知行医苑在线3D医学教学平台,主要用于查看医知苑虚拟三维数字资源，所有3D模型结构均可任意角度旋转、缩放和移动；隐藏、透明、菜单等功能，医知苑平台包含：3D人体解剖虚拟模型、3D人体解剖实物标本、3D人体小微结构解剖，中医穴位3D数字人、病理学3D虚拟模型、病理学3D大体标本、组织学3D虚拟模型、生理学3D模型、细胞生物学3D模型、病原生物学3D模型、动物解剖3D模型，各学科数字全景切片、动画/视频等丰富的教学资源，平台包含上万个数字资源。 《人体解剖学》 包含系统解剖、局部解剖、3D断层解剖、3D模型断面解剖、小微结构解剖、CT/影像、标本图片、3D动画/视频、3D实物标本模型九大部分。 3D人体解剖截图 3D人体实物标本截图 小微结构3D解剖 《运动康复学》： 包含：肌肉起止点、肌肉扳机点高清图、关节曲、骨性标志、运动系统动作分析、运动系统病理分析、3D动画部分。 肌肉起止点 关节曲   运动系统动作分析 《中医针灸学》： 1、中医针灸学系统包含男女两套中医穴位模型，包括十四经络和经外奇穴 中医穴位模型 《病理学》 包含病理学数字切片、病理学3D虚拟模型、病理学3D大体标本模型、病理学高清标本图、病理学切片微视频、病理学3D动画六大部分 数字切片 病理学3D虚拟模型 病理学3D大体标本 《组织学》 包含组织学数字切片、组织学电子显微切片、组织学3D模型、组织学微视频四大部分 组织学数字切片 电子显微切片 组织学3D模型 《胚胎学》 包含虚拟人类3D胚胎解剖、胚胎学3D虚拟模型、胚胎学3D正常标本模型、胚胎学3D畸形标本模型、胚胎学3D动画、胚胎学数字切片六大部分 3D胚胎解剖 3D虚拟模型 3D正常标本模型 《寄生虫学》 包含寄生虫数字切片、寄生虫3D模型、寄生虫3D动画三大部分   寄生虫数字切片 寄生虫3D模型 《微生物学》 包细菌学3D模型、病毒学3D模型、细菌学动画、病毒学动画、细菌病毒电子显微高清图五大部分 细菌学3D模型 病毒学3D模型 电子显微高清图 《细胞生物学》 包含细胞生物学3D模型、细胞生物学3D动画模拟机制、细胞生物学镜下视频三大部分 细胞生物学3D模型 医知苑-3D医学数字化教学平台网址：http://3d.xd-zxyy.com

1、江苏优埃唯智能科技有限公司UAV智能视觉感知教学研究实验平台，包含3个彩色高清工业相机与2个免驱USB多系统兼容摄像头，满足不同场景、不同功耗需求的图像采集需求，并包含配备数字光源控制器的补充光源、高精度可控PLC置物台、内置数据存储与处理器、显示器。 2、支持单目、双目、三目等不同数量相机、以及工业相机、免驱USB摄像头等不同类型图像采集装置的自由组合、协同数据采集与处理功能、适用于不同尺寸目标的静态/动态连续帧触发采集。 3、提供机械设计及电气图纸、Python开发例程源码与功能手册，支持二次开发。 4、具有基础图像处理功能，以及相机标定、立体匹配、目标定位等多种先进的图像处理功能。

