XM/CPR780高级全自动电脑心肺复苏模拟人 （计算机控制/有线版）   XM/CPR780型计算机控制心肺复苏模拟人在培训时间内可利用现有的资源办公电脑进行软件安装即可进行培训，退出操作程序就可以进行其他日常操作，执行美国心脏学会(AHA)2015国际心肺复苏(CPR)＆心血管急救(ECC)指南标准。 一、主要特点： 1、本模型为成年男性整体人，采用热塑弹性体混合胶材料，肤质仿真度高。 2、解剖标志明显，具有仿真的头颈部，头部可水平转动180度，有利于清除异物。 3、胸部体表标志明显（胸骨角、乳头、剑突等），便于胸外按压的操作定位。 4、可触及颈动脉搏动，死亡状态下，颈动脉搏动消失，颈动脉搏动与有效按压相关联。 5、心肺复苏术：仰卧位，头可后仰，便于清除呼吸道异物，可进行胸外按压。 6、可进行口对口人工呼吸或者使用简易呼吸器辅助呼吸，有效人工呼吸可见胸廓起伏。 7、瞳孔示教：死亡状态下，瞳孔散大，抢救成功后，双侧瞳孔由散大变为正常。 8、模拟人和计算机之间通信方式：USB通信。 9、模拟人关节灵活，可进行搬运练习。   二、软件功能： 1、生命特征模拟：瞳孔变化及颈动脉的搏动。 2、模拟标准气道开放。 3、人工呼吸与胸外按压时：模拟心脏搏动显示、模拟心电图显示。 4、人工手位胸外按压时： ■ 动态条码指示灯显示按压深度； ■ 计数显示；详细记录按压正确和错误的次数，并区分错误的原因； ■ 语言提示：中文语音提示，详细提示按压错误的具体原因，以便训练者及时改正； ■ 实时操作波形图显示按压操作的过程； ■ 实时矩形图显示按压深度（通过红色、绿色、黄色、灰色直观体现操作过程）。 5、人工口对口呼吸(吹气)时： ■ 动态条码指示灯显示吹气量大小； ■ 计数显示：详细记录人工呼吸正确和错误的次数，并区分错误的原因； ■ 语言提示：中文语音提示，详细提示人工呼吸错误的具体原因，以便训练者及时改正； ■ 实时操作波形图显示人工呼吸操作的过程； ■ 实时矩形图显示人工呼吸量大小（通过红色、绿色、黄色、灰色直观体现操作过程）。 6、操作时间、CPR操作比例、CPR循环次数可单项设定； 7、操作方式：训练操作、模拟实战、标准考核。 8、语言设定：可进行语言提示设定及提示音量调节设定或关闭语言提示设定； 9、成绩单保存打印，可连接通用打印机对成绩单进行打印； 10、可进行多媒体教学，也可进行与投影仪、触摸屏等连接播放教学； 11、学员管理：可自由编辑学员名称及编号，用于存档； 12、检查瞳孔反应：死亡状态下，瞳孔散大；抢救成功后，双侧瞳孔由散大变为正常。 13、检查颈动脉反应：用手触摸检查，死亡状态下，颈动脉无搏动；抢救成功后，颈动脉连续搏动。   三、标准配置： 1、心肺复苏全身人体模型：1台 2、手拉推式硬塑箱：1只 3、计算机：用户自配或选配 4、USB连接线：1条 5、电源适配器：1个 6、CPR安装操作软件：1套 7、复苏操作垫：1条 8、一次性呼吸面膜(50张/盒)：1盒 9、可换肺囊装置：4套 10、可换面皮：1张 11、操作指南光盘：1张 12、急救手册：1本 13、说明书：1册 14、保修卡合格证：1张

1、参照典型人体标本及国内外经典权威教材及图谱制作，如人卫出版社丁文龙主编的《系统解剖学》、人卫出版社南京医学院主编的《人体解剖学图谱》、江苏科学技术出版社姜同喻编著的《连续层次解剖图谱》、山东科学技术出版社丁自海主译《格式解剖学》、广东科技出版社胡耀民主编的《人体解剖学标本彩色图谱》等，造型自然准确、颜色自然，满足教学需要；

