仪器概述        pH 自动控制加液系统是pH值在线监控或静态控制、测量于自动加酸加碱调整于一体的新型自动化控制设备。        pH精度高，稳定性好。广泛用于高等院校、科研院所实验室、中试车间、工业生产流程特定pH溶液的配置，以及其他生产工艺检测、控制、调节pH之场所。 技术参数 1、工作电源：AC220V±10%，50Hz 2、控制范围：0～14 pH 3、测量精度：±0.05 pH 4、分 辨 率：0.01 pH 5、泵头速度：0.1～300转/分 无级调速 6、转速显示：OLED高清液晶窗口显示 7、加液速度：0.12～190ml/min(自来水) 8、加液泵头：单泵 9、测量电极：pH三复合电极 或玻璃电极 10、温度补偿：自动温度补偿(PT1000) 11、pH控制器：高精度智能控制器 12、pH电极适用温度 ：0～80℃ 13、pH标准液：6.86/4.00 14、外形尺寸：330*310*230mm 15、环境温度：室温～40℃ 相对湿度：<80% 16、整机重量：约8kg 性能特点 1、高精度智能pH控制器，大屏幕液晶即时显示动态pH值与温度值，超出范围报警。 2、 多种控制测量模式：自动、手动、停止,可自由转换，实现一机多用。 3、单泵实现加酸或加碱，适用于只用一种液体(酸液或碱液)来调节控制PH值。 4、采用OLED高清液晶窗口，单独显示当前电机转速及工作状态，加液速率可无级调速。 5、pH值上下限自由设定，设定值与实测值同时显示。 6、pH电极可单点或两点校正，pH值与温度自动测量，pH值能根据温度自动校正。 7、采用步进电机控制蠕动泵加液,液体接触进口泵管，不接触泵体，无污染。 8、选配不同形式的pH精密复合电极，及配四氟材质的电极护套和延长杆可在高温、反应釜、反应器中适用实现特殊容器内pH值的监控与调整。 9、控制方式：自动、手动、停止 A:自动方式：仪器会根据实时检测的pH值与设定值，自动启动/停止加酸(加碱)，调整pH值至设定范围。 B:手动方式：不受pH控制器控制，一直转动，人工启动/停止加酸(加碱)，调整pH 值至设定范围。也可用于快速调整，或驱赶管内气泡，或用于其它液体的输送 C:停 止：停止加液动作，但pH值实时检测并显示;用于待命或调整结束时，也可作为在线pH值测量显示终端时使用。 本产品荣获国家发明专利,专利号为：ZL 201420406055.8 ZL 201420406067.0 ZL 201410349779.8   网址链接 http://www.csscyq.com.proshow.asp?id=798

        技术成熟度：技术突破         针对船舶机械设备减振降噪需求，提出了结构振动信息作为性能指标的主动减振控制策略。解决了船舶复杂应用环境下，主动减振技术“减振不一定降噪”的难题。攻克超低频、高出力密度主动减振系统执行机构的分析方法和设计关键技术，研发了系列化的电磁式作动器和主被动复合减振器，应用于船舶主机、辅机和管路系统振动抑制。突破了现有主动执行机构低频作动能力的瓶颈，发明了准零刚度作动器，有效覆盖国外探测技术的频率下限，解决了新一代船舶对超低频线谱振动和水下辐射噪声控制的迫切需求。提出了稳定性高、收敛速度快、扩展性强的主动减振核心控制算法并形成工程应用软件。突破了参考输入线谱增强、多频振动均衡控制、控制输出饱和抑制等一系列核心关键技术，解决了主动减振技术实船应用的稳、快、准的难题。研发了首套兼具工作过程自监测、运行故障自诊断、控制效果自评估功能的集成化、模块化主动控制系统，实现了主动减振系统100%国产化。解决了船舶机械设备主动减振系统关键部件自主可控难题。         意向开展成果转化的前提条件：船舶机械设备减振降噪

