产品详细介绍   Hawk T330 专业演示器 1:直觉式按键设计,不易按错键，让您展现专家级的稳健台风2:人体工学设计握感十足，搭配磨砂表面处理，舒适、品味一手掌握3:凹凸摇杆鼠标，演示器也能是鼠标，操控鼠标轻松自在4:迷你接受器,可与简报器结合一体的前卫设计5:不需安装任何软件即可开始使用6: 2.4GHz高频率，无方向限制不干扰，遥控距离开放空间距离可达15米7:T330功能：黑屏功能,鼠标功能,全屏与退出、激光功能8:Windows? 2000/ XP/ Vista / win7//win8/MAC(苹果系统)       

产品详细介绍RG W1000是锐捷网络（原实达网络）推出的一款小巧、美观、性价比极高的室内无线接入器，主要定位于小型办公区域、家庭、公众运营网络等场合。即插即用，方便用户在最快的时间内迅速搭建无线局域网，并可以高速、简单、快捷地访问无线和有线网络。 >>>主要性能 提供以太网及无线局域网之间的网桥，兼容以太网及IEEE 802.3标准，能够与所有IEEE 802.11b兼容设备实现互操作。 支持IEEE 802.11b Infrastructure模式及Ad Hoc模式。 支持点对点、点对多点桥接。 支持AP Client 支持AP中继 支持MAC地址控制 最大传输速率可达11Mbps，最远覆盖距离可达500米 11, 5.5, 2及1Mbps动态速率调整 内建无线网络微调功能，可依使用环境调整可靠性、吞吐量以及传输等级最优化 支持64/128 bit WEP安全标准无线数据加密、直接序列扩频(DSSS)、ESSID访问控制 支持漫游 智能多向双天线系统，以适应多样的通讯环境 提供基于Windows的配置及管理工具 支持即插即用 通过美国FCC Part 15.247, 欧洲ETS 300 328 及日本ARIB STD T66 认证 迷你型结构设计，轻巧、美观、大方

产品详细介绍整套装置采用一体化设计，实验内容丰富，结构科学合理，强调实训操作.适用在电气自动化、自动控制、机电一体化等专业的配套教学实验.可以做教材章节后的例行实验，也可用于学期末的课程设计和毕业设计。(1)PLC主机采用三菱FX2N-48MR（详细的参数见PLC操作手册）。利用开关、按钮、LED各色发光管、LED数码管、指示灯、接触器、继电器、蜂鸣器等电气元件构成，即可进行模拟实验指令训练，也可以带电机负载，进行实训操作.可采用其他类型PLC主机进行控制。（注：模拟实验用LED灯演示，无实际实验模块 ）(2)编程工具：便携式编程器、个人电脑.(3)编程方式：指令表、梯形图、SFC语言

MY6000-6S触摸屏混凝试验搅拌器技术性能基于普通搅拌器之上，使用10寸触摸液晶屏集中化管理操作，免去按键部分，程序设置、轴承升降、动态数据显示更直观、更清晰，内存30组程序，调用方便，多样化运行模式是水处理领域用户的福音。不锈钢选材具备防腐、耐磨、耐化学反应特质。适用领域广泛，一般应用于高教院校、科研院所、自来水厂、污水处理厂、给/排水、环保、石油、化工、冶金、轻工、药剂、电力、造纸、印染等行业的化验室、实验室.     MY6000-6S触摸屏混凝试验搅拌器技术特征：1、10寸触摸液晶屏，反应灵敏，操作方便，中英文双显界面1、一体式折边半设计，耐用、移动方便2、搅拌轴垂直升降，利于矾花形成，复位快2、微电脑自动化控制系统，人性化操作3、搅拌轴可同步运行、可异步运行4、配置加药支架，可可设置自动多次加药5、可程控30种程序（无级变速10次），储存与调用方便6、转速提升10~12000转/分，转速宽裕，使用无限7、底部有冷光照明，更清晰观察实验沉淀过程8、工作结束后有智能语音提示，工作效率高9、自动清准计算GT值、转速、温度   MY6000-6S触摸屏混凝试验搅拌器产品参数1、搅拌功率：180W2、包装尺寸：90*30*50厘米/cm3、转速范围：10 ～ 1200转/分  ± 0.01%4、速度梯度G 值：10  ～ 1000秒-1  5、时间范围： 0  ～ 99 分59秒 x 10 ± 0.01秒6、测温范围： 0  ～   50℃  ± 1℃7、可设程序数量：30种； 每种自动无级变速10次           8、电  压： 0  ～  220V   ± 5%    MY6000-6S触摸屏混凝试验搅拌器工艺性能 1、10寸触摸彩色液晶屏，全屏触摸设置程序和操作升降，免去按键、动态显示各种参数更清晰 2、微电脑控制、程序储存30种，每种自动无级变速10次 3、中文、英文双显系统适用于国内外各类用户 4、仪器采用一体化设计，外形美观，操作方便，安全性能好 5、数根搅拌轴既可同步运行，亦可独立运行（无级变速10次）  6、自动测温；自动计算显示Ｇ值、ＧＴ值 7、自动加药；根据需要可设定多次自动加药 8、自动升降；搅拌轴在程序完成后自动升起；沉淀结束时有信号提示 9、搅拌轴采用步进电机垂直升降；更容易保护矾花的形成 10、免费配送搅拌器配套有机玻璃试验杯和试管11、试验杯底座配有照明光源，观察絮凝效果更清楚   12、磨砂不锈钢机箱制造，高档大气，外形优雅，美观大方

本发明属于食品检测技术领域，涉及一种畜禽肉黏弹性无损检测方法，具体涉及一种多要素黏弹模型建立及其黏弹参数确定的方法。具体步骤为：首先利用畜禽肉黏弹性无损检测系统采集、计算待测样品的应变数据；然后根据待测样品的变形特征选择多要素模型，将不同多要素模型与不同数据拟合算法结合，对应变数据进行数据拟合，建立若干畜禽肉多要素黏弹模型；最后比较若干畜禽肉多要素黏弹模型的拟合效果，根据实际需求，选择最佳畜禽肉多要素黏弹模型，并计算黏弹参数。最终实现对畜禽肉黏弹性的无损、快速检测。

本项目提出了将时间维度与空间维度相结合的多尺度综合能源需求分析与预测模型，设计并实现了一种面向智慧城市的综合能源需求分析与预测的方法，提升能源供应规划和营销策略的优化与决策支持。

一种基于Bagging?RNN模型的电梯制动性能评价方法，包括：a)获取不同制动性能的电梯在制动过程中的闸皮温度序列数据，作为样本集；b）按照比例将样本集划分为训练集和验证集；c）使用训练集数据训练Bagging?RNN模型，根据训练误差修正Bagging?RNN模型参数；d）使用验证集数据验证Bagging?RNN模型的泛化能力，根据验证结果进一步修正Bagging?RNN模型参数，将修正后的Bagging?RNN模型作为电梯制动性能的评价模型；e)将被测电梯在制动过程中的闸皮温度序列数据作为Bagging?RNN模型的输入，模型输出被测电梯的制动性能评价结果。本发明从电梯制动时电梯闸皮最高温度变化的生成机理出发，获取不同制动性能电梯制动过程中的闸皮温度序列数据，并基于历史数据提出了相应的电梯制动性能的评价方法。

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。