非常熟悉了,其实它们都是人工智能下面的子领域,两者是平行的。而深度学习是机器学习的一个子领域。也就是说对于自然语言处理来说,用非深度学习的方法来做自然语言处理的任务也是没有问题的。

    这里写图片描述

    自然语言处理和深度学习之间是什么关系呢?深度学习为自然语言处理提供了很多新的模型和方法。因为深度学习最早在计算机视觉和计算机语音方面取得了非常重大的突破,所以很早就被用在NLP的各个研究领域当中了。到今天为止,可以说它基本上在所有NLP的任务当中都取得了成功。现在对于NLP的各种任务,能见到的最好的模型几乎都用到深度学习了。

    但是跟其他领域内不一样的是:NLP上面深度学习带来的改进并不大。比如说我们在视觉或者在语音上面错误率的降低可以达到40%、50%,但是在NLP上面超过10%的改进都是非常少见的,很多都是1%、2%的改进。另外还有一个非常要命的问题,其实深度学习都是非常复杂的非线性模型,这对于研究人员来说也是黑盒。所以说人类很难理解一个模型背后所代表的语言学现象以及怎样用语言学的理论去解释深度学习的模型。之所以做不到这一点,是因为我们没有办法把深度学习模型对于很多问题的解决方案放进传统的语言学框架里面,这对于研究人员来说是很大的一个困扰。

    六、自然语言处理(NLP)的现状:除了语音和机器翻译领域之外,很多方面的进展并不大

    目前我们已经有非常好的语音识别系统了,现在基本上达到了人类的水平,在理想环境里可以达到95%以上的正确率。同样我们也有比较正确的机器翻译系统,正确率换算过来也可以有70%到80%,虽然离人的水平还有一定的差距,但是已经是可用的状态。除了这两个以外,自然语言处理(NLP)的应用目前进展不大。举一个最简单的例子,比如词性标注,在一个句子当中,动词、名词、形容词,这个任务是非常简单、非常基础的任务。但是句子级别(一句话一个词不错才算对)目前的正确率只有57%,而且从2009年到2017年间正确率提高了不到1%,无论使用深度学习、各种模型、各种方法,花了八年时间也是只是提高了不到1%。

    另外一个例子是句法分析,就组合式句法分析来说,我们今天没有比十一年前做得更好,无论是用深度学习还是其他任何方法,十一年没有改进过。谷歌在去年推出了谷歌SyntaxNet,号称是世界上面最优秀的句法分析器,其实对比四年前最好的系统也只提了2%,当然谷歌用了目前最好的深度学习技术,也仅仅做到了这样。还有多轮对话系统,目前正确率最多只能做到60%,这其实是完全不可用的状态。深度学习的模型,其实在NLP的各个领域都取得了成功,不是说不成功,只是没有取得在视觉、语音领域那么大的成功。

    七、自然语言处理(NLP)在教育领域中的应用

    在讨论AI的时候,我心里面的第一反应其实是它跟教育是最契合的一个点,但大家好像提得比较少。我觉得语言是大家学习的对象,母语或外语都是对自然语言的研究。第二教师的授课、教材也都是自然语言,所以说我很惊讶的发现大家对AI展望的时候有时候比较忽略NLP方面的一些信息。这也是今天我为什么会讲这个主题的原因。

    我把NLP的教育应用分成三大类:

    (1)跟语言教学相关的应用。包括外语和母语教育(自动评分,辅导口语写作等)

    (2)教育文本处理。

    一是教材的编订。举个例子,在所有剑桥官方出版的英语教材的封皮上面都有黄色的小标志,估计大家买书的时候直接忽略掉了,那上面写的是什么意思呢?它表示这本书用剑桥国际语料库通过语言学和自然语言处理的方法来检测书本里面内容的正确性和适用性,而且是在非常大的大数据、语料库上面完成的。
    二是文本阅读分级,大家比较熟悉的是蓝思。
    三是文本简化,生成题目。

    (3)对话系统,使用自然语言进行教学。让每个学生都能够有一个个人学习助理,有问题可以问它。但是目前来说这方面的应用,见到的系统比较少,因为在基础研究上面还是需要更大的进步才能让它有更好的应用。

