区域版心理健康教育云平台共划分为中心管理端、学校端、教师端、学生家长端等多个用户端口。平台贯彻了“互联网+心理”的核心理念，实现了包括区域内教委及各学校的心理资源、数据共享，采集了包含学校、个人、家庭的多层次心理健康数据。平台以学生为主体，串联起心理咨询师、教师、家长等不同角色覆盖整个教育系统，同步关注了学生、教师和家长的心理需求。借助平台教委心理健康主管部门可动态检测全区心理健康状态，为未来制定心理教育决策提供有效数据支持。 核心功能： （1）全方位云测评： 提供心理健康、个性人格、智力、情绪等超过百种专业心理测评量表。 迅速了解和监测区域内全体师生的心理健康状况。 （2）大数据云分析： 通过测评结果，自动筛查生成预警名单，心理咨询师直接开展后续危机干预及跟踪工作。 生成全区大数据分析报告，满足教育部门动态掌握区域内学生心理健康水平和结构需求。 （3）系统化云档案： 自入学起建立学生心理档案，全面记录学生基本信息、测评结果、咨询记录等信息。 支持家校联动，家长可通过网络查看学生心理档案以及心理动态； （4）零距离云咨询： 平台支持网络在线咨询及预约咨询，不再局限于传统咨询场地限制。 拿起手机、平板电脑即可随时随地和心理咨询师零距离沟通。 （5）心理资源云共享： 专业心理知识、科普、案例等数字资源分享。 心理数字教材、配套教学资源、心理优课等教学资源共享。 （6）多功能心理云服务： 区域心理教育工作宣传平台，发布分享区域内公告、新闻及相关文件。 平台支持科研调查问卷统计，便于开展课题研究与专题研讨。

♦北京欧倍尔软件技术开发有限公司是一家以计算机仿真技术、虚拟现实技术、网络技术的开发与推广应用为核心的高新技术企业，主要致力于为高校、职校、科学研究院以及石油、化工、制药、环境监测等行业相关机构提供虚拟仿真软件、网络平台及配套硬件设备的开发和技术服务； ♦公司于2012年9月25日注册成立，注册资本1290万元。公司产品和技术涵盖：化学化工、食品工程、环境工程、生物制药、工程力学、材料工程、电气工程等多个专业领域。开发了实验、实训、生产实习、半实物仿真工厂等专业化仿真教学平台，同时将3D技术、AR增强现实技术、VR虚拟现实技术应用于其中，并实现PC端、移动端、网络化等多维度操作，极大丰富了教学应用模式、应用场景，有效解决了教学过程中因时间、空间、教学资源等限制而造成的困扰和问题，为教育教学、人才培养提供了技术支持和保障，创造了条件和优势；

一.软件介绍汽车构造及拆装软件采用“教、学、练、考”的完美结合方式，是一个集AJR实训、中心数据库、知识共享、管理系统、考试系统等于一体的平台。使汽车专业的学生进一步理解所学的汽车理论知识知识，掌握基本的职业技能，提高了其实际操作中的分析和解决能力，最终达到在学习的目的。 二.软件优势1.交互性强，操作简便实时响应操作者的输入，实训练习过程中，系统根据学生当前实训操作，作出相应的提示和帮助，学生再根据提示进行操作练习，整个操作过程方便易用。2.教学成本低学校实习实验建设配备先进、完整、齐备、典型的汽车及零部件需要花费高昂的经费。在实践操作前学生预先进行软件实训，强化规范化操作意识，在实践培养时可以有效降低设备的损耗。3.场景生动逼真系统以图片、动画、视频等多种方式介绍汽车发动机外围机构、配气机构及气缸盖、曲柄连杆机构的零件以及工具使用，还可采用360度旋转、缩放、移动等全方位查看汽车发动机部件零件及工具，更加具有真实、直观、生动和立体感。三.主要功能1.实训练习实训练习模块主要包括六大模块：外围机构拆卸、配气机构及气缸盖拆卸、曲柄连杆机构拆卸、外围机构安装、配气机构及气缸盖安装和曲柄连杆机构安装。下面以外围机构拆卸和外围机构安装为例进行详细介绍。2.实训考试实训考试模块主要检查学生实训操作水平，包括外围机构拆卸、外围机构安装、配气机构及气缸盖拆卸、配气机构及气缸盖安装、曲柄连杆机构拆卸和曲柄连杆机构安装六个模块。实训考试需要教师端开放实训考试项目后，学生才能进入对应模块考试。3.发动机总体介绍软件采用文字、动画等方式分别对发动机的结构和工作原理进行简单介绍。让学生首先对发动机有个整体的认识。此模块供分为概述、曲柄连杆机构、配气机构、燃料供给、润滑系统、冷却系统、起动系统、点火系统分别进行介绍。4.工具箱点击导航工具箱下的子栏目“工具箱”，弹出页面，系统默认设置了常用工具和专用工具2大分类。可以分别点击选项卡进入，例如预制式扭力扳手，打开工具介绍页面，工具包括，分别从工具介绍、实物展示、3D展示、使用注意点四个方面进行介绍。5.零件库零件库从外围机构、配气机构及气缸盖、曲柄连杆机构三大机构介绍各部件的对应零件。进入零件库页面后，可以通过鼠标操作，移动、缩放、旋转爆炸图，了解零件在发动机中的位置。6.视频教学进入视频教学模块学习。点播观看学习外围机构的拆卸和安装、配气机构及气缸盖的拆卸和安装、曲柄连杆机构拆卸和安装。视频教学相对于文字而言更加生动清晰，能够帮助学生深刻理解汽车结构和流程。四.软件特点1.有效的监控管理方式教师端可以实时监控学生实训练习，为学生提供指导，了解学生知识掌握情况、综合能力，调整教学安排和进度。2.良好的练习记忆功能学生再次进入实训练习时，系统自动保存练习的记录，无需从头开始练习，可以继续上次未完成的实训练习，提高学习效率。3.开放性教学模式系统提高大量教学资源、考试题库、学生无论在学校、家里，只要能联网，就可以自主学习，并且及时更新补充知识，巩固学习汽车最新技术结构、原理和发展趋势方面的信息传递等内容。