高品质钢的冶炼典型流程为“转炉→精炼→中间包→结晶器”，冶金反应器内存在着合金-钢、钢-渣、钢-夹杂物、钢-耐材、渣-耐材、钢-空气、钢液凝固和元素偏析等反应和过程，各个化学反应“耦合”发生、互相影响。因此，有必要建立智能模型有效地预测不同反应器内夹杂物成分的变化，准确地在线了解精炼和连铸过程的工作状况，使生产全流程始终处于最佳工作状态，从而确保夹杂物的精准控制，最终提高钢产品质量的稳定性和可靠性。同时，通过模型的优化计算，可以根据不同钢种的性能需求，对钢种的生产工艺进行定制化设计。（1）高品质钢炉精炼过程夹杂物预测研究：− 精炼过程宏观流动数学模拟：计算精炼过程钢液和精炼渣的流场和温度场、夹杂物的运动，同时计算吹氩强度、钢包尺寸等因素对钢包流场、夹杂物运动和去除的影响。− 精炼过程夹杂物成分动力学：研究吹氩强度、钢包尺寸等因素对多元反应速率的影响；耦合计算 LF 炉内“渣-钢-夹杂物-合金-耐材-空气”多元反应过程夹杂物成分变化。− LF 炉内夹杂物尺寸动力学：建立夹杂物生成、长大和去除的尺寸变化多尺度模型，确定不同条件下夹杂物的尺寸变化行为，预测钢中夹杂物的数量变化和尺寸分布规律。− LF 炉内夹杂物预测模型：将夹杂物成分和尺寸动力学计算和宏观流动模拟相耦合，建立 LF 炉精炼过程夹杂物成分、数量和尺寸预测模型。（2）高品质钢中间包连铸过程夹杂物预测研究− 中间包内宏观流动数学模拟研究：计算中间包内钢液和覆盖剂渣相的流场和温度场、夹杂物运动和去除。计算开浇和换包的非稳态浇注、中间包结构对中间包浇铸过程的影响。− 中间包内夹杂物动力学研究：耦合计算中间包中“渣-钢-夹杂物-耐材-空气”多元反应中夹杂物成分变化，确定中间包内各位置的反应速率。− 中间包内夹杂物预测模型的建立将渣-钢-夹杂物-耐材-空气反应和宏观流动模拟相耦合，建立中间包过程多元反应夹杂物成分、数量和尺寸预测模型。（2）高品质钢结晶器凝固过程夹杂物预测研究− 结晶器内钢液凝固冷却过程中夹杂物行为研究：通过实验室实验研究钢液凝固和冷却过程中温度变化对原有夹杂物与钢基体的反应的影响，以及不同成分的钢液在冷却和凝固过程中夹杂物新相析出，确定温度变化对夹杂物影响机理。− 结晶器内宏观凝固和流动数学模拟研究：研究结晶器过程钢液、渣相的运动，使用融化模型研究结晶器过程凝固坯壳的凝固和形成，计算夹杂物在钢-渣界面的去除行为。− 结晶器内钢液凝固过程夹杂物动力学研究：计算铸坯凝固过程钢液成分偏析，与保护渣-钢-夹杂物反应进行耦合计算，预测铸坯中夹杂物的成分。计算夹杂物被凝固前沿捕捉行为，预测铸坯中夹杂物的数量和尺寸分布。− 结晶器内钢液凝固夹杂物预测模型的建立：通过将元素偏析、保护渣-钢-夹杂物反应和宏观流动数学模拟相耦合，建立结晶器凝固过程多元反应预测模型，实现铸坯中夹杂物成分、数量和尺寸空间分布的精准预测。（4）高品质钢制造过程夹杂物智能预测模型在工业生产中的应用− 模型的验证和优化：高品质钢制造进行全流程取样调研，对建立 LF 炉、中间包和结晶器内夹杂物反应模型进行验证和优化。− 模型应用：将建立的高品质 LF 炉、中间包

