本发明公开了一种全参数化三维输电线路杆塔的建模方法，该 方法基于杆塔类型抽象出构成杆塔的所有节点，并进行编号，利用与 杆塔工程参数相关的函数表达式描述每个节点的三维坐标，然后通过 节点配对的形式描述每根钢材的三维空间位置，实现三维杆塔模型的 创建。按照本发明的建模方法，输入不同杆塔工程参数，杆塔三维模 型自动调整，极大降低了杆塔三维模型建模的工作量和修改的工作量， 提高了三维模型的建模效率和准确度。

本发明公开了一种具备故障检测和参数校正功能的平面扭簧装置，它由平面扭簧、故障检测电路和力矩传感器三部分组成。本发明充分利用各种平面扭簧的优势，通过检测固定环和安装环间的通断对弹性体进行故障检测，可以有效判断弹性体的使用寿命，为改进设计和加工工艺提供依据，有助于缩短迭代开发的周期，提高对平面扭簧设计质量的观测和分析；通过力矩传感器的精确力矩检测，可以实时补偿和校正弹性体的弹性系数变化，以提高对力矩控制的性能，为了降低成本，在关节设计中可以去除力矩传感器，而在定期检查时可以使用一个力矩传感器对所有关节进行校正即可。本发明的平面扭簧装备结构简单，适合应用于各种机器人和机械臂关节。

“船体帆形外板水火加工成型工艺参数优化设计和自动预报的计算机软件系统”是由大连理工大学和大连新船重工有限责任公司经过十几年研究完成的。该系统于 1997 年 9 月在大连新船重工有限责任公司正式投产，到 2000 年年末，已成功应用于该厂 23 艘出口船舶产品的建造中，是目前在国内外船厂中首先被应用于实际工程的软件系统，第一个实现了船体外板水火成型加工工艺的信息化，解决了船体外板水火加工成型工艺凭经验作业的生产瓶颈问题，产生了明显的经济和社会效益。 1997 年 12 月通过中国船舶工业总公司（部级）组织的专家鉴定，成果水平为“国际领先”。该成果获 2000 年国家科技进步二等奖、 1999 年中国船舶工业总公司（部级）科技进步一等奖和大连市政府科技进步一等奖。

XZ-0178型水质分析测试仪可用于测定自来水、循环水、污水中的浊度、色度、悬浮物、余氯、总氯、化合氯、二氧化氯、溶解氧、氨氮（以N计）、亚硝酸盐（以N计）、铬、铁、锰、铜、镍、锌、硫酸盐、磷酸盐、硝酸盐氮、阴离子洗涤剂、COD、硫化物等参数，化学法和电极法一体机，用户可根据自己的要求，以百分比的形式标定使用，为客户提供方便。本仪器可广泛用于水厂、食品、化工、冶金、环保及制药行业等部门的检测，是常用的实验室仪器。

一、产品简介      光无源器件是光纤通信设备的重要组成部分。它是一种光学元器件，也是其它光纤应用领域不可缺少的元器件。该实验仪重点介绍了常用的光无源器件的相关参数及测试方法，主要包括光纤转换器、光纤变换器、光纤耦合器，光纤隔离器、光纤衰减器、WDM等器件的参数的测试原理及测试方法。帮助学生直观的了解各种光无源器件的性能，从而更准确的使用不同器件进行光纤通信方面实验。 二、实验内容  1、光纤转换器测试实验  2、光纤变换器测试实验  3、光纤耦合器测试实验  4、光纤隔离器特性测试实验  5、波分复用器和解复用器测试实验  6、可调光纤衰减器测试实验  7、光纤机械光开关特性测试实验  8、光纤偏振控制器特性测试实验  9、光纤偏振分束器（PBS）性能能参数测试实验 三、实验配置参数 1、光源：波长1310±20nm，1550±20nm；输出功率：1-2.5mw，连续可调；输出端口：FC/PC；稳定性＜0.5db（5h）；光源类型：LD光源； 2、光功率计：波长范围800-1700nm；输入接口：FC 校准波长：1550nm,1310nm； 3、偏振控制器：插入损耗＜0.05dB；消光比＞40dB；回波损耗＞65dB； 4、光纤机械光开关：插入损耗：1310/1550  P1→P2 0.56/0.54 dB ，P1→P3 0.53/0.47 dB ;回波损耗＞50dB ；开关速度：≦8ms ； 5、高隔离度光纤隔离器：最大插入损耗：0.35dB ；回波损耗：≧50dB ；隔离度：≧30dB ； 6、光纤耦合器：分光比：50% : 50% ；最大插入损耗1310/1550: 3.3dB ; 7、光纤波分复用器：隔离度：1310nm ：31.8% ；1550nm ：34%；插入损耗：1310nm ：0.30%；1550nm ：0.34% ； 8、光纤可调衰减器：0-30db可调； 9、配置：光纤光源，光纤光功率计、光纤耦合器、光波分复用器、光纤偏振控制器、光纤偏振分束器，可调衰减器、光纤隔离器、光纤机械光开关、法兰盘、实验指导书及实验录像光盘等。 四、实验目的 1、了解光连接器及其原理、种类，实验操作进行连接器参数测量； 2、掌握光纤偏振控制器工作原理，实验操作单模光纤偏振状态控制； 3、了解光纤耦合器用途及其性能参数，实验操作测量耦合器特性参数测量； 4、了解光纤隔离器用途及其性能参数，实验操作光纤隔离器特性参数测量； 5、了解光纤光开关用途及其性能参数，实验操作光纤光开关特性参数测量； 6、了解光波分复用器（WDM）的原理与意义，操作双波长波分复用（WDM）的原理性实验；

