产品详细介绍Enlogic的EN1000 系列产品---IRMC级别测量系列涵盖了电能测量，功率和环境监测的功能。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。持续的为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：: 36IEC C13 输出端口数：: 30Total # of IEC C19 Outlets: 4BS1363输出端口总数：: 2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, (BS1363)13A物理尺寸长,mm：: 1730 mm深,mm：: 44 mm宽,mm：: 55 mmMax Depth at Circuit Breaker, mm: 56mm外壳颜色:: Black环境要求：可运行温度：: -5 to 60°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::

产品详细介绍一、 原理及用途：34W验钢镜用发射光谱分析法确定被测件内含有的各种元素及其含量.适用于冶金、化工、机械、电力建设、科学实验……中对合金钢及有色金属合金进行定性或半定量的快速光谱分析。仪器便于携带，特别适用于施工现场对不易搬动、不能破坏的大型机件或试样进行材质鉴别。避免发生混料错料事故。也可进行废料分类，选取贵重金属。仪器操作简便，分析迅速，能无损地对被测件进行检测。   在可见光范围内能分析下列元素：1） 钢中元素：Cr、Mn、V、W、Mo、Co、Ti、Ni、Mg、Si、Cu……等2） 铜合金元素：Zn、Ni、Mn、Fe、Pb、Ae、BE……等3） 铝合金中元素：Mg、Cu、Fe、Si、Zn……等二、技术参数：镨线范围：390～700um仪器分辨率：能分辩开下列线对：仪器分析灵敏度：           V：钒含量0.04％     波长437.92um           Si：矽含量0.25％      波长634.70um显微镜放大倍数：15x  其中目镜：10x  物镜：1.5x  色散元件：平面光栅：1200条/mm准直物镜：f＝297mm   相对孔径D/f＝1: 7狭缝宽度：10±2u      仪器示值精度：±2um外形尺寸：看谱镜：640x190x180       重量：看谱镜：4.5kg          火花发生器：390x280x190         火花发生器：8.9kg三、型号分类：34W系列手提式看谱镜有多种型号规格，用户可按各自不同要求进行选择。仪器由看谱镜（主体）和火花发生器两部份组成。主体采用光栅作色散元件。谱线清晰、明亮、分辨率高。主体的读数鼓轮刻值用波长指示，便于寻找谱线。各型号的主体都相同。火花发生器是作为主体对被测件进行光谱分析的必备光源设备。各型号的火花发生器都各有不同特点，以满足不同的使用要求。   型 号          特 点                         售  价34w普通型     220v控制电源                    20500元34wA型        简易控制型                      21500元34wB型        低电压控制器                    22500元34wC型        特殊适应型                      24500元上 海 光 学 仪 器 进 出 口 有 限 公 司地 址 ：上海市杨浦区武东路32号2幢401室 邮编 ：200433电话：021-35030526   手机：13916201020   传真：021-65563863  售价：20500-24500元（含税，款到、订货后发货）  联系人：卜生高E-mail:bsg040206@163.com     http://www.soiec.cpooo.com

