YR/H3100高智能数字化ICU（综合）护理技能训练系统是工程技术和仿生学技术的完美结合，将有现在的医学模拟技术赋予一身，其可自主表现生命体征，并可对所给予的治疗措施自主进行生理体征变化。该系统根据新护理大纲设计，针对临床护理培训，系统由全身男性模拟病人、生命体征模拟器、多参数模拟监控仪、计算机等组成，具有基础护理与高级护理功能。本系统同时适用于医院、医学院、卫校等医疗单位。并面向乡村医师技能培训，提供心肺复苏术、体外除颤等急救操作技能。通过虚拟安全的模拟及护理技能的培训、图文、声像、视频相结合，有操作日志、存贮、考核评估、成绩打印、网络交互式功能。标志着公司的护理教学系统开始与国外发达国家接轨。适用学科：ICU护理、急救医学护理、呼吸内科护理、心内科护理、泌尿内科护理、外科护理、急救医学、危重症医学、战地医学等。系统主要功能★ 标志表示需要与选配件配套使用才能实现的功能■ ICU技能：· 气道管理技术：标准口、鼻插管，气管切开术，支持仰头举颏法、推举下颌法开放气道。模拟牙关紧闭、舌水肿、咽部水肿、喉痉挛、单双侧肺阻塞、主气道堵塞等体征。· CPR操作训练：可进行口对口、口对鼻、简易呼吸器对口等多种通气方式；电子监控气道开放、吹气次数、吹气频率、吹气量、按压次数、按压频率、按压位置和按压法深度；自动判断人工呼吸及胸外按压的比例；实时数据显示，全程中文语音提示；抢救成功后，模拟人瞳孔由散大变为正常，动脉恢复搏动，出现自主呼吸。★ 真实除颤、起搏：可与不同厂家、不同型号的除颤起搏器配套使用，实现真实除颤起搏。★ 模拟除颤起搏：多媒体动画展示医用除颤起搏器的使用，与YR/J880模拟除颤起搏器配套使用，可实现除颤起搏。可选择除颤能量，最大除颤能量达到360J。★ 真实AED：可与不同厂家、不同型号的AED配套使用，实现真实AED训练。★ 模拟AED：多媒体动画展示AED操作过程，与YR/AED自动体外模拟除颤仪配套使用，可实现AED训练。全程中文语音提示，提供贴片电极和纽扣电极，自动检测心率并分析是否需要除颤。★ 真实心电监护：可与不同厂家、不同型号的心电监护仪配套使用，实现真实心电监护。★ 模拟心电监护：与YR/J115多参数模拟心电监护仪配套使用，可实现模拟心电监护。使用指夹式血氧探头检测血氧，内部储存上千种种心电图。多参数模拟监护仪（LCD）屏幕提供12导联心电图、血氧饱和度、呼吸、二氧化碳、血压（动脉血压、中心静脉压、肺动脉压、无创血压）、心输出量等。 ■ 生命体征模拟：· 瞳孔观察：瞳孔液晶显示为CSTN伪彩、65K色、RGB；能在1-9mm之间，随意模拟瞳孔的正常、散大、缩小等状态。· 颈动脉、股动脉、桡动脉搏动，生动再现病人呻吟、咳嗽、呕吐声音。· 呼吸模式：模拟正常呼吸、叹气样呼吸、陈-施氏呼吸、库什摩尔呼吸、毕奥呼吸。· 真实的自主呼吸，呼吸时胸廓有起伏，可调节呼吸频率及呼吸深度。· 听诊：可听诊几十种声音，包括正常心音、异常心音、正常呼吸音、异常呼吸音、正常肠鸣音、异常肠鸣音。■ 临床护理训练：· 穿刺术：胸腔穿刺、骨髓穿刺。· 血压测量训练、三角肌皮下注射、股外侧肌内注射、手臂静脉穿刺、注射、输血、臀部肌内注射。· 清洗梳理头发、洗脸、耳清洗滴药、口腔护理、假牙护理、吸痰法、氧气吸入法、口鼻饲法、洗胃法、胃肠减压、灌肠法、造瘘引流术、男/女性导尿术、男/女性膀胱冲洗术。· 整体护理：四肢关节左右弯曲、旋转、上下活动、擦浴、穿换衣服、冷热疗法。■ 软件系统应用：· 提供单机版（一点一套）、网络版(一点多套）软件，用户可根据自己的实际需要进行选择。· 脚本/病例编辑：支持用户自编辑模拟护理病例，软件自动记录病情的变化和学员操作过程。· 模拟注射泵/输液泵的使用：多媒体动画展示注射泵/输液泵的操作流程，可选择药物进行操作。· 训练与考核：软件内存有几百道考题。支持心电图、急救知识理论、护理场景、病例、CPR训练与考核。· 心电图监护：使用指夹式血氧探头，实现模拟心电监护和真实心电监护，内部储存上千种心电图。· 护理场景脚本训练/考核：系统自带数十个场景，涵盖内科、外科、急诊、ICU等科室病人的护理，并通过交互性多媒体课件检验护理操作关键知识点的掌握程度。软件提供多种药物治疗和典型的辅助检查，如胸片、超声心动图，12导联心电图等。· 局域网络教学：可选配摄像头，具有彩色视屏监控功能，可对每个在线的学生的操作手法和过程进行实时视屏监控。综合计算机同步统计数据，便于教学掌握每个学生的训练考核情况。

