该装置属专利技术，是一种电弧放电光纤研磨截面高精度抛光方法及装置，利用两电极间的放电电弧对研磨后光纤表面进行抛光处理，以便去除光纤研磨过程中产生的微裂损伤，提高研磨光纤的质量的新型光纤抛光设备。属于光纤通信系统技术领域，特别属于利用光纤包层场的变化来制作高精度光器件的技术领域。 光纤属于硬脆玻璃材料，在光纤研磨过程中，研磨砂将不可避免地会在其表面产生大量的凹坑和微裂损伤，表面粗糙度较高，从而引起光信号的散射和吸收损耗较大，虽然采用颗粒尺寸很小的微粉对光纤的研磨表面进行机械抛光，可在一定程度上降低表面的粗糙度，但机械微粉抛光法并不能消除研磨光纤表面那些不可见的微裂损耗，如果不进行处理，当空气中的水汽进入这些微裂纹时，将导致所制作的光纤器件的性能很快恶化，对提高器件的稳定性极为不利的。而且由于光纤的直径仅为125微米，为提高其研磨表面的光滑行对机械微粉的材料、尺寸和纯净性要求极高，在实际加工中并不适用。因此，为进一步提高光纤研磨后表面的光滑性，避免微裂损伤造成的器件性能恶化，迫切需要一种价格便宜、使用方便、并且能对研磨光纤表面的微裂纹进行消除的新型抛光设备。 技术内容： 利用两电极间的放电电弧对研磨后光纤表面进行高精度抛光的方法及装置， 解决其技术问题所采用的技术方案是： 一种电弧放电光纤研磨截面高精度抛光方法，其特征在于，利用在电压控制下，两电极放电电弧所产生的高温效应，将研磨光纤的表面进行熔化，消除研磨光纤表面的微裂纹；通过定位传感器，是放电电极沿着研磨后待抛光光纤的轴向移动，调节光纤抛光的长度；利用电机速度控制器控制电极的移动速度。 技术特点： 1、利用在电压控制下，两电极放电电弧所产生的高温效应，经研磨光纤表面进行熔化，消除研磨光纤表面的微裂纹； 2、利用电压控制PZT，调节放电电极与研磨后待抛光光纤间的距离，调节精度为0.01微米； 3、通过精密导向机构和定位传感器控制抛光电极的移动范围，调节光纤抛光的长度，长度为0-140mm； 4、利用电机速度控制器对电极的移动速度进行控制。 利用电压控制压电陶瓷PZT，从而调节放电电极与研磨后待抛光光纤间的距离；并通过定位传感器来控制抛光电极的移动范围，实现光纤抛光的长度的调节。其发明的主要内容如下： 该抛光装置，由PZT高度调节器，电机速度控制器、精度导向传送带，定位传感器、V型刻槽光纤放置用微晶玻璃和电极组成。主要优点：（1）采用火焰抛光的方法，通过PZT调节研磨抛光后的光纤与电极的相对位置，利用电极打火所产生的高温将研磨光纤的表面进行熔化，从而有效消除研磨光纤表面的粗糙度，抑制微裂纹或凹坑造成的较大损耗；（2）通过精密导向机构的定位传感器，是放电电极沿着研磨后待抛光光纤的轴向移动，从而实现对光纤抛光的长度进行任意调节；（3）利用电机速度控制器对电极的移动速度进行控制。

在串联回路中，当电弧或放电现象发生时，对电流进行频谱分析，根据电流 的频谱特征变化来确定是否有电弧发生，提供预警信息或保护动作。为了防止在 开关的瞬间或受到其他脉冲电流的干扰造成电弧故障检测电路误动作，同时在频谱分析的基础上综合电弧时间长短等其他特性作为电弧故障的判据。系统的硬件 部分包含电流检测、滤波、故障特征提取等模块。软件部分包含信号采集、信号 处理、故障判别等模块，并综合时间等其他因素降低误报率，提高检测系统的可 靠性。在算法中，采用了人工智能算法以提高系统的适应性。主要成果包

