该产品是江苏省科技攻关项目的产品成果。仪器采用交流或直流供电，能够测量B、E、J、K、N、R、S、T等八种热电偶温度传感器的电势及温度，能模拟输出相应温度及电势，能够测量二线制、四线制的Pt1000,Pt100,Pt10,Cu100, Cu50等五种热电阻传感器的电阻值及温度值，能模拟输出相应温度及电阻，能对4-20mA的变送器电流进行测量与输出，具有自动冷端补偿功能。检测结果详见附件江苏省计量测试技术研究所的校准报告（2005-1083397）。 该产品通过省级鉴定达到校验仪产品的国际先进水平。

上海衡平仪器仪表有限公司成立于1996年，坐落于上海市宝山城市工业园区，是上海亚泰仪表有限公司以集团化管理模式下控股的仪器生产型企业之一，与另一家仪器生产型企业：上海科创色谱仪器有限公司一同发展。 上海衡平二十多年专注从事全自动表/界面张力仪、微波消解仪、高精度高低温恒温槽、各类高精度电子天平、旋转式粘度计、低温冷却液循环泵、沉降式粒度仪、电化学产品等科学实验仪器的研发、生产、销售及服务和提供相关定制服务及解决方案的科技型企业。公司拥有一批经营管理、产品及方案开发和生产制造方面的人才，依托上海的高新技术、信息和协作优势，自行开发、研制、生产的多种产品和解决方案都得到了市场的广泛认可和用户好评。 上海衡平仪器仪表有限公司依托“集团"营销团队，在全国拥有38个办事处，基本覆盖全国各大城市，为进一步拓展全国及市场，近年来我们还建立了一支出色的电子商务团队，提供新老客户优质的在线服务。 公司产品广泛应用于：石油化工、环境保护、医疗卫生、纺织印染、油漆涂料、油墨造纸、建筑材料、生物科技、农业化肥、食品饮料、电力机械等众多领域和行业，是科研院所、大专院校和工矿企业进行质量、颗粒度、粘度、温度等方面的分析测定，和研发、实验、质检的实验室仪器及解决方案。目前我们的各种产品已遍布各地，部分产品还远销国外。 公司历经二十多年的发展，是上海市认定的计量器具制造企业，也是通过ISO9001质量管理体系认证的生产制造企业。我们始终遵循“品质为先，服务至上"的企业宗旨、遵循“用户满意"的服务宗旨，以优质的产品、服务及解决方案来回报我们的每一位用户。

“智教”学生工作一体化服务平台通过其高效协同的后台分类处置能力，把高校学工事项进行整合和业务流程的约简化处理，包括迎新、学工管理、宿舍服务、报修服务、奖学金管理、勤工助学、学生返校、请销假等，运用大数据打通“最后一公里”，将线下的业务操作剥离开实体大厅转化为线上业务，实现高校学生管理工作的无纸化办公，让学生真正实现“最多跑一次”。 整合学生信息管理、奖助学金评定、日常事务审批（如请假、社团活动申请）等多项工作流程，实现自动化流转。以往奖助学金评定需人工收集资料、多部门线下传递审核，周期长达数月。借助平台，学生在线提交申请，系统自动抓取学业成绩、家庭经济状况等数据，各部门线上协同审核，评定周期缩短至，大幅提升工作效率。同时，流程节点清晰可查，每个环节的处理时间、负责人明确，方便监督与管理。 为学生打造一站式服务平台，学生无需在多个系统或部门间切换奔波。无论是查询考试成绩、办理学籍证明，还是申请校园活动场地，均可在平台上一站式完成。 将分散在学校各部门（教务处、学工处、财务处等）的学生数据统一汇聚至平台，建立学生综合数据库。通过数据清洗、整合与标准化处理，确保数据的准确性与完整性。学校管理人员可在平台上快速查询、分析学生各类数据，如通过分析学生成绩波动与考勤数据，提前发现学业困难学生，为制定针对性帮扶措施提供数据支撑，使数据利用效率提升数倍，消除数据孤岛。

高校“一站式”学生社区不仅是学生学习、休息的生活场域，也是高校加强基层党建的重要载体、构建“三全育人”格局、推进“五育并举”的内在要求，是创新育人途径的有益尝试和践行“一线规则”的有力抓手，构建高质量“一站式”学生社区教育管理服务体系。 立足新时代新形势新任务新要求，聚焦教育发展规律、思想政治工作规律和学生成长成才规律，将推进体制机制改革作为突破口，将提高大学生思想政治教育实效性、推进学生德智体美劳全面发展作为着力点，“秉持尊重差异、包容多样的态度，在多元中立主导，在多样中谋共识，在多变中定方向”，以看齐思维凝聚党建引领思想共识、以平台思维构建教育管理特色模式、以系统思维发挥“五育并举”综合效能、以共治思维打造团结有力育人队伍、以服务思维优化线上线下集成设施，以协同思维释放校内校外育人动能，从而依托“一站式”学生社区综合服务平台形成共创共建、共享共融、共进共赢的新型师生成长共同体，加速推动形成全员全过程全方位育人格局。 智教一站式学生社区综合服务平台包含一站式办理学籍证明、接诉即办、宿舍相关事务、军训活动、活动室预约等，减少奔波于不同部门的时间与精力消耗，在线提交申请、上传材料，并实时查询办理进度。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。