小试阶段/n轧机过程控制数学模型与轧制稳定性技术直接影响带钢产品质量与生产成本。该技术在结合生产工艺与设备控制技术的基础上，综合现代控制理论、数学建模和人工智能技术，形成完整的轧线关键模型与轧制稳定性控制技术，已在宝钢、梅钢、涟钢等国内多条大型热连轧生产线上成功在线应用。发表核心期刊论文30多篇，授权、受理发明专利30余项，软件著作权3项。。关键技术：1）高精度轧制设定模型与尺寸控制。高精度带钢厚度控制技术：包括高精度轧制力能模型、全线一体化分布式温度模型、辊缝模型，保证高精度的头部设定；高精度AG

1、参照典型人体标本及国内外经典权威教材及图谱制作，如人卫出版社丁文龙主编的《系统解剖学》、人卫出版社南京医学院主编的《人体解剖学图谱》、江苏科学技术出版社姜同喻编著的《连续层次解剖图谱》、山东科学技术出版社丁自海主译《格式解剖学》、广东科技出版社胡耀民主编的《人体解剖学标本彩色图谱》等，造型自然准确、颜色自然，满足教学需要；

1、参照人体解剖标本及国内外经典权威教材及图谱制作，如人卫出版社丁文龙主编的《系统解剖学》、人卫出版社南京医学院主编的《人体解剖学图谱》、江苏科学技术出版社姜同喻编著的《连续层次解剖图谱》、山东科学技术出版社丁自海主译《格式解剖学》、广东科技出版社胡耀民主编的《人体解剖学标本彩色图谱》等，造型自然准确、颜色自然，满足教学需要；

1、参照人体解剖标本及国内外经典权威教材及图谱制作，如人卫出版社丁文龙主编的《系统解剖学》、人卫出版社南京医学院主编的《人体解剖学图谱》、江苏科学技术出版社姜同喻编著的《连续层次解剖图谱》、山东科学技术出版社丁自海主译《格式解剖学》、广东科技出版社胡耀民主编的《人体解剖学标本彩色图谱》等，造型自然准确、颜色自然，满足教学需要；