    下面看几个具体的应用:

    NLP和教育结合的第一个应用是作文打分,这是成熟的应用。

    ETS E-Rater用在托福、GMAT、GRE考试当中了。现在考托福,写作里面一部分分数是电脑自动评分的。ETS E-Rater和人工的打分数据非常接近了。我们校宝在线1Course也可以达到ETS E-Rater水平,而且可以给出详细的反馈。我们不仅会给出分数,而且会给出非常详细的学习建议以及得分的要点。

    第二个应用是作文的纠错。

    比如学生作文当中拼写、语法以及其他的各种错误,通过计算机看了之后可以给出相关的修改建议,包括润色,会建议学生更高级的表达、更符合的表达。这方面的提供商蛮多的,我们最早在2011年的时候推出了一个完全免费的针对个人用户的产品1Checker,今天完全可以用,但是已经很多年没有更新过了。还有其他的供应商,包括国内有句酷批改网,国际上面也有Grammarly等等。我就说1Checker,原理是通过一个语言模型,用计算机阅读学生的作文,找出可能错的一些点,然后对这些点生成不同的建议,最后用模型根据用户不同的水平过虑和重新对建议进行排序,这是对于纠错方面基本的原理。我自己比较惊讶的是去年华南理工大学对于市面上面很多作文纠错的供应商做了一个对比实验,发现1Checker已经三年没有更新了,但是依然领先于其他的供应商。因为作文纠错是作文评分的基础,我相信如果他们采用我们非个人版的系统还会有更大的提升。作文纠错和作文打分,是NLP在教育当中的应用最成功也是最受人关注的两块。

    其他的应用包括简答题的评分,简答题的自动评分其实是只能针对于有固定答案的非开放性的简答题。

    什么叫做开放性的简答题?比如说你最难忘的一件事情,这是开放性的。非开放性的,指的有几套固定答案的,或者让你描述一个现象,这些都属于可以自动批改的简答题。原理上面跟机器翻译很相似,把学生的答案和正确的答案进行比较。目前来说国际上面有两套比较通行的简答题评分的引擎,一个是牛津的那套,精度非常高,对于每道题都要手写规则。还有一个非常成功的是ETS E-Rater,在某些任务当中可以达到人的水平。

    下面一个常见的应用是阅读分级。大家可能听说过蓝思(Lexile)阅读分级,这里面涉及到两个关键信息:词汇频率和平均句子长度。其实词的频度是词汇难度的表现,在大的语料库和文本当中,比如说所有的人民日报或其他报纸,如果一个词汇少见可能就是比较难的词。平均句长是语法复杂度的体现。大家觉得蓝思(Lexile)阅读分级的算法不难,但它的效果是非常好的,它可以给利用计算机给很多的文本、书籍进行自动处理、分析这些书籍的难度,然后对于不同水平的学习者给他们提供不同难度的学习资料。

    另外一个应用是“词汇测试”,我在国内看到的比较少,在欧洲、美国看得蛮多的,它是对于词汇自动生成选择题。给定一篇文章,计算机自动根据学习者的水平找到合适的句子,找到合适的词然后自动生成迷惑项,自动生成学生的练习题。这个好处是老师不需要提前对于阅读理解、阅读材料或者词汇掌握情况准备,只需要准备阅读材料就好了。

    原理和步骤:

    (1)找到学习者能够读懂的句子;
    (2)找到适合他水平的待测试的词;
    (3)生成迷惑项。迷惑项的生成很有讲究,迷惑项要足够迷惑才可以,它们在非常小的上下文里面都是可以讲得通的,但是放在整句当中正确的只有一个,最大化他的迷惑性,最大化测试的效果,这个应用在国内的见的不是特别的多。

    八、自然语言处理(NLP)和教育结合方面的研究方向:
    自动纠错、自动打分、问答系统、对话系统

    目前研究的方向还是主要集中于自动纠错和自动打分,我估算了一下,大体占到每年Paper发表量的70%。从目前自动纠错研究来看,只有40%到60%比例的错误是可以被检测并改正的,离人的水平、教师的水平依然是非常遥远的。