研究背景：  大数据应用的多样化  需要的计算模型、数据模型多样化；  目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。  多系统导致大数据分析平台非常复杂、效率低下。 研究目标： 研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。 针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个  方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键  值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计  算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这  套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们  对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于  大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计  算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三  个方面，分别详细介绍FAST系统的三个主要亮点。 融合架构 FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包  括多数据模型融合和多计算模型融合两方面。 多数据模型融合： 设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、  文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据  分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。 经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。 多计算模型融合： 在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集  的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和  流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。 高时效 FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗，  提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。 对于多模态存储，面向应用负载和异构硬件特征进行自适应优化； 对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等； 在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效； 而且我们也考虑到大数据分析过程中用户人工操作的时效性问题，  通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的  时间。 可扩展 FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、  存储层和计算层进行了全面的扩展性优化。 在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块，  能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。 在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。 在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持  到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提  升。 亮点成果： 融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。  从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。 同时在双十一期间，基于智能交互向导技术，也面向电子商务应用  的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品  销量变化的原因，以及促销的有效手段等。

针对行政约谈场景中存在的人工记录效率低、内容理解偏差记录、资料追溯繁杂等问题，本成果开展了基于音视频识别及语义分析的智能约谈平台的研究。基于 AI 深度学习的音视频识别框架、复杂网络理论和语义知识本体的文本语义相似度计算方法，研究音视频识别的语音转写、对话管理、计算机视觉技术和内容分析的语义理解、语义优化、情感识别方法，实现网信约谈、纪委约谈、公安审讯、监狱谈话等多种行政约谈场景下的约谈智能化和数字化。其中，语音识别转写是开展智能约谈系统研究的前提和基础，本成果训练了声学模型和语言模型，构建编码器，通过音频角色分离和声纹识别技术分离说话人声音，编码器识别解码，经过文本语义处理转写为文本。而文本语义处理是智能约谈系统提升约谈效能的源动力，成果构建了基于语义本体的自动专家导引约谈知识库，通过基于复杂网络的语义相似度计算给约谈工作人员推荐约谈问题；约谈结束后，利用融合主题特征的文本自动摘要技术快速生成汇报摘要，利用基于分布式表示的事件抽取技术自动生成约谈报告。本成果研制高效、便捷的智能约谈音视频识别及语义分析平台，实现了在线约谈预约、人脸识别身份核验、语音实时转写、约谈问题智能引导提问、音视文同步显示、汇报摘要自动生成、约谈报告自动生成、约谈文件回溯、约谈大数据分析等功能。

一、 项目简介温度，压力，流量仪表设计开发，开发HART 、PROFIBUS PA通信板卡，通用性高，将通信板卡应用于差压（压力）变送器，并通过PA认证测试；完成整机的PA测试认证及认证要求的电磁兼容、本质安全等测试；二、 项目技术成熟程度已通过 国际PNO组织的 Profibus-DP，Profibus-PA两项认证，分别应用于天仪集团电动执行器，与压力变送器仪表。三、 技术指标（包括鉴定、知识产权专利、获奖等情况）1、 采用DPC31，FBC04090，HT1200M协议芯片实现Profibus-DP，PA及HART总线通讯。2、 基于ARM7系列微处理器，支持DP-V0、DPV1 从站协议。3、 支持Profibus PA 行规3.02 版本，包括：AI、AO、DI、DO和TOT功能块4、已通过Profibus 国际组织 一致性测试和互操作测试。四、 市场前景（应用领域、市场分析等）本课题的研究是及时填补了一种有极大市场潜力的研究领域，对自动化控制领域技术进步和缩小与国外技术水平的差距，具有重要意义。五、 规模与投资需求（资金需求、场地规模、人员等需求）投资小，无场地要求，人员需8-15人。六、 效益分析 填补了国内在PROFIBUS-PA产品开发领域的空白，极具市场潜力，对自动化控制技术和现场总线仪表的研究具有推动作用，具有较大的实际工程意义。七、 合作方式技术转让，合作开发八、 项目具体联系人及联系方式（包括电子邮箱）梁涛 手机：13512889536，邮箱：liangtao@hebut.edu.cn通讯地址：天津市红桥区光荣道8号，河北工业大学 7A-802室九、 高清成果图片2-3张

产品详细介绍概  述   本系统是我公司依照国家相关计量检定规程的要求，自主设计、研发的全量程压力校准装置。适用于对一般压力表、精密压力表、压力变送器、差压变送器、压力控制器、压力开、真空表、氧压表和乙炔表等压力仪表的校准，可扩展传感器检测、绝缘电阻测试功能。 HB8600压力仪表自动校验台主要包括：压力控制器、压力标准、校验软件三部分。如表1所示：     简 称 全   称 功能简述 1 压力控制器 电动造压、精密调节系统及校验工作台体部分   2 压力标准 高精度数字压力计及多量程压力模块部分 全量程数字压力标准 3 校验软件 微机、打印系统及自动校验、计量管理软件部分 自动校验、计量管理   由此装置建立的高精度数字式工作压力校验标准，特别适合更新和建立规范、实用的工业标准压力计量室，满足工业企业周期性、大批量、重复性计量检定工作的需要，使大量繁琐的压力控制、数据记录、计算、建档工作由自动控制器和计算机软件自动完成。即提高了工作效率，又减轻了劳动强度。 此系统还可用于建立学校专业教研室的压力实验室，配合专业软件，可作为先进压力仪表教学的示教设备。其用户可覆盖全国，广泛应用于电力、冶金、石油、化工、国防、仪表制造、教学和计量测试监督等部门的实验室及企业建标升级改造。