髂后上棘骨髓穿刺模型外观形象逼真，体表骨性解剖标志清晰，穿刺部位骨骼 为可替换耗材模块，便于反复训练，提升操作技能。适用于临床医学基本技能、执业医师实践技能考试对骨髓穿刺术操作的教学、训练及考核。

在可持续发展战略的影响下，属于清洁能源范畴的纯电动汽车、混合电动汽车及燃料电动汽车的发展成为世界各国关注的焦点。传统的离合器空调压缩机在新型的电动和燃料汽车上无法使用，因此研制新型的电动压缩机成为电动汽车整车配套的必然选择。电动汽车器件布置比较紧、自重大，为了实现电动压缩机小型化和轻量化的目的，压缩机设计采用了直流无刷电机和涡旋压缩机一体化半封闭的设计方案。由于电机内有制冷剂和冷冻油流过，无法安装位置传感器，因此需要开发无位置无刷直流电机电动压缩机控制器。SED36型一体化整体电动压缩机及其控制器由华东理工大学和上海三电贝洱汽车空调有限公司合作自主开发，填补了国内空白，技术水平达到国际领先水平。申报了两项具有自主知识产权的国家发明专利和一项国际发明专利，两项国家发明专利已经公开。PCT专利申请号为：CN2004/001552；国家专利公开号：1538613和1635310。第一代产品通过了上海汽车工业科技发展基金会的验收，第二代产品经上海市科学技术委员会鉴定，鉴定认定技术达到国际领先水平。

在可持续发展战略的影响下，属于清洁能源范畴的纯电动汽车、混合电动汽车及燃料电 动汽车的发展成为世界各国关注的焦点。传统的离合器空调压缩机在新型的电动和燃料汽车上 无法使用，因此研制新型的电动压缩机成为电动汽车整车配套的必然选择。电动汽车器件布置 比较紧、自重大，为了实现电动压缩机小型化和轻量化的目的，压缩机设计采用了直流无刷电 机和涡旋压缩机一体化半封闭的设计方案。由于电机内有制冷剂和冷冻油流过，无法安装位置 传感器，因此需要开发无位置无刷直流电机电动压缩机控制器。SED36型一体化整体电动压缩 机及其控制器由华东理工大学和上海三电贝洱汽车空调有限公司合作自主开发，填补了国内空 白，技术水平达到国际领先水平。 主要技术参数：工作电压范围为DC280V-360V；压缩机转速为600-10000rpm； 输入功率等级为2.5KW；具有参数自适应和多种保护功能。 适用于纯电动汽车、混合电动汽车及燃料汽车空调系统；无位置无刷直流电机控制方法具 有技术通用性，适用于各个行业的无位置无刷直流电机控制

报道了pre-tRNA结合人源tRNA剪接内切酶 (tRNA splicing endonuclease, TSEN) 复合物处于“预催化”和“催化后”两种状态的高分辨率结构，结合体外生化，揭示了TSEN复合物识别和剪切pre-tRNA内含子的分子机理。