本发明公开了一种双极性脉冲放电的多电极发射阵，包括：固定框架、接线柱和2n组发射极，每组发射极由多个发射电极并排组成，所有发射电极均设于固定框架上，发射电极由铜芯和包裹铜芯的绝缘层组成；2n组发射极分为n组正极性发射极及对应的n组负极性发射极；正极性发射极中发射电极的铜芯直径比负极性发射极中发射电极的铜芯直径大。本发明无需专门匹配脉冲电源的输出极性，既可应用于正极性输出的高压脉冲电源，又可应用于负极性输出的高压脉冲电源，且兼具了正极性发射能量效率高和负极性发射电极无损耗的特点，结构简单轻便。

产品详细介绍   DCD-100型储能电介质充放电测试系统关键词：储能，电介质，充放电目前常规的方法是通过电滞回线计算高压下电介质的能量密度，测试时，样品的电荷是放回到高压源上，而不是释放到负载上，通过电滞回线测得的储能密度一般会大于样品实际释放的能量密度，无法正确评估电介质材料的正常放电性能。DCD-100储能型电介质充放电测试系统专为研究储能电介质材料快速充放电性能而设计，适用陶瓷、薄膜材料，可进行变温下的欠、过阻尼充放电测试。是目前研究储能材料的重要科研设备，是目前高等院校和科研院所的shou选设备。一、产品特点：1、内置直流高压模块，zui大电压：10kV，20KV 多种可选，电流：0-5mA；2、通过电流探头监测放电电流，zui高可达100A-200A；3、可以实现欠阻尼和过阻尼两种测试模式，欠阻尼测试时，放电回路短路，不使用电阻负载，过阻尼测试时，使用较大的高精度无感电阻作为放电负载；4、通过示波器采集数据，并能直接计算储能密度；9、专业的载样平台，适用于陶瓷和薄膜样品测试；10、可以变温测试，0-250℃；11、可以疲劳测试，饱和极化，剩余极化等功能12、本系统采用特殊高压开关，通过单刀双掷控制充电和放电过程，开关可以承受10kV高压，寄生电容小，动作时间短；二、主要参数1、电流探头带宽：120MHz2、峰值电流：0-100A，150 A(多种电流可监测）3、电流采集精度：1mA4、高压源模块：3KV，5KV， 10kV，15KV多可选（电流：0-5mA）5、开关适用：100万次，zui高耐压15kV。6、温控范围：0-250℃。7、温度稳定性和精度：0.1℃8、测试样品：薄膜，厚膜，陶瓷，玻璃等9、可以疲劳测试，饱和极化，剩余极化等多种参数测试10、可以配合各种极化设备进行多种压电材料和介电材料的测试

项目简介： 本项目针对复杂的实际工业环境，基于机器学习最新理论成果和机器视觉基本原理，研究并实现了具有较强鲁棒性的变电站传统机械式电表远程智能读数系统。首先通过图像的预处理对电表区域进行初步定位，然后在此有效范围中利用电表指针的几何形状特点对其进行精准定位，最后通过指针与表盘刻度的相对位置计算电表读数，最终实现了在复杂环境下对电表快速、可靠、精确地远程智能读数，代替了低效的传统人工抄表和数据录入，具有可推广应用的工业价值。 运用机器学习和计算机视觉技术，首先获取指针式仪表表盘图像，然后采用数字图像处理技术提取和识别目标，最后实现指针式仪表示值的自动判读，从而避免人工判读示值工作量大、容易出错等问题。本项目的主要工作内容有：电表特征配置、指针类表计读数判别、建立前馈式神经网络模型、图像智能化判断。 由于工业环境复杂多变，在数据采集过程中不定期地会出现各种故障和干扰。这些极端情况下所采集到的图片若进入系统进行智能读数分析，所得到的分析结果往往是不可信或者无意义的。所以，根据图像的像素分布特点进行分析，系统将自动拒绝对质量过差的问题图像进行分析判断，并向变电站工作人员发送相关警告提示。在提高系统读数结果可靠性的同时，及时发现设备问题并通知工作人员，有利于尽早排除故障、防患于未然。主要技术指标：识别正确率：92.5%；识别速度<3s。 应用范围：项目目前已进入产业化阶段，成果权属为我校独自拥有。

