本实用新型公开了一种用于模块化串联的电磁轴承用的开关功率放大器。包括数字控制器、电流传感器、信号调理电路和至少一个功率模块，功率模块以模块化方式串联后的两端作为电压输入端，电流传感器和负载串联后作为输出端连接在功率模块中，电流传感器的输出端经信号调理电路与数字控制器连接，数字控制器连接各个功率模块，并控制各个功率模块之间的连接和每个功率模块的内部导通状态。本实用新型能灵活选择投入使用实现开关功率放大器的最优性能，功率模块统一设计，更换方便，排除故障简单，在低电压工作场合用本实用新型比用高电压器件的功放器件的工作效率更高，损耗更小。

产品详细介绍电磁流量计：液体（自来水，污水等导电性液体）涡轮流量计：液体（水，柴油，汽油，等液体）涡街流量计：液体（水），气体（蒸汽，空气等气体）孔板流量计，V锥流量计：液体（水，甲醛，甲醇等液体）气体（含杂质的气体如焦炉煤气，烟道气，以及蒸汽压缩空气等）电磁流量计、涡轮流量计、山东涡街流量计、涡街传感器、锅炉蒸汽流量计、热电厂蒸汽流量计、温度压力补偿蒸汽流量计、高温蒸汽流量计、蒸汽流量计价格涡街流量计生产许可证（青岛市技术监督局）：37020006适合计量的介质：过热蒸汽、饱和蒸汽；压缩空气、氧气、氩气；水：软化水、高温水、和盐碱等（计量液体不能含有条带状的杂物）。涡街流量计的分类有：远传型（传感器和积算仪分体显示）、现场显示型、稳压补偿现场显示型、插入式涡街流量计一、LUGB宽量程涡街流量计一 原理：LUGB宽量程涡街流量计是基于卡门涡街原理而研制成功的一种具有国际先进水平的新型流量计，解决了目前同类产品小流量信号难以处理，流量下限值偏高和测量范围较窄的问题。该传感器的流量下限和范围度指标，在国内外产品中处于领先水平，并且严格执行国家行业标准（ JB/T9249 — 1999 ）和计量检定规程（ JJG198 — 94 ），为当前的工业计量、能源管理和工程设计提供了一种符合我国专业水准的新型流量计量产品。涡街流量计在测量气体时，由于气体的压力和温度对于介质的密度影响较大，如果要求的计量精度高的话，温度、压力传感器需要相应配套；比如:过热蒸汽，但对于饱和蒸汽：只要选择温度和压力传感器其一就行，但压力补偿更准确二.LUGB宽量程涡街流量计独具特点：   完整的传感器通径，具有 10mm--500mm 的 20 种不同通径的传感器；  可远距离传输流量信号，并能与计算机连网，实现集中管理。 LUGB宽量程涡街流量计/漩涡流量计一般特点： 1 、最小流量值低、流量范围大； 2 、结构简单，无运动磨损部件； 3 、测量精度高，阻力损失小； 4 、安装方便，维修简易。 三.LUGB宽量程涡街流量计技术指标： 1 、LUGB高温型涡街流量计确度等级： 液体 1.0 级、气体 1.5 级（标准流量范围内）； 2 、公称压力： ① 通径 ≥ DN200mm 2.5MPa ； ② 通径 ≤ DN150mm 4.0MPa ；  ③ 6.3 MPa ～ 25 MPa （协议定货）； 3 、压力损失： 阻力系数 Cd ≤ 2.4 ； 重复性误差 % ： ≤ 1/3 准确度等级值；4 、供电电源： 12 ～ 24VDC ；    输出信号：频率信号、 标准电流： 0 ～ 10 mA 、 4 ～ 20 mA DC ；   除此之外我单位还专业生产电磁流量计/涡轮流量计/孔板流量计/V锥流量计/电磁流量计分类：一体式、分体式电磁流量计；  卫生型电磁流量计 、卡箍式电磁流量计、全不锈钢电磁流量计；  现场显示电磁流量计、分体式电磁流量计、锂电池供电电磁流量计  对于电磁流量计来讲，选择合适的电极和衬里尤其重要，这是确保电磁炉流量计正常使用的前提条件           一、概述      智能电磁流量计测量原理是基于法拉第电磁感应定律。流量计的测量管是一内衬绝缘材料的非导磁合金短管。两只电极延管径方向穿通管壁固定在测量管上。其电极头与衬里内表面基本齐平。励磁线圈由双向方波脉冲励磁时，将在与测量管轴线垂直的方向上产生工作磁场。此时，如果具有导电性的流体流经测量管，将切割磁力线产生电流信号，由电极检出并通过电缆送至转换器。转换器将流量信号放大处理后，可显示流体流量，并能输出脉冲，模拟电流等信号，用于流量的控制和调节。   由于电磁流量计有其独特的优点，因此被广泛应用于化工化纤、食品、造纸、制糖、矿冶、给排水、环保、水利水工、钢铁、石油、制药等工业领域中，用来测量各种酸缄、盐溶液、泥浆、矿浆、纸浆、煤水浆、玉米浆、纤维浆、粮浆、石灰乳、污水、冷却原水、给排水、盐水、双氧水、啤酒、麦汁、各种饮料、黑液、绿液等导电液体的流量计。二、智能电磁流量计产品特点  管道内无可动部件，无阻流部件，测量中几乎没有附加压力损失。  测量结果与流速分布、流体压力、温度、密度、粘度等物理参数有关。  在现场可根据用户实际需要在线修改量程。  高清晰度背光 LCD 显示，全中文菜单操作，使用方便，操作简单，易学易懂。  采用 SMD 器件和表面贴装（ SMT ）技术，电路可靠性高。  采用 16 位嵌入式微处理器，运算速度快，精度高，可编程频率低频矩形波励磁，提高了流量测量的稳定性，功耗低。  全数字量处理，抗干扰能力强，测量可靠，精度高，  内部具有三个积算器可分别显示正向累计量及差值积算量，内部设有不掉电时钟，可记录 16 次掉电时间。（选配） 具有 RS485 、 RS232 、 Hart 和 Modbus 等数字通讯信号输出。（选配）  红外手持操作器， 115KHZ 通讯速率，远距离非接触操作转换器所有功能。（选配）  小时总量记录功能，以小时为单位记录流量总量，适用于分时计量制。（选配）三、智能电磁流量计主要技术参数  智能电磁流量计公称通径系列 DN （ mm ）管道式四氟衬里： 10 ——600 。管道式橡胶衬里： 40 —— 1200 。  流动方向：正、反净流量。测量范围：流量测量范围对应流速范围是 0.1 ～ 15m/s   量程比： 150 ： 1 。   智能电磁流量计精确等级： 0.5 级、 1.0 级（管道式）     重复性误差：测量值的± 0 。 1%  被测介质温度：普通橡胶衬里： -20 ～ +90 ℃；聚四氟乙烯衬里： -30 ～ +100 ℃；高温型四氟衬里： -30 ～ +180 ℃。