产品详细介绍至尊8188亚克力防盗仪 产品编号：323 型　号：至尊8188(SSLT-EM-2008A) 品　牌：盛世龙图 档　次：高档 推荐指数：      特点描述： 采用纯进口全亚克力材料设计、耐磨性强、晶莹剔透，报警灯光采用全反射、全迷幻效果设计，先进的液晶显示人次统计系统，具有精确的报警和超高的检测率，通过公安部安全与警用电子产品质量检测中心检验，是国内外高档图书馆、大型书城、书店、图书馆、药店、音像店、化妆品店、部队等首选产品，现大量出口国外50多个国家。 具体说明： ◆ 保护宽度： 单通道75-120厘米。 ◆ 灵敏度高：采用DMPD（动态多相位检测）技术，最短可以探测3厘米的磁条，高保障地检测目前市面上的全部磁条产品。 ◆ 稳定性好：拥有世界上最先进的DSP技术，完美确保系统的稳定性与可靠性。 ◆ 无误报：先进的检测仪自检能力，有效识别、过滤外界干扰源，实现行家客户要求的高报警、无误报的理想效果。 ◆ 抗金属能力强：自主开发的智能数字化微电脑控制技术和三环同步递归滤波技术，空前提高系统的抗金属干扰的能力，并对抗金属干扰进行自由调节。 ◆ 保护范围广：不仅可以保护图书、药品、化妆品、音像制品，还可以保护U盘、MP3、MP4、移动硬盘、笔记本电脑等电子产品。 ◆安全技术检验：通过公安部安全与警用电子产品质量检测中心检验。 ◆生产工艺：按照公司通过的ISO9001：2000质量管理体系认证要求，高标准、高质量组织设计、生产与服务。 ◆ 技术针对性强：针对大型书店、图书馆、药店、音像店、化妆品店等的安装要求设计。 ◆ 极具视觉冲击力的设计：外观设计高雅大方，选用日本进口亚克力材料、透光性强、抗磨性强、不变形；报警灯光采用全反射、全迷幻效果设计； ◆ 先进的进店客流人次统计功能（三种模式）：可通过独家开发的可视液晶模块实现总人数历史统计（无需计算机、默认配置）；可通过连接计算机实现当日和历史客流流量的统计、分析、报表生成等（需计算机）；通过主机内置模块实现当天人次统计。 ◆ 符合绿色环保标准：产品功率小于5瓦，使用寿命长、耗电量少，对人体无辐射。设计与制造完全符合美国联邦通讯委员会（FCC）颁发的有关无线电频率、信号强度、电磁干扰（EMI）及其它方面的规定。 ◆ 性价比高：国际品质、国内价格  技术指标：  ◆ 综合报警率 98% ◆ 报警方式: 声光报警（报警灯采用全反射、全迷幻效果设计） ◆ 探测范围： 高：5-165cm 宽：75—120cm ◆ 信号处理： 数字式-DMPD（动态多相位检测）技术、DSP多重滤波技术 ◆ 制作材料：纯进口亚克力材料，不变形、不变色、晶莹透亮、抗磨性强 ◆ 无故障时间≥80000小时 ◆ 外型尺寸：150 cm*48cm*3cm ◆ 天线功率： 3.6W-5W ◆ 工作电压：AC:220V±20%、50Hz ◆ 安装形式：底座式、金属扣槽式、预埋管式、切割扣槽式

本发明属于食品检测技术领域，涉及一种畜禽肉黏弹性无损检测方法，具体涉及一种多要素黏弹模型建立及其黏弹参数确定的方法。具体步骤为：首先利用畜禽肉黏弹性无损检测系统采集、计算待测样品的应变数据；然后根据待测样品的变形特征选择多要素模型，将不同多要素模型与不同数据拟合算法结合，对应变数据进行数据拟合，建立若干畜禽肉多要素黏弹模型；最后比较若干畜禽肉多要素黏弹模型的拟合效果，根据实际需求，选择最佳畜禽肉多要素黏弹模型，并计算黏弹参数。最终实现对畜禽肉黏弹性的无损、快速检测。

本项目提出了将时间维度与空间维度相结合的多尺度综合能源需求分析与预测模型，设计并实现了一种面向智慧城市的综合能源需求分析与预测的方法，提升能源供应规划和营销策略的优化与决策支持。

一种基于Bagging?RNN模型的电梯制动性能评价方法，包括：a)获取不同制动性能的电梯在制动过程中的闸皮温度序列数据，作为样本集；b）按照比例将样本集划分为训练集和验证集；c）使用训练集数据训练Bagging?RNN模型，根据训练误差修正Bagging?RNN模型参数；d）使用验证集数据验证Bagging?RNN模型的泛化能力，根据验证结果进一步修正Bagging?RNN模型参数，将修正后的Bagging?RNN模型作为电梯制动性能的评价模型；e)将被测电梯在制动过程中的闸皮温度序列数据作为Bagging?RNN模型的输入，模型输出被测电梯的制动性能评价结果。本发明从电梯制动时电梯闸皮最高温度变化的生成机理出发，获取不同制动性能电梯制动过程中的闸皮温度序列数据，并基于历史数据提出了相应的电梯制动性能的评价方法。

