产品详细介绍主要技术指标：测量范围：碳：0.01％～12.7％　硫：0.003％～2.00％测量时间：约45秒分析方法：光电比色分析法量程范围：吸光度值0～1.999A、浓度值0～99.99％测量精度：符合GB/T223.69-97　GB/T223.68-97  GB223.3－5.88标准电源电压：220v±10%  50Hz可测元素：碳、硫、锰、磷、硅、镍、钼、铬、钛、铜、铅、锌、铁、铝、镁、稀土、铌、钒等元素的分析 电源电压：220V±10％　50HZ主要特点：采用中和法定硫、非水法定碳、自动加液；零点、满度均可自动调整，无需准确调整，直读吸光度或百分比含量，自动打印结果，包括炉号、日期、浓度百分含量；采用单片机控制电路，可储存15条曲线；采用精密触摸式键盘，32键音响提示，操作简单、适用、稳定性好；采用先进的光电转换技术，适用于各种金属材料化验。更换不同的冷光源或滤光片，可扩大测量元素的种类和含量范围；仪器结构简单、操作方便、极易掌握；适用范围广、测定范围宽。尤其适用于工厂简易实验室需要。金牛仪器服务承诺：1、所售化验仪器三包一年，终身服务，产品售后服务热线电话24小时开通，定期回访客户； 2、免费为客户安装、调试、代办托运化验仪器 ；3、免费培训化验人员，现场培训或来公司培训均可；4、提供材料分析工艺，代办化验仪器配套理化检测设备和配件；协助筹建化验室 5、常年提供化验仪器所需各种配件(特制硅钼粉、纯锡粒、各种标准物质、玻璃器皿、分析天平、添加剂等仪器所需的各种配件)。http://www.jnfxyq.com

机械系统运动方案及结构分析实验装置包括五种设备，可以单独或成套使用。该套设备适用于机械设计实验教学和课程设计，具有鲜明的特点。 即：（1）它对应课程的主要内容，包含了各种常用机构和通用机械零部件； （2）具有工程实用背景，使用功能明显； （3）有良好的直观性； （4）结构复杂程度适中，传动方案和结构新颖。学生通过对装置的传动方案与结构的分析，可以掌握机械系统运动方案和结构设计的基本要求，培养机械系统运动方案设计能力、结构设计能力和创新意识。该实验设备已通过了校级鉴定，达到了国内机械设计实验教学的先进水平，并已获得黑龙江省教学成果二等奖以及全国第三届高等学校自制实验教学仪器设备评选获优秀奖。 1.CS-I型冲压机及送料装置 2.JZ-I型间歇送料及冲压装置 3.ZS-I型转位及输送装置 4.TS-I型提斗上料装置 5.BS-I型步进输送机

产品详细介绍价格相宜，日本原装正品，环境修正，容易操作，符合GLP及LIMS标准，可选计算机接口特点：●单键自动外校操作简单方便，可输入修正后的校准砝码值,确保校准精度。●多种称重单位13种重量单位及计数,百分比模式。●ACAI功能重新计算样品单位重量,以提高计数精确度。●环境调节功能，数字去皮功能具有灵敏度调节功能, 允许手动或通过计算机输入皮重值。●选配内部可充电电池可选配轻便的电池装置,电池充电后可持续使用长达10个小时。●符合GLP、GMP、ISO标准可选配RS-232C接口输出GLP\GMP\ISO校准报告。  ●通讯接口可选配RS-232C接口和计算机或打印机连接。     型  号 HR-200 HR-120称重范围 210g 120g读数精度 0.1mg 0.1mg重复精度 0.1mg 0.1mg线性 ±0.2mg ±0.2mg称盘尺寸(mm) 直径 85 直径 85外形尺寸WxDxH(mm) 213 x 319 x 301 213 x 319 x 301重量(约Kg) 6.0 6.0