本发明公开了一种应用于智能配电网的双有源桥直流变换器软启动控制方法，先解锁原边全桥，闭锁副边全桥和外移相角的闭环控制，原边全桥采用斩波控制，开关管Q3和开关管Q4以50％的占空比互补导通，开关管Q1和开关管Q2采用变占空比控制，并且每个开关周期以一定的步长增加；当副边电压上升到足以驱动开关管，且开关管Q1和开关管Q2的占空比都增至0.99时，解锁副边全桥及外移相角的闭环控制；当输出电压达到额定值时，切入负载，输出电压稳定完成启动过程。本发明有效抑制双有源桥直流变换器在启动过程中的电流过冲，保证电流的正负对称，降低对开关管的耐流要求，降低成本，避免变压器偏磁现象，降低变压器的容量、体积和成本。

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

 采用直流技术对海上风能进行汇聚和传输可以同时提高系统可靠性和灵活性，DC/DC变换器用于匹配不同电压等级以及接入直流发电和储能设备，为实现中高压直流电网中高效可靠的直流-直流变换，本项目首先研究中高压模块化多电平DC/DC变换器的可行电路拓扑结构，研究模块化多电平DC/DC变换器的运行和控制机制，解决均压控制问题，实现其电压和功率控制功能。依据理论研究成果，本研究组开发了60kW模块化多电平DC/DC变换器样机，对样机的测试结果验证理论分析以及所提出控制算法的有效性。 通过本项目的实施，解决了模块化多电平DC/DC变换器的调制、均压、控制等关键问题，验证其应用于直流电网的可行性。为未来直流电网的建设提供率了重要的理论参考和工程借鉴依据。 在本项目实施过程中，以国家千人计划，项目和中英自然科学基金项目为依托，本研究组与国家电网电力科学研究院、英国Strathclyde大学、英国Aberdeen大学合作开发了“带有DC/DC直流电压变换的大型新能源多端直流接入系统”的实证平台，研究和验证了直流电网的运行机制。针对模块化多电平DC/DC变换器，本研究组已申请专利一篇，发表多篇论文。

本发明涉及机械疏花疏果领域，特别涉及一种可调节式多轴旋臂疏花疏果机及其使用方法。该机械包括悬挂连接装置、方向调节机构、角度调节机构和旋转臂机构。该机械使用时，可直接挂装在农用拖拉机上，接通液压油管便可进行果园的疏花疏果作业。该机械能够调节疏花疏果机的横向长度、纵向高度以及角度后进行作业，具有良好仿形效果；其旋转臂机构的边条组(9)范围可根据不同果树和不同树形的实际需要变化，使单次疏花疏果范围可适应实际需求，具有适应性强的特点，且可大幅提高疏花疏果效率。