一、项目简介 随着科技进步和社会需求的发展，机器人手/臂除了工业生产，也越来越多用于服务人类的其它各个领域，这必然会使机器人承担比工业中更加多样的操作任务，面临更加多变的工作环境。因此，国内外对非结构自然环境下、具备自主操作能力的机器人的研究十分重视。当前，具备视觉感知能力的机器人已被公认为机器人发展的主流趋势，将视觉与机器人操作相融合，是对人类行为的模拟，由此产生的视觉伺服控制方法为机器人自主操作能力的实现带来了新的思路，代表了机器人的先进控制技术，也是促进机器人智能化发展的一个重要驱动。可以预见，未来的视觉系统将会成为机器人名副其实的眼睛，视觉伺服技术在机器人自主操作中将具有不可替代的作用。 视觉伺服利用视觉传感器提供的环境信息对机器人运动进行实时反馈控制，涉及机器人机械几何设计、运动学和动力学、自动控制理论、计算机视觉图像处理和摄像机标定等,是智能机器人领域中具有重要理论意义的研究课题之一。迄今为止，机器人手/臂的视觉伺服方法在太空遥操作、机器人手术、水果采摘、工业装配、焊接、抓取以及微操作等方面得到越来越多的应用。然而，现阶段可实际应用的方案主要面向特定的标定环境、模型参数已知，机器人操作是编码定式的，不具备模型未知条件下的自主操作能力，特别是当面向未来的刚-柔-软体共融机器人时，其柔型结构造成的运动模型及参数的变化与不确定性，必然使现有确定模型的研究方法失效。因此，无模型（目标几何模型，手眼标定模型，机器人运动模型）、非结构环境下的自适应操作对机器人提出了新挑战，是机器人手臂(尤其柔型手臂)视觉伺服控制研究的难点与前沿问题，不断深入对非结构环境下、无模型的机器人手/臂视觉伺服控制的研究具有重要的理论和现实意义。 在非结构自然环境下使机器人像人一样协调自适应操作是当今机器人研究领域的一项尚未实现但又令人感兴趣的研究工作。从理论上看，非结构自然环境下实现机器人柔性操作，就当前研究依靠单一的控制器设计是困难的。因此，本项目借鉴人的手眼协调操作是自适应学习过程，涉及智能进化和行为优化，将随机动态规划理论，结合约束规则与最优化控制，探索一种变参手眼关系，实现机器人在非结构自然环境下的自适应操作。 二、前期研究基础 研究团队一直致力于机器人视觉反馈控制的研究。在基础理论研究上，针对无标定视觉伺服控制方案与设计，均提出了一些新型方法，有扎实的理论基础和知识积累，并不断跟踪和深入在无模型视觉伺服控制的方面研究和前沿问题。目前，已经着手在无模型视觉伺服的可靠性、稳定性控制方面做了充分的探索工作：针对机器人无标定全局稳定操作问题，研究了一种鲁棒卡尔曼滤波(RKF)合作Elman神经网络(ENN)的全局稳定视觉伺服控制方法；提出了一种基于网络辅助尔曼滤波状态估计的无标定视觉伺服方法，提高伺服系统的鲁棒性。同时，立足机器人发展前沿，建立了多模特征深度学习抓取系统，在无结构环境下实现了机器人智能抓取与定位。 已发表的与项目相关的主要论文有： [1] 仲训杲,徐敏,仲训昱,彭侠夫.基于多模特征深度学习的机器人抓取判别方法.自动化学报,2016,7(42), pp:1022-1029. (EI) [2] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robots Visual Servo Control with Features Constraint Employing Kalman-Neural-Network Filtering Scheme. Neurocomputing, 2015, 151(3), pp:268-277 (SCI)  [3] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robust Kalman FilteringCooperated Elman Neural Network Learning forVision-Sensing-Based RoboticManipulation with Global Stability. Sensors, 2013, 10(13), pp:13464-13486. (SCI) [4] Xungao Zhong, Xiafu Peng, Xunyu Zhongand Lixiong Lin. Dynamic Jacobian Identification Based on State-Space for Robot Manipulation. Applied Mechanics andMaterials, vols. 475-476 (2014)pp: 675-679.