湖南汽车职大——无人机操控与编队技术实验室
2021年，该校高瞻远瞩开设无人机应用技术专业，将《无人机编队技术》列为核心课程，构建起特色鲜明的专业课程体系。然而，专业集群实训场所的缺失，使无人机编队教学、综合实训等关键实践环节难以落地，成为制约人才培养质量提升的核心痛点。在此背景下，卓翼飞思实验室秉持“产教融合、协同育人”理念，与学校精准对接，双方就实验室建设理念、功能定位、实训模块设计等达成高度共识，开启深度合作篇章。校企团队历经多轮研讨打磨，共同规划建设《无人机操控与集群控制实验室》。
降低研发门槛
全栈自主集群科研
加速算法验证
虚实一体高保真仿真
成果可复现
集群智能全周期研发
天枢OS系统
异构智能体集群操作系统
开放生态赋能
天枢OS是面向无人智能集群领域的统一操作系统与开放技术生态平台，具备标准化软硬件接口与模块化架构设计，为无人机、无人车、无人船、机器狗等异构无人平台提供集感知、决策、控制与协同的一体化系统级支撑，赋能合作伙伴高效开发跨平台、跨场景的智能集群应用。
生态合作
汇智低空，聚力科研，共筑产学研协同新未来
课程发布
完整课程体系，从理论到应用全覆盖
经典案例
助力科研院所与高校，实现创新成果落地
MORE
07
2026.08
天枢全新迭代｜构建无人系统全链路任务能力：从自主能力开发验证迈向无人集群协同执行
无人集群任务要顺利实施，需要把目标识别、任务规划和集群协同等算法转化为可部署软件，再根据任务目标组织成员行动，并在执行过程中持续掌握集群状态和任务进展。 现实中，软件开发验证系统、任务管理系统和无人平台执行系统往往分别建设。软件版本、任务要求、成员行动和运行记录难以对应时，任务操作人员无法确认任务要求是否准确进入执行系统并转化为成员行动，研发人员也难以判断异常与哪个软件版本、接口或运行条件有关。 针对这些问题，卓翼智能推出天枢·无人系统任务能力产品体系： 天枢Studio（原天璇集群智能开发平台）——无人系统自主能力开发验证平台：形成经过验证的软件及配置； 天枢OS——无人系统自主任务执行平台：将软件部署到无人平台并驱动集群运行； 天枢Mission——无人系统任务管理平台： 当任务需要统一呈现目标、资源和任务进展，或者开展资源编组、目标分配和行动时序等任务级规划时，负责形成综合态势和任务规划。 天枢Studio让算法形成可部署软件，天枢OS让软件驱动集群运行，天枢Mission让多源信息形成可调整的任务规划。 一.从软件成果到集群运行 围绕无人集群自主能力研发和任务运用，天枢由Studio、OS和Mission三款软件产品构成。三款产品既可以协同部署，也可以根据用户已有系统和当前需要补充的能力组合使用。 图2 天枢Studio、天枢OS和天枢Mission分别承接开发验证、集群执行和任务组织 01天枢Studio：无人系统自主能力开发验证平台 天枢Studio将算法开发与软件集成、仿真训练和验证评估组织在同一环境中，并可辅助开展配置检查、日志分析和试验评估。这里的分层验证，是指先在软件仿真环境中检查算法逻辑，再在地面站、无人平台等目标运行环境中，逐步确认软件能否正确部署和运行。 研发人员可以在实装前检验软件在不同平台、任务环境、传感器配置和通信条件等组合下的运行表现，也可以利用实际任务记录复现问题并比较版本。经过验证后，面向无人平台的算法形成可部署软件及配置，加载到天枢OS；态势处理、信息融合和任务规划等任务管理侧算法按照天枢Mission的接口及运行环境，形成可部署软件、模型参数和配置，加载到天枢Mission。 02天枢OS：无人系统自主任务执行平台 天枢OS地面站及无人平台端软件共同支撑一个无人集群任务执行单元，以下简称“执行单元”。平台加载经适配确认的软件及配置，包括通过天枢Studio形成的成果，完成无人平台接入、自主任务执行、集群协同和运行监视。 天枢OS独立组织任务时，可以在已经明确的任务目标和成员范围内安排集群内成员分工。接收已有任务系统或天枢Mission提供的任务输入时，天枢OS落实已经确认的任务分配，并处理编组内部的航迹生成、行为动作、状态同步和局部调整。 