产品详细介绍　3~5、8~12 μm　　ET10 科研级仪器可测量任何不透明材料的发射率。特点：　　• 可同时测量3～5、8～12 微米2个波段的发射率　　• 利用两个探测器同时测量3～5、8～12 微米2个波段的发射系数　　• NIST标准      • 快速、便携　　• 电池操作非常方便应用：　　• 为红外相机提供发射率参数　　• 提高温度测量精度ET10： 　　• 用于测量红外测温成像技术的重要参数—红外发射率　　• 对于不透明物体：Emissivity = 1- reflectance　　　• 软件简单易用，具有强大的测量和数据处理功能　　•  液晶触摸屏PDA图文操作界面　　• 可同时提供十种设备运行信息性能：　　当物体的物理化学性质没有发生变化时，不同温度下的反射率与波长是不变的，所以物质在500-°K高温下的发射率数据可以由室温下测得的反射率数据推算出来，ET10主要用于测量不透明样品的发射率。　　进行测量时，将仪器对准测量面，按下扳机即可记录数据。测量一次的时间只需要7秒钟。  技术参数：测量参数：定向半球反射比 (DHR)方法：一个波段的积分总反射比测量值：发射率波段：3～5、8～12 微米2个波段精度：±1%可重复性：±0.0002入射角：20° 法线入射样品表面：任何表面，6” 半径曲面，12” 半径曲面测量时间：10秒/测量，用户可设(2 波段)预热时间：90秒运行时间：电池工作2小时，可更换电池后接续测量电源：可充电镍氢电池  充电时间:  1小时重量：4.7 lbs.带电池IR源：铬铝钴合金灯丝，使用温度：1,000°C尺寸：手持式，H 11.54”, L 9.04”, W 3.72”模块部件：模块化设计，测量头可更换操作界面：LCD 图形界面，触摸屏，软件按钮测量：   测量数据直接在屏幕上显示并存储数据存储：265MB CF卡数据格式：Excel或Text格式打开环境：储存： -25～ 70°C;操作环境 0～40°C, 非冷凝  

新冠肺炎常规通过病史、CT等进行病情评估，但重症病房应用超声不便，还需要评估重症患者的心脏等多器官，然而操作者绝大多数不是专业超声医生，这为如何在治疗重症患者的过程中更好地发挥超声的作用提出了难题。深圳国际研究生院袁克虹团队与深圳华声医疗技术股份有限公司合作，用人工智能技术赋能5G超声设备，增添采集心肺关键标准切面的导航以及关键参数的自动测量等功能，辅助医生对重症病人进行动态评估和治疗。 袁克虹团队与深圳华声医疗技术股份有限公司1月中旬组成研发团队，在已有合作工作的基础上，针对新冠肺炎重症患者临床超声的迫切需求开展联合攻关，半个月就获得了较好的成果。该技术从2月初开始在武汉协和西院等多家医院使用，在一定程度上辅助了医生对重症患者进行疾病的动态评估和治疗指导。 目前该技术正由国家感染性疾病临床研究中心（深圳市第三人民医院）牵头开展进一步研究，将完善和改进现有功能，优化远程诊断流程，实现超声为医生治疗重症患者提供更智能、更可靠、更专业的帮助。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。

基于无线网络的AGV全智能物流系统是通过AGV的组网、物流管理及多信息的融合来达 到行驶路线易于更改、多AGV多路线进行协作的功能，较之以往的物流系统是通过相应的传 感器识别标志物，从而获知行驶的路线，更加自动化与智能化。本系统主要运用的技术有多信 息融合技术、视觉导引技术、无线通讯技术、最短路径规划技术等。 该系统具有的创新性如下： (1) 多信息融合：将非接触式IC卡应用于AGV系统，可以提供必要的导航信息，对视觉信 息的不足进行补充。其作为一种可读写的数字化传感器，可以对小车前方的轨迹进行预报，增 强小车运动的智能性； (2) 预测学习导航模型：本项目中视觉导航所采用的是根据AGV的位置及摄像机视野建立 预测模型，在行驶的情况下以模糊控制的方法来对AGV的运行状态进行控制，并在运行过程 中不断学习，不断地修正模型中的参数，使其更精确地导航。 (3) 多路况的智能识别：可以对特定的路况进行识别，包括弯道，十字，分叉等；可以支 持虚线和实线两种识别方式。 (4) 物流管理调度：上位服务器可以实时地对AGV进行监视和控制，如果AGVS根据某种 需要，要求改变进度表，则可以很方便地重新安排小车路线。 (5) 网络无缝连接优化：本项目中基于传统的无缝链接技术之上，提出一种优化模型可以 改善AGV在网络间隔区域的通信问题。 基于无线网络的AGV全智能物流系统中的AGV额定负载能力为3~4000kg、最大速度：直 线36m/min，转弯25m/min、工作速度：直线30m/min，转弯20m/min、其自动导航精度达到 ±10mm，停车精度达到±5mm。因此本物流系统能够很好的满足日常仓储物流、流水线物料 搬运的要求，且精确性与实用性更高。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：