|
搜索
搜 索
高等教育领域数字化综合服务平台
PSA5000A矢量信号分析仪
PSA5000A是成都玖锦自主研发的一款高性能台式矢量信号分析仪，具有优良的测试动态范围、分析带宽、相位噪声、幅度精度和测试速度；具备高灵敏度的频谱分析、矢量信号分析及实时频谱分析功能；具有可选的测试功能和出色的硬件可扩展性。同时其最大分析带宽可高达1.2 GHz，满足5G、雷达、民用领域等的测试需求。
功能特点
9 kHz~50 GHz(可扩展到2 Hz)
最大分析带宽：1.2 GHz
最大实时分析带宽：600 MHz
相位噪声：-125 dBc/Hz(载波1 GHz，偏移10 kHz)
支持如下信号分析模式： 通用频谱分析模式 矢量信号分析模式 模拟信号分析模式(可升级) 实时频谱分析模式(可升级) 相位噪声测量模式(可升级) 噪声系数测量模式(可升级)
可通过LAN、GPIB、USB接口控制仪器
远程控制指令兼容主流同类设备
应用领域
4G/5G/WiFi等宽带通信设备研发与生产测试
大宽带瞬态信号的捕获与分析
非法和干扰信号的搜寻与识别
电子系统研发、测试和维修
成都玖锦科技有限公司
2022-08-05
用于电力电子系统的多通道隔离高速智能收发装置及方法
本发明公开一种用于电力电子系统的多通道隔离高速智能收发装置及方法。其装置包括发送单元、接收单元以及隔离传输媒质。发送单元包括数据采样及信号调理模块、A/D转换模块、发送主控单元以及发送单元信号转换模块;接收单元包括接收单元信号转换模块、接收单元信号调理模块、接收主控单元以及存储输出模块;本发明装置可对多通道模拟量采样及开关量采样进行数字编码,并通过隔离传输媒质传输。每个接收单元可连接多个发送单元同时解码。本发明装置具有突出的高可靠电气隔离性、实时性和智能化特点。
浙江大学
2021-04-11
面向变电站的保护智能中心系统及其冷热备用模式选择方法
本发明公开了一种面向变电站的保护智能中心系统及其冷热备 用模式选择方法。保护智能中心系统通过其采集处理模块采集各变电 站的运行数据，并通过其通信模块、故障位置判别模块和跳闸决策模 块实现对采集数据的分析计算，最终实现在变电站的站域保护退出检 修后，由保护智能中心系统作为故障变电站的后备保护系统取代故障 变电站的保护功能，从而有效提高枢纽变电站系统的可靠性。在保护 智能中心系统正式投运之前，对其进行冷、热备用模式的选择，冷、 热备用作为保护智能中心系统的两种工作模式，冷备用经济性高但可 靠性低，热备用
华中科技大学
2021-04-14
武汉加快培育研发型企业 推进研发产业化实施方案（2025-2027年）
近日，《武汉加快培育研发型企业 推进研发产业化实施方案（2025—2027年）》（以下简称《实施方案》）发布，分为引导企业加大研发投入、做大研发型企业规模、加强企业研发支撑服务、强化外资研发中心引育、优化研发型企业发展生态5个方面，共18条。
武汉市人民政府
2025-02-14
【央广网】天津市特色化示范性软件学院协同发展联盟成立
2025年4月2日，央广网以《天津市特色化示范性软件学院协同发展联盟成立》为题对我校进行了报道。
天津市大学软件学院
2025-05-21
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