任务执行过程中，天枢OS持续监视平台、传感器载荷及通信链路等状态。出现临时障碍、成员异常或短时通信变化等情况时，天枢OS在既定任务和授权范围内调整集群行动；超出授权范围或触发安全条件时，提示任务操作人员暂停任务或调整任务安排。装备级接管按照具体平台的控制方式执行。 03天枢Mission：无人系统任务管理平台 当任务需要形成统一态势、开展任务级规划或协调多个系统时，由天枢Mission承担任务管理。平台汇集上级任务要求、多源目标信息、执行单元状态和任务进展，持续形成综合态势。任务操作人员设置任务目标、可用资源范围和行动约束，天枢Mission据此计算资源编组、目标分配和行动时序，由任务操作人员审查规划并完成关键授权。 规划确认后，天枢Mission向相应的天枢OS执行单元提供任务要求、分配结果、协同约束和授权结果。各执行单元返回成员状态、目标观测、任务进展及执行结果，天枢Mission据此更新综合态势和任务规划。 多个执行单元是这一任务管理方式的典型情况。即使只有一个执行单元，需要汇聚多源态势或协调外部系统时，也可以使用天枢Mission。 图3 天枢产品体系的产品协同与分层部署关系 在接口条件满足的情况下，用户可以保留已有任务系统、软件成果和无人平台，从当前最需要补充的能力开始部署，再逐步扩展到多个执行单元协同。软件版本、任务规划、成员行动和运行记录按照任务建立关联，也使问题定位和版本验证有据可查。 二.从单项自主走向任务协同 在单项能力验证中，用户通常需要分别检查无人平台能否稳定飞行、识别目标或规划运动路径。进入无人集群任务后，用户更加关注集群成员能否围绕同一目标分工协作，并根据态势变化调整行动。任务人员需要掌握综合态势，也就是目标位置和运动轨迹（航迹）、集群成员可用状态、任务区域及执行进展，并据此组织集群行动。若任务还涉及不同类型、不同厂商的无人平台或地面设备，还需要统一它们的接入方式、能力描述和状态反馈。 完成这一转变，需要打通软件成果部署、任务信息处理、任务规划、协同执行、动态调整和运行改进之间的关系。 软件成果从开发验证进入实装运行：研发人员使用天枢Studio将算法封装为版本明确的软件，完成数据适配、调用接口适配、运行配置和分层验证。通过验证的软件及配置由天枢OS加载，并在天枢OS地面站和准备安装该软件的无人平台上开展运行测试。分层验证能够在不同软硬件环境中逐步确认同一软件是否满足部署要求，使天枢Studio形成的软件成果能够进入天枢OS的实际运行环境。 让任务信息转化为可执行的规划：天枢Mission接收无人集群任务执行单元、探测设备和既有任务系统提供的信息，统一时间戳、坐标系和目标标识，形成包含目标航迹、集群成员状态和任务进展的综合态势。任务人员据此确定参与任务的集群和成员，也就是进行资源编组，并完成目标分配和行动安排。天枢Mission根据这些结果形成相应的任务规划。 让任务规划在无人集群中转化为行动:任务人员确认规划后，天枢Mission向天枢OS提供任务要求、成员分配、协同约束和授权结果。协同约束说明哪些集群成员需要配合，以及行动的时间和空间边界；授权结果说明哪些关键动作已经获得人员确认。天枢OS的地面站和平台端软件据此生成各成员的航迹、行为动作及控制参数，并组织集群成员开展任务配合。 让规划和行动随任务变化持续调整:天枢OS在任务执行过程中持续向天枢Mission返回集群成员状态、任务进展、异常情况和执行结果。目标航迹发生变化、集群成员退出或任务区域调整时，天枢Mission依据最新信息生成新的任务规划版本，经任务人员确认后更新任务要求。集群成员周边出现临时障碍或集群内局部任务需要调整时，由天枢OS在既定授权范围内处理。 让运行结果返回开发验证环节:任务结束后，天枢OS保存软件版本、运行配置、平台状态、异常事件和执行结果，天枢Mission保存任务规划版本、授权过程和任务评估结果。相关记录按照同一任务建立关联并返回天枢Studio。研发人员据此复现软件及接口问题，验证修正后的版本；任务人员则利用规划和执行记录，评估资源选择、任务安排和授权过程。 