本实用新型公开了一种铁磁性细长构件轴力检测装置，包括磁化器和磁感应强度测量装置，所述磁化器上固定安装有基座，所述基座上固定安装有多个磁敏感元件，所述多个磁敏感元件排列在一条直线上，该多个磁敏感元件分布在磁化器同一侧或左右对称分布在磁化器的两侧，位于磁化器同一侧的相邻两个磁敏感元件间距相等，每个磁敏感元件分别通过导线连接有一插座，磁感应强度测量装置上连接有能插接到插座上的插头，所述磁感应强度测量装置上连接有数据计算装置。本检测装置现场安装检测操作方便，可方便地实现铁磁性细长构件轴力的检测。

01项目背景 片上网络将片上路由器按照一定的拓扑结构互连，从而构成一个片上微网络结构。不同功能的IP核通过网络接口NI接入到片上网络中来，网络接口对IP核发送的数据进行数据封装，形成固定格式的分组。片上路由器根据分组的目的地址信息，将数据分组在网络中正确的传输到目的IP核。片上网络可以为系统中任意一对IP核之间实现透明的数据通信。互连网络中的一些控制协议，例如流量控制机制、路由算法、任务调度机制、服务保障机制等，都可以应用到片上网络中来，以提高系统的通信效率。由于片上网络采用分组交换，IP核之间数据通信的基本数据单元是分组，不同的分组根据目的地址信息在网络中独立传输。片上网络技术能够有效的克服基于总线结构的片上系统在大规模集成下的瓶颈，在时延、吞吐、功耗、可扩展性和可靠性等方面体现出了巨大的优势。多核，多片架构将成为芯片设计的发展趋势。 处理器多芯片之间的通信已经成为制约系统性能的瓶颈，处理器之间进行数据交互的能力或将成为下一个集成电路发展的关键技术指标。针对不同应用场景和性能要求，根据各自的架构设计出更适合的高效而可靠的片间互连(NetworkonPackage，NoP)协议，将使得集群芯片的性能得到进一步优化。 02项目简介 研究基于路由交换的异构计算系统算力扩展总体架构，包含异构计算资源节点之间、片上交换路由与片上处理资源之间、片上处理资源与外部接口之间的互连结构与互连拓扑，如图3所示。 设计与物理层解耦的轻量级网络架构，使之可以在不同的物理连接方式之上灵活的构建多种拓扑的网络。针对机载计算任务的算力提升需求，研究异构计算节点的算力扩展问题，通过基于路由交换的、可扩展的互连构建异构计算系统，采用轻量化互连协议实现异构计算节点的低延时、高带宽互连，验证基于路由交换的异构计算系统对于特定应用的高速并行分布式处理效果。本系统的主体思想是将片上网络（NetworkonChip，NoC）互连协议扩展到片间互连（NetworkonPackage，NoP），实现芯片内部计算资源到集群芯片的延伸。

适应症 本品为消化道促动力剂，主要用于功能性消化不良伴有胃灼热、嗳气、恶心、呕吐、早饱、上腹胀、上 腹痛等消化道症状者。 临床药理 本品为选择性5-羟色胺（5-HT4) 受体激动剂，通过兴奋胃肠道胆碱能中间神经元及肌间神经丛的5 - HT4受体，促进乙酰胆碱的释放，从而增强上消化道（胃和小肠）运动。研究显示，本品具有促进胃及十二指肠运动，加快胃排空的作用。大鼠研究显示，本品重复给药一周，其对胃排空的促进作用减弱。 临床药效 本品主要从胃肠道吸收，分布以胃肠、肝肾局部药物浓度最高，血浆次之。脑内几乎没有分布。健康成人空腹一次口服本品 10mg，吸收迅速，血药峰浓度为 67.3ng/ml，达峰时间为0.5小时，半衰期为2小时，血浆蛋白结合率为 99.0%。本品在肝脏中由细胞色素P-450中的CYP3A4酶代谢，其主要代谢产物为脱- 4-氟苄基莫沙必利，本品主要经尿液和粪便排泄。 用法用量 口服，一次5mg（10ml，1支），一日三次，饭前服用，或遵医嘱。 剂型 口服液 规格 10ml：5mg