    从目前自动打分研究来看,特定任务上面,比如是托福、雅思这种应试作文上面基本上已经达到了人的水平,但是对于更有挑战性的文本目前也处于一个停滞不前的状态,也没有很大的突破。

    另外一个问答系统、对话系统,和学生的个人助手,类似这种研究相对来说并不是特别多,主要原因是由于这些方面需要基础研究层面有更大的突破,才能在教育应用中更好的找到自己的一席之地。目前主要的两个研究机构是ETC和Cambridge assesment。

    九、对自然语言处理(NLP)未来的预期:应用需求很广,但还有很多难题需要继续突破,尤其是黑盒问题

    最后给大家分享一点我自己的结论,通过我刚才跟大家说的,深度学习可以说在人工智能应用上面已经非常成功了,但是在NLP和教育结合的点上,不能通过深度学习在人工智能应用上的成功来推测NLP会在教育应用中或者深度学习通过NLP在教育中的应用就能成功,这个点我是完全看不到的。因为首先在NLP的研究领域上面,深度学习就没有带来像视觉、语音的突破。如果再应用到教育上面,那可能是更未来的事情,但我相信这也不是一个坏事,未来还是蛮有希望的,我希望深度学习包括机器学习,在对话系统、问答系统,有在视觉、语音上面那么大的突破。通过解决根本的问题,然后可以用在教育中,这是非常大的需求,个人的智能助理,可以给你一些必要的帮助,就像一个虚拟的老师一样。

    另外还有一个非常难受的问题即黑盒问题,这是教育行业一个非常特殊的需求。因为深度学习这种模型都是高度非线性的、非常复杂的模型,尤其现在流行的是端到端,你给我输入输出就行了,中间完全用模型搞定,人干预的地方很少。那问题来了,对于教育来说往往需要的不仅仅是一个准确的结果,还需要你推理的过程。比如说我做打分,分数正确是很重要,但是对于学生来说需要知道为什么得了这个分数,具体哪写的不好,怎么改进。对于全黑盒的模型来说,即便是深度学习最终革新了NLP,大大提高了NLP任务的准确度,可是对于老师还是学生来说还是很难读懂和解释的。这个黑盒问题怎么解决,也是需要研究人员想办法的。

    展开全文
  • 为了直观显示不规则工作面综合探测成果,...研究表明:不规则工作面成果图绘制方法可以应用于各种形状的工作面;绘制的成果图与工作面形状一致,物探成果更加直观,异常位置与实际揭露情况一致性较好,解释成果相对较为准确。
  • * * * 计世资讯CCW Research研究表明对于目前的中国用户而言他们对现有应用软件最不满意的前三个因素分别是不适应变化灵活性差和不满足企业实际情况但从本质上来讲这三个问题都属于应用软件个性化的范畴计世资讯CCW ...
  • 应用场景之一(图一) . 系统构成 烟气排放智能控制系统简介 结合窑系统中的各项参数,通过系统的预测模型,对NOx/SO2进行智能化调节,确保排放达标的情况下,节省氨水/尿素用量。 原理简要说明:氨水调节是控制NOx...

    具体详情咨询和资料索取完整版可添加微信号:dclyzihan
     中文名称:RIDIC 智能控制系统。
    应用场景之一(图一)
    . 系统构成

    烟气排放智能控制系统简介
    结合窑系统中的各项参数,通过系统的预测模型,对NOx/SO2进行智能化调节,确保排放达标的情况下,节省氨水/尿素用量。
    原理简要说明:氨水调节是控制NOx排放达标的普遍手段。即要减排,又要节约是此处的控制要点。最理想的效果是要压着环保线,实现刚刚不超标的效果。控的准(所谓指哪打哪)是衡量控制水平的依据。NOx主要产生于高温火焰部位,将集中的高温火焰分解为多个次高温火焰,通过分散火焰强度的技改降低NOx有不少成功案例。以上主要是说NOx产生的原因和特点,具体到控氨来说,从长期观察来看,一般在分解炉出现温度快速上升时会产生大量NOx,即使测量的绝对温度不高也是一样,而反之温度快速下降则NOx会大幅下降。可以说NOx总伴随升温出现特别是急剧升温,温度平稳时相对少一些。因此控氨从分解炉入手具有很高的预判准确性。可以说NOx大量产生和温度剧升都是局部高温火焰集中或爆燃的外在表现。另一个要点是把氨水调节手法和环保小时均值再结合起来还有进一步节约的潜力。
    在这里插入图片描述
    图2 RIDIC系统各控制单元与DCS控制界面结合

