产品详细介绍TST1000为我公司专门为大型土木建筑（桥梁、高层建筑、大坝、隧道等）研制开发的一款长时监测系统，该系统具有安装简单快捷、长期稳定性好、防护等级高、无人值守等优点，可以配合各种传感器（应变、挠度、温度、风速、GPS等）完成信号的实时采集和存储，通过对桥梁或大型建筑结构状态的监测与评估 , 为桥梁或大型建筑在特殊气候 , 特殊交通条件下或运营状况严重异常时触发预警信号并分析评估桥梁及大型建筑使用寿命 , 并为建筑的养护、维修与管理决策 , 验证建筑设计理论 , 改进建筑设计方法和相应的规范标准提供科学的依据。TST1000数字模块能够通过RS485接口远距离控制外围设备，诸如风速仪、静力水准仪、各种数字传感器等，并通过网络回收数据。通过RS485的级联方式，能够灵活和简便实现客户不同现场环境中大系统、大范围的各种IO量扩展、采集控制、数据回收；通过网络传输，能够降低布线难度和降低传输过程中的信号干扰，能够帮助客户降低工程成本。TST1000为客户提供多种可选的通讯和扩展方式（网络、光纤、4G信号等），可根据现场条件选择合适的方式。通过客户端软件可远程查看桥梁的实时健康评估状况，软件还具有日（月、年）报表输出功能，产品已经广泛应用于国家高速上的多座大型桥梁。支持32组。

机械系统运动方案及结构分析实验装置包括五种设备，可以单独或成套使用。该套设备适用于机械设计实验教学和课程设计，具有鲜明的特点。 即：（1）它对应课程的主要内容，包含了各种常用机构和通用机械零部件； （2）具有工程实用背景，使用功能明显； （3）有良好的直观性； （4）结构复杂程度适中，传动方案和结构新颖。学生通过对装置的传动方案与结构的分析，可以掌握机械系统运动方案和结构设计的基本要求，培养机械系统运动方案设计能力、结构设计能力和创新意识。该实验设备已通过了校级鉴定，达到了国内机械设计实验教学的先进水平，并已获得黑龙江省教学成果二等奖以及全国第三届高等学校自制实验教学仪器设备评选获优秀奖。 1.CS-I型冲压机及送料装置 2.JZ-I型间歇送料及冲压装置 3.ZS-I型转位及输送装置 4.TS-I型提斗上料装置 5.BS-I型步进输送机

导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法，以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后，使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%，分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%，采用十倍交叉验证进行验证。研究人员表示，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者为验证方法的有效性，加入了4个新的受试者进行验证，发现总体平均准确率为92.5%。此外，全局分类器适应单一对象，整体平均准确率提高到94.54%。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极)，并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图，并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先，由于ERD在执行运动想象时在alpha和beta中不同，因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后，通过计算包含正问题和逆问题的源，将传感器空间的活动转化为源空间的活动。接下来，创建scout并提取特征。研究者在运动皮层中创建了10个scout，因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI)，并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5，右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后，利用CNN对时频图进行分离并进行分类。实验在实验中，研究人员仅使用了随机选择的十个受试者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。这里用于分析的数据集包含每个受试者84次试验，每一类包含21次试验。在记录64通道脑电图时，受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验：当目标出现在屏幕左侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕顶部时，受试者想象打开和合上双手的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕底部时，目标会想象双脚张开和合拢，直到目标消失。然后受试者放松。为了统一数据维数，研究者选择了4s的数据，因为每次想象任务的执行时间都在4s左右。此外，脑电图任务是分开的，研究人员在实验中将左拳，右拳，双拳和双脚MI任务分别称为T1，T2，T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如图2所示。10个scout每一个都被扩展到40个顶点，每个顶点只有一个源。L1区域对应40个信号，其他scout也一样。在计算了来源后，研究者在运动皮层中创建了十个scout，如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项，每个受试者每次都要进行7次测试(#1，#2，#3，#4，#5，#6，#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后，研究人员在运动皮层中创建了包含40个源的10个scout，并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中，研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构，该网络模型由一个六层卷积网络组成，其中两个最大池层和三个全连接层，如图5所示。图5对于Physionet数据库，研究者首先采用Deep ConvNet架构，包括四个卷积层、四个最大池层和一个全连接层。在实验中，研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务，R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息，清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然，只有部分时频映射是红色的，表明每个任务只对特定的频率和时间敏感。由于图的数量比较大，研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本，并将一些特征图可视化，作为MI任务的学习表示，如图7所示。图7为了获得有效的结果，将数据集分为90％作为训练集，其余10％作为测试集。首先，将十个受试者的数据集（总共19320个样本）分为17388个样本以训练所提出的CNN模型，以及1932个样本以验证模型的有效性。在实验中，研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本)，其中24343个样本是训练集，其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试，以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高，达到94.5%，而L2的全局平均精度最低，为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上，标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说，R5表现的要比其他的好，而L2在迭代2000中表现最差。标准差较小，说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵，说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验，确定了scoutR5的性能，结果如图10(a)和(b)所示。在10次试验中，scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说，四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明，该方法对scout R5的分类效果较好。从以上结果可以清楚地看出，R5 scout在四种MI任务的分类中扮演着最重要的角色。因此，选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现，该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。论文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