ZTC-III智能推拿手法参数测定考评系统   ZTC-III智能推拿手法参数测定考评仪系统应用了计算机、传感器的技术，在测力平台四周下方，分别装有能识别上下左右、前后三个方向的应变传感器，可感应小力的变化，因而推拿手法参数测定仪的测力平台是从三维空间表达推拿手法作用力，并充分体现了力的向量特性，这些传感信号转化成计算机变化，经动态电阻应变仪加以放大，再由A/D转化卡转化成数字元信号输入计算机，软件将对所有捕获的资料进行分析管理，输出并打印结果。仪器表面采用了人体仿真材料的虚拟肤质，手感光华舒适，能模拟人体肌肉的弹性、韧性和柔软度。   一、主要特点： ■ 借助windows界面特征，各项主要功能选择操作简便易行。 ■ 系统功能齐全：不同用户操作接口、获取资料、资料编辑、资料分析、数据管理、结果打印等。 ■ 智能化功能提示，引导用户进行系统操作。 ■ 各项功能操作方便，只需鼠标即可完成。 ■ 可建立专家资料库，作为学生学习的榜样，评分系统会根据这个标准进行评分。   二、主要功能： ■ 不同操作界面：包括管理者用户、普通用户、个人用户。 ■ 个人用户管理功能：在管理者用户界面可增删个人用户及手法类型，并可建立个人密码。 ■ 数据采集功能：出样频率、操作者、手法类型、操作时间。 ■ 资料编辑功能：资料选择、资料剪辑。 ■ 资料分析功能：三维压力曲线，合力作用力轨迹，轨迹面积比、力量集中比、平均周期、平均周期误、标准误水平。 ■ 数据管理功能：资料增删、分类、结果打印等。 ■ 评分功能：可以对各类手法根据标准手法进行评分。 ■ 回映功能：能随时打开被记录的文件进行重放，还可以通过“放速率”控制曲线播放速度。 ■ 对比功能：能在同一坐标轴上显示静态的标准手法曲线和动态的实时操作手法曲线来进行对比，从而提高练习者的手法正确率。 ■ 打印功能：能进行曲线打印。 ■ 快捷帮助功能。   三、标准配置： ■ 智能推拿手法参数测定考评仪系统：1台 ■ 电源线：1条 ■ USB连接线：1条 ■ 操作软件：1套 ■ 说明书：1册 ■ 保修卡合格证：1张

产品详细介绍                     WDCB-1岩石电性标本参数测试仪     频散特性     实验分析     物性参数     激发极化     电磁耦合         岩石电性参数的频散特性不仅受孔隙流体性质及其分布的影响, 与岩石的物性参数也关系密切.本文通过不同孔隙度、不同渗透率的岩石电性参数频散特性的实验研究, 依据Maxwell-Wagner界面极化理论, 分析了岩石物性参数对岩石频散特性的影响规律及物理机理, 同时建立了岩石电性参数频散特性与孔隙度和渗透率的关系模型, 验证了利用岩石的电性参数频散特性评价储层物性参数的可行性.     WDCB-1石电性标本参数测试仪是基于现在的科学实验的基础上，提出来的对岩石内部结构进行探测的新手段和新方法，通过测试岩石标本的电压,电流,极化率,及衰减曲线，从而得到岩石电阻率参数，目前成为是各大检测机构数据分析及高等院校科学研究的重要手段.   主要技术指标: 输入阻抗 大于100MΩ电位精度 ±1%±1个字分辨率 0.001%精度 ±1%±1个字分辨率 0.01mA测量精度 ±1%±1个字测量方式 外控同步、自同步干扰 优于80dB采样方式 二次场衰减曲线传输方式 USB存储器 具有1G非易失存储器，可长期保存工作温度 -10℃～+50℃，95％RH外形尺寸 270mm×246mm×123mm仪器重量 3.0Kg    

▷产品简介：TE-800 PLUS是一款便携式多参数高精度分析仪，具有实时数据传送，4G通讯模块，采用高精度数字电极，检测项目有COD，TOC，氨氮，浊度，悬浮物，叶绿素，蓝绿藻，余氯，pH，溶解氧，温度，电导率，ORP， TDS，水中油等项目，适应于各种恶劣工作环境，内置高容量SD卡可进行数据无限保存；专业水质检测仪系统，内置高容量锂电池，仪器性能稳定、测量准确、测定范围广、功能强大、操作简单, 是一款为客户在野外，实验室提供检测，监察，数据管理融为的一体便携水质检测系统 . ▷功能特点： ※ 检测项目有COD，TOC，氨氮，浊度，悬浮物，叶绿素，蓝绿藻，余氯，pH，溶解氧，温度，电导率，ORP， TDS，水中油（可定制项目）； ※ 8寸彩色触摸屏，内置热敏打印机； ※ 内置大容量充电锂电池，待机时间长； ※ 采用传感器新技术、无需试剂，无污染，经济、便捷； ※ 整机按照人工学设计，外观流行时尚，携带方便； ※ 可长时间在野外工作，中文界面切换，操作简单、快速； ※ 内置存储卡可实现数据保存、查询； ※ 采用高精度全数字光学电极，自动温度补偿，从而实现更稳定准确的测量值； ※ COD，浊度，悬浮物,叶绿素，蓝绿藻，水中油采用全数字光学电极，能自动对光路衰减及浊度影响进行快速补偿，从而实现更稳定准确的测量值； ▷应用行业： 可广泛应用于科研院所、环境监测，环境工程、江河湖泊、自来水厂、石油化工、生物制药、光伏能源、食品饮料、水产养殖和市政给排水以及第三方检测等行业 .

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