本发明公开了一种定位隔振平台，它包括定位隔振装置和主动控制器，两者之间通过电气连接，主动控制器对定位隔振装置进行位置控制和振动控制。定位隔振装置包括分布在正三角形顶点的三支撑腿及其共同支撑的一块负载平板。每一个支撑腿中有一个螺旋弹簧作为主要支撑部件。一个位移传感器布置在连接板下方检测连接板位移，负载平台对应支撑腿的位置安装有垂向速度传感器。主动控制器为主从开放式结构形式，由上位控制计算机和下位执行控制器组成，保证负载平台保持在设定位置，并有效的隔离地基振动对平台精度的影响。本发明可广泛应用于精密加工

间苯二酚主要用于橡胶粘合剂、合成树脂、防腐剂等主面。间苯二酚可通过加氢烷基化，不同的条件下催化烷基化可得到不同的化合物，通过定位加氢烷基化可以生成1，3-环己二酮（1,3-Cyclohexanedione; ?,?-Dioxocyclohexane），防止环己二醇的生成。 1，3一环己二酮在医药、农药及化工合成中应用十分广泛，是一种非常重要的药物和农药合成中间体。可以制备抗心律不齐药物、抗血栓药物、抗肿瘤药物、镇痛药、杀病毒剂、5一HT拮抗药等多种医药。也可用于合成农药，如农用杀虫剂、驱避剂、各种除草剂如除草剂甲基磺草酮、杀菌及植物生长性调节活性化合物等的原料。由于环己二酮类化合物具有其良好的亲水亲油特点，弱酸性，便于植物吸收等原因，被广泛应用于具有生物活性物质的合成，而且这类化合物的环境相容性很好，在新农药的研发中有着良好发展前景。

成果与项目的背景及主要用途： 该技术采用数控气动闭环控制回路、机械手可以上下插拔，在 XYZ 三个方向有力触觉，可以感受作用力，如果力大，机械手可以自动缓冲或收回。机械手具有抓夹功能。该项技术已经成功应用到核工业元件加工过程中。相同的技术和功能可以方便的应用和移植到其它应用领域。 技术原理与工艺流程简介： 利用数控气动闭环控制回路。三维柔性力缓冲XY 方向±1 ㎜，Z 方向 10 ㎜，Z 向下插行程 0～500 ㎜可调，可以安装各种用途机械爪，具有形成阻尼缓冲和气动消音。技术水平及专利与获奖情况：处于国内同类型先进技术水平。 应用前景分析及效益预测： 该类型机械手技术可以应用于很多领域，如：机械制造业、汽车工业、化工业、核能工业、生物工业、安全领域等需要提高作业效率、精度、危险环境等行业。 目前该技术成熟，整机价格在 10～16 万人民币之间，可以进行小批量工业化生产。 应用领域：械制造业、汽车工业、化工业、核能工业、生物工业、安全领域等需要提高作业效率、精度、危险环境等行业。 技术转化条件（包括：原料、设备、厂房面积的要求及投资规模）： 所需原材料：均为市场上可采购原材料，无特殊要求，例如：气动元件、机械件等； 设备及环境要求： AC220V 电源、普通气源； 所需厂房面积：普通厂房 100 平方米； 人员要求：若干机、电相关专业人员； 初期投资规模：除以上条件外需流动资金 60～80 万。 合作方式及条件： 技术转让，转让费：人民币 50 万元； 合作生产，具体可面谈。 

产品详细介绍压电物镜定位器 压电物镜定位器   电话：0451-86268790  芯明天科技——压电纳米定位行业领导者！产品定制服务我们更专业！每年参加展会：LASER World of PHOTONICS CHINA慕尼黑上海光博会、北京光电周ILOPE、深圳光博会CIOE。哈尔滨芯明天科技有限公司专业致力于压电纳米定位系统的研发生产与销售。十余年的行业经验、专业的研发团队、雄厚的研发实力、完善的管理体系、可靠的品质保障为您提供最佳的压电纳米定位技术解决方案！主营产品包括压电陶瓷材料、压电陶瓷片、叠堆压电陶瓷、精密压电促动器、压电马达、压电直线电机、纳米定位台、压电纳米定位台、微米纳米定位台、压电平移台、压电运动台、压电位移台、压电平移台、1-3维纳米精度偏转台/旋转台、压电偏转镜、压电物镜定位器、六自由度并联机构、压电陶瓷驱动电源、压电陶瓷驱动器、压电陶瓷驱动电源、电感/电容/激光测微仪等产品，同时提供压电点胶阀维修服务等。压电物镜定位器是专门为聚焦显微而设计的，采用无回差柔性铰链并联导向结构设计，物镜补偿量小，具有超高聚焦稳定性，物镜定位器装入显微检测/测量或者观测装置可以带动镜片聚焦提高精度，可与多种高分辨率的显微镜配合使用。P73-压电物镜定位器为小体积大行程压电物镜定位器，内置高性能压电陶瓷，闭环精度高，响应速度快、满行程线性度达纳米量级，可进行激光聚焦，已广泛应用与晶圆切割、半导体及微电子加工领域。特点：运动范围500μm 定位精度达纳米级 响应速度可达毫秒级直线运动无偏航应用：晶圆切割•生物显微•白光干涉• 原子力显微镜•差动聚焦检测系统•显微光学成像哈尔滨芯明天科技有限公司致力于压电纳米定位产品的研发、生产与销售，主要服务于制造高端精密设备的的客户。自2004年起，经过十多年的快速发展，公司已获得高新企业认定，获得产品专利30多项并取得软件著作权、全部产品拥有自主知识产权、公司产品已覆盖全国各地知名高校、科研院所以及高端精密设备制造企业，并远销欧、美、日、韩等地。公司与中国高科技企业、国家重点实验室建立了合作伙伴关系，已经成为中国最专业的精密定位产品生产商。了解更多产品信息，欢迎访问芯明天官方网站  www.coremorrow.com 或拨打电话 17051647888 咨询。哈尔滨芯明天科技有限公司产品已广泛应用于半导体技术、光电子、通信与集成光学、光学仪器设备、医疗生物显微设备、生命科学、精密加工设备、新药设计与医疗技术、数据存储技术、纳米技术、纳米制造与纳米自动化、航空航天、图像处理等领域。芯明天正在为中国的工业自动化、国防、航天事业的发展贡献着自己的力量。