简单介绍： 大小鼠水迷宫视频分析系统实验是一种强迫实验动物（大鼠、小鼠）游泳，学习寻找隐藏在水中平台的一种实验，主要用于测试实验动物对空间位置感和方向感（空间定位）的学习记忆能力。被广泛应用于学习记忆、老年痴呆、海马/外海马研究、智力与衰老、新药开发/筛选/评价、药理学、毒理学、预防医学、神经生物学等；大小鼠水迷宫视频分析系统是医学院校开展行为学研究尤其是学习与记忆研究的优选经典实验。 详情介绍： 技术参数： 1、水池材质:304不锈钢/PVC材质 2、加热功率:2000瓦 3、温度波动度:±1℃   4、大鼠水池规格:直径150cm，高60cm,  尺寸可定制 5、小鼠水池规格:直径120cm，高40cm    ，尺寸可定制 6、大鼠站台规格:直径12cm，高度在20～35cm之间    7、小鼠站台规格:直径8cm，高度在20～35cm之间 8、水池带轮子，可随意移动位置 9、摄像针频速率:28/30贞600X，  10、摄像分辨率:640×480    11、摄像机类型:2.8~12mm自动变焦 12、加密狗类型:USB2.0接口 13、视频采集模块:USB视频采集卡 14、信号传输方式:信号电源一体线10米 15、文档式保存方式，使多人使用不相互影响、可进行离线分析、轨迹回放，进行对比、分析数据可导入Excel,轨迹图自动生成 16、软件分析指标：      总路程（总活动度）、总时间、潜伏期、平均速度、上台时间、上台前路程、上台前速度、一象限活动路程、一象限活动时间、**象限活动路程、**象限活动时间、第三象限活动路程、第三象限活动时间、第四象限活动路程、第四象限活动时间、中心活动路程、中心活动时间、周围活动路程、周围活动时间、站台周围范围I活动路程、站台周围范围I活动时间、站台周围范围II活动路程、站台周围范围II活动时间、站台周围范围III活动路程、站台周围范围III活动时间、站台周围范围IV活动路程、站台周围范围IV活动时间、站台穿越次数、初始角、搜索策略等指标    

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

MSA2000A是一款高性能模块化矢量信号分析仪，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。 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   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

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。应用范围: 1、智能网关： 开发基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置服务器。 综合接入能力： 包括有线传感器和特定的无线传感器、与现有系统的对接 有效感知能力： 实现基于图像的AI视觉感知能力，重点研究基于小目标的图像分类算法 安全传输能力： 提供4G、5G、NB-IOT的上行传输模块化替换 提供安全的加密手段，保证数据安全 现场调试配置能力： 具有现场WiFi调试功能，方便安装和运维人员现场配置和检测 软件和通信标准版本现场升级 2、AI模型管理系统 需要实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。 样本管理能力 原始样本管理、样本实例库分类和管理、检测样本管理等 模型计算和管理 算力管理：对算力的统筹，外部算力的对接等 算法管理：自主开发算法的管理和调动，外部算法的调用和对接 模型管理：包括模型的功能属性和已经应用的情况的统计分析 设备管理 设备的AI模型配置能力、AI推演过程的监控、AI推演结果的跟踪采集和分析 3、数据管理和标准化处理 数据有效性管理 监测数据是否按时上传、上传数据是否符合要求、是否为非法数据 告警输出：把告警信息进行分类，并推送给相关的运维系统 数据质量评估 按照标准对现场采集数据进行多维度的质量分析，为后续数据应用提供参考依据 数据标准化 格式标准化：完善采集时间、地点、单位等属性， 输出标准化：按照标准协议与工业互联网平台数据池进行对接 数据安全 区域性部署：可以应用户要求部署在其内网 并行部署：可以通过并行部署，网关上联多个服务器，确保用户的可靠性需求 数据回滚能力：可以应工业互联网平台要求对数据进行一定期限内的回滚，保证数据在一定时间段内不丢失 4、智能运维 开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提供效率、降低人员成本、保证系统运行质量和数据的有效性。 运维人员管理 对运维人员的信息、定位、工作状况管理 巡检任务管理 对部署的硬件和相关工作环境定期巡查的任务制定、下发、执行过程和结果的记录和管理 临时故障处理 对系统自动告警和现场突发状况的应急处理能力，包括人员调配、处理流程提示和建议、相关情况处置参考案例、后续统计追踪等。网关核心板实物照片

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。

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。