为推进专利开放许可工作，提升专利转化水平，本期发布5项专利，具体信息如下：

        本发明涉及一种碳化钨-钴或碳化钨-钴-铬热喷涂粉末的制备方法，将碳化钨粉和钴粉或者碳化钨粉、钴粉和铬粉按照一定比例混合，配制料浆，喷雾造粒，造粒粉末经筛分和脱脂处理后，于立式高温烧结炉中快速烧结，粉末以自由落体的运动方式连续均匀地通过加热区和冷却区，且于加热区中完成烧结，保护气氛：氮气，烧结温度：1000~1700℃，烧结时间：0.1~5s，最后对烧结粉末按要求分级筛分。本发明解决了碳化钨基复合球形热喷涂粉末在采用传统方法制备时存在生产周期长、生产效率低和耗能大等难题；采用本发明，工艺流程简单，可连续生产，节能环保，所得粉末成分均匀、球形度高及流动性好，可广泛应用于航空航天、机械制造和石油化工等领域。

        本发明涉及一种超细碳化钨基球形热喷涂粉末的制备方法；属于特种材料制备技术领域。本发明按设计组分配取原料粉末，原料粉末经湿法球磨后喷雾造粒；得到粒径为5-150μm的半成品；然后对半成品经脱脂处理；得到脱脂态的粉末，所述脱脂态的粉末随保护气体流进立式烧结炉后，在立式烧结炉的高温区完成瞬态烧结；冷却、分级，得到所述超细碳化钨基球形热喷涂粉末；所述瞬态烧结的温度为1000-1500℃，瞬态烧结时，单颗脱脂态粉末的平均烧结时间为1-10s。本发明制备工艺简单、所得产品性能优良，便于产业化生产。

        本发明公开了一种无人驾驶车辆实时电量智慧预测方法及装置，该方法针对车辆行驶的主要耗电方面如空调、风阻等方面进行研究，并结合复杂的道路环境，建立耗电量预测模型，所选用的模型基于神经网络训练获得，自主学习性强，准确度好；该模型预测电量与电池本身无关，模型实时进行训练，能辨识不同路况环境上电量的使用情况，预测结果准确性高、时效性好，较好的避免了现有技术中只针对电池的基本工作原理和充放电特性来计算耗电量引起的不准确的问题。

        本发明公开了一种智慧轨道无人驾驶车辆故障基因识别方法及系统，采用基于增量式网络爬虫方法获取列车历史振动数据；对所述振动数据的振动幅度EA，振动周期ET进行预处理，输出新的X；将X作为故障检测模块的输入，检测故障序列后，输出故障序列数据E；将所述故障序列数据E作为降维模型的输入，输出可编码的基因序列I1,I2,I3,I4；将所述可编码的基因序列I1,I2,I3,I4整合为DNA序列S＝S1,S2,S3,...,SN，提取所述DNA序列的碱基特征，并排列组合所述碱基特征，形成可预测的预判定候选车辆部件故障基因Vs；利用所述候选车辆部件故障基因训练双向长短时记忆网络深度学习模型，得到分类模型。本发明可以准确识别车辆故障的位置及类型。

        本发明公开了一种智慧电网电能质量在线故障诊断方法，包括：实时采集待检测电能质量监测点的电压信号；采用极值点包络的动态测试法获取电压信号的n个电压极值点，以及采用离散小波变换方法获取电压信号的小波能熵有效值、小波能熵均值、小波能熵方差、相角偏移、扰动持续时间、小波能量，组成电压信号的特征向量；然后采用压缩感知原理进行数据的压缩、传输与解压缩；再而在云端服务器对重构的特征向量进行特征值选择，构成预处理特征向量；最后基于ELM神经网络训练得到的电能质量扰动分类器根据预处理特征向量输出扰动类型。本发明能够大大提升电能数据的传输效率，对信号采集器与中继节点的硬件性能要求低，且最终的分类诊断效率高。