产品详细介绍压电纳米定位台压电纳米定位台  电话：0451-86268790  芯明天科技——压电纳米定位行业领导者！产品定制服务我们更专业！每年参加展会：LASER World of PHOTONICS CHINA慕尼黑上海光博会、北京光电周ILOPE、深圳光博会CIOE。哈尔滨芯明天科技有限公司专业致力于压电纳米定位系统的研发生产与销售。十余年的行业经验、专业的研发团队、雄厚的研发实力、完善的管理体系、可靠的品质保障为您提供最佳压电纳米定位技术解决方案！主营产品包括压电陶瓷材料、压电陶瓷片、叠堆压电陶瓷、精密压电促动器、压电马达、压电直线电机、纳米定位台、压电纳米定位台、微米纳米定位台、压电平移台、压电运动台、压电位移台、压电平移台、1-3维纳米精度偏转台/旋转台、压电偏转镜、压电物镜定位器、六自由度并联机构、压电陶瓷驱动电源、压电陶瓷驱动器、压电陶瓷驱动电源、电感/电容/激光测微仪等产品，同时提供压电点胶阀维修服务等 P11 是压电陶瓷驱动的压电纳米定位台，1-3维多种规格可选，压电纳米定位台采用无摩擦无空回的柔性铰链导向机构，采用有限元分析优化柔性铰链结构，具有超高的导向精度，定位精度可达纳米级，分辨率达亚纳米，毫秒级定位稳定时间，产品体积小巧，结构紧凑，易于集成到其他设备中。特点：产品体积小巧，结构紧凑1~3维三个规格版本可选单轴运动行程100μm，分辨率4nm开环/闭环版本可选应用：显微光学 •半导体测试• 纳米定位 •生物技术 •微加工•  微操作 哈尔滨芯明天科技有限公司致力于压电纳米定位产品的研发、生产与销售，主要服务于制造高端精密设备的的客户。自2004年起，经过十多年的快速发展，公司已获得高新企业认定，获得产品相关专利以及软件著作权、全部产品拥有自主知识产权、公司产品已覆盖全国各地知名高校、科研院所以及高端精密设备制造企业，并远销欧、美、日、韩等地。公司与中国高科技企业、国家重点实验室建立了合作伙伴关系，已经成为中国最专业的精密定位产品生产商。 更多信息，请访问芯明天官网  www.coremorrow.com 或拨打电话：0451-86268790/17051647888 哈尔滨芯明天科技有限公司产品已广泛应用于半导体技术、光电子、通信与集成光学、光学仪器设备、医疗生物显微设备、生命科学、精密加工设备、新药设计与医疗技术、数据存储技术、纳米技术、纳米制造与纳米自动化、航空航天、图像处理等领域。芯明天正在为中国的工业自动化、国防、航天事业的发展贡献着自己的力量。

Eagle 9000系列 精准定位智能柜 利用RFID无线射频实时识别试剂并精准定位在每个单元或每个孔位，库存示意图也能帮助用户快速找到目标位置，大幅提高工作效率。 管理对象：标准品、对照品、生物样本、菌毒种、高价值试剂等   产品参数PARAMETERS： 15.6英寸电容式触摸屏，预装专业操作软件 集成RFID无线射频识别器，可自动识别试剂信息 通过RFID无线射频技术，自动定位到孔位或抽屉 人脸识别和账号密码登录，可设置双人身份验证登录 内置12组独立控制单元，实现权限精准分配 全区域或分区控温（可选温度段：-40℃、-20~-10℃、-5~8℃、室温） 过滤吸附膜设计，可提高柜体环境净化能力 双人双锁，24小时移动侦测视频监控   产品特色FEATURES： 1、多种登录方式 人脸识别、账号密码（可根据用户需求定制） 2、智能感知技术 RFID无线射频技术自动检测识别试剂信息 RFID无线射频技术精准定位到抽屉/孔位 3、12组独立控制单元 内置12组独立控制单元，实现权限精准分配 4、智能温控 全区域或分区控温（可选温度段：-40℃、-20~-10℃、-5~8℃、室温） 5、搭载 RMS 管理系统或 Talons 管理系统 RMS系统可实现记录对象出入库的流转状态，形成完整的信息数据库，进行统计和分析。 Talons系统以标准品管理为主线，集成了采购、验收、期间核查、使用轨迹、数据分析等全流程跟踪。 6、信息化系统 自动记录流转信息、自动统计分析，库存示意图能帮助用户快速找到目标位置，大幅提高工作效率。

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：

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：