|
搜索
搜 索
高等教育领域数字化综合服务平台
DYT043 流体静力学实验仪
DYT043 流体静力学实验仪
一.实验目的
1.定量测量实验——验证不可压缩流体静力学基本方程，可供分析研究马利奥特容器的变液位下恒定流实验。
2.定性分析实验——测压管和连通管判定、观察测压管水头线、判别等压面、观察真空现象。
3.设计性实验——油库液位高度检测， 家用饮水机构设计、变液位恒压系统供水设计等。
4.拓展性实验——多种方法测定某一油比重、容重。
5.恒定流实验及其他十余项定性、定量实验。
二.技术指标
1.装置工作环境：常温、常压下运行。
2.304不锈钢台面、不锈钢框架实验台（30*30mm不锈钢方管、配脚轮均为万向轮带禁锢脚）。
3.装置外形尺寸：600mm×450mm×1550mm。
4. 设备配套3D虚拟仿真软件和智慧课程平台
（1）▲仿真实验模块通过在线首页的仿真课件模块进行下载使用，仿真实验采用PC端，进入实验系统后，可选择装置介绍和仿真实验模块。
（2）▲装置介绍模块：基于实验设备的等比例三维仿真模型，可进行自主漫游、装置的文字、图片介绍、支持在三维模型上展示部件名称，点击部件时，展示相应部件的介绍参数包括：图片、视频等。
（3）▲在实验前支持进行仪器操作、实验安全、实验数据、实验现象等内容的交互认知学习功能。
（4）▲仿真实验具有实体实验完整的实验步骤、实验提醒、实验操作模拟等功能，支持在重点步骤或环节上展示实验现象与实验数据。
（5）▲当实验完成后，系统自动进行考核评价，并出具分数及实验报告。
（6）投标文件中提供以上软件每项▲功能的高清截图，以及U盘形式提供软件功能录屏，使评委能清晰看到以上每个参数内容，以验证智慧课程平台仿真功能，中标后采购人有权要求中标人提供软件进行参数演示。
上海大有仪器设备有限公司
2025-12-17
Beeker沉积物原状采样（柱状沉积物）
产品详细介绍Beeker取样器是在水下土壤中静态取样的工具。样本收集到透明管中，这样它就能将材料保持在原位上，可以据此做出清楚的剖面描述。技术参数采样深度：5米 采样管尺寸：直径63×57mm，长度100/150cm配置：包括一个完整的沉积物采样器，不同长度的采样管，活塞，顶部的锤击头和扩展连接杆，一个真空手泵，一个压力手泵，软管绞盘和软管，一个气动排放和分离系统(04.23.SB型)，一个工具包，各种附件和铝质装运箱。采样原理在采样前，一个坚硬的切割头安装在采样管底部。一个垫圈安装在采样官顶部。切割头和垫圈用带子紧密连接，采样管被它们夹紧。这种构造可以用在不同长度的采样管上（最大1.5米）。一个橡胶隔膜装在切割头里，可以在一定压力下膨胀并完全关闭切割头，可以保证采样器提起时，样品完好保存。通过使用扩展连接杆和顶部的锤击头，可以将采样器插入到底泥中。通过使用活塞，Beeker采样器可以避免对样品产生压缩的问题。采样前，将活塞装在切割头里。当切割头位于沉积物上时，活塞通过绳子保持在一个固定高度（例如将绳子固定在船的栏杆上）。当采样管下降时，活塞保持静止状态。采样管被推入沉积物中，环绕着活塞。由于摩擦的作用而产生的压缩被部分真空产生反作用抵消。通过Beeker采样器采集的样品压缩率最大只有4-5%，其它的采样系统通常会压缩30%以上。采样管被密封以后，通过使用水-气动排放和分离系统，样品可以再细分成更小的、非破坏性的样品，用来深入研究。取样完成后，取样管密封，通过液压-气压排出和分离设备，样本可再分为更小的静态样本，以备相关的深度分析。全套装置包括：一套完整的沉积物取样工具，各种长度的取样管，活塞，顶杆和加长杆，一个真空/压力泵，真空/压力存储器，带软管的软管卷盘，一个排出/分离设备，一套工具，各种附件，以及一只铝制搬运箱。优点装备完整，并带有详尽手册。土壤剖面和密度保存较好。由于样本的真实直径，周围很少有样本撒出。沉积物的静态取样取样器重量轻，使用简便，所以一天之内可以采集多个样本。有了气压存储器和粗软管连接，取样器非常灵活，用途广泛。取样器可处理各种密度不同的沉积物，从含水很多、没有粘性到松散的沙土，不受土壤分层的影响。用液压-气压排出和分离设备，可轻松控制样本的排出以及/或者分离。标准装置可用于水中最深5米。在某些情况下，使用加长杆，还可在更深处采集样本。注意：随着取样深度的增加，流水中取样会越来越困难
成都耀华科技有限公司
2021-08-23
补骨脂提取物和淫羊蕾提取物的组合物及其复方制剂
本专利（专利号:ZL201110246292.3 ,发明人系荣昌校区教师，长期从事新中兽药的研发）,涉及中 药提取物的组合物,特别涉及补骨脂黄酮提取物和淫羊霍提取物的组合物,还涉及补骨脂黄酮提取物和淫羊 蕾提取物的复方制剂及其制备方法。其目的目的之一在于提供一种含补骨脂提取物和淫羊霍提取物的组合 物，能缓解动物的疲劳及提高动物的能量代谢，提高动物竞技能力。本专利拟以独占许可方式转让企业,并为申报新兽药作准备。如果成功上市，能有效提高动物的竞技活 动,加之无抗生素残留问题，市场前景非常可观。