(EI) [5] Xungao Zhong, Xiafu Peng, Xunyu Zhong and Xueren Dong. Multi-Channel with RBF Neural Network Aggregation Based on Disparity Space for Color Image Stereo Matching. IEEE 5th International Conference on Advanced Computational Intelligence (ICACI), 10(2012) PP:620-625. (EI) [6]XUNGAO ZHONG, XIAFU PENG, XUNYU ZHONG. NEURAL-BAYESIAN FILTERING BASED ON MONTE CARLO RESAMPLING FOR VISUAL ROBUST TRACKING. Journal of Theoretical and Applied Information Technology, 2013, 2(50), pp: 490-496. [7] Xungao Zhong, Xiafu Peng and Xunyu Zhong. Severe-Dynamic Tracking Problems Based on Lower Particles Resampling. TELKOMNIKA Indonesian Journal of Electrical Engineering. 2014, 12(6), pp:4731-4739. [8] Xunyu Zhong, Xungao Zhong and Xiafu Peng. Velocity-Change-Space-based Dynamic Motion Planning for Mobile Robots Navigation. Neurocomputing. 2014, 143(11), pp:153-163. (SCI) [9] Xunyu Zhong, Xungao Zhong, Xiafu Peng. VCS-based motion planning for distributed mobile robots: collision avoidance and formation. Soft Computing,2016,5(20), pp: 1897-1908. (SCI) [10] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于雅可比预测的机器人无模型视觉伺服定位控制, 控制与决策, 已在线发表, 2018. [11] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于图像的机器人非标定视觉反馈控制全局定位方法, 厦门大学学报(自然科学版), 已录用, 2018. 三、应用技术成果 （一）基于多模特征深度学习的机器人抓取判别 研究了多模特征深度学习及其在机器人智能抓取判别中的应用，该方法针对智能机器人抓取判别问题, 研究多模特征深度学习与融合方法. 该方法将测试特征分布偏离训练特征视为一类噪化, 引入带稀疏约束的降噪自动编码 (Denoising auto-encoding, DAE), 实现网络权值学习; 并以叠层融合策略, 获取初始多模特征的深层抽象表达, 两种手段相结合旨在提高深度网络的鲁棒性和抓取判别精确性. 实验采用深度摄像机与 6 自由度工业机器人组建测试平台, 对不同类别目标进行在线对比实验. 结果表明, 设计的多模特征深度学习依据人的抓取习惯, 实现最优抓取判别, 并且机器人成功实施抓取定位, 研究方法对新目标具备良好的抓取判别能力. （二）无标定视觉伺服解决方案及其机器人操作应用 研究了无标定视觉伺服方法及其在机械臂任务操作中的应用。首先提出视觉伺服目标：假设机器人或者摄像节的模型参数未知或者部分未知，视觉伺服的目标是使用摄像节作为传感器，引导机械臂运动，使当前图像特征收敛到期望图像特征，从而完成定位或者跟踪的任务。 手眼协调关系描述。关节图像雅克比矩阵定量描述了机械臂关节变化引起图像特征变化，它是关节-图像映射的局部线性化矩阵。 建立图像雅克比的在线估计器。将关节图像雅克比矩阵的每一个元素作为辅助系统的状态，建立辅助系统的状态方程；摄像机提取到的图像特征作为测量值，建立辅助系统的观测方程。根据Kalman滤波器理论，我们设计了对关节图像雅克比的在线实时估计算法。 构建基于图像矩的目标函数。为了避免传统的基于点特征的缺陷，例如点特征的标记、提取与匹配过程复杂且通用性较差问题。构建基于图像矩的图像特征向量完成视觉伺服任务，来提高视觉伺服系统的稳定性和可靠性。 四、合作企业 厦门万久科技股份有限公司是一家集销售、软件研发、技术服务、加工技术整合为一体的高新技术企业。目前公司的经营范围涉及CNC软件开发及数控系统销售、CNC控制零件销售及专业维修；工艺优化、机台升级与技术改造、工程配电与软件优化、专用机控制系统开发、多轴机的设计与开发、机台精度检测与校正优化服务等。公司是国际知名生产制造企业——富士康的产品供应商和技术服务商。