三.典型任务如何在天枢中运行 下面以反无人机作战中的协同拦截任务为例。探测设备发现来袭无人机后，作战值班人员需要研判目标、组织无人拦截集群，必要时还要协调微波武器等地面处置设备。这个过程具体说明三款产品如何从算法准备进入作战执行，并形成可复核的运行记录；具体设备和接口根据项目条件完成适配。 图4 反无人机作战中的算法准备、目标研判、拦截执行和任务复盘 01作战准备：验证算法并确认任务资源 研发人员通过天枢Studio开发和验证两类算法：一类是面向天枢Mission的航迹融合、威胁评估和拦截任务规划等算法，另一类是面向天枢OS的目标识别、拦截航迹生成和集群协同等算法。相关成果形成算法版本、运行配置、接口映射和验证结果。 任务开始前，作战值班人员确认已经部署的算法版本、雷达及无人拦截机等资源状态、拦截区域和处置授权范围。 02目标发现：验融合目标态势并生成拦截方案 独立部署的雷达、光电、红外和无线电侦测设备向天枢Mission提供目标观测及设备状态；无人拦截机搭载的光电吊舱、红外传感器等由天枢OS接入。天枢OS统一平台侧观测信息的时间、坐标和数据格式，再将目标位置、属性及局部航迹提供给天枢Mission。 天枢Mission完成跨来源目标关联、航迹融合和威胁评估，形成连续目标航迹及相应威胁等级。作战值班人员确认处置目标、可用资源范围和处置规则后，拦截任务规划算法计算拦截编组、目标分配和行动时序，由作战值班人员审查方案并完成拦截授权。 天枢Mission向天枢OS提供已经确认的拦截规划和授权结果，包括拦截编组、目标分配、行动范围和协同约束等；同时向微波武器等地面处置设备提供处置目标及授权结果。瞄准和启停等底层控制仍由设备自身的控制单元完成。 03拦截执行：落实任务分配并驱动集群行动 天枢OS按照已经确认的拦截编组和目标分配，将拦截要求转化为各成员的拦截航迹、行为动作及集群内协同策略。天枢OS持续返回成员位置、平台及链路状态、拦截进展和处置结果等信息，作战值班人员据此监视任务进展和异常提示。 来袭目标转向、拦截成员故障或任务条件变化时，天枢Mission根据最新态势更新拦截编组、目标分配或行动时序。单架无人拦截机的临时避障和集群内短时协同变化由天枢OS在授权范围内处理；超出授权范围或触发安全条件时，由作战值班人员暂停任务或调整任务安排。 04作战复盘：评估拦截效果并改进算法…04
2026.08
RflySim全新升级｜多旋翼在线性能评估与机型配置一站式设计工具
从“算性能”到“选配置”RflySim多旋翼在线评估与设计工具全新设计 多旋翼设计表面上是电机、螺旋桨、电调和电池的选型问题，实质上却是一个强耦合系统问题。换一副桨会改变电机工作点和电流，增大电池容量会增加可用能量，也会同步增加整机重量；海拔和温度改变空气密度，进而影响同一转速下的拉力；机架尺度、气动阻力、任务载荷和安全余量又会共同限定最大速度、航程与可用工况。任何一个参数变化，都可能沿着“重量—拉力—电流—电压—能量”链路传递，最终改变整机性能。 这正是RflySim多旋翼在线评估与设计工具的价值所在：它不只是查询零部件参数，而是把需求设计、逆向选型、正向评估、参数微调、仿真验证和装机实验连接起来，形成从任务需求到最终方案的工程闭环。 设计页面输入需求→逆向求解获得推荐配置→双击候选方案进入正向评估→微调组件与参数→复核性能并确认最终选型→导出XML参数至CopterSim→软件在环/硬件在环仿真验证→装机实验验证 图1：新版评估页将构型、重量、环境、动力系统和电池纳入同一输入流程。 01 网站解决的不是单项计算 而是动力系统与整机性能的耦合求解 旧版网站算法页面已经具备较完整的工程输入：用户可以分别选择或自定义电机、螺旋桨、电调和电池，并设置电池放电下限、安全起飞油门上限、飞控最大倾角、整机重量、机架轴距、海拔与温度。其核心思想是利用制造商给出的技术规格和部件模型，建立螺旋桨、电机、电调、电池之间的功率传递关系，再从动力系统工作点推导悬停、最大油门和整机性能。它解决的是“已经有一套配置，如何在试飞前判断这套配置是否合理”的问题。 