1.测量R-T主机一台（主要完成温度的测量和电阻测量，以及为样品提供电流的恒流源） 2.测量X-T用主机一台（主要完成温度的测量和显示，磁化率的测量和显示） 3.测量实验台架一套（测量零电阻和磁化率共用） 4.测温传感器（PT100） 5.低温杜瓦（内径φ120×80）

低温控温仪智能数显温度控制系统  锦正茂低温控温仪TESK301型低温控温仪是有北京锦正茂科技有限责任公司自主研发的高精度单回路低温温度控制系统，可以实现从20K-600K的温度控制输出。该温控系统具有一路传感器输入和一路加热输出功能，传感器输入和加热输出组成了一个控制回路。TESK301单通道设计能满足大部分实验室科研以及工业低温控温使用。配合适当的传感器低温度测量低至20K，高温达到600K以上，分辨率高达10mK。加热输出功率分为三档可调节，低档低至0.8W，可达80W，能满足大部分低温设备加热需求。   您也可以在淘宝网首页搜索“锦正茂科技”，就能看到我们的企业店铺，联系更加方便快速！ 低温控温仪智能数显温度控制系统 您也可以在淘宝网首页搜索“锦正茂科技”，就能看到我们的企业店铺，联系更加方便快速！ 锦正科技以现代高科技产业和传统产业为核心业务，对内承接科研生产任务，对外以商务平台方式实现军民两用技术成果转换，形成了科学管理的现代化经营模式，专门从事物理、化学和材料等领域的科学仪器研发、销售各类型超低温测试设备（液氮 液氦）制冷机系统集成 ，定制 ，高低温真空磁场发生系统，Helmholtz线圈（全套解决方案），电磁铁（全系列支持定制），螺线管，电子枪（高稳定性双极性磁铁恒流电源1ppm），高低温磁场真空探针台，霍尔测试系统，电输运测量解决方案，磁光克尔效应测量系统等产品种类齐全，性能可靠，至今已有近10余年的历史，是国内（较早）生产探针台，电输运，电磁铁的厂家之一。    

仪器概述   温度计检定恒温槽此标准恒温槽多供计量部门作一、二等标准水银温度计，贝克曼温度计，工业铂热电阻，标准铜-康铜热电偶检定之用，也可作高精度热、冷源供生产、科研使用。 技术参数 1、工作电源：AC220V  50Hz 2、温度均匀：0.005～0.01°C 3、温度波动度：0.005～0.01°C/30min 4、控温范围：-30 ～+100°C（可选-80～+100°C，90～+200°C） 5、数显分辨：0.001°C 6、工作槽容量：23L  7、工作槽开孔：150mm*480mm 8、温度修正分辨率：高达0.001℃ 性能特点 1、专用软件研发自制的温度控制技术，配有 PT100以及全进口的电子原件等组成。 2、方便修正显示温度与实际温度的误差，温度修正分辨率高达0.001℃，使显示的温度值准确无误。 3、具有 温保护、 温鸣叫报警、可设定 温报警温度， 温时可自动切断负载。 4、智能软件温度稳定性强，PID可自动根据不同的介质自动整定最佳参数。 5、使用软件数字锁定控制系统各项设定值，避免无关人员进行操作，保证实验过程数据正确无误。 6、准确的温度控制，使工作槽内温度快速稳定。 7、按“电源”键可关掉仪器所有功能。 8、全封闭压缩机制冷，降温速度快，具有过热过电流多重保护。 网址链接 http://www.csscyq.com/proshow.asp?id=844  

