产品详细介绍  便携式产品 MX4+ 　　一个从-30℃到900℃(-25°F to 1600°F)的宽温度范围，高光学分辨率60：1，能从更远的距离测量，或者测量更小的物体， 这些优点使MX系列成为工业界最高级的便携式测温仪。激光瞄准提供了最完美最精确的红外光束跟踪，使关键数据测量更精确。 　 　   MX4+ 电气系统维护(电气系统故障检测) 其它应用(工艺过程控制、质量控制) 型号 MX4 测温范围 -30~900℃（MXSZ低温型：-50~500℃） 精度 读数的±0.75%或±1℃，取最大值 重复性 ≤读数的±0.75%或±1℃，取最大值 响应时间 250ms（95%响应） 光谱响应 8~14μm，热电堆探测器 D：S 60：1（MXCF近焦型 50：1） 显示分辨率 0.1℃ 工作环温范围 0~50℃ 相对湿度 非冷凝状态下环温达到30℃时，为10~95% 储存温度 -20~50℃（无电池） 电源 两节AA电池 MX4+可配直流外接电源 尺寸 200×170×50mm（7.9×6.7×2 in） 重量 480g 三角架安装标准 1/4-20UNC 最大和最小值 √     差值和平均值 √ 视/听低温报警 √ 视/听高温报警 √ 激光瞄准 * √ 发射率可调 √ 内置发射率表 √ 图形显示 √ 数据输出 RS232或1mV/℃ 存储100点 √ * 符合IEC二级和FDA二级要求

MSA1000A是—款高性能便携式矢量信号分析仪，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；具有可选的测试功能和出色的硬件可扩展性。 功能特点 频率范围：9 kHz~40 GHz 分析带宽高达300 MHz 实时分析带宽高达200 MHz 功能丰富，支持如下信号分析模式并可扩展 通用频谱分析模式 矢量信号分析模式 实时频谱分析模式 基于PXle高速内部总线，测量速度快 可通过LAN、GPIB接口控制模块 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 电磁频谱监测

TE-9800型便携式紫外分光测油仪是用正己烷萃取剂替代红外法中已被禁用的四氯化碳萃取剂，符合新国标《HJ970-2018水质石油类的测定紫外分光光度法》的要求.该产品操作简单，精密度好，灵敏度高，性能稳定 . ▷适用范围：TE-9800型便携式紫外分光测油仪适用于地表水、地下水和海水中石油类的测定 . 广泛应用于环境监测系统 、农业环境监测、铁路环境监测、海洋环境监测、交通环境监测、石油化工、 高校科研教学、 污水处理厂、水利水文、自来水公司、火力发电厂、钢铁企业、汽车制造、环境科研等检验室、实验室使用 . ▷检测原理：在pH≤2的条件下，样品中的油类物质被正己烷萃取，萃取液经无水硫酸钠脱水，再经硅酸镁吸附除去动植物油类等极性物质后，于225nm波长处测定吸光度，石油类含量与吸光度值符合朗伯-比尔定律 . 利用石油类化合物及其产物在紫外区有特征吸收，吸收强度与待测样品的石油类组分含量成正比来测定样品中石油类的含量 .   ▷功能特点： 01）内置大容量锂电池 02）高强度防水一体化设计 03）方便快捷，一键式检测 04）采用紫外光栅系统，波长225nm，用于测油分析扫描，精度高，重复性好 05）内置打印机，7寸触摸大屏 06）标配前处理设备箱，可以实现采样、萃取、测量一体化，解决现场测量 07）具有自动统计分析、储存、打印等功能，一体化设计，仪器小巧、方便携带，便于户外现场操作 08）采样瓶就是萃取瓶，有刻度显示，不分样采样萃取方法符合HJ/T91-2002，萃取结果和国标方法的结果一致

移动式升降小讲台  1.可调节高度范围：750-1050mm                                   2.支架材质：铝  3.升降方式：手动液压升降                                                          3.支架加工工艺：铝压铸喷涂 4.面板尺寸：710*475mm                               5.面板材质：25mm MDF with PVC，带桌面储物槽。                                 7. 支架颜色：银色，白色，黑色可选。                           8.面板颜色：白色，枫木色，胡桃色可选。                           9.桌脚：双向PU滑轮，前面2轮可锁定。