新版的优势在于，它不是按重量简单查询续航，而是把旋翼构型、动力组合、海拔温度、机身阻力、电池能量和附件功耗放入同一评估链。系统会自动确定悬停工作点，并进一步计算电流、功率、效率、剩余载荷、最大速度、起飞海拔和飞行距离；对于Y6共轴六旋翼、共轴八旋翼等构型，还会考虑上下桨相互干扰造成的效率损失。这样得到的结果既能解释一套配置为什么可行，也能为新版的逆向选型和CopterSim仿真参数生成提供统一依据。 02新版的关键升级，是把解析模型、实测曲线与可追溯结果放到一起 新版首先重构了动力系统匹配流程。用户不再分别面对四套庞大的部件列表，而是按照“电机品牌→电机型号→适配螺旋桨→电池串数→推荐电调”的链路逐步收敛候选范围。电机型号旁会显示相应拉力区间，选定螺旋桨和电池串数后，页面自动给出推荐电调、整机总拉力范围和满油门拉力。这个联动机制的工程意义，不是替用户做最终决定，而是提前排除明显不兼容的组合，降低组合爆炸带来的无效试算。 图2：新版动力系统联动选型流程。电机品牌、型号、螺旋桨和电池串数逐级关联，并自动给出推荐电调与预计拉力范围。 更重要的变化，是新版明确展示动力曲线的数据来源。对于数据库中已经收录实测曲线的组合，系统优先利用实测数据插值，并补充全油门拟合；如果缺少实测曲线，则回退到解析模型，同时结合电池类型、海拔、温度、电机数量和共轴效率进行修正。实际检查T-MOTOR MN3508 KV580、13×4.4CF、4S组合时，页面显示其使用UAVProp-10K实测曲线，并给出“数据库实测 + 全油门拟合”和RMSE 0.78% 的信息。这个例子不能代表所有组合都具有实测数据，但它说明新版开始把“结果是多少”提升为“结果依据是什么、误差水平如何”，增强了工程计算最重要的可追溯性。 图3：Y6共轴六旋翼的机体总览与油门—总拉力曲线，页面同步标明曲线来自解析模型估算。 计算结果也不再只有一个续航时间。页面分别输出悬停性能、最大油门性能和整体性能：悬停油门、电机转速、电机功率、电调电流、电池电压与电流描述常用工作点；总升力和最大油门飞行时间描述动力边界；剩余载荷、最大起飞海拔、最大倾角、最大平飞速度、单程距离和抗风等级则把部件性能转换为任务可理解的整机指标。计算前出现的“配置建议”还会比较当前机架、重量与系统推荐值，允许用户保留当前方案或采用建议值，相当于在正式计算前增加了一层参数合理性检查。 图4：计算完成后的基本性能结果，包括悬停时间、剩余负载、最大起飞海拔、单程飞行距离和最大平飞速度。 03从正向评估到逆向设计：把选型问题变成带约束的候选搜索 多旋翼设计可以概括为两个问题：一是给定配置后评估性能，二是给定目标性能后寻找配置。旧版网站主要实现了前者；新版“多旋翼需求设计”则把后者做成了可操作流程。用户输入构型、重量口径、目标重量、目标悬停时间、飞行海拔、任务用途、电池类型和气动外形，系统据此在部件数据库中搜索候选组合。用户还可以限定只使用“完整实测数据库”，从源头控制候选数据范围。 图5：需求设计页把任务指标组织成结构化约束，系统再搜索满足条件的动力组合。 逆向求解会根据构型、重量、海拔、目标悬停时间和部件兼容性筛选数据库，再结合任务偏好对可行方案排序。结果表集中列出电机、电调、螺旋桨、电池、机架轴距、悬停时间、可用负载、最大平飞速度和整机重量；双击任一候选方案，即可自动进入该方案参数并跳转到正向性能评估界面，继续查看完整性能和模型参数。 图6：逆向求解返回多组候选配置；双击任一行可跳转到正向性能评估界面，继续查看该方案的详细结果。 这一功能的价值在于把大量人工试配压缩为一个可解释的候选集。它不会替代结构强度、热设计、制造约束和实物测试，但能在项目早期排除明显不可行的方案，把昂贵的台架测试和实飞资源集中到更少、更有希望的候选配置上。 04多目标偏好与AI：一个负责排序，一个负责把任务语言结构化 工程设计通常没有唯一“最优解”。更长续航可能意味着更大的电池和更高重量，更高载荷可能牺牲效率，更轻的动力组合又可能缩小安全余量。