一、产品概述       本设备以工业机器人与机器视觉为核心，将机械、气动、运动控制、变频调速、编码器技术、PLC控制技术有机地进行整合，结构模块化，便于组合，实现对高速传输线上的不同物料进行快速的检测、组装。为了方便实训教学，系统进行了专门的设计，可以完成各类机器人单项训练和综合性项目训练，可完成各类机器人单项训练和综合性项目训练。可以进行六轴机器人示教、定位、抓取、装配等训练，        包含六自由度工业机器人、智能视觉检测系统、PLC控制系统及一套供料、输送、装配、仓储机构，可以实现对高速传输的工件进行分拣、检测、搬运、装配、存储等操作。该平台各组件均安装在型材桌面上，机械结构、电气控制回路、执行机构相对独立，采用工业标准件设计。通过此平台可以进行机械组装、电气线路设计与接线、PLC编程与调试、智能视觉流程编辑、工业机器人编程与调试应用等多方面训练，适合职业院校、技工学校自动化类相关专业《工业机器人与控制技术》、《自动化技术》等课程的实训教学，适合自动化技术人员进行工程训练及技能比赛。二、技术性能1、输入电源：单相三线～220V±10% 50Hz2、工作环境：温度-10℃～+40℃  相对湿度≤85%（25℃）  海拔＜4000m3、装置容量：＜1.5kVA4、实训平台尺寸：2200mm×1200mm×1500mm5、安全保护：具有漏电保护，安全符合国家标准三、设备结构与组成      该实训平台由ABB IRB120-3型六自由度工业机器人系统、海康智能视觉检测系统、可编程控制器（PLC）系统、四工位供料单元、环形输送单元、工件存储盒供料单元、工件组装单元、仓库单元、废品回收桶、各类工件、型材实训桌、型材电脑桌等组成。 1、工业机器人本体： ABB IBR120/3六自由度工业机器人本体；最大负载≥3 kg； 最大臂展半径≥580mm； 轴数：≥6轴；位置重复精度：≦0.01mm； 防护等级： ≥IP30； 轴运动范围： （1）1轴：≥±165°  （2）2轴：≥±110° （3）3轴：≥+70°至 -110° （4）4轴：≥±160° （5）5轴：≥±120° （6）6轴：≥±400° 机器人本体重量：≤25kg； 最大噪音：≤70dB(A)。 2、工业机器人控制器： （1）紧凑型工业机器人控制柜，与配套的工业机器人本体配套； （2）控制硬件：多处理器系统大容量闪存、 UPS 备份电源（≥20S）； （3）控制软件：软件出厂预装； （4）额定功率：≥3KVA(变压器容量)； （5）电源输入：200V/230V 50-60Hz （6）尺寸：710*449*442mm （7）重量：30kg （8）防护等级：IP20 3.FlexPendant示教器 （1）重量：1kg （2）支持：彩色触摸屏、操纵杆，紧急停、支持惯用左/右手切换，支持U盘、热插拔、恢复程序，支持USB储存器，带时间标记登录，支持远程服务。 4、海康智能视觉检测系统   主要是配合工业机器人做智能检测工件角度缺陷及自动对位等以及工业机器人视觉学习开发使用；工业相机，要求如下：像素：≥130W像素； 分辨率：≥1280×960； 像素尺寸：≥3.75μm× 3.75μm； 光谱：彩色； 支持自定义AOI，降低分辨率、f≥16mm F1.4：12毫米工业镜头，百万像素相机； 配套同轴光源，光源大小≥80mm×80mm；准环形光源，直径≥70mm，照射角度≥90度，带模拟控制器；配套同轴光源及光源控制器：发光窗口≥50mm*50mm含调光控制电源；机器视觉兼视觉开发环境。5、西门子可编程控制器单元     配备西门子S7-1200可编程控制器，自带以太网通讯模块、数字量扩展模块控制机器人、电机、气缸等执行机构动作，处理各单元检测信号，管理工作流程、数据传输等任务。   6、四工位供料单元     由移动井式料库、推料气缸、无杆气缸和光电传感器组成，安装在型材实训桌上，用于将工件库中的工件依次推出到环形输送线。提供不同颜色的标准工件，杂色叠加等不合格工件。多工位的供料设计，使得供料方式多样化，可以进行单一的上料，也可以进行不同颜色的组合上料，以及对上料速 度进行控制，实现上料形式的多样化。7、环形柔性输送单元      包含一套交流调速系统，由三菱D720变频器、三相交流电机、环形板链（传送带）、光纤传感器等组成，安装在型材实训桌上，用于传输工件。8、工件存储盒供料单元      包含一套步进电机推杆、DM556步进驱动、料盒存储槽等组成，安装在型材实训桌上，当一个工件存储盒被取走会自动退出下一个工件存储盒，用于工件存储盒自动供料。9、工件组装单元      由工件存储盒托盘及型材立柱组成，安装在型材实训桌上，用于装配工件。工件盒内设有4个工件槽用于放置工件，机器人可以根据不同配方按照上位机设定颜色进行放置工件。10、仓库单元      由工件存储盒托盘及型材立柱组成，安装在型材实训桌上，机器人用于放置装配完的组件进行堆垛，也可以通过机器人对装配完成的组件进行拆垛。11、废品回收桶      安装在型材实训桌左后侧，用于机器人自动放置被检测出来的无用工件或不合格品。 四、实训项目1. 机器视觉系统的原理、使用和调试2. 六轴工业机器人系统的原理、使用和调试3. 六轴工业机器人坐标系统和机器视觉坐标系统标定及相互转换4. 工业机器人与机器视觉系统综合应用的安装与调试5. 机器视觉系统模板设置、编程与调试6. 通过示教单元手动调试工业机器人7. 通过示教单元设置、修改各控制点坐标8. 通过示教单元编写、修改工业机器人程序9. 机器人追踪坐标整定10. 工业机器人系统的软件二次开发编程  11.智能视觉图像输入编辑与调试12.智能视觉结果给出编辑与调试13.智能视觉颜色比对测量14.智能视觉编号比对测量15.智能视觉尺寸比对测量16.智能视觉角度测量17.智能视觉系统与工业机器人综合应用18.PLC程序编程与调试19.智能视觉系统与工业机器人综合应用