    部署方式
    RIDIC system系统在企业内部生产网络中运行,整个系统无需对现有设备进行改造。系统采用标准化的OPC协议与工厂DCS系统进行通讯,系统实时采集800多个生产控制相关点位数据,下达20多种控制指令到DCS,指挥相应的设备协同工作,实现生产工艺的控制目标。整个系统工作在封闭的生产网内,无需与外部网络交换数据。
    在这里插入图片描述

    图3 RIDIC系统部署结构

    1. 设备要求
       数据分发服务器1台
      a) 用于从DCS系统中采集生产相关的数据,并分发给指定的自控服务器
      b) 从自控服务器接收控制指令,通过OPC协议发送到DCS系统
       智能控制服务器1台
      通过向DCS系统发送控制指令和接受反馈数据。
       服务器接入生产网络所需的网线、交换机等。

    系统构成
     脱硝(氮氧化物排放)控制单元
    ① 使用场景
    在2014年颁布的《生活垃圾焚烧污染控制标准》GB18485-2014国家标准中规定,排放氮氧化物小时均值限值为300mg/m3,日均值限值为250mg/m3,超低排放标准中要求低于100mg/m3。
    ② 工作原理
    目前处理氮氧化物一般使用氨水/尿素溶液进行还原。系统通过实时跟踪当前NOX排放指标的折算值、小时均值,与设定的控制目标值不断进行比较。同时炉膛温度与过量空气也与氮氧化物生成相关。根据实践经验,算法会综合参考炉膛温度、炉膛温度变化和折算值等因素的影响,调整氨水/尿素溶液阀门的开度。
    同时在燃烧配风控制单元中会协同调节炉膛温度与氧含量,在稳定燃烧的工况下,尽量将炉膛温度维持在950-1100℃,减少氮氧化物生成;尽量降低氧含量,有助于降低污染物折算值。
    ③ 监测数据
    NOx折算值、小时均值、日均值
    氨水/尿素溶液流量
    烟气在线监测仪维护标志
    ④ 控制对象
    氨水/尿素溶液阀门开度
    ⑤ 预计上线时间
    10工作日
     脱硫(硫氯排放)控制单元
    ① 使用场景
    在2014年颁布的《生活垃圾焚烧污染控制标准》GB18485-2014国家标准中规定,排放二氧化硫小时均值限值为100mg/m3,日均值限值为80mg/m3。部分重点地区限值为50mg/m3,超低排放标准中要求低于35mg/m3。氯化氢小时均值限值为60mg/m3,日均值限值为50mg/m3。
    ② 工作原理
    系统通过实时跟踪当前SO2、HCl排放指标的折算值、小时均值,与设定的控制目标值不断进行比较。根据算法调整石灰浆阀门的开度,影响石灰浆液流量。当排放降低后,系统会及时减少石灰浆投放。与此同时,系统会调整反应塔/吸收塔的冷却水阀门,维持反应塔的合适温度。
    在燃烧配风控制单元中会协同调节氧含量,在稳定燃烧的工况下,尽量降低氧含量,有助于降低污染物折算值。
    ③ 监测数据
    SO2折算值、小时均值、日均值
    HCl折算值、小时均值、日均值
    石灰浆流量、降温水(冷却水)流量
    吸收塔/反应塔温度
    烟气在线监测仪维护标志
    ④ 控制对象
    石灰浆阀门开度、降温水阀门开度
    ⑤ 预计上线时间
    10工作日