西南大学
2021-04-13
财会实验室,会计实验室.财会模拟实验室
产品详细介绍
上海广育科教设备有限公司
2021-08-23
实验台-实验桌-实验室操作台工作台
ASKN实验台通体采用优质冷轧钢板加工而成，表面磷化作Epoxy粉末静电喷涂防腐处理。其坚固耐用，钢构架经酸洗磷化处理后，经环氧树脂静电喷涂，使得防潮与防腐有效的结合起来。在结构上祥式上，将承重性与灵活性融合起来。全钢结构产品夺人的质感与光感使实验室显得稳重而优雅，是研究型教学型实验室的上上之选。
北京航天科恩实验室装备工程技术有限公司
2025-03-10
互联网文本内容主题概念漂移检测系统
成果描述：互联网文本内容主题 概念漂移检测系统， 通过分析数据集中的 所有文档数据的潜在 语义关系，提取出它 们之间的潜在语义主 题标示，通过评估参 数的方法，将生成的 主题时序关系用数据 的形式表示出来，并 以此为依据主动发现 待预测数据集中主题 的转变与转化现象， 并提供给用户这一主 题转移过程。市场前景分析：点。基于这些特点， 流数据的处理和分析 面临巨大的挑战，是 当前数据挖掘领域研 究的热点。 分类是数据挖掘领域 的重要课题，当前流 数据分类问题面临的 主要挑战之一就是概 念漂移问题，即数据 中学习的概念（从属 性到类别的映射）是 随时变化的。 通过对互联网中文本 内容的主题概念漂移 进行检测，对于正确 分类互联网文本等方 面具有重要的意义。与同类成果相比的优势分析：能够将生成的主题时 序关系用数据的形式 表示出来，方便用户 查看； 可以动态调整评估参 数，以实现对不同数 据集的自适应性分析； 可以将评估参数值与 发生概念漂移的主题 中心相关联，主动探 测出主题发生变化的 过程。
电子科技大学
2021-04-10
基于互联网+及数字孪生技术的智能制造
项目成果/简介:项目在多年国家项目的支持下，在项目“面向工厂规划和生产过程的数字化工厂技术”获2013年教育部科技进步二等奖的基础上，进行持续开发完善，与沈阳机床合作，在智能制造领域进行了深入的合作研究， 在沈阳机床智能制造展示线开发完成数字化孪生仿真模型及基于互联网的定制信息系统，系统实现了网络化定制下达生产订单，数字化孪生系统在线仿真模拟，真实展现生产场景，并可通过移动设备进行浏览和信息管理。项目符合中国制造2025所倡导的智能制造和互联网+技术的发展，对中国制造向智能化转型起到促进作用。项目通过展示真实个性化印章的智能加工、检测和装配，体现网络化的定制及数字化双胞胎技术。应用范围:项目所开发完成的技术符合中国制造2025所提出的智能制造技术路线，已应用于工业实际和大专院校的教学培训。目前国家大力资助建立智能制造试点示范项目，制造企业也在积极转型，向数字化和智能化转型发展，这些都需要数字孪生和互联网+技术的支持。 项目成熟度：小批量生产，项目已独立以及结合沈阳机床的生产线及教育系统得到市场的应用，特别是在中国航发商用航空发动机有限责任公司相关项目中得到应用。 拟在全国范围内推广：1.项目可应用于离散制造业的规划、调试、运行和维护阶段的仿真优化，通过建立工厂、生产线、设备的三维模型，实现虚实结合的数字双胞胎。 2、教育培训领域：通过实现智能制造理念的面向教育和培训的生产线系统，通过模块化的系统，实现对智能制造教学和培训。项目阶段:小规模生产效益分析:项目的技术创新点、先进性在于实现了数字孪生技术在生产线中的应用，达到了生产线的虚实融合。不仅可在规划阶段对生产线进行仿真验证，还可在生产运行过程中实现虚实融合，并通过AR-VR技术对操作指导、维修指导和生产过程监控提供支持，从而实现多维的虚实融合，是实现智能制造的关键技术之一。项目相关技术不仅能够应用于工业实际的智能化制造之中，还特别适合面向智能制造的教育和培训。
同济大学
2021-04-10
CDMA2000移动互联网内容监管系统
本系统在设计中使用了先进的网络处理器技术，包括高性能的IXP2400处理器和高速千兆以太网接入能力，提供了强大的网络处理能力和可靠的运行稳定性。本系统完成的基于网络处理器硬件平台根据不同的实际需求，可以广泛应用于各种网络通信系统和网络安全领域，边缘路由器，千兆硬件防火墙和入侵检测系统，具有广阔的市场前景。
东南大学
2021-04-10
基于大数据的能源互联网能量管理系统
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。
清华大学
2021-04-11
移动互联网未知应用自动识别系统
本技术成果克服了现有技术的不足，提供了一种对未知 应用（包括恶意软件）进行自动发现、自动聚类、自动分析、自动识别的技术
中山大学
2021-04-10