本实用新型涉及农业机械，尤其是一种自调式甜菜挖掘装置。包括机架、传动机构、连接轴和两个挖掘轮，传动机构与机架连接，挖掘轮通过浮板Ⅰ和浮板Ⅱ与机架连接，挖掘轮中心设有中心轴，浮板Ⅰ和浮板Ⅱ均呈凹形，包括底板和两侧的侧板，挖掘轮中心轴与浮板Ⅰ的底板固定连接，浮板Ⅰ的侧板和浮板Ⅱ的侧板铰接，连接轴的一端与浮板Ⅱ底板的顶面固定连接，板Ⅱ通过连接杆与机架连接，机架通过鼓型轴与前方的牵引机构连接，两个挖掘轮分

本实用新型公开了一种限深挖掘播种机，包括：车架、电动限深组件、锄地组件、播种机和控制器；电动限深组件包括安装座、伸缩机构和限深轮，安装座设置在车架上，伸缩机构安装在安装座上，伸缩机构设置有可以伸缩的伸缩杆，限深轮设置在伸缩杆的下端部，伸缩机构上设置有距离传感器；锄地组件包括基座、铰链四杆机构、锄头和第一电机，车架设置有升降平台，基座设置在升降平台上，铰链四杆机构安装在基座上，锄头设置在铰链四杆机构的连杆上。实现提高农业限深挖掘播种机的限深性能，使得播种深度一致性高以提高种植效果，并提高使用可靠性。

针对国家大数据战略的重大需求，着重发展了空间大数据、互联网大数据等研究方向，攻克了深度挖掘和深度分析等关键技术，显著提升了数据挖掘精度和智能化水平，利用这些技术研发了气象短临预报系统、国产气象卫星自定标模型、通用数据挖掘平台DMBOX、华为应用市场推荐系统和深圳海关自动检验检疫系统等，解决了智慧气象、企业应用和智能通关等领域的实际应用问题，获得了重大的社会和经济效益。

1.关键技术 a. 地理信息系统模型：建立统一的地理信息系统模型，用以表达不同特征的地理信息数据。空间数据模型是整个GIS理论中最为核心的内容。为了能够利用信息系统工具来描述显示世界，必须对现实世界进行建模。对于地理信息系统而言，其结果就是空间数据模型。为了解决当前数据模型复杂多样的情况，必须使用更通用的更具有兼容性的数据类型来包装或者代替各个不同的地理信息系统的数据格式。在地理信息系统模型方面可以参考各种地理信息数据的国际标准，并在此基础上形成地理信息核心平台的数据模型。 b. 基于SOA的地理信息系统框架：SOA是一种结构模型，它可以根据需求通过网络对松散耦合的粗粒度应用组件进行分布式部署、组合和使用。服务层是SOA的基础，可以直接被应用调用，从而有效控制系统中与软件代理交互的人为依赖性。SOA是一种低耦合的服务技术。通过SOA将地理信息系统的功能和其实现分离开，从而实现地理信息系统核心功能接口与实现的分离，形成由各种地理信息系统引擎来实现地理信息的实际功能，而地理信息核心平台实现服务的系统框架。 c. 基于SOA的地理信息综合应用解决方案。 2. 创新点 a. 异构的地理信息数据访问技术：系统采用引擎的方式对异构的数据库进行封装，形成地理信息系统服务的统一服务接口，为异构的地理信息数据库的方位提供了统一的平台。 b. 基于SOA的地理信息系统核心平台：通过以服务为中心而不是以应用为中心来组织地理信息的功能和服务，SOA为应用提供了一系列关键的好处:提高地理信息系统开发的效率、对业务的灵活性和响应速度、允许地理信息平台使用各种新技术更快地提供服务并更好地适应业务的需求以及允许业务更快地响应并提供更好的用户体验。 c. 多种模式的地理信息全面解决方案：通过基于SOA的地理信息系统核心平台的建设，可以将BS终端、CS终端、嵌入式移动终端、服务等地理信息系统的应用模式集成在统一的地理信息核心平台中，形成基于SOA的地理信息应用的全面解决方案。 项目主要应用范围: “地理信息系统核心平台”正是基于以上成熟的商业地理信息系统平台进行开发具有能够融合各种不同格式、类型的地理信息系统数据和功能的地理信息系统平台。所以其必将成为地理信息系统建设的核心平台。 就铁路系统来说，目前全路地理信息系统正在规划中。按照铁道部全路地理信息系统的规划方案，部级、路局级系统将选择较为成熟可靠的地理信息统平台的选择ArcInfo，而站段级将选择较为经济的SuperMap。另外，为了使各路局、各专业已经建成的地理信息系统的数据和应用得以共享，“地理信息系统核心平台”也将成为系统建设的标准配置。所以，“地理信息系统核心平台”在铁路系统就会形成极为广泛的市场。 对于各级政府数字城市建设，“地理信息系统核心平台”具有更为广泛的市场前景。 项目界面图:  主要技术指标: 1、地理信息系统的可扩展性框架 基于兼容各种地理信息系统的可扩展性的框架式地理信息系统的核心平台。在这个平台的基础上建立地理信息系统的表达平台、功能性平台、扩展平台。 2、地理信息基础表达平台 地理信息系统平台必须能够表达地理信息数据，包括数据和空间关系。这些将由地理信息基础表达平台来完成。 3、地理信息的功能性服务平台 地理信息系统的功能性平台提供与地理信息系统相关的应用功能，用以实现信息的应用。具体内容包括有：CS应用平台、BS应用平台、地理信息系统服务平台、嵌入式功能平台。地理信息系统的功能性平台主要完成了地理信息系统的核心功能的操作和应用。 4、地理信息的扩展服务平台 地理信息系统平台的扩展平台是指在扩展框架的基础上，为某些关键应用建立的扩展性应用，从而提高整个地理信息系统平台的实用性。 主要经济指标: “地理信息系统核心平台”正是基于成熟的商业地理信息系统平台进行开发具有能够融合各种不同格式、类型的地理信息系统数据和功能的地理信息系统平台。所以其必将成为地理信息系统建设的核心平台。 就铁路系统来说，目前全路地理信息系统正在规划中。按照铁道部全路地理信息系统的规划方案，部级、路局级系统将选择较为成熟可靠的地理信息统平台的选择ArcInfo，而站段级将选择较为经济的SuperMap。另外，为了使各路局、各专业已经建成的地理信息系统的数据和应用得以共享，“地理信息系统核心平台”也将成为系统建设的标准配置。所以，“地理信息系统核心平台”在铁路系统就会形成极为广泛的市场。