    技术优势

    独一无二的人工智能AI技术路线。
    只需要有DCS系统(或者PLC系统)在运行,无需设备改造,可以立即实施,见效快。
    机器学习向机器感知升级,系统只需要2天即可达到学习6个月的效果。
    系统感知灵敏,自我进化,自我优化。无惧设备大修后带来的重新学习不良后遗症。
    系统执行有效率达到99%以上。
    操作工几分钟即可调整新的排放目标,无需再有其他投入。
    产线运行曲线平滑、逼近直线。高稳定性、高可靠性。
    满足工艺不断深化、优化的运行条件。
    最优化的解决节能、降耗、减排。
    图3显示了烟气脱硫控制中智能控制与手工控制的数据比较。通过DCS随机抽取智能控制(表格绿色部分)与手工控制(表格白色部分)各7段8-12小时以上时间的连续运行数据。在相同控制效果下,药剂消耗节省12%。
    在这里插入图片描述
    图3 脱硫自控与手工控制数据对比

    图4显示了烟气脱硫控制中智能控制与手工控制的数据比较。通过DCS随机抽取智能控制(表格绿色部分)与手工控制(表格白色部分)各7段8-12小时以上时间的连续运行数据。排放目标200 mg/Nm3,根据在线监测数据和炉膛温度(或窑温)控制。控制更加精准,小时均值靠近目标且波动范围更窄,且支持随时切换到更低或更高的均值目标。
    在这里插入图片描述

    图4 脱硝自控与手工控制数据对比

    展开全文
  • 青磁窑煤矿由于开采深度不断延伸,通风路线逐渐加长,矿井出现风量不足情况。为解决通风困难问题,决定在原废弃竹林寺风井(斜)井口位置开拓新回风立井。开拓新井贯通测量方案中,运用了联系测量、井下导线测量、高程测量...
  • 在此次评鉴会上,项目负责人王淼辉研究员向鉴定委员会汇报了项目技术成果,敬业增材副总经理张华介绍了该成果应用情况。以干勇院士为主任、王华明院士及宋天虎监事长为副主任等九名行业知名专家组成的鉴定委员会...

    近日,河北敬业增材制造科技有限公司请添加链接描述参加由中国机械工业联合会在北京组织召开的“高性能金属粉末及其应用技术”项目成果鉴定会。
    在此次评鉴会上,项目负责人王淼辉研究员向鉴定委员会汇报了项目技术成果,敬业增材副总经理张华介绍了该成果的应用情况。
    以干勇院士为主任、王华明院士及宋天虎监事长为副主任等九名行业知名专家组成的鉴定委员会听取了完成单位的汇报,审查了相关的技术资料,经质询和讨论,认为鉴定的技术资料齐全、规范,符合鉴定要求。鉴定委员会认为,该项目创新性强、具有自主知识产权,多项技术达到国际领先水平,建议进一步扩大成果的应用范围。
    项目成果
    该项目组针对高性能金属粉末材料先进制备技术、装备与应用开展了系统研究,取得了多项创新技术;相关成果应用于国防民生领域,高性能金属粉末及其生产装备实现自主产业化,粉末产品出口至德国、新加坡等地,应用于3D打印成形、粉末冶金及超高速激光熔覆等领域,产生了显著的经济和社会效益。
    此次鉴定会的通过,标志着敬业增材制造在专业研发金属粉末方面获得了行业专家学者的认可,极大的鼓舞了公司的技术研发信心,敬业增材将继续加大对新产品、新技术的研发,不断提高核心技术水平,保持技术优势。
    关于敬业增材制造金属粉末项目
    公司现有200kg真空惰性气雾化喷粉设备一台和500kg真空惰性气雾化喷粉设备一台,其中500kg真空惰性气雾化喷粉设备为工信部备案的“首台(套)”设备,主要产品有铁基合金粉末、镍基合金粉末、不锈钢合金粉末、钴基合金粉末、铝基合金粉末、工模具钢用合金粉末等,具有流动性好、球形度高(粉末球形度≥92)、氧含量低(氧增量80ppm)等特点,主要适用于激光熔覆修复、3D打印和粉末冶金等行业。
    敬业增材制造“高性能金属粉末及其应用技术”项目成果鉴定会圆满举行!

    转载于:https://blog.51cto.com/14341961/2398098

    展开全文
  • 专家组相关负责人表示,通过验收情况来看,各研究项目都达到并有部分内容超过预期目标,很多研究成果都得到了切实的应用,并取得了良好的经济和社会效益。自2015年京津冀协同创新基础研究项目启动以来,先后共同组织...

