本实用新型涉及三自由度球心可调灵活眼，包括机架、眼球、球心调节杆和伸缩杆，眼球包括下半眼球与上半眼球，下半眼球与上半眼球固接，球心调节杆包括第一支撑杆和第二支撑杆，第一支撑杆下端与机架垂直固接，第一支撑杆上端与第二支撑杆下端螺纹联接，第二支撑杆上端用球面副与下半眼球底端连接，伸缩杆下端用球销副与机架连接，伸缩杆上端用球面副与下半眼球连接；三个伸缩杆围绕球心调节杆均布。本实用新型具有空间三个转动自由度的，灵活度高，易实现高速运动；将三个直线运动转化为眼球的空间转动，控制方便；球心调节杆增加灵活眼的工作空间，增加了其环境适应力。

由西安交大开元集团自主开发的CMOS可视芯片是目前国际先进、国内领先的视觉芯片，具有集成度高、功能全、体积小、功耗低的特点。以CMOS可视芯片为核心部件的彩色电脑眼是新一代计算机图像输入器件，具有数码相机、电子相册、三维传真、动态录像EMAIL、网络可视电话、视频会议和智能遥控报警等多种功能。该项目已被列入国家高新年技术产业化示范工程。

XM-424眼球解剖放大模型（放大6倍）   XM-424眼球解剖放大模型放大6倍，可拆分为7部件，将眼球纵切成两部分，左半侧的晶状体与玻璃体为固定形状，右半侧的巩膜可局部打开看到脉络膜，眼球内部显示睫状体、视网膜以及视网膜剖面（视网膜神经层构造）等结构。 尺寸：放大6倍，21×13×15cm 材质：PVC材料

XM-427A眼眶及眼周解剖模型   XM-427A眼眶及眼周解剖模型放大2倍，显示眶内的神经血管及其眶内眼器，包括眼球外形、视神经、眼外肌、泪腺以及展神经、睫状神经、泪腺神经、额神经、鼻睫神经、动眼神经的分支、三叉神经的三个分支以及眼轮匝肌等，同时还可显示鼻腔外侧壁的结构，部分眼球血管的供应。 尺寸：放大2倍，30×28×23cm 材质：PVC材料

XM-430眼球的发生模型   功能特点： ■ XM-430眼球的发生模型由7部件组成，显示眼球的外形结构发生变化过程。 ■ 在前脑泡突出左右两个眼泡，剥掉左半外胚层露出的眼泡并形成末端膨大部和较细的蒂。 ■ 眼泡末端膨大内凹陷形成内外两层眼杯，由于在发育过程中上面和两侧面生长快在眼杯下方出现一缺口即脉络膜裂。（裂内有视网膜中央动静脉通过） ■ 在胚胎六一七周，脉络膜裂开始闭合眼杯形成完整的双层球状杯形体，杯口缩小成瞳孔眼杯前部发育形成视网膜盲部，后部发育形成视网膜视部。 ■ 在胚胎四五周时覆盖眼杯表面的外胚层局部增厚即晶状板，在眼杯凹陷时晶状体板即随着突入眼杯内形成晶状体凹。 ■ 胚胎六周至三个月之间，自视网膜前部生成次级玻璃体纤维，排列整齐将杯内的原始玻璃体压缩到中央部，这时玻璃体与眼球同时增长。 ■ 四个月胎儿眼球解剖，眼杯周围的中胚层分化出内外两层后，外层致密的纤维形成巩膜，内层疏松的形成血管膜即脉络膜睫状体和虹膜，玻璃体动脉穿过玻璃体。 ■ 眼睑和结膜的发生，眼睑和结膜均来自表面外胚层在胚胎第五周开始时眼的周围形成褶，褶的外层化成眼睑皮肤，内层分化成结膜。 ■ 尺寸：放大 ■ 材质：玻璃钢材料

XM-425眼球构造放大模型   XM-425眼球构造放大模型在上颌骨上方将眼球水平切，由眼球壁巩膜、脉络膜上、下半侧、角膜、晶状体和玻璃体等7部件组成，显示眼球壁巩膜、角膜、虹膜、睫状体、脉络膜和视网膜的构造以及眼球内容物、眼球外肌、血管和神经等结构。 尺寸：放大5倍，17×14.5×12.5cm 材质：PVC材料

本发明公开一种多电机驱动系统新型离散滑模跟踪控制方法、系统、设备和介质。属于多电机驱动系统控制技术领域。本发明依据特征建模理论，建立针对位置跟踪控制的多电机驱动系统特征模型，该模型比常规动力学模型阶次更低且参数更少；采用带遗忘因子的递推最小二乘法对特征模型参数进行在线辨识，并投影到参数范围集合；设计一种多幂次二阶滑模面，以加快跟踪误差在不同误差带内的收敛速度；设计多电机驱动系统新型离散滑模跟踪控制方法，实现高精度跟踪控制，同时减小滑模抖振。

