产品详细介绍Enlogic的EN2000 系列产品---IRMC级别测量，输出端口可开断系列将电能测量，功率和环境监测与远程控制输出端口开/断技术有机结合在一起，实现了保护和管理您的机柜环境的功能。输出端口上电顺序开启能防止浪涌电流造成的危害并允许用户自定义设备的启动顺序及延时。远程开/端控制技术允许授权用户远程控制设备，可通过关闭空载的输出端口实现机柜电源的管理。 计费级精度的瓦-时电能测量为用户计费，PUE及效率计量，工程项目规划以及容量管理提供了精准的电能测量数据。 持续地为IRMC每相的输入电源和断路器提供实时监测。该实时监测数据能在每个潜在电源问题发生之前提供预警，并保证用户更好的实现输入相和分路之间负荷的平衡，提高设备的可靠性与电源效率。 Enlogic的超薄机身及断路器的设计吻合了用户节约机柜空间的需求。每个Enlogic IRMC上可连接多达6个外置传感器，实现了完整远程监测和报警的解决方案。企业级的网络管理允许您轻松的通过HTTP, HTTPS, SNMP, 或Telnet实现管理功能；而与LDAP/S和AD（活动目录服务）的巧妙整合，允许您轻松的集成到现有的目录服务中。其他显著特点包括带色标识别的输出端口及断路器，标准的锁紧IEC插头，高可视角的OLED 显示屏，以及可现场热插拔的网络管理卡等提高了产品的可靠性并能减少人为错误造成的损失。输入允许输入电压：: 220-240 VAC +6%, -10%每相输入电流：: 32APhase Type: 1-phase最大输入功率(kVA)：: 7.68输入频率(Hz)：: 50输入插头类型：: IEC309 332P6输入电源线长度：: 3.0m输出输出电压：: 220-240 VAC总输出端口数：: 24IEC C13 输出端口数：: 20Total # of IEC C19 Outlets: 4内置断路器的数量：: 2断路器类型: 1-pole hydraulic-magnetic每个断路器的最大输出电流(A)：: 16每个输出端口的最大电流：: (C13)10A, (C19)16A物理尺寸长,mm：: 1826 mm深,mm：: 50 mm宽,mm：: 55 mm外壳颜色:: Black环境要求：可运行温度：: -5 to 55°C可运行相对湿度：: 5-95% RH, non-condensing最高可运行海拔高度：: 0-3,000 m存储温度：: -25 to 65°C存储相对湿度：: 5-95% RH, non-condensing存储最高海拔高度：: 0-15,000 mCompliance ApprovalsUL: 否EMC: 是安全认证：:环境认证::

产品详细介绍Eutech   PC700多参数水质测量仪 Eutech优特700系列仪表价格实惠，操作界面友好，测量准确，是日常测量的理想选择。可广泛用于实验室、生产车间、科研院校等场所。从2010年7月起已全面取代510系列产品。• 设计紧凑，大屏幕便于读数• 仪表可接pH，ORP，电导率 / TDS电极，多参数集于一身• 多至5点校准 • 电导池常数可选• 5档电导率量程，自动选择 • 替换电极操作方便• 可储存100条记录 • 含电极支架测量参数pH/ORP/电导率/TDS/温度pH测量范围    -2.00 - 16.00 pH分辨率      0.01 pH精度        ±0.01pH + 1LSD校准点      1-5点校准液类型  USA, NISTORP测量范围    ±2000 mV相对mV测量范围   ±2000 mV分辨率      0.1 mV (±199.9 mV内) / 1 mV (其它范围)精度        ±0.2 mV (±199.9 mV内) / ±2 mV (其它范围)电导率测量范围    0 μS/cm ~ 200.0 mS/cm分辨率      0.01 μS; 0.1 μS ; 1 μS ; 0.01 mS ; 0.1 mS 精度        全量程的±1% 校准点      自动（4点）；每个范围最多1点；手动（5点）；每个范围最多1点电导池常数  0.1, 1.0, 10.0 (可选)TDS测量范围    0 ~ 100 ppt （TDS 常数0.5 时）；0 ~ 200 ppt（TDS 常数1.0 时）分辨率      0.01 ppm; 0.1 ppm ; 1 ppm ; 0.01 ppt ; 0.1 ppt精度        全量程的±1% 校准点      1 - 5点TDS常数     0.40 ~ 1.00 (可调)温度测量范围（仪表）    0.0 ~ 100.0 ℃ / 32.0 ~ 212.0 ℉分辨率      0.1 ℃ / 0.1 ℉精度        ±0.5 ℃ / ±0.9 ℉系数        0.00 ~ 10.00 %标准化      15.0 ~ 30.0 ℃ (可调)补偿类型及范围    电极自带温度探头自动补偿或手动补偿 0.0~100℃/32.0~212.0℉, 0~80℃/ 32.0~176.0℉校准        0.1℃增量偏移；偏移范围：± 5 ℃ / 9 ℉

本发明公开了一种基于拉曼光谱技术的藻种分类识别方法，包括：取相同藻种的多个样本，每个样本均为当前藻种的活体藻液，采用拉曼光谱仪获取各个样本的拉曼光谱原始信息；对采集的拉曼光谱原始信息进行预处理，得到对应的预处理谱图，然后采用偏最小二乘法从各预处理谱图中提取主因子；更换藻种，获得与不同藻种相对应的主因子；以所有藻种的主因子作为输入，以与各主因子相对应的藻种分类为输出，建立BP神经网络模型；取待鉴别活体藻液，获得该待鉴别活体藻液的主因子并输入所述BP神经网络模型，获得待鉴别活体藻液中所包含的藻种分类。本发明实现了基于拉曼光谱技术的藻种快速准确分类，大大简化了操作步骤，缩短了检测时间。