    新华社天津1月31日电(记者周润健)京津冀三地科技主管部门组织专家31日在天津对京津冀协同创新首批基础研究合作专项,“南水北调对京津冀受水区生态环境影响及调控机制研究”项目进行了验收。专家组相关负责人表示,通过验收情况来看,各研究项目都达到并有部分内容超过预期目标,很多研究成果都得到了切实的应用,并取得了良好的经济和社会效益。

    自2015年京津冀协同创新基础研究项目启动以来,先后共同组织实施了“南水北调对京津冀受水区生态环境影响及调控机制研究”“京津冀一体化城际铁路系统发展基础理论与关键技术研究”“智能制造”“精准医学研究”4个专项。

    据了解,“南水北调对京津冀受水区生态环境影响及调控机制研究”项目包含了十余个子项目。

    项目验收专家、河北农业大学教授杨路华表示,本次验收的项目立足于南水北调对京津冀受水区生态环境、地下水恢复、外来生物入侵及典型区域的生态社会效应的影响及调控研究。其中,不少研究成果已经在河北雄安新区、北京密云水库应用,对雄安新区水资源合理开发利用、保障首都居民饮用水安全等方面起到了很大作用。

    记者了解到,京津冀协同创新基础研究项目启动以来,三地逐步完善协同创新合作机制,组建基础研究联合管理机构和专家指导组,不断探索新模式推动专项组织实施,形成了统一组织、统一申请、统一评审、统一立项、统一管理成果共享的“五统一”全面协同紧密合作机制。

    “从单兵作战到集团作战,从个人赛到团体赛,在协同中,三地实现了机制融合、队伍融合、人才融合。”北京市自然科学基金委员会办公室主任王红说。

    天津市科技局基础研究处处长金双龙表示,天津和河北很好地借助了北京的优势科技资源,而北京的科技人才也借助天津和河北的项目有了用武之地,实现了“双赢”。

    据了解,为了进一步强化合作和协调机制,2019年三地将继续在“精准医学研究”领域发力,进一步加快研究成果的应用对接,促进成果在三地的共享与转化落地。

    展开全文
  • 城区面积不断增大、人口规模快速增长、汽车保有量持续...如今铜仁市的“天网工程”应用情况如何?——德江县公安交警大队利用“天网”抓拍交通违法的成效,从侧面给了我们一个有效的答案。 近日,贵州省铜仁市德江县...
  • 根据公司承接任务情况,本次活动针对青岛环海凯莱商务酒店深基坑工程监理工作展开,其目的是通过QC管理活动,针对超深基坑工程监理工作的难点,采取适当的控制措施,实现合同目标。 2、工程概况 本基坑工程位于。...
  • 7月2日,2019世界物联网博览会暨物联网新技术新产品新应用成果全球征集发布活动发布会在北京华滨国际大酒店召开。工业和信息化部科技司副司长王卫明介绍全国物联网产业发展情况...
  • 区块链技术和应用成果涌现,产业未来发展空间广阔。与此同时,区块链技术和应用发展仍然面临一系列风险和挑战。为了进一步推动区块链技术创新和应用落地,引导行业良性发展,我们在《中国区块链技术和应用发展白皮书...
  • 按照《认定指引》,科技成果转化是指为提高生产力水平而对科技成果进行的后续试验、开发、应用、推广直至形成新产品、新工艺、新材料,发展新产业等活动。  二、科技成果转化评分标准是如何的?  按照《认定指引》...
  • 由工信部中国电子技术标准化研究院牵头编写的2020年《数字孪生应用白皮书》在中国国际高新技术成果交易会发布,作为新基建背景下的重要研究成果,该白皮书对当前我国数字孪生的技术热点、应用领域、产业情况和标准化...
  • 数据结构与算法课程设计成果报告KMP算法实现 河南工程学院 数据结构...29 日 题 目 P KMP 算法的实现 考核项目 考核内容 得分 平时考核 30 分出勤情况态度效率知识掌握情况基本操作技能知识应用能力获取知识能力 系统设
  • 数据结构与算法课程设计成果报告排序算法实现 河南工程...12 月 29 日 题 目 排序算法的 实现 考核项目 考核内容 得分 平时考核 30 分出勤情况态度效率知识掌握情况基本操作技能知识应用能力获取知识能力 系统设计 20
  • 本文主要介绍了内燃机车后视镜、内燃机车刮雨器无骨刷架、内燃机车液压系统中安装缓冲垫、内燃机车速度表照明系统中加装降压电阻、DF4B型内燃机车...辅助装置的技术改造原因、主要内容及特点、成果及效益和推广应用情况...
  • 5G十大细分应用场景研究报告