一、项目简介 随着科技进步和社会需求的发展，机器人手/臂除了工业生产，也越来越多用于服务人类的其它各个领域，这必然会使机器人承担比工业中更加多样的操作任务，面临更加多变的工作环境。因此，国内外对非结构自然环境下、具备自主操作能力的机器人的研究十分重视。当前，具备视觉感知能力的机器人已被公认为机器人发展的主流趋势，将视觉与机器人操作相融合，是对人类行为的模拟，由此产生的视觉伺服控制方法为机器人自主操作能力的实现带来了新的思路，代表了机器人的先进控制技术，也是促进机器人智能化发展的一个重要驱动。可以预见，未来的视觉系统将会成为机器人名副其实的眼睛，视觉伺服技术在机器人自主操作中将具有不可替代的作用。 视觉伺服利用视觉传感器提供的环境信息对机器人运动进行实时反馈控制，涉及机器人机械几何设计、运动学和动力学、自动控制理论、计算机视觉图像处理和摄像机标定等,是智能机器人领域中具有重要理论意义的研究课题之一。迄今为止，机器人手/臂的视觉伺服方法在太空遥操作、机器人手术、水果采摘、工业装配、焊接、抓取以及微操作等方面得到越来越多的应用。然而，现阶段可实际应用的方案主要面向特定的标定环境、模型参数已知，机器人操作是编码定式的，不具备模型未知条件下的自主操作能力，特别是当面向未来的刚-柔-软体共融机器人时，其柔型结构造成的运动模型及参数的变化与不确定性，必然使现有确定模型的研究方法失效。因此，无模型（目标几何模型，手眼标定模型，机器人运动模型）、非结构环境下的自适应操作对机器人提出了新挑战，是机器人手臂(尤其柔型手臂)视觉伺服控制研究的难点与前沿问题，不断深入对非结构环境下、无模型的机器人手/臂视觉伺服控制的研究具有重要的理论和现实意义。 在非结构自然环境下使机器人像人一样协调自适应操作是当今机器人研究领域的一项尚未实现但又令人感兴趣的研究工作。从理论上看，非结构自然环境下实现机器人柔性操作，就当前研究依靠单一的控制器设计是困难的。因此，本项目借鉴人的手眼协调操作是自适应学习过程，涉及智能进化和行为优化，将随机动态规划理论，结合约束规则与最优化控制，探索一种变参手眼关系，实现机器人在非结构自然环境下的自适应操作。 二、前期研究基础 研究团队一直致力于机器人视觉反馈控制的研究。在基础理论研究上，针对无标定视觉伺服控制方案与设计，均提出了一些新型方法，有扎实的理论基础和知识积累，并不断跟踪和深入在无模型视觉伺服控制的方面研究和前沿问题。目前，已经着手在无模型视觉伺服的可靠性、稳定性控制方面做了充分的探索工作：针对机器人无标定全局稳定操作问题，研究了一种鲁棒卡尔曼滤波(RKF)合作Elman神经网络(ENN)的全局稳定视觉伺服控制方法；提出了一种基于网络辅助尔曼滤波状态估计的无标定视觉伺服方法，提高伺服系统的鲁棒性。同时，立足机器人发展前沿，建立了多模特征深度学习抓取系统，在无结构环境下实现了机器人智能抓取与定位。 已发表的与项目相关的主要论文有： [1] 仲训杲,徐敏,仲训昱,彭侠夫.基于多模特征深度学习的机器人抓取判别方法.自动化学报,2016,7(42), pp:1022-1029. (EI) [2] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robots Visual Servo Control with Features Constraint Employing Kalman-Neural-Network Filtering Scheme. Neurocomputing, 2015, 151(3), pp:268-277 (SCI)  [3] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robust Kalman FilteringCooperated Elman Neural Network Learning forVision-Sensing-Based RoboticManipulation with Global Stability. Sensors, 2013, 10(13), pp:13464-13486. (SCI) [4] Xungao Zhong, Xiafu Peng, Xunyu Zhongand Lixiong Lin. Dynamic Jacobian Identification Based on State-Space for Robot Manipulation. Applied Mechanics andMaterials, vols. 475-476 (2014)pp: 675-679.(EI) [5] Xungao Zhong, Xiafu Peng, Xunyu Zhong and Xueren Dong. Multi-Channel with RBF Neural Network Aggregation Based on Disparity Space for Color Image Stereo Matching. IEEE 5th International Conference on Advanced Computational Intelligence (ICACI), 10(2012) PP:620-625. (EI) [6]XUNGAO ZHONG, XIAFU PENG, XUNYU ZHONG. NEURAL-BAYESIAN FILTERING BASED ON MONTE CARLO RESAMPLING FOR VISUAL ROBUST TRACKING. Journal of Theoretical and Applied Information Technology, 2013, 2(50), pp: 490-496. [7] Xungao Zhong, Xiafu Peng and Xunyu Zhong. Severe-Dynamic Tracking Problems Based on Lower Particles Resampling. TELKOMNIKA Indonesian Journal of Electrical Engineering. 2014, 12(6), pp:4731-4739. [8] Xunyu Zhong, Xungao Zhong and Xiafu Peng. Velocity-Change-Space-based Dynamic Motion Planning for Mobile Robots Navigation. Neurocomputing. 2014, 143(11), pp:153-163. (SCI) [9] Xunyu Zhong, Xungao Zhong, Xiafu Peng. VCS-based motion planning for distributed mobile robots: collision avoidance and formation. Soft Computing,2016,5(20), pp: 1897-1908. (SCI) [10] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于雅可比预测的机器人无模型视觉伺服定位控制, 控制与决策, 已在线发表, 2018. [11] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于图像的机器人非标定视觉反馈控制全局定位方法, 厦门大学学报(自然科学版), 已录用, 2018. 三、应用技术成果 （一）基于多模特征深度学习的机器人抓取判别 研究了多模特征深度学习及其在机器人智能抓取判别中的应用，该方法针对智能机器人抓取判别问题, 研究多模特征深度学习与融合方法. 该方法将测试特征分布偏离训练特征视为一类噪化, 引入带稀疏约束的降噪自动编码 (Denoising auto-encoding, DAE), 实现网络权值学习; 并以叠层融合策略, 获取初始多模特征的深层抽象表达, 两种手段相结合旨在提高深度网络的鲁棒性和抓取判别精确性. 实验采用深度摄像机与 6 自由度工业机器人组建测试平台, 对不同类别目标进行在线对比实验. 结果表明, 设计的多模特征深度学习依据人的抓取习惯, 实现最优抓取判别, 并且机器人成功实施抓取定位, 研究方法对新目标具备良好的抓取判别能力. （二）无标定视觉伺服解决方案及其机器人操作应用 研究了无标定视觉伺服方法及其在机械臂任务操作中的应用。首先提出视觉伺服目标：假设机器人或者摄像节的模型参数未知或者部分未知，视觉伺服的目标是使用摄像节作为传感器，引导机械臂运动，使当前图像特征收敛到期望图像特征，从而完成定位或者跟踪的任务。 手眼协调关系描述。关节图像雅克比矩阵定量描述了机械臂关节变化引起图像特征变化，它是关节-图像映射的局部线性化矩阵。 建立图像雅克比的在线估计器。将关节图像雅克比矩阵的每一个元素作为辅助系统的状态，建立辅助系统的状态方程；摄像机提取到的图像特征作为测量值，建立辅助系统的观测方程。根据Kalman滤波器理论，我们设计了对关节图像雅克比的在线实时估计算法。 构建基于图像矩的目标函数。为了避免传统的基于点特征的缺陷，例如点特征的标记、提取与匹配过程复杂且通用性较差问题。构建基于图像矩的图像特征向量完成视觉伺服任务，来提高视觉伺服系统的稳定性和可靠性。 四、合作企业 厦门万久科技股份有限公司是一家集销售、软件研发、技术服务、加工技术整合为一体的高新技术企业。目前公司的经营范围涉及CNC软件开发及数控系统销售、CNC控制零件销售及专业维修；工艺优化、机台升级与技术改造、工程配电与软件优化、专用机控制系统开发、多轴机的设计与开发、机台精度检测与校正优化服务等。公司是国际知名生产制造企业——富士康的产品供应商和技术服务商。    