该系统对推拿手法尤其是慎用手法利用VR技术让学生们进行互动练习，在最大程度保证安全的情况下达到训练目的。

     微型智能制造生产线教学设备平台采用了模块化的设计，学生可以发挥自己的创新思维，对原有的生产流程进行创新改造。在掌握基础知识的前提下，进一步提高学生的积极性、动手能力和创新思维。 智能制造生产线实训方案特点 智能制造生产线实验平台，是对工业现场大型设备进行提炼和浓缩的一款小型智能制造生产线实训设备，专门为职业院校、教育培训机构等而研制的，它适合机械制造及其自动化、机电一体化、电气工程及自动化、控制工程、测控技术、计算机控制、自动化控制等相关专业的教学和培训。融合了数控机床加工、光、电、气，包含了PLC、机器人、传感器、气动、工业控制网络、电机驱动与控制、计算机等诸多技术领域，对柔性制 造技术的工作过程进行研究，监控系统、主控PLC和下位PLC通过网络通讯技术构成一个完整的多级计算机控制系统，通过训练，使学生了解智能制造生产线的基本组成和基本原理，让学生全面掌握机电一体化技术的应用开发和集成技术，帮助学生从系统整体角度去认识。为信息学院自动化和电气工程自动化本科及其控制科学与工程研究生均提供了实验和科研的平台。 系统组成简介 1、立体仓库单元    立体仓库单元的主要功能是为系统提供加工工件原材料和储存成品件两大仓储功能，采用三层货架储存单元货物，用相应的物料搬运设备进行货物入库和出库作业的仓库。 2、环型流水线单元    环型流水线单元主要由铝合金型材基体、环行传输线、自动导向机构、变频调速系统、自动定位机构等组成。可完成对工件在不同速度下的输送，不同工位的自动定位，从而大大提高了自动环形传输线的工作效率。3、数控车床加工中心单元    数控车床加工中心单元采用小型化，占地小，用于整个工件的轴类部份的加工，采用自动门、自动装夹、四工位自动刀架、并有工件冷却加工系统，现实机加工件无人化DNC自动加工，配置伺服电机、工业级数控系统，精度高。 4、立式数控铣床加工单元    立式数控铣床加工单元采用小型化，占地小，用于整个工件三轴联动。可用于雕刻、数控钻、数控铣等加工工艺，采用自动门、自动装夹等，现实机加工件无人化DNC自动加工，工业级数控系统，精度高。 5、六自由度机器人单元    六自由度工业机器人、抓取机构、气爪等组成，主要完成对工件的提取及搬运到各数控加工单元、AGV小车搬运单元及工件视觉检测单元等。包含旋转（S轴），下臂（L轴）、上臂（U轴）、手腕旋转（R轴）、手腕摆动（B轴）和手腕回转（T轴）,6个关节合成实现末端的6自由度动作。 6、四轴坐标机器人    四轴坐标机器人主要负责立体仓库的原材料入库与出库、成品零件的入库。够实现自动控制的、可重复编程的、多功能的、多自由度的、运动自由度间成空间直角关系、多用途的操作机。他能够搬运物体、操作工具，以完成各种作业，具有高速性的最大化吞吐量,超长的工作运行时间,节省地面空间。 7、视觉检测单元单元    检测单元的主要功能是对工件的精度、外观形状品质是否合格，通过摄像头获取工件的图像，由图像处理器完成工件合格与否的判断，将不合格工件剔除，将合格的工件传送至下一单元，而将不合格的工件推送至废料槽。 8、RFID系统单元    RFID系统单元是一种非接触式的自动识别系统，它通过射频无线信号自动识别目标对象，用于对工件材料的信息记录，加工路径记录、产品追溯化管理，由RFID标签和RFID读写器组成，标签安装在工件放置的工装板上-记录该工装板上放置零件信息，RFID读写器安装在工装板经过的每一个工位上，当工件到达该工位时系统可通过读写器，识别到该工件的运输及加工途径。每个传输工装板上都安装有RFID标签，在每个加工工位物料都需要进行识读操作，并将信息通过网络传输给服务器，实时的跟踪物料位置信息和仓储位置信息，做到物料、成品、半成品的可追溯性管理。 9、AGV小车搬运单元    AGV小车无人搬运车由机器人输送加工后的零件或从库房特定库架抓取零件，AGV智能小车并依据方位计划运动途径，运行至装卸站,准停，主动将零件放置到装卸站缓冲区，由四轴坐标机器人卸货至立体仓库成品区或原材料区。实现线边设备和自动仓储的自动上下料功能，采用激光通讯传感器通讯，信号传输快捷方便；行走模组采用PLC控制，AGV的PLC通讯，PLC发送任务码给机器人，实现点位控制；主控通讯，AGV整体与主控PLC通讯。 10、PLC工作站单元    采用工业自动化主流PLC，可随意扩展，配备触摸屏、具备物联网接口，铝合金型材构成，连接牢固。 11、总控台     总控平台主要由单相电网电压指示、电源控制部分、控制主机、状态指示灯、10.4英寸工业彩色触摸屏S7-315主机，电脑等组成，主要完成监视各分站的工作状态并协调各站运行，完成工业控制网络的集成。它带有电源总控制系统、视频监控系统，产线处的有数据均可从总控制台收集获取，可通过总控调度分配各个模块的工作职能。电源系统实施强弱电分开管理，待机休息及检修时要求强电关闭，控制、信号灯弱点部分完全独立运行。 12、零部件周转拖盘     用于原材料及成品件的输送周转用，配合RFID系统及智能仓库、环型流水线中应用。实现送料，取料，输送周转功能；实现智能化工作与管理，并对每个环节的时间点、责任人等关键数据进行实时采集，汇集到统一的信息平台，最大限度的提高存储货物的能力。

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。

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。