    万次阅读 多人点赞 2019-06-22 17:38:27
    从全球视角来看,目前5G无论是在技术、标准、产业生态还是网络部署等方面都取得了阶段性的成果,5G落地的最后一环——应用场景正逐渐在各行各业实现。5G应用落地有哪些规律?哪些应用最先走向成熟?本报告立足ITU...
  • 水润滑与一般的润滑技术相比在节能和环保方面的优势非常突出,因此近年来也受到了较高的关注。世界各国也都投入了大量的资源对其展开研究,...研究了水润滑技术的特点,并且探讨了水润滑技术在煤矿机械中的基本应用情况
  • 依据建设的一体化生产经营决策分析系统建设情况,从应用需求、应用技术、数据分析挖掘3个方面介绍了内蒙古电力公司在大数据背景下的数据仓库应用的探索与尝试。总结了建设成果与建设经验,得出做好分析展现应用的...
  • 本文主要介绍当前光网络技术的现状,并重点对于100G、40G、OTN、PTN 技术发展进行详细的描述,特别针对各种技术的应用情况做了详尽分析,并介绍了烽火通信在光网络技术上的努力与成果,最后对下一步光网络技术的发展...
  • 应用程序开发技巧

    2020-12-22 17:08:15
    假如你是一名Java开发者,正在开发和维护包含2000个类并使用了很多框架的应用程序。你要如何理解这些代码呢?在典型的Java企业项目小组中,大部分能够帮你的高级工程师看起来都很忙,文档也很少。你需要尽快交付成果...
  • 河南工程学院数据结构与算法课程设计 成果报告 KMP算法的实现 学生...得分 平时考核 30分出勤情况态度效率知识掌握情况基本操作技能知识应用能力获取知识能力 系统设计 20分分析系统的功能模块 编程调试 20分实现系统的
  • 河南工程学院数据结构与算法课程设计 成果报告 排序算法的实现 ...得分 平时考核 30分出勤情况态度效率知识掌握情况基本操作技能知识应用能力获取知识能力 系统设计 20分分析系统的功能模块 编程调试 20分实现系统的各
  • Matlab是近代先进计算机软件的典型代表,凭借其多功能特点在各个行业中得到普及应用。机械工程研究中,将Matlab作为动态数据分析与模拟的主要工具之一,为机械科技研究...现分析了Matlab在机械振动信号分析中的应用情况
  • 在供热管道专用隧道穿越黄河段的工程勘察中,在水上应用探地雷达和高...通过物探技术在工程中的应用情况成果分析,介绍了探地雷达和高密度电阻率法的基本原理、水上施工的注意事项,以及在隧道穿越工程中的应用效果。
  • 这些信息可能包括移动应用使用情况、网络点击、社交媒体互动等,所有这些数据构成了其所有者独特的数据使用轨迹。然而,就在不久之前,客户分享诸如什么时候醒来,早餐吃什么,去哪里度假等信息的想法至少还是一件令...
  • 对土木工程领域专家系统的研究成果应用情况进行总结和归纳,分析了现有土木工程专家系统存在的几个问题。在此基础上展望了专家系统在土木工程领域的应用和发展趋势,可以预见随着计算机应用的日益普及,专家系统在...
  • 当今时代是飞速发展的信息时代,在各行各业中离不开信息处理,这正是计算机被广泛应用于信息管理系统环境原因。计算机的最大好处在于利用它能够进行信息管理。使用计算机进行信息控制,不仅提高了工作效率,而且大大...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 816
精华内容 326
关键字:

成果应用情况