随着现代生产生活方式的快速发展，在电子、食品、医药、日化和新能源等行业中，对体积小、重量轻的产品进行封装、包装及分拣等高速无污染作业的需求日渐旺盛。由于具有一定的通用性和适应性，工业机器人成为此类作业中保障质量、提高效率和降低成本的核心装备，尤其是高速并联机器人因速度和动态特性的优势而备受青睐。无需高精密减速器的结构特性，也决定了高速并联机器人在中国有极大的创新和发展空间，与此同时，多样化复杂生产工况也对机器人系统的本体设计、视觉感知、运动控制和多机协同等核心技术及其集成提出新的挑战。 本项目历时多年，攻克高速多并联机器人协同作业系统的多项关键技术，并成功研制了满足高效生产的国产化成套装备，达到国际先进水平。

随着人工智能、大数据、物联网、区块链等新一代信息技术兴起，数据量呈现爆炸式增长，传统计算系统的算力难以满足海量数据的计算需求。与此同时，摩尔定律逐渐放缓，单纯依靠提高集成度、缩小晶体管尺寸来提升芯片及系统性能的路径正面临技术极限，通过引入忆阻器新器件、模拟计算新范式、存算一体新架构，将拓展出全新的高性能人工智能芯片与系统，实现计算能力的飞跃。 目前被广泛使用的经典冯·诺依曼计算架构下数据存储与处理是分离的，存储器与处理器之间通过数据总线进行数据传输，在面向大数据分析等应用场景中，这种计算架构已成为高性能低功耗计算系统的主要瓶颈之一：数据总线的有限带宽严重制约了处理器的性能与效率，且存储器与处理器之间存在严重性能不匹配问题。忆阻器存算一体系统把传统以计算为中心的架构转变为以数据为中心的架构，其直接利用阻变器件进行数据存储与处理，通过将器件组织成为交叉阵列形式，实现存算一体的矩阵向量乘计算。忆阻器存算一体系统可以避免数据在存储和计算中反复搬移带来的时间和能量开销，消除了传统计算系统中的“存储墙”与“功耗墙”问题，可以高效、并行的完成基础的矩阵向量乘计算，未来极有潜力成为支撑人工智能等新兴应用的核心技术。 清华大学吴华强教授团队实现了材料与器件、电路设计、架构和算法的软硬件协同等多方面原始创新，解决了系统精度损失等被广泛关注的难题： 材料与器件创新。科研团队选择了电学特性稳定的二氧化铪作为忆阻层核心材料，提出了通过插入少量氧化铝层来固定离子分布、抑制晶粒间界形成的新理论，提出了引入热增强层的新原理器件结构，成功抑制了忆阻器非理想特性的产生。 电路设计创新。开发了一套忆阻器与晶体管的混合电路设计方法，提出“差分电阻”设计思想，采取源线电流镜限流设计，抑制了忆阻器电路中可能产生的各种计算误差。 算法创新。提出了混合训练算法，仅用小数据量训练神经网络并只更新最后一层网络的权重，即可将存算一体硬件系统的计算精度达到与软件理论值相同的水平。 “技术链”创新。从“单点技术突破”拓展到“技术链突破”，开发了针对忆阻器存算一体芯片的电子设计自动化（EDA）工具，打通了从电路模块设计到系统综合再到芯片验证的设计全流程。 上述理论和方法发表于《自然》《自然·纳米技术》《自然·通讯》等国际顶级期刊，以及被誉为“集成电路奥林匹克”的“国际固态电路大会”等顶级学术会议。研究成果被“国际半导体技术路线图”和30多部综述文章长篇幅引用。团队已在该研究方向申请国内外专利72项，其中30项已获得授权，知识产权完全自主可控。 团队已研制出全球首款忆阻器存算一体芯片和系统，集成了8个忆阻器阵列和完整的外围控制电路，以更小的功耗和更低的硬件成本大幅提升了计算设备的算力。全系统的计算能效比当前主流的人工智能计算平台——图形处理器（GPU）高两个数量级。团队还设计了一款基于130nm工艺研制的完整忆阻器存算一体芯片，在MNIST数据集上计算速度已超过市面上28nm工艺的四核CPU产品近20倍，能效有近千倍的优势。

本发明涉及多屏显示领域，提供了一种实现多屏显示的方法， 包括 S1 远端触控设备获取屏幕内容并向显示控制中心发送屏幕内容 和指定显示设备编号的指令；S2 显示控制中心接收屏幕内容，并根据 指令将所述屏幕内容输出到编号对应的显示设备上实现多屏显示。本 发明中每个显示设备的显示内容可以一致也可以不一致，具体为远端 触控设备将显示内容发送到显示设备控制中心，显示设备控制中心将 显示信息发送到显示设备进行显示，显示设备控制中