本发明公开了一种适用于机器人无线充电系统的控制装置及控制方法，该无线充电系统包括高频逆变电源、能量发射装置、能量接收装置及能量变换电路；控制装置包括充电控制器、光电开关传感器，光电开关传感器安装在能量发射装置的四个角；光电开关传感器的输出端与充电控制器的输入端连接，充电控制器用于控制高频逆变电源是否工作；能量发射装置、充电控制器、高频逆变电源均安装在地面充电站。本发明将无线电能传输技术、智能技术完美地结合起来，使巡检机器人能够在无人干预的情况下长期工作；可以根据需要选择自动充电还是手动充电；投入成本较低，控制方法灵活方便、可靠性较强，有很强的实用性。

本发明公开了一种无刷双馈轴带发电系统短时过载控制装置及 控制方法，该装置包括三相变压器、三相可控整流器和电流传感器； 三相变压器的原边用于连接无刷双馈轴带发电系统轴带发电机的功率 绕组；三相可控整流器的交流输入端连接三相变压器的副边，电流传 感器的电流输入端连接三相变压器直流输出端；电流传感器的电流输 出端用于连接无刷双馈轴带发电系统轴带发电机的控制绕组；在无刷 双馈轴带发电系统里，该装置并联在无刷双馈轴带发电系统本身的控 制系统两端；当出现短时过载，则由该装置代替无刷双馈轴带发电系 统本身的控制系

1. 痛点问题 随着能源危机和节能减排的驱使，大力发展电动汽车成为缓解能源危机和环境污染的有效途径，汽车燃油是石油消耗的主体。汽车尾气占全世界总二氧化碳排放量的10%至15%。电动汽车可以减小二氧化碳的排放量，改善大气环境。以光伏电池作为新能源输入的电动汽车充放电站也将具有更大的优势。推动光伏供电的电动汽车充放电站的建设，不仅发展了电动汽车行业，也推动了光伏产业及新能源的发展，同时对于节能减排，改善环境具有双重推动作用。 现有的光伏电动汽车充电站仍以交流母线或直流母线进行光伏电池、电动汽车蓄电池和电网之间的能量变换。现有的能量变换需要通过多级电力电子变换器实现，即需要多级直流-直流变换器，直流交流变换器等，这使得能量变换的效率很低。多级电力电子变换的现有方案效率低，成本高，无法对产业瓶颈形成有效突破。 2. 解决方案 本项目提出了一种高效的新型光伏充电系统，和用于此系统的充电控制方法。 新型光伏充电系统包括：一个或多个高频逆变器，与一个或多个光伏电池组件一一对应连接，以及多端口变换器。高频交流逆变器之间通过高频交流母线连接。多端口变换器包括分别与高频交流母线和直流母线连接的两个端口以及与蓄电池连接的一个端口。多端口变换器用于实现高频交流母线、直流母线与蓄电池之间的能量变换。 用于光伏充电系统的充电控制方法包括：对于一个或多个光伏电池组件中的每一个，采集该光伏电池组件的输出电流和输出电压，对该光伏电池组件进行最大功率跟踪，并输出电压给定值。将电压给定值与该光伏电池组件的输出电压进行比较，并输出光伏电池比较结果；根据比较结果控制与该光伏电池组件相对应的高频逆变器中的开关管的驱动信号相对于多端口变换器中开关管的驱动信号的移相角；将多端口变换器输入蓄电池的输入电流与蓄电池的充电电流曲线进行比较，并输出蓄电池的比较结果，根据此结果利用脉宽调制方式控制多端口变换器中的开关管驱动信号。 合作需求 与新能源乘用车/商用车整车厂、房地产企业，充电运营商等企业合作，开展知识成果落地和工程化的工作。

本发明公开一种多电机驱动系统新型离散滑模跟踪控制方法、系统、设备和介质。属于多电机驱动系统控制技术领域。本发明依据特征建模理论，建立针对位置跟踪控制的多电机驱动系统特征模型，该模型比常规动力学模型阶次更低且参数更少；采用带遗忘因子的递推最小二乘法对特征模型参数进行在线辨识，并投影到参数范围集合；设计一种多幂次二阶滑模面，以加快跟踪误差在不同误差带内的收敛速度；设计多电机驱动系统新型离散滑模跟踪控制方法，实现高精度跟踪控制，同时减小滑模抖振。