为落实教育部推进产教融合、校企合作相关工作部署，促进高校教学改革，推动产教融合型企业建设，中国高等教育学会于2020年8月启动了2020年度中国高等教育博览会“校企合作 双百计划”典型案例推选工作，经资格审核、通讯推选、路演答辩、走访考察以及网上公示等环节，共有103项案例认定为2020年度中国高等教育博览会“校企合作 双百计划”典型案例，近期，“中国高等教育博览会”微信号将陆续推出“双百计划”典型案例推介专栏，欢迎关注。

电力变压器是电力系统的核心设备之一，承担着电能传输、变换等重要职能。随着先进传感和信息融合技术的发展，将其应用于电力变压器运行状态的实时监测、评估诊断与在线预警，实现电力变压器的智能化是智能电网建设的重要组成部分。 本成果围绕“基于多信息融合的电力变压器智能化关键技术研究与应用”问题，深入研究了变压器关键状态劣化故障的发生机理与特征信号的传播规律，发明了适用于电力变压器状态信息探测的多种新型传感装置，研制了变压器状态信息监测智能组件（IED）、变压器冷却智能控制单元及充氮灭火等装置，开发了集智能监测与传输、智能评估与诊断、智能决策与调控的变压器智能化监控系统，并进行了推广应用。 授权发明专利11项，实用新型15项；发表SCI/EI论文35篇；本项目可有效实现电力变压器的智能化监控，提高变压器面对未来智能电网复杂工况的应对能力，支撑河北省输变电装备产品升级和产业发展；获2016年河北省科技进步一等奖。

发电设备维修是一项复杂的系统工程，然而缺少适用的维修模式、先进的运行与维修智能决策系统和计算机化维修管理系统等作为技术支撑。本项目的主要内容及其技术经济指标如下： 　　（1）基于SRCM的发电设备状态维修管理模式及工作程序：确立了基于SRCM和以工单为主线的维修管理模式，制订了状态维修的工作程序及其具体内容。 　　（2）生产实时数据接口技术及数据库管理系统：开发了生产实时数据接口技术及数据库管理系统，实现了生产实时信息的远程连接、智能查询和有效共享。 　　（3）发电设备状态维修理论与技术体系：确立了功能位置码与系统码相结合的设备编码方案；建立了基于蒙特卡罗模拟的设备重要度分析模型和维修方式决策规则；给出了状态划分规则和状态阈值确定方法，建立了基于模糊理论和变权方法的状态综合评价模型以及基于灰色理论和神经网络的状态综合预测模型；建立了主设备定期维修的间隔优化模型，以及辅助设备定期检查、定期更换、隐患检查的间隔优化和状态维修阈值模型；建立了基于RCM定量分析的维修优化模型；建立了复杂可修复系统的短期维修决策和评价模型。 　　（4）发电设备运行与维修智能决策系统和计算机化维修管理系统：建立了SRCM分析平台和维修知识库，可进行故障模式影响、故障树、故障风险及可靠性分析；建立了状态评价及预测平台，可实现综合状态实时评价和预测；建立了维修决策及评价平台，可实现维修的智能决策及优化；建立了缺陷管理平台，可实现缺陷处理自动化；建立了备件存储优化及管理平台，可节省备件的购买和存储费用；建立了维修过程管理平台，可实现维修计划的全程管理。 　　本项目完善和丰富了设备维修理论与技术体系，可促进发电设备维修技术的进步；为发电设备状态维修的实施提供了先进的技术支持系统和高效的管理平台，可以优化定期维修间隔，减少维修时间，降低维修费用和维修风险；提高设备的可靠性和可用率，改善机组的运行性能，增强发电能力。

本发明公开一种以高分辨率层序地层学为基础的油层划分与对比方法，包括：基于岩心、钻/测井地震资料、基准面旋回和可容纳空间变化原理，通过A/S值变化趋势分析，划分不同级次基准面旋回；以不同级次基准面旋回控制，来划分、对比油组、砂组等油层单元；依据短期基准面旋回叠加样式，通过对比，建立等时层序地层格架；依据层序地层格架，在旋回和地层叠加样式控制下划分与对比小层。其中油组、砂组、小层均包括在所述油层划分与对比单元中。通过本发明，以解决现有技术存在的对比过程中常出现穿时现象的问题。

发明公开了一种基于关联分析与关联分类的蛋白质二级结构预测技术，以双库协同机制为基础，将KDD*过程模型引入蛋白质二级结构预测问题中，KAAPRO方法以数据挖掘(知识发现)为主体，采用基于KDD*过程模型Maradbcm算法以及关联规则分类D-CBA方法。KAAPRO方法所取得关联规则在一定程度上揭示了氨基酸物化属性对蛋白质二级结构的影响关系，从而提高了预测的精度。其中Maradbcm算法挖掘意外规则的特性对纯度较高的α蛋白质库与β蛋白质库进行关联规则的挖掘，由此获得的挖掘结果是精化的规则。D-CBA关联分类方法使用可信度与支持度的测度作为一个复合型度量来进行蛋白质关联分类。在保证预测精度的同时，为生物学家对二级结构进一步分析提供了依据。