新版因此没有只提供一个笼统的“最佳配置”，而是把续航时间、载荷能力、能耗效率、安全余量和整机轻量设置为五个可调排序维度，每项提供“不参与、低、中、高、优先”五档。页面明确说明：这些偏好只改变推荐顺序，基础安全约束仍由系统统一校验。换句话说，系统先判断方案是否可行，再根据任务侧重点决定哪些可行方案排在前面。 图7：五维偏好用于候选排序，基础安全约束不随偏好改变。 AI选型助手位于这一技术流程的输入端，而不是替代底层模型。用户可以用自然语言描述“载重2 kg、续航20分钟、海拔 100m 的配送无人机”，AI先生成任务理解卡片，把描述解析为构型、重量口径、目标重量、悬停时间、海拔、气动外形、任务用途、电池类型、数据库范围和排序偏好，再将结构化参数交给原有逆向设计流程。这种架构的合理之处在于：AI负责降低需求表达门槛，可行性判断和性能计算仍由确定性的部件数据库、约束和物理模型承担，避免把“自然语言生成”误当成“工程计算”。 图8：AI选型助手将自然语言需求转换为构型、载荷、悬停时间、海拔和任务用途等可确认参数。 05网站最重要的价值，是把部件选型连接到可复用的仿真模型 许多在线计算器的终点是一张结果表，而 新版飞行评估网站还会导出CopterSim仿真所需的飞行器参数，包括总质量、三轴转动惯量、机身尺度、螺旋桨拉力与反扭矩特性、油门与稳定转速的关系、电机和螺旋桨的旋转惯性、电机响应速度、机身空气阻力和旋转阻尼等。页面提供“保存 XML”入口，导出的文件还包含悬停油门、转速、电流、功率、效率以及旋翼数量、机臂数量和构型信息。 图9：网站生成的飞行器仿真参数及“保存XML”入口，导出的参数配置文件可由CopterSim读取。 实际的动力学计算由CopterSim内部模型完成，XML负责告诉该模型“这架飞行器具有怎样的质量、惯量、动力和构型特性”。加载这些参数后，CopterSim才能构造相应的仿真对象，并与PX4、Simulink或其他控制算法组成闭环，用于软件在环、硬件在环和控制器验证。 飞行评估网站位于需求与仿真之间，负责把“想做一架什么样的飞机”逐步翻译为“选择哪些部件”、“预期达到哪些性能”、“CopterSim应采用哪些飞行器参数”。对于教学，它把动力系统理论、整机性能和仿真参数放在同一案例中；对于科研，它提供可重复的参数来源和方案对比入口；对于工程研发，它把经验驱动的早期试错转化为模型驱动的方案筛选，并让设计结果能够继续进入CopterSim、PX4、MATLAB/Simulink以及RflySim的软硬件在环流程。 图10：RflySim工具链总体架构。CopterSim连接底层控制器、载具模型、三维仿真器与上层控制算法。 从旧版到新版，变化可以概括为四个工程层面的升级： 从部件逐项手工配置升级为动力组合联动； 从纯解析评估升级为实测曲线优先、解析模型补充； 从给定配置的正向计算升级为面向目标约束的逆向候选搜索； 从网页结果展示升级为面向CopterSim的仿真模型参数配置输出。 它的价值并非替代台架试验和实飞验证，而是在这些高成本环节之前，提供一个有模型、有数据来源、有约束、有候选对比、还能进入仿真验证的工程决策入口。 06结语 RflySim多旋翼在线评估与设计工具背后，是从多旋翼性能评估、目标悬停时间下的动力系统解析优化、动力系统效率优化与部件选择，到仿真可信度评估和硬件在环自动测试的一系列论文与教材积累。新版把这些分散在模型、数据和工具链中的能力重新组织到一个浏览器入口中，使用户可以从任务需求出发，完成方案搜索、性能解释和CopterSim仿真参数生成。 从“算性能”到“选配置”，并不是多了几个按钮，而是把多旋翼设计中原本割裂的需求、部件、性能与仿真连接成了一条可以实际使用的技术链。…07
2026.07
根植北航基因，深耕产教融合｜北航学子走进卓翼智能探索低空产业新生态