本发明公开了一种基于大规模多天线系统的单一信号到达角估计方法，属于大规模多天线系统信道估计的信号处理技术领域。本发明包括以下步骤： (1)对信道矩阵进行预估； (2)利用接收天线之间的相关性构造稀疏变换矩阵，对信道预估值矩阵进行稀疏变换，得到具有稀疏特性的矩阵； (3)根据压缩感知原理准确估计出稀疏矩阵中的非零元素； (4)采用分步搜索估计信号到达角。 本发明只需一个信号样本就可得到信号到达角估计值，精度高且能提高频谱利用率。分步搜索逐步提高搜索精度，提高信号到达角估计精度并降低估计复杂度。较强的实用性使得本发明可应用于具有稀疏特性的各种系统参数的估计。

实验内容 1、了解数字锁相放大器的基本原理及操作，掌握利用其相关性提取强噪音声背景中微弱信号的原理； 2、了解锁相放大器测量基波和谐波成分的功能，观察方波的高频成分，验证方波的傅里叶展开式； 3、掌握采用基于锁相放大技术与四线法测量微小阻抗的原理，了解 Labview 上位机与锁相放大机器之间的通信； 4、了解测量变容二极管内 PN 结电容与反偏电压的关系； 5、理解电子器件噪音的产生机制和测量原理，学会分析噪音的统计分布。

脑电信号作为人体重要的生理信息，已经被广泛应用于医学疾病诊断与治疗、人体潜能开发等方面。脑电图通过将电极接入被试对象的头皮，来测量大量神经元发放所形成的电场。脑电波作为能够体现大脑活动的信号中的一种，有方便检测、非侵入式且对被试对象友好等特点。一般认为，通过对大脑脑电波的检测并采取特定数据分析方法，有望将大脑的各项反应能力充分挖掘出来。近年来，脑电信号分析已成为认知神经科学领域的重要技术之一。大量研究表明，人类认知能力与脑电信号有关，其中工作记忆能力在认知中起关键作用。脑电信号具有数据量大、时间分辨率高、易受干扰等特点，给研究带来了不少挑战。杨立坚课题组使用样条函数，基于随机抽取的122名大学生志愿者训练集，以闭眼静息态下8个脑前区导联的脑电信号（图1），对20名志愿者测试集进行工作记忆能力的预测（图2），其确定系数R^2在多次随机试验下的中位数为68%，最低值大于50%，最高值72%（图3）。图1 ：试验中脑电信号记录的导联名称和位置图2：对某测试集计算的认知能力预测值与真实值的对比图3：对多次重复随机抽取的测试集计算的确定系数R^2箱线图杨立坚课题组依托10年来自身在函数型数据领域的研究成果，课题组2017级博士生张园园和2018级博士生黄昆在学习神经科学专业知识的同时，与机械工程系教授吴方芳和硕士生王健凯高效合作，分析季林红课题组的大学生志愿者脑电与认知能力数据。他们秉承“面向应用，背靠理论，写好算法”的统计学理念，把样条回归估计脑电信号的光滑轨迹，张量样条回归估计协方差函数，样条估计函数型主成分与得分等深刻的统计学前沿理论，结合LASSO回归，转化为快速准确分析脑电数据的算法（图4），从2018年12月开始仅用6个多月的时间，就很好地解决了基于工作记忆能力预测的问题，完成了这篇跨学科应用方法论文。图4：算法流程图

该方法首先对多个接收信号分段、滤波，再使用不同的测量矩阵对每个滤波之后的信号重新线性组合，在一系列利用了这多个信号之间相关性的低复杂度迭代运算后，可以测量出每个原始信号在同一特征基下的展开系数，从而实现对每个原始信号更加精确的重建。