面向工程机械机电液一体化系统的动态性能匹配方法与分析软件（以下简称为软件）， 能够根据用户对工程机械整机动力配件的选型，自动组成整机系统模型，并预测工程机 械整机运行时的性能以及各配件的功率输出和发热情况。该软件可应用于工程机械产品 开发的各个阶段如参数选型，性能匹配、故障诊断、实验辅助等，并已成功应用于山推 工程机械股份有限公司的新产品开发中。 技术特点： (1) 机电液热融合建模，理论定位高级。软件以预制的机电液零部件模块模型为基 础，可快速地、精细化地实现极端工况条件下机电液融合模型。 (2) 一体化的系统分析，问题覆盖面广。软件综合多种软件资源，对特定工程机械 机型的核心动力系统，可实现任意节点输出的、图解化的、基于机械系统实验结 果的系统分析。 (3) 机型软件快速开发，面向用户需求。软件可针对牵引底盘和非牵引底盘，快速 开发出面向特定工程机械机型的机电液一体化性能分析软件。 (4) 功能契合实际需要，适用范围广泛。适用于工程机械各个技术阶段的参数选型、 性能匹配、故障诊断、以及实验辅助。

发明公开了一种基于氮化钛材料的新型纳米结构光阴极；所述氮化钛光阴极包括衬底、氮化钛纳米结构层；还涉及了该型氮化钛光阴极的制备方法，及其电场辅助型光阴极测试装置，所述电场辅助型光阴极包括绝缘垫片、金属薄板阳极、上／下电极导线、外加偏压电源。本设计中核心的氮化钛纳米结构具有表面等离激元共振效应，会带来光子吸收增强和局域电场增强，且材料功函数仅约为３．７ｅＶ和导电性优良，有助于光致电子的发射；通过设计氮化钛结构的组成纳米图形和结构参数，可获得与入射激励光波相匹配的等离激元共振，实现可光调控的电子发射。因所述氮化钛材料还具有稳定的物化性质，从而本发明提供了一种可作为稳定、高效率的光阴极。

本发明公开了一种具有除冰融雪功能的排水路面结构，包括铺筑在地面基层上的防水粘层，所述防水粘层上铺筑有沥青混合料排水层；所述沥青混合料排水层包括从下至上依次铺筑的下排水层、中排水层和上排水层，该下排水层为孔隙率3?5％的沥青混合料，该中排水层为孔隙率20?25％的开级配融雪沥青混合料，该上排水层为孔隙率18?20％的开级配融雪沥青混合料，其中，中排水层与上排水层的孔隙相互连通；所述上排水层上为橡胶颗粒层，所述防水粘层的厚度为1?2cm，所述下排水层的厚度为7?9cm，所述中排水层的厚度为4?6cm，所述上排水层的厚度为1.5?2.5cm。本发明的排水路面结构能提高融雪除冰效率、提高路表摩擦力、减小车辆对排水孔隙的压实作用、节约维修养护成本，具有良好的推广性。

要实现预制装配式建筑钢管结构件的“高度工程预制，快速现场拼装”，就必然需要有一种与之配套的安全、高效、环保和经济的连接方式与设备。本项目旨在研究开发出一种能够应用于预制装配式建筑领域钢管柱梁结构件摩擦型高强螺栓单边连接技术与装备，其特点在于可以实现单侧安装、单侧拧紧功能，不需要额外加工安装孔，能在不破坏钢管其他部位的前提下，完成结构件连接安装，因而，既能克服国内外现有螺栓连接无法解决的问题，又能避免现场焊接，具有现场施工简单方便、装配率高的特点。该技术与装备还可进一步推广应用于其他封闭截面或是只可从单侧安装的连接部位，如各种管道、老旧钢桥的加固等，推动工业化建造。 本项目在有关预制装配式建筑钢管结构件单边连接技术与装备研发方面已取得多项进展，其核心技术已获得5项国家发明专利授权，课题组由机械学院和土木学院相关技术人员组成，就此已和上海泰大建筑科技有限公司开展了多年的产学研合作研究，为结构件单向连接技术与装备相关科技成果的转化做了充分的技术准备与产业开发平台保证。通过本项目的实施，有望促进结构件单边连接技术与装备科技成果的转化，推动工业化预制装配技术的发展，具有巨大的经济价值与社会效益。