水凝胶仿生软骨材料显示出各向异性的微观结构，并表现出优异的力学性能，拉伸强度为10.65 MPa，韧性为52.2 MJ/m3，压缩强度为4.86 MPa，高于其他的各向同性水凝胶以及大多数报道的水凝胶材料。

第四范式成立于2014年底，是国际领先的人工智能平台与技术服务提供商，公司以“Empower AI Transformation and Advance AI For Everyone”为企业愿景，旨在让AI成为驱动社会进步、企业增长的引擎。依托于领先的机器学习技术与丰富的行业实践经验，第四范式打造了企业智能化转型战略产品“天枢”，通过构建以消费者为中心的全链路客户流量运营，帮助企业实现以创造业务价值为目标的智能化转型。此外，第四范式为企业树立了正确的转型目标和方法，通过自动化AI应用构建平台第四范式HyperCycle ML，提升AI建模效率，降低AI应用门槛，将AI技术快速、规模化落地到企业众多业务场景中，提升业务场景价值。同时，第四范式采用软件定义算力的先进理念为企业提供软硬一体AI集成系统SageOne，降低企业AI部署总体拥有成本，推动企业全面智能化转型进程。目前，第四范式已为金融、零售、能源、医疗、制造、互联网、媒体等行业成功落地上万个AI应用，助力各行业企业的AI创新变革。点击上方按钮联系科转云平台进行沟通对接！

2022年9月14日，我校刘少军院士团队在BMC Biology在线发表了题为“Symmetric subgenomes and balanced homoeolog expression stabilize the establishment of allopolyploidy in cyprinid fish”论文。

1 .掌握大鲵子二代亲鲵生殖生理特点和生殖调控机理，创建大鲵子 二代生殖调控技术和大鲵子三代全人工繁殖和苗种规模化培育技术；2 .选育和培育出体质健壮子二代亲 鲵400多组（1尾雄亲鲵+3尾雌亲鲵为一组），诱导性腺发育与雄雌同步成熟，使用高活性催产剂进行人 工催产，催产率达72%，受精率90%，孵化率33%，苗种存活率90 .5%，三年（2007-2009年）共繁育大 鲵子三代苗种44800尾；3 .实现大鲵子三代苗种规模化生产，能提供大批量子三代苗种供养殖部门发展 大鲵养殖产业，并在自然保护区放养，还进行子三代健康养殖示范，具有显著的经济效益、社会效益和 生态效益

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

近期，西湖大学人工光合作用与太阳能燃料中心孙立成实验室在探索这一未解之谜的过程中取得进展。