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。应用范围: 1、智能网关： 开发基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置服务器。 综合接入能力： 包括有线传感器和特定的无线传感器、与现有系统的对接 有效感知能力： 实现基于图像的AI视觉感知能力，重点研究基于小目标的图像分类算法 安全传输能力： 提供4G、5G、NB-IOT的上行传输模块化替换 提供安全的加密手段，保证数据安全 现场调试配置能力： 具有现场WiFi调试功能，方便安装和运维人员现场配置和检测 软件和通信标准版本现场升级 2、AI模型管理系统 需要实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。 样本管理能力 原始样本管理、样本实例库分类和管理、检测样本管理等 模型计算和管理 算力管理：对算力的统筹，外部算力的对接等 算法管理：自主开发算法的管理和调动，外部算法的调用和对接 模型管理：包括模型的功能属性和已经应用的情况的统计分析 设备管理 设备的AI模型配置能力、AI推演过程的监控、AI推演结果的跟踪采集和分析 3、数据管理和标准化处理 数据有效性管理 监测数据是否按时上传、上传数据是否符合要求、是否为非法数据 告警输出：把告警信息进行分类，并推送给相关的运维系统 数据质量评估 按照标准对现场采集数据进行多维度的质量分析，为后续数据应用提供参考依据 数据标准化 格式标准化：完善采集时间、地点、单位等属性， 输出标准化：按照标准协议与工业互联网平台数据池进行对接 数据安全 区域性部署：可以应用户要求部署在其内网 并行部署：可以通过并行部署，网关上联多个服务器，确保用户的可靠性需求 数据回滚能力：可以应工业互联网平台要求对数据进行一定期限内的回滚，保证数据在一定时间段内不丢失 4、智能运维 开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提供效率、降低人员成本、保证系统运行质量和数据的有效性。 运维人员管理 对运维人员的信息、定位、工作状况管理 巡检任务管理 对部署的硬件和相关工作环境定期巡查的任务制定、下发、执行过程和结果的记录和管理 临时故障处理 对系统自动告警和现场突发状况的应急处理能力，包括人员调配、处理流程提示和建议、相关情况处置参考案例、后续统计追踪等。网关核心板实物照片

项目简介：《选矿厂生产统计计算机管理系统研究》通过湖北省科技厅组织的鉴定，其科研成果处于国内领先水平。 技术特点：本课题以大冶铁矿厂为实例，利用当前流行的Microsoft Visual Basic6.0开发选矿厂生产统计计算机管理系统软件，该系统解决了多金属选厂报表金属量不易平衡的问题，具有创新性。用户只需一次性输入原始数据，相互关联的生产日报表、周报表、月报表和年报表将自动生成，生产日报表可当天上报。企业领导、工程技术人员、管理工作者和统计分析人员可根据工作需要任意浏览、调用、打印各种报表，有利于正确指导现场操作、生产调度、组织管理和领导决策。应用领域：该系统既针对性，又有通用性，便于计算机管理网络化。可在全国同类矿山企业中推广使用，具有广阔的应用前景和良好的社会、经济效益。

随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。

"该项目基于虚拟现实技术，还原现场真实三维场景，综合集成物联网、大数据等现代信息技术，在“真实”的三维环境中，实现数据的“所见即所得”及各种交互式应用。三维可视化综合管理平台包括： 1）三维数字化工厂；2）三维可视化生产运行管理系统；3）三维可视化设备管理系统——特种设备管理系统；4）三维可视化设备管理系统——管线管理系统；5）三维可视化设备管理系统——通用设备管理系统；6）设备健康管理——设备运行仿真与优化，设备运行状态监测，故障诊断与预测；7）三维可视化安全管理——三维数字化应急预案，应急预案模拟演练，警示教育与事故再现；8）交互式技能培训。 “三维可视化综合管理平台”用户已达20多家，其中很多是长期客户，用户涵盖石油、化工、钢铁、电力、铁路、水利、民航、机械制造、军事、教育、智慧城市（园区）等行业，合同额1000多万元。随着“中国制造2025”战略的实施，智能制造、智能工厂建设已开始全面启动，“三维可视化综合管理平台”的市场前景将越来越广阔。 "

LED半导体照明由于环保、寿命长、光电效率高等众多优点,已经成为主要的照明方式。LED一般只能在是2~3伏低电压工作,必须要设计复杂的电源转换电路,不同用途的LED灯配备不同的电源适配器。LED芯片和电源装在一起，一般空间狭小,散热条件差,驱动电源的质量直接影响半导体照明的使用寿命。对驱动电源的要求包括转换效率、有效功率、恒流精度、电源寿命、电磁兼容等。实际应用过程中,因此必须要综合考虑这些因数。LED驱动电源面临几个挑战:首先是驱动电路寿命;其次是转换效率,尤其大功率应用中,可减少热耗散;再次是调光功能;最后是控制成本。