通过人脸检测模块对输入图像进行预处理，自动而准确地定位人脸所在位置并分割出相应的人脸 区域，对人脸面部图像进行特征提取，利用模式分类器进行性别识别。

RFID即射频识别，是一种非接触式的自动识别技术，它通过射频信号自动识别目标对象，可快速地进行物品追踪和数据交换。识别工作无须人工干预，可工作于各种环境。RFID技术可同时识别多个对象，操作快捷方便。 本项目以电力井为对象，开发了手持式及桌面型RFID电缆信息化系统。项目开发的手持式RFID电缆信息化系统，由手持式读写器、UHF超高频射频卡及其读写软件组成，适用于电力井现场采集及电缆信息维护；项目开发的桌面型RFID电缆信息化系统，由桌面型读写器、UHF超高频射频卡及其读写软件组成，适用于办公室中对电力井电缆信息化管理工作。系统可处理中英文字符信息，手持式系统通过GPRS技术可实现远程数据维护。

（1）开发工业字符自动识别算法，有效对旋转、变形、缺失字符进行准确识别，实现自动物流跟踪；（2）支持面喷、侧喷、钢印和手写字符的识别；（3）支持自定义字库，语法，多点同步识别；（4）识别算法对喷印质量没有要求，识别准确率为：对人工能进行识别的字符整体识别正确率为 99%。

场景文字检测与识别是指将自然场景中出现的文字信息识别出来。具体来讲其包含两个部分（如图1）：文字检测和文字识别。在现实生活中，场景文字检测与识别的应用十分广泛。

一、项目进展 创意计划阶段 二、负责人及成员 姓名 学院/所学专业 入学/毕业时间 学号 高志豪 计算机学院/物联网工程 2017年/2021年 201731064410 林钟煇 计算机学院/物联网工程 2018年/2022年 201831064119 阳旭菻 计算机学院/计算机科学与技术 2018年/2022年 201831062525 李沛键 计算机学院/物联网工程 2018年/2022年 201831064115 三、指导教师 姓名 学院/所学专业 职务/职称 研究方向 陈雁 计算机科学学院 副教授 人工智能、复杂网络、能源与人工智能交叉领域 刘忠慧 计算机科学学院 副教授 机器学习、人工智能、形式概念分析 四、项目简介 美国海相页岩气藏的成功勘探开发，展现了页岩气的巨大潜力和发展空间，同时也极大地促进了页岩储层微观结构表征分析技术的发展，通过页岩岩心薄片观察底层形态、确定底层数据，是页岩气勘探开采中的重要一环。页岩储层的孔隙作为页岩组分的一个重要部分，其结构特征直接影响着储层剩余储量的剩余油的分布，因此，对页岩薄片孔隙的形状和类型进行研究是十分必要的。但在目前，页岩薄片只能靠人工鉴定，这种方法工作量大，效率低，且主观性强，误差较大。深度学习是近年发展起来的具有多层次特征抽象归纳与知识发现能力的机器学习算法，目前已经被广泛应用到了语音识别、计算机视觉、自然语言处理等众多领域。在地质和岩石物理领域也有了初步的应用，深度学习方法在地质数据的特征提取及预测识别方面有着广阔的应用前景，本项目组将会开发页岩薄片智能平台，通过机器学习算法来学习专家知识，自动识别孔隙类型，这样就可以大大提高效率，节省人力。