忆阻器，全称记忆电阻器(Memristor)。惠普公司的研究人员首次做出纳米忆阻器件，掀起忆阻研究热潮。纳米忆阻器件的出现，有望实现非易失性随机存储器。并且，基于忆阻的随机存储器的集成度、功耗、读写速度都要比传统的随机存储器优越。此外，忆阻是硬件实现人工神经网络突触的最好方式。由于忆阻的非线性性质，可以产生混沌电路，从而在保密通信中也有很多应用。目前，有机忆阻器普遍具有稳定性差、工作机理模糊不清、红外响应差的不足。所以，研究人员希望能够开发出具有高稳定性且红外响应好的有机忆阻器。

本发明公开了一种基于共栅ｃａｓｃｏｄｅ低噪声放大器的增益调节结构，包括粗调和细调两种模式，粗调模式通过减少ｃａｓｃｏｄｅ管ＮＭ２跨导的同时并联额外负载电阻的方式，减少从ｃａｓｃｏｄｅ管ＮＭ２源极看进去的等效负载阻抗来调节增益，细调模式通过并联额外负载电阻的方式，减少从ｃａｓｃｏｄｅ管ＮＭ２源极看进去的等效负载阻抗来调节增益。本发明采用细调通过使用耦合电容，构造了虚拟地，调节范围更大；另外由于到电源隔直电容的作用，细调支路几乎没有直流电流流过，同时粗调级将原ｃａｓｃｏｄｅ管中的部分电流抽取过来为己所用

本发明公开了一种基于半路径时序预警法的监测点偏差调节电路，该电路由监测点偏差率检测模块和时钟占空比调节模块组成。监测点偏差率检测模块通过ＴＤＣ分别检测关键路径起始点、监测点和末端点与关键路径起始点的延时，并通过ＴＤＣ的输出级数表示出来，ＴＤＣ将输出信号传输给ＡＣＵ，ＡＣＵ再将计算出的监测点偏差率和阈值相比较，当监测点偏差率大于阈值时，时钟占空比调节信号拉高。 时钟占空比调节模块在时钟占空比调节信号拉高时逐级增加时钟占空比，直到时序预警信号拉低，此时停止调节时钟占空比，最终实现降低由于路径监测点偏差而损失的功耗收益。

本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。 解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。 在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。 目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。

复杂地质条件下深井、软岩和动压巷道岩体呈现强流变特性，围岩的长期稳定性控制极其困难。现阶段，以钢管混凝土为主体的强力刚性支架支护形式在一定程度上缓解了原有U型钢支护强度不足、阻力过小、成本过高及让压受制等问题，钢管混凝土强力刚性支架是由钢管和混凝土组成的组合支护结构。现有的支护体系为U型钢或者单纯的钢性支护体系，无法吸收额外转移的能量，巷道围岩变形能量无法得到释放，而现有强力刚性支架支护系统由于支架与围岩接触面较小，容易导致钢管表面的应力集中，深部巷道刚性支架偏压现象明显，刚性支护让压能力欠缺，过高的强度要求导致支护成本上升。 专利优势： (1) 本发明通过弹性件的设置，解决了现有钢管混凝土强力刚性支护支护刚度有余而柔性不足的问题，通过装置内置的弹性可调节弹簧，利用较小的恒阻或变阻结构，实现支护体系在一定阻力条件下与围岩协调变形，达到缩小截面面积换取较小支护刚度，从而保证大变形巷道的长期稳定。 (2) 本发明通过无线压力传感器的设置，可对弹性件与让压节点部件之间的力进行检测，便于支架与围岩岩体之间发生协调变形时，对弹性件回弹力的调整。 (3) 本发明整个装置为拆卸式结构，可重复利用，节约资源。 (4) 本发明整个结构使得支护体系具有吸收额外转移能量的能力，以保证巷道围岩变形能量得到释放，支护系统所具有的这种让压能力可以释放不可控制的变形，提高支护系统的有效性和完整性。