​锦正茂低温控温仪TESK301型低温控温仪是有北京锦正茂科技有限责任公司自主研发的高精度单回路低温温度控制系统，可以实现从20K-600K的温度控制输出。该温控系统具有一路传感器输入和一路加热输出功能，传感器输入和加热输出组成了一个控制回路。TESK301单通道设计能满足大部分实验室科研以及工业低温控温使用。配合适当的传感器低温度测量低至20K，高温达到600K以上，分辨率高达10mK。加热输出功率分为三档可调节，低档低至0.8W，可达80W，能满足大部分低温设备加热需求。   您也可以在淘宝网首页搜索“锦正茂科技”，就能看到我们的企业店铺，联系更加方便快速！ 定制低温控温仪单回路低温温度控制仪器 TESK301内置了一个标准恒流电源向电阻温度计供电,通过四线法测量温度传感器电压信号，经16位A/D转换，自校准，数字滤波，查分度表，修正计算后显示实测温度，经与设定温度比较后，实时PID运算给出控制信号，通过机内固态继电器周期控制加热电压来实现温度的控制。 您也可以在淘宝网首页搜索“锦正茂科技”，就能看到我们的企业店铺，联系更加方便快速！ 定制低温控温仪单回路低温温度控制仪器 您也可以在淘宝网首页搜索“锦正茂科技”，就能看到我们的企业店铺，联系更加方便快速！ 作为北京高科技企业，锦正科技以现代高科技产业和传统产业为核心业务，对内承接科研生产任务，对外以商务平台方式实现军民两用技术成果转换，形成了科学管理的现代化经营模式，专门从事物理、化学和材料等领域的科学仪器研发、销售各类型超低温测试设备（液氮 液氦）制冷机系统集成 ，定制 ，高低温真空磁场发生系统，Helmholtz线圈（全套解决方案），电磁铁（全系列支持定制），螺线管，电子*（高稳定性双极性磁铁恒流电源1ppm），高低温磁场真空探针台，霍尔测试系统，电输运测量解决方案，磁光克尔效应测量系统等产品种类齐全，性能可靠，至今已有近10余年的历史，是国内（较早）生产探针台，电输运，电磁铁的厂家之一。        

成果描述：本发明申请要解决的问题是，改进预测技术，提高预测准确度。本专利利用高阶马尔科夫模型的原理提出HM-gMTD模型的一种改进，即高阶HM-gMTD模型，并通过EM算法给出相应的参数估计方法和相应的计算方法，并能够快速进行参数估计，以提高模型预测的准确度。市场前景分析：预测模型的发展在人类的经济生活方面发挥着重要的作用，尤其是马尔科夫模型，几乎在各个领域都有着非常广泛的应用。本发明着重混合转移分布模型与高阶隐马尔科夫模型的巧妙结合，构造出高阶HM-gMTD模型，然后运用EM算法，对新模型实现了主要参数的求解。最后为了衡量一个模型的好坏和对不同的模型进行比较，我们选择准则函数。模型比较的最佳准则函数，既考虑到模型对原始数据的拟合程度，又兼顾模型中所包含的待定参数的个数，并且对二者做出合理的权衡。与同类成果相比的优势分析：本发明主要是针对HM-gMTD模型的进一步改进，提出一个高阶HM-gMTD模型，使其在降低计算的复杂度的同时，提高预测的准确性。

本发明涉及一种风电集群轨迹预测与分层控制方法，包括：根据风电集群及风电场内的拓扑结构，基于空间相关性和NWP数据进行超短期风电功率预测；根据调度中心下发的调度值，将控制过程在空间上分为集群优化调度层、场群协调分类层和单场自动执行层，将风电功率预测值从时间上逐层细化；在场群协调分类层，基于风电功率预测值对风电场进行分类，分为上爬坡群、下爬坡群、平稳群和振荡群；在单场自动执行层，基于AGC机组下旋转备用裕度和风电送出断面裕度判断风电可增发空间，增发上爬坡群风电场出力或降低下爬坡群风电场出力；基于风电场运行与监测系统，根据监测到的风电场实际值，计算并反馈风电功率误差，修正风电集群和风电场预测值，使优化过程更加精确。

本成果针对城市水电气热等综合能源数据来源广泛，结构复杂，且与用户、时间、空间信息关系紧密的特点，构建了高性能综合能源数据分析平台，提出了细粒度的能源数据分析理论框架及方法，并将其应用于智慧城市建设。

针对太阳能集热系统扰动多、大滞后和大惯性等控制难点，建立了适合控制器设计的简化分段非线性模型，并设计了基于预测函数控制策略的集热系统出口导热油温度控制系统。该预测函数控制策略在调节速度、超调量以及稳定性方面的控制效果均明显优于传统PID控制策略；与未简化的多模型预测控制相比，简化后的多模型预测函数控制的最大动态偏差增大了13%，但计算量大大降低，控制器的实时性也得到增强。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：