成果介绍火电机组深度调峰改造是消纳可再生能源的有效途径，深度调峰就是在自动控制的情况下将机组的负荷调节下限从原来的50[[[[%]]]]Pe下调至30[[[[%]]]]Pe，甚至更低。控制难点在于：当机组处在低负荷工况时，机组被控过程的动态特性具有快速变化的特征，常规控制策略难于有效控制。本项成果采用多模型智能预测控制技术，分别提出了适合于亚临界和超（超）临界机组深度调峰的多模型智能预测控制系统，实现了在低负荷或超低负荷工况下的平稳控制。市场前景本项成果已成功应用于华能丹东、华能大连、华能营口、华能井冈山、华能大坝、国投钦州、大唐当途、中铝银星、国信射阳港、国华筹光等电厂近30台300MW亚临界、600MW和1000MW超（超）临界机组的深度调峰中。特别是，已成功将华能营口电厂#4 600MW超超临界机组的负荷深调到15[[[[%]]]]Pe，并实现了机组”干态/湿态”的一键转换控制，达到了国内外最先进的深调水平。目前，在国内已完成的机组深度调峰改造中，大部分均采用了本深调优化控制技术，得到了广大用户的一致好评。

火电机组深度调峰改造是消纳可再生能源的有效途径，深度调峰就是在自动控制的情况下将机组的负荷调节下限从原来的50%Pe下调至30%Pe，甚至更低。控制难点在于：当机组处在低负荷工况时，机组被控过程的动态特性具有快速变化的特征，常规控制策略难于有效控制。 本项成果采用多模型智能预测控制技术，分别提出了适合于亚临界和超（超）临界机组深度调峰的多模型智能预测控制系统，实现了在低负荷或超低负荷工况下的平稳控制。 本项成果已成功应用于华能丹东、华能大连、华能营口、华能井冈山、华能大坝、国投钦州、大唐当途、中铝银星、国信射阳港、国华筹光等电厂近30台300MW亚临界、600MW和1000MW超（超）临界机组的深度调峰中。特别是，已成功将华能营口电厂#4 600MW超超临界机组的负荷深调到15%Pe，并实现了机组”干态/湿态”的一键转换控制，达到了国内外最先进的深调水平。目前，在国内已完成的机组深度调峰改造中，大部分均采用了本深调优化控制技术，得到了广大用户的一致好评。