其他成果/n一种基于多源光谱特征融合的食用油种类快速鉴别方法，包括如下步骤：选取待鉴别的未知种类的食用油样品；采集拉曼光谱图和近红外光谱图；分别对采集的拉曼光谱图和近红外光谱图进行预处理，得到预处理拉曼光谱图和预处理近红外光谱图；分别对预处理拉曼光谱图和预处理近红外光谱图进行特征提取，得到拉曼特征变量和近红外特征变量；将拉曼特征变量和近红外特征变量进行光谱特征融合，得到特征融合光谱图；采用优化定性模型对所述未知种类的食用油样品进行种类鉴别。本发明提供的基于多源光谱特征融合的食用油种类快速鉴别方法，安全快速、检测便捷，鉴别准确率高，具有较强的实用价值和推广价值。

本发明公开了一种基于吸收光谱技术的双频率波长调制方法，该方法在传统波长调制信号的基础上叠加了另一高频正弦信号，针对该种激光激励方式建立了双频率波长调制的傅里叶分析模型，理论推导了各次谐波表达式，研究了不同调制参数对谐波信号的影响并通过全局寻优算法确定了最佳调制参数。在此基础上，确定了双频率波长调制频率响应关系的函数表达式。相比于传统单频率波长调制方法，本发明提出的测量方法具有更高的信噪比，测量结果的稳定性更强，并且在弱吸收情况下的谐波峰值位置更易于判断，具有更大的应用潜力，本发明方法仅改变了激光器的注入电流激励方式，对硬件成本要求低，并可应用于多次反射池等系统进一步降低气体浓度的检测下限。

本发明公开了一种面向超光谱数据库的小波去噪算法，属于超光谱数据的处理方法，用于对带有噪 声的超光谱曲线进行降噪。本发明顺序包括小波降噪参数选择、小波降噪。本发明在小波降噪参数学习 过程中充分考虑了超光谱数据库中各种物质超光谱曲线的特性，快速的选择适合超光谱数据库绝大多数 光谱曲线的小波降噪参数，然后使用选择得到的参数对测量到的超光谱曲线进行降噪。该方法能快速的 针对各种不同应用场景的超光谱数据库选择与之适应小波降噪参数，提高了降噪的效果，提高光谱匹配 的准确率。

手性环氧是一类重要的中间体分子，能够转化成多种手性官能团。然而，文献中还没有针对环氧的光谱手性检测方法。蒋伟课题组利用独立发展的“内修饰分子管”（ Chem. Commun.   2015,   51,  15490;  Chem. Commun.  2016 ,  52,  9078;  J. Am. Chem. Soc.  2016 ,  138,  14550），通过氢键和疏水效应在水中实现了对手性环氧的识别。核磁滴定、荧光滴定与等温量热滴定等实验结果都证实“内修饰分子管”在水中与环氧分子之间存在较强的键合。同时，X-射线单晶衍射、核磁滴定等实验结果证实了氢键的存在。手性环氧通过氢键将手性信号传递给了非手性但有紫外吸收的“内修饰分子管”，诱导产生了紫外圆二色（CD）信号。通过CD信号的强度和正负性，可以实现绝对构型的归属和ee值的测量。该方法具有环境友好（溶剂是水，“内修饰分子管”能够回收）、响应速度快（30 ms）、可以实现实时监测、适用于高通量检测等优点。该方法首次实现了只含环氧的手性化合物的光谱检测，并被成功应用于真实的不对称环氧化反应，获得了与手性色谱方法相类似的结果，在不对称环氧化的前期条件筛选研究中具有广阔的应用前景。

本发明公开了一种基于光谱拟合与差分算法的光纤传感动态信 号解调方法，包括：扫描得到光谱纹波；对光谱纹波进行拟合获得静 态光谱；将光谱纹波与静态光谱进行差分处理获得差值信号；对光谱 纹波的极值点进行拟合获得上下边缘包络曲线；对上下边缘包络曲线 进行差分处理获得光谱变化函数，将差值信号与光谱变化函数进行归 一化处理，获得去包络后差值信号，根据扫描速度和初始波长将波长 换算为时间，获得去包络后时域动态信号。本方法对纹波光谱及其拟 合曲线进行差分获得动态信号，可以消除诸如温度、湿度等环境干扰， 且恢复的动态

本成果提出的基于超像素样本扩充的空谱全卷积高光谱图像分类方法有效的利用高光谱图像的超像素分割结果指导伪样本扩充增加了训练集样本数量，解决了高光谱图像有标记样本的稀缺问题，同时空谱的全卷积分类网络也充分利用了多尺度的空间特征和光谱特征实现了较高的分类精度。 成果非涉密，专利申请已经提交。 实验采用反射光学系统成像光谱仪（ROSIS）传感器获取意大利北部帕维亚大学（Pavia  University）的高光谱图像数据。该数据集由 103 个光谱带组成，共 610×340 像素，光谱覆盖范围从 430nm 到 860nm，空间分辨率为 1.3m。该数据集一共含有 9 个类别的 42776个有标记样本，选取每类 30 个有标记样本作为训练集，其余作为测试集。 由下表可以看出，在每类选取 30 个样本的情况下，本 模 型 的 OA，AA，Kappa系 数 比 DFFN 模 型 高 出20.8%，17.4% 和 26.5%；比CNN 高 出 23.1%，18.8% 和29.2%。并且下表证明了使用了伪标签样本扩充的空谱全卷积网络的本方法在小样本情况下每个类的分类准确性均优于 DFFN 和 CNN，达到了较好的分类效果。 表 1 PaviaU 数据集上对比实验结果