适用专业：机械工程、力学、材料与土木等专业。 材料力学课程是机械、材料、土木等专业的一门主干专业基础课，其理论性和实践性都很强，它的实验教学是材料力学课程教学中的一个重要实践环节。目前，现实中的材料力学实验存在以下局限性： 1.硬件依存性较强，只能在特定实验室进行； 2.实验设备外形较大，实验室难以摆放足够数量的设备，无法满足学生独立进行实验的需求； 3.实验设备昂贵，操作不当极易造成设备损坏； 4.实验器材损耗大，如试样拉伸断裂后无法再使用，浪费现象严重； 随着招生规模的逐年扩大，教学改革的不断深入，材料力学实验的教学任务越来越重，仪器设备台套数和实验教师数量相对不足等问题愈加突出。为了以最少的经费投入解决以上问题，并进一步激发学生的学习兴趣、增强实验效果、提高实验教学质量，特定制开发开放式网上材料力学虚拟实验室软件。 使用现有器材模型，课程可开展如下10个常用材料力学虚拟实验的训练： •     拉伸虚拟实验 •     压缩虚拟实验 •     扭转虚拟实验 •     弯曲与扭转组合变形虚拟实验 •     冲击演示虚拟实验 •     梁弯曲正应力虚拟实验 •     弹性模量虚拟实验 • ​​​​​​​    压杆稳定虚拟实验 • ​​​​​​​    弹性模量和泊松比测定实验 • ​​​​​​​    ​​​​​​​金属材料的疲劳虚拟实验 系统服务器端用户分为学生、教师、教务管理员和系统管理员四种角色，不同角色拥有不同权限。 • ​​​​​​​    学生：选课、选择实验、开展实验、接受实验指导、在线提交实验报告、保存和提交实验结果、查询实验成绩和批语。 • ​​​​​​​    教师：典型实验库维护、发布实验、安排实验、批改实验报告、系统指导、统计并发布学生的实验成绩和批语。  • ​​​​​​​    教务管理员：课程计划、开课计划、选课日期设置、开课审核、开课查询。  •     系统管理员：用户管理、分组管理、角色管理、权限管理、系统维护等。 性能指标 支持同时在线用户数1万人以上，经测试，系统运行稳定，不限终端用户数，完全能满足日常教学使用。 服务器运行环境 操作系统：Windows Server ，Linux/Unix Server Web服务器：Tomcat6.0，JDK6.0 数据库：MySQL 客户端运行环境 操作系统： All Windows系列

新冠肺炎常规通过病史、CT等进行病情评估，但重症病房应用超声不便，还需要评估重症患者的心脏等多器官，然而操作者绝大多数不是专业超声医生，这为如何在治疗重症患者的过程中更好地发挥超声的作用提出了难题。深圳国际研究生院袁克虹团队与深圳华声医疗技术股份有限公司合作，用人工智能技术赋能5G超声设备，增添采集心肺关键标准切面的导航以及关键参数的自动测量等功能，辅助医生对重症病人进行动态评估和治疗。 袁克虹团队与深圳华声医疗技术股份有限公司1月中旬组成研发团队，在已有合作工作的基础上，针对新冠肺炎重症患者临床超声的迫切需求开展联合攻关，半个月就获得了较好的成果。该技术从2月初开始在武汉协和西院等多家医院使用，在一定程度上辅助了医生对重症患者进行疾病的动态评估和治疗指导。 目前该技术正由国家感染性疾病临床研究中心（深圳市第三人民医院）牵头开展进一步研究，将完善和改进现有功能，优化远程诊断流程，实现超声为医生治疗重症患者提供更智能、更可靠、更专业的帮助。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

本发明公开了一种基于信息挖掘的智能决策支持构造方法（ IDSSIM ) ，该方法完善并扩充了现有智能决策支持系统的功能，改变了现有智能决策支持系统固有的运行机制，将决策推理机制、 WEB 挖掘和 KDD ＊挖掘和领域专家知识获取有效地融入智能决策支持系统中，从而形成了一类具有“双网”、“五库”、综合集成、多层递阶结构模型的新型智能决策支持系统。此系统在结构和功能上相对现有系统而言是一个开放的、优化的扩体，并对智能决策系统的主流发展起着重要的推动作用，有望形成新一代的智能决策支持系统概型。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。