|
搜索
搜 索
高等教育领域数字化综合服务平台
基本型主控台
产品详细介绍 基本型主控台是针对广大中小学的教学特点而设计的，它采用模块结构设计，数字逻辑控制电路，具有操作简便，故障率低等特点，教师操作面板采用高强度进口PVC面膜和高弹键相结合的方式，使用寿命长、无磨损、无噪音能反复使用十万次，具有较高的性能价格比。
涿州市合力电教设备有限公司
2021-08-23
DJ-Y4型
产品详细介绍 音 域：F-b2（43键） 音 色：12种 节 奏：12种 变 调：12种 示范曲：18首（有关闭旋律学习的功能） 触摸发声、徒手演示、磁性音符、无绳教鞭、即时录放、简谱音阶、同步启动、自动和弦 电 源：220V 扬声器功率：8W×2
湖南省怀化市音艺电教仪器厂
2021-08-23
DJ-Y5型
产品详细介绍 音 域：F-e3（48键） 音 色：128种GM音色 节 奏：100种 变 调：12种 示范曲：100首（有关闭旋律学习的功能） 节拍器：可设置9种节拍 触摸发声、徒手演示、磁性音符、无绳教鞭、即时录放、简谱音阶、同步启动、自动和弦、颤音延音、旋律关闭、MIDI接口、液晶显示。
湖南省怀化市音艺电教仪器厂
2021-08-23
智能型金属浴
产品应用：● 本仪器是采用微电脑控制和半导体制冷技术制造的一款恒温产品，可对样本进行加热、制冷、恒温并按要求运行循环模式等操作，以代替传统的水浴装置，仪器采用紧凑型设计，体积小巧，可根据试管大小配置多种模块。
主要特征：
● 操作简单方便，超大的显示屏使数据一目了然，实时和设置参数均 有显示，便捷的模块更换，便于清洁与消毒；● 所有图标均采有动态显示，更加的人性化；
● 强大的可编程功能实行多点温度点的控制，最多达5个温度点的温 度和恒温时间的设置及连续运行；
● 自动故障检测及蜂鸣器报警功能；● 温度偏差校准功能，可选配USB或上位机通讯功能；
● 透明保温盖采用耐高温PC环保材质，一体化设计防止丢失，内置超 温保护装置,多重安全保护功能，符合CE 安全标准，安全可靠。
上海沪析实业有限公司
2021-12-21
叶片光学智能检测装置及软件系统
由于航空发动机和燃气轮机叶片型面是空间异型曲面，因而其设计、制造及维修都面临巨大挑战。为了在设计加工层面提高叶片加工质量，同时在修复层面提高叶片使用寿命，开展叶片高效高精测量研究至关重要。
本项目面向叶片制造研发了一套基于四轴运动平台与线激光扫描相结合的叶片型面检测装置，并开发了集运动控制、数据采集与处理、精度评估等多功能于一体的软件系统，可实现多类型叶片的二维截面高精度测量与三维型面自动化高效重构,有效克服因叶片复杂结构特征带来的扫描数据密度差异性大、重叠区不足等因素对重构精度的影响。本项目面向叶片3D打印修复，研发了一套高效高精度的叶片检测方法与集成系统，可实现批量化叶片截面轮廓位姿及其轮廓的自动化测量、数据重构和叶片配准，为叶片修复工艺流程中的3D打印和后续机加工等工艺环节提供关键的数字化测量、加工工艺数据，有效提升修复精度与效率，并降低成本。
本项目的开发成果可应用于航空发动机、燃气轮机等叶片制造、修复全生命周期的测评、重构、反求等场景，市场规模大。
图 面向叶片3D打印修复的检测方法与集成系统硬件平台
四川大学
2025-02-11
海嘉船舶综合信息系统
海嘉船舶综合信息系统（简称“海嘉PMS管理系统”）是由厦门大学科考船运行管理中心自主开发并获得中国船级社（CCS）型式认可证书的船舶综合信息系统。该系统针对国内船舶管理高校、公司的船舶管理特点，坚持“以人为本”的管理理念，全方位覆盖船舶管理各项业务。系统构建的数字化安全管理体系平台可有效协助船东和船舶管理单位进行船舶管理；通过数字化维修保养体系使得船舶主管机构的监督检查效率和质量更高；PMS型式认可证书是货方指定的第三方评审（如RightShip检查）机构对船舶运营提出检查清单并进行评分时必须查看的一项证书。
PMS型式认可证书
核心功能
厦门大学
2025-02-07
海嘉船舶数据传输系统
海嘉船舶数据传输系统采用先进的通信技术与数据处理手段，系统利用高带宽卫星通信和5G网络，提供了更快速、可靠的数据传输通道。其整合物联网技术，能够从多种传感器源头实时获取船舶多维数据。创新的数据压缩和加密算法确保了数据传输的高效率和安全性。同时，系统对海上数据流量进行智能化管理，提升了传输的稳定性。
厦门大学
2025-02-07
海嘉船舶数据采集与分发系统
海嘉船舶数据采集与分发系统创新性突出，采用先进的传感器技术，实现多源数据的高效采集。系统在通信方面采用了独特的混合通信方案，融合卫星通信、物联网技术，确保了信息的高速传输和覆盖范围。创新的数据处理算法实现了实时数据分析和异常检测，提高了系统的智能化水平。
厦门大学
2025-02-07
挠曲面太阳能聚光系统
东南大学
2025-02-08
锂电池管理系统AI算法研究
本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。
解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。
在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。
目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。
西南大学
2025-05-12