   中教启星地理综合实践套装以以色列neulog传感器为核心，基于新课标提出的“地理实践力”核心素养，配套开发了系列地理实验探究课程，是学生进行地理实验活动的有利工具。    地理综合实践套装由NeuLog数据分析软件、高精传感器、指导手册组成，具有模块化拼接、独立数字显示、触屏等多种功能，支持多平台连接。其中，NeuLog传感器基于即插即用系统原理设计，可以直接连接到NDU（监控显示）和实验操作的软件。    NeuLog传感器系统具有两种操作模式：在线实验模式和离线实验模式，包括温度、光强、氧气、PH值、湿度、声音、CO2、气压等17种传感器，可以满足大专院校和中学地理教学野外实践考察学习的需求，满足学生探究性学习、自主性学习需求。 产品组成 产品特点

产品详细介绍供应地理园地理模型：冰川地貌模型，规格：130*90cm.

研制了大型折展机构、自重构机构及空间机器人系统，提出“机-电-热-控”多重耦合动力学建模、“结构-驱动-控制”相融、自主轨迹规划与智能控制等理论及方法，解决了恶劣太空环境下漂浮基、大挠性、强耦合、变拓扑复杂系统设计、建模与控制等关键难题，为航天器在轨组装与维修维护、轨道垃圾清理等提供技术支撑。成果用于航天型号，获国家技术发明二等奖1项、省技术发明一等奖1项、军队科技进步一等奖2项，出版专著3部。

本发明公开一种液压挖掘机能量优化系统。其第三电磁换向阀与液压挖掘机的工作油缸的无杆腔、控制阀、第二电磁换向阀分别连通，第二电磁换向阀与蓄能器、第一电磁换向阀分别连通，第一电磁换向阀与液压挖掘机的油箱、液压马达的进油端口分别连通，第四电磁换向阀与液压马达的出油端口、蓄能器、液压挖掘机的油箱分别连通，溢流阀的进油口与蓄能器连通，溢流阀的出油口与液压挖掘机的油箱连通；液压挖掘机的发动机的信号输入端口、液压马达的排量信号端口、第一电磁换向阀的输入信号端口、第二电磁换向阀的输入信号端口、第四电磁换向阀的输入信号端口、液压挖掘机控制阀的输入信号端口、第三电磁换向阀的输入信号端口分别与控制器连接。

一、 项目简介为解决复杂工程优化设计等问题，研发智能优化技术及软件进行工程建模与优化设计，可以应用于电子、通信等诸多领域。面向复杂大数据信息，研发智能数据挖掘技术可以发掘潜在规律和感兴趣的信息，为工业、农业、国防、金融和证券等诸多行业服务。本项目在国家和省市等基金资助下开展的，率先研发出石油测井智能数据挖掘系统；在无线通信、智能天线、半导体器件仿真等领域取得满意的优化设计效果。二、 项目技术成熟程度在Windows环境下开发出《智能数据挖掘系统（1.0版本）》，并获得国家软件著作专利权；现已开始应用在石油测井、无线通信与智能天线等领域，效果显著。如图1至图3所示。三、 技术指标本项目研发的软件系统在 Windows系统和VC++平台下进行，还能嵌入Matlab等工具箱进行工作。并具有界面友好、可视化程度高、扩展性强等特点。四、 市场前景对于各种复杂工程问题的建模与优化是非常重要的；面向各行各业的大数据进行数据挖掘，为决策服务更是势在必行。本课题正是解决这些问题，其应用前景广阔。五、 规模与投资需求本项目适用于各行各业，主要研发专用软件系统，研发成本较低（约5-10万元）。六、 效益分析本项目主要应用于各类复杂工程问题的建模与优化设计，以及各行各业的大数据挖掘，其经济效益是相当可观的。七、 合作方式双方协商，可以采取转让、合作、技术指导或其他形式。八、 项目具体联系人及联系方式（包括电子邮箱）联系人：夏克文；地址：（300401）天津市北辰区 河北工业大学信息工程学院；Email：kwxia@sina.com；电话：022-60435739九、高清成果图片2-3张图1为系统主界面；图2是测井解释应用；图3是天线波束形成。图1 智能数据挖掘系统主界面图2(a) 某油井测井数据200%比例读取的测井图图2(b) 基于支持向量机（SVM）的测井解释图3 基于智能优化算法的波束形成方向图