产品详细介绍德国M13555张力传感器TENSOMETRIC，德国Tensometric公司专业生产各种用途的静态及卷绕材料的张力传感器及张力仪，用途如：布匹张力测量、电阻丝张力测量、塑料线张力测量、铜线张力测量、皮带张力测量、化纤长丝张力测量、磁带张力测量、胶卷张力测量、锻带张力测量、纱线张力测量、钢带张力测量、弹力丝张力测量、绳索张力测量、金属线光纤线张力测量、碳纤维线张力测量等。应用:          测量运动或静止材料的张力如：金属丝，电缆，电线，磁带等材料张力；如：在旋转的拧绳机上的离心力德国M13555张力传感器TENSOMETRIC特点:          需要的空间非常小，扁平结构，容易安装，有一个标准的径向轴承轴，直径10毫米。                     测量值与使用的导轮宽度无关额定负载:   50 N, 100 N, 200 N, 300 N，其它可按要求定制测量范围:   通过改变被测材料在测量轮上的接触角可改变测量范围。测量原理:   全桥应变计，内置放大器。传感器将径向力转换为相应的电输出信号.安装：       4个M6的螺丝德国M13555张力传感器TENSOMETRIC接线用3米长的电器接线选用附件:   接线, 带或不带张力指示的放大器，测量轮, 固定装置

2002年10月16日,公司前身“上海天马山赛车场有限公司”成立。 2011年9月1日,公司名称变更为“上海力盛赛车文化有限公司”。 2012年8月29日,整体变更为股份公司,公司名称变更为“上海力盛赛车文化股份有限公司”。

北京力创昕业科技发展有限公司(Litron)是一家专业的音视频产品代理及提供完整多媒体视听解决方案的集团公司。目前旗下签约美国著名品牌AtlasIED专业及商用音频产品、日本Canon高清工程投影机、台湾卡讯电子BXB品牌数字会议产品、美国Revolabs无线音频产品、日本Roland数字调音台、以色列Kramer中控、美国Sreenbeam无线投屏系统等，以及Gamut（佳麦特）专业音视频解决方案。目前已经建立覆盖全国的销售渠道和服务网络，同时为客户提供专业的方案设计和技术支持。 力创总部位于北京，现有员工近百人。在上海、武汉、西安分别设立子公司，并在郑州、福州、深圳、广州、成都、乌鲁木齐、沈阳、天津及济南等全国十余个重点城市设有办事处。无论是产品供应，方案设计，技术支持，还是售后服务，力创都会在距离您最近的地方及时响应您的需求。 力创集团经历十多年的行业发展和沉淀，建立了一支产品技术全面、设计能力强大的专业队伍，提供涵盖展览馆、体育馆、剧场剧院、会议中心、星级酒店、应急指挥调度中心等场所的多媒体视听解决方案，为政府、酒店、教育、部队、航空航天、能源、金融等行业的客户提供方便快捷的产品服务和专业化的技术支持。 力创本着客户至上的原则，坚持以客户为中心，为客户提供最优化的多媒体视听解决方案，最大限度地满足客户的需求，成就客户的同时也成就自我。在未来的日子里，力创将不断开拓、创新，为客户提供一如既往的优质服务，力争成为专业信息化视听行业领导者，实现我们的力创梦，中国梦

概述 GL-LBY/L型流变仪提供了一种科学的测试混凝土和易性的方法，是一种全新多功能和轻便的混凝土流变仪，用于检测骨料粒径在32mm以下的混凝土流变性。可应用于科研、混凝土材料配比确定、生产质量控制等领域。软件自动控制采集数据，自动计算Bingham流变参数—屈服应力和塑性粘度，绘制曲线，储存试验结果及导出试验数据。 性能特点 可移动，适用于实验室内环境 结实耐用，低成本，多功能 实验快速，准确 操作简单，自动化 更好地确定材料和易性 提高混凝土质量和性能 提高工人生产效率 加速高效新材料的推广使用

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

本发明公开了一种高速电主轴力-热耦合建模方法，包括：分别 获取轴承与主轴待结合的表面、以及主轴与轴承待结合的表面的工程 参数，并利用分形接触理论以及赫兹接触理论计算轴承与主轴之间结 合面的刚度和热传递系数与接触压力和接触间隙的映射模型，根据轴 承的结构参数和材料参数并使用轴承力学模型和轴承热学模型获得轴 承负载和温度与刚度、轴承外圈接触热阻、轴承内圈接触热阻和发热 功率之间的映射模型，计算主轴的电机热源，计算主轴各表面散热系 数，根据主轴的结构和上述结果构建有限元模型，读取主轴的运行参 数，用有限元模型对运行参数进行处理。本方法能降低现有方法中结 合面所引起误差、模型结合面及轴承力学和热学参数不更新导致的误 差。