为响应国家低空经济发展战略，深化校企产教融合，打通高校人才培养与产业发展衔接通道，7月3日，北京航空航天大学飞行学院“飞羽调研”暑期实践队到访北京卓翼智能有限公司（以下简称“卓翼智能”），开展实地产业调研。 依托北航校企同源的深厚底蕴，以产业实践为抓手，卓翼智能助力学子走出校园、深入产业一线，实地调研低空产业发展现状与各类场景应用情况。 01 同源北航基因，筑牢校企协同根基 作为国家级专精特新“小巨人”企业，卓翼智能根植北航基因、服务国家空天战略，深耕智能无人系统领域十余年，始终以“空天报国、敢为人先”的北航精神和高校科创底蕴赋能企业创新发展。卓翼智能具备完整的军工级无人系统研发—测试—量产能力，研发并规模量产了全谱系无人装备。作为低空经济领域链主企业，卓翼智能为行业用户提供覆盖军用、民用、教学及科研全场景解决方案。同时，依托AI技术打造“AI工具链+AI操作系统+数据管理平台”三位一体智能技术底座，突破集群智能、具身智能等关键技术，持续拓宽无人系统场景应用边界。 凭借成熟的产业平台与实践资源，卓翼智能持续为北航学子提供产业调研、行业研学、一线观摩的优质实践阵地，有效衔接校园理论与产业实战，是校企深化产教融合、落地产学研用一体化育人的重要载体。 研践交流，全景洞察低空产业生态 02 卓翼智能售前工程师苏旭为“飞羽调研”实践队带来低空产业分享，并简要介绍企业发展概况与核心业务，重点讲解应急消防、智慧林草、应急救援、低空巡检等主流低空应用场景，展示智能无人装备落地成果，帮助学生了解低空产业业态与行业发展现状。 在互动环节，实践队员围绕产业发展趋势、场景落地难点两大核心方向积极提问，聚焦低空物流规模化瓶颈、行业场景适配标准、各地低空政策差异化影响、新兴业态发展前景等前沿问题，结合专业所学开展深度探讨。 苏旭老师结合一线项目经验与行业现状，逐一解答队员疑问，拆解各场景落地逻辑、现存痛点与优化路径，对比不同城市低空产业发展差异，有效帮助队员厘清行业基本脉络、补齐产业认知短板，为本次低空经济调研积累了宝贵的一手实践资料。 随后，实践队参观企业展厅，近距离观摩自研智能无人装备、低空全域管控平台及全场景解决方案。通过实景展示与案例讲解，队员直观了解低空智能技术的研发应用与市场化落地过程，进一步拓宽行业视野、夯实基础专业认知。 03 深耕产学研用联动，共筑低空育人新格局 卓翼智能此次助力北航“飞羽调研”实践队暑期研践活动，是公司践行产教融合、推进产学研用协同育人的生动实践。 依托自身完备的低空产业场景、成熟技术体系与一线项目资源，公司充分发挥低空链主企业与北航校友平台双重优势，为北航学子搭建起理论对接产业、专业赋能实操的高质量实践平台。活动紧扣学生低空产业调研核心需求，构建起“课堂学习—行业调研—产业认知—实践应用”的完整育人闭环，助力学子打破书本认知局限，直面产业真实业态与发展痛点，将课堂专业理论转化为产业调研、趋势研判的综合实践能力，实现校企资源互补、理实深度融合，持续夯实双方长效协同育人根基。 未来，卓翼智能将持续深化与北航的校企协同合作，持续优化实践育人体系、开放优质产业实训平台，坚持以产业赋能人才成长、以人才驱动产业创新，为国内低空经济高质量发展与航空复合型人才队伍建设持续贡献力量。合作伙伴
已服务500+高校及科研院所
携手全球独立开发者，共促无人智能生态
中国航天科技集团
中国航天科工集团
中国航空工业集团
中国电子科技集团
中国电子信息集团
中国船舶集团有限公司
中国兵器装备集团
中国兵器工业集团
零八一电子集团有限公司
武警工程大学
网络空间部队信息工程大学
陆军勤务学院
陆军航空兵学院
陆军工程大学
陆军步兵学院
陆军兵种大学
空军军医大学
空军工程大学
火箭军工程大学
海军航空大学
海军大连舰艇学院
国防科技大学
西北工业大学
南京理工大学
南京航空航天大学
哈尔滨工业大学
哈尔滨工程大学
北京理工大学
北京航空航天大学
中南大学
中山大学
中国民航大学
中国农业大学
长春职业技术学院
中国地质大学
长春大学
香港理工大学
西北师范大学
西安理工大学
西安交通大学
西安航空职业技术学院
武汉大学
同济大学
天津工业大学
太原科技大学
四川轻化工大学
沈阳师范大学
深圳职业技术大学
上海交通大学
深圳大学
山东大学
陕西职业技术学院
清华大学
南京工业职业技术大学
辽宁工业大学
南京大学
吉林化工学院
兰州大学
广州大学
河海大学