成果介绍基片集成类导波结构是近十几年发展起来的一类新型平面集成高性能导波结构，2011年被国际微波杂志列为“改变未来无源与控制器件的十大非凡发明”之首（Microwave Journal, Nov. 2011）。本项目组是国际上这一领域的主要贡献者之一，在国家自然科学基金委创新群体基金和国家973项目等的资助下，对基片集成类导波结构的传输特性、谐振特性、损耗机理、模式转换机理、极化转换机理等科学问题及其在多个分支的创新应用开展了系统深入的研究，建立了精确有效的设计方法，构建了基础设计公式，提出并命名了半模基片集成波导等新型导波结构，提出了一系列基片集成类无源元件新结构等。技术创新点及参数1、在国际上最早提出并发展了适合于周期性基片集成类导波结构的频域有限差分和直线法全波分析模型，揭示了其传输机理，并在此基础上构建了一组闭式设计公式。这组公式已被广泛用于基片集成类导波结构元器件的设计。相关代表作单篇正面他引均超过150次。2、提出并命名了半模基片集成波导、折叠半模基片集成波导等新型导波结构，系统研究了其导波特性、损耗机理和模式转换机理等，构建了设计公式，并在此基础上发展了一系列新型微波毫米波高性能元器件，其中代表作单篇正面他引均超过100次。3、提出了多种基片集成波导无源新结构，深入研究了其谐振特性、耦合特性和损耗机理，并在此基础上发展了一系列高性能新型元器件及单基片集成系统。相关代表作合计正面他引350余次。4、在基片集成波导天线辐射机理研究的基础上，突破了经典Elliott设计公式的局限性，建立了相应的分析模型和设计方法，发展了一系列新颖的高性能基片集成类天线及阵列，相关代表作由于其基础性和创新性被合计正面他引300余次。市场前景项目研究成果已获54项授权国家发明专利，其中部分专利已进行技术转让并应用于企业产品中。

本项目产品属于无线通信技术领域，基于可见光通信技术，设计开发了一种海陆空全覆盖的高速通信产品，本产品能够在射频信号可以或不可以到达的场景下实现远距离、低延时的高清音视频或大容量数据的传输，提出了面向国家海洋战略、民用监测技术的全新通信解决方案。 产品简介：我们的可见光通信系统是一种新兴的空间无线通信设备，它在隧道监测、矿道勘探、水下养殖环境监测和水下通讯等领域优势明显，将发挥重要作用。从技术层面来看，鉴于光波频段大的天然优势，它的频段资源是无线电的100多倍，完全可以弥补如今无线电资源匮乏的问题；从实际应用上来看，光在黑暗环境与水中受外界影响小，抗干扰能力强，可以解决所有无线电与声波无法到达的地方的通信问题，并且传输速度比声波快上数百倍；从安全性来说，光波具有良好的方向性，当光信号被第三方拦截时，接收方能及时发现通信链路故障，更加易于保密。 技术壁垒：自主研发设计的水下可见光通信系统，水下实际传输速度可达1Mbps以上，支持音视频、大量传感信息实时传输，相比市场其他同类产品，碾压式的“高速”是我们的核心竞争力。并且，本产品采用自主研制的高性能垂直结构LED，也是目前世界上已报道的最薄垂直结构LED，完美解决了散热高、出光效率低的问题。拥有相关自主知识产权的授权专利20余项，做到了“国际一流，国内领先”的水平。 市场行情：反观近年来的市场行情，高亮度照明LED的推广和普及为可见光通信技术创造了重大发展机会。日本启动的“21世纪照明计划”、美国能源部的“下一代照明计划（NGLI）”以及欧盟的“彩虹计划”，都极大推动了LED照明市场在全球规模的迅速增长。中国跨部委的半导体照明工作小组启动了“国家半导体照明工程”。随着LED性能的不断提升，可见光通信作为空间无线通信技术的一种，将扮演越来越重要的角色。