产品详细介绍 產 品 特 性 高精密度 高功率因素 高效率 高超載能力 低電磁干擾 低諧波污染 低噪音 體積小重量輕 模具化設計 自動電子迴路系統 適 用 場 所 SMT/AI 設備 　 程序控制系統 醫學監控系統 電子通訊設備 生產線設備 銀行電子設備 自動測試設備 CAD/CAM CNC 放電加工機 CNC PCB 鑽孔機 塑膠射出成型機 電子醫療儀器 實驗室電子設備 電子檢驗設備 音響與視訊設備 安全警報系統 電腦及其相關產品 辦公室 OA 設備 影印/印刷設備 多媒體設備

一种基于MMC的含电容器桥臂的单相—三相变流系统，由单相两桥臂变流器和三相三桥臂变流器“背靠背”联接而成，主要用于电力牵引的单相电源到三相电机的有功功率传递；将电容器桥臂与MMC桥臂相组合，最大限度降低系统造价；其中电容器桥臂由两套相同的电容器组串联而成，电容器组皆由同规格的直流储能电容串并联构成；MMC桥臂由两套相同的MMC链串联而成，MMC链由一个电感L与p个结构相同的功率模块串联，功率模块为单相半桥结构，均由一个IGBT半桥和一个直流储能电容构成；该系统尚可补偿谐波和无功功率，也适于变压、变频、变相等场合；本实用新型技术先进、可靠，易于实施。

本发明公开了一种基于拉曼光谱技术的藻种分类识别方法，包括：取相同藻种的多个样本，每个样本均为当前藻种的活体藻液，采用拉曼光谱仪获取各个样本的拉曼光谱原始信息；对采集的拉曼光谱原始信息进行预处理，得到对应的预处理谱图，然后采用偏最小二乘法从各预处理谱图中提取主因子；更换藻种，获得与不同藻种相对应的主因子；以所有藻种的主因子作为输入，以与各主因子相对应的藻种分类为输出，建立BP神经网络模型；取待鉴别活体藻液，获得该待鉴别活体藻液的主因子并输入所述BP神经网络模型，获得待鉴别活体藻液中所包含的藻种分类。本发明实现了基于拉曼光谱技术的藻种快速准确分类，大大简化了操作步骤，缩短了检测时间。

本发明公开了一种基于被动毫米波极化成像的材料分类方法； 首先利用毫米波辐射计成像系统在无极化照射环境中获取给定入射角 下场景的水平极化图和垂直极化图；再根据水平极化图和垂直极化图 计算得到“线极化比”图像；然后统计分析“线极化比”的分布规律， 利用阈值估计公式估计“线极化比”阈值；最后根据分类准则，实现 对场景中的金属材料和非金属材料的分类。本发明能非接触、被动地 对金属材料和介质材料的进行有效分类，并且不受环境辐射变化的影 响，具有很好的鲁棒性，可用于金属目标的遥感与探测、金属危险品 的安全检测与预警等领域。

1. 痛点问题 2021年12月，生态环境部会同相关部门印发了《“十四五”时期“无废城市”建设工作方案》，指出将在100个左右地级及以上城市开展“无废城市”建设，对提升城市固体废物的全过程管理水平提出了更高的要求。然而，当前我国许多城市固体废物产生量持续加大，无害化处置能力尚未得到有效保障，处理设施布局零散，固体废物精细化、信息化管理水平较低，在构建先进的城市固体废物管理模式中面临顶层设计、基础设施、管理体系等软硬件条件的不足，显著影响“无废城市”建设成效及固废管理领域碳减排目标的实现。亟需改进传统碎片式、分种类、智能化水平较低的固体废物管理模式，依托物联网和智慧支撑技术形成多种类型固体废物分类-收运-协同处置全链条系统性方案，充分发挥固废处置中的减污降碳协同增效作用，提升城市固体废物处理在全环节规划设计、工艺技术集成优化、工程及园区的可持续运营等方面的综合实力。 2. 解决方案 针对城市固体废物全过程管理问题，本项成果发挥清华大学环境学院循环经济产业研究中心在城市固体废物管理理论研究、工艺优化调控和规划决策应用等领域的长期积累，开发“无废城市”建设顶层系统规划工具，研发全链条工艺模拟与优化技术，搭建基于物联网和大数据的城市固废智慧化管理平台，形成能够有效服务于“无废城市”建设的城市固废分类-收运-协同处置全链条系统性解决方案。具体包括： （1）针对城市固体废物处理处置系统存在的现实问题，在整个城市层面构建从源头分类减量到末端处理处置、处理设施协同共生的工程技术体系和管理运营模式，打造处理设施协同共生、碳减排和二次污染集中控制效果显著、实现物质有序循环和能量梯级利用的多源固废协同处置园区，构建无害化、资源化、可持续的城市循环代谢链网； （2）开展多源固废处理处置工艺机理模拟，揭示固废-水-能耦合代谢路径与减污降碳潜力空间，实现工艺参数优化；模拟不同固废管理路径对物流、能流的影响，支撑不同应用场景下涵盖源头分类及减量化、污染处理处置、残余物集中控制全过程的工程技术体系优化； （3）基于物联网、智能监控、在线仿真技术等，构建城市固废管理多源异构大数据系统，形成原创性固废智慧管控技术，支撑建立集固废监测、溯源、预报、应急、调控等功能于一体的可视化管理平台，提供多场景、多效能、智慧化城市固废系统性解决方案。 合作需求 （1）与从事城市固废处理、再生资源回收利用、静脉产业园建设等领域的企业以及绿色金融机构开展业务合作； （2）项目孵化需办公场地500平米，天使轮融资需求约3000~5000万。

本成果提出的基于超像素样本扩充的空谱全卷积高光谱图像分类方法有效的利用高光谱图像的超像素分割结果指导伪样本扩充增加了训练集样本数量，解决了高光谱图像有标记样本的稀缺问题，同时空谱的全卷积分类网络也充分利用了多尺度的空间特征和光谱特征实现了较高的分类精度。 成果非涉密，专利申请已经提交。 实验采用反射光学系统成像光谱仪（ROSIS）传感器获取意大利北部帕维亚大学（Pavia  University）的高光谱图像数据。该数据集由 103 个光谱带组成，共 610×340 像素，光谱覆盖范围从 430nm 到 860nm，空间分辨率为 1.3m。该数据集一共含有 9 个类别的 42776个有标记样本，选取每类 30 个有标记样本作为训练集，其余作为测试集。 由下表可以看出，在每类选取 30 个样本的情况下，本 模 型 的 OA，AA，Kappa系 数 比 DFFN 模 型 高 出20.8%，17.4% 和 26.5%；比CNN 高 出 23.1%，18.8% 和29.2%。并且下表证明了使用了伪标签样本扩充的空谱全卷积网络的本方法在小样本情况下每个类的分类准确性均优于 DFFN 和 CNN，达到了较好的分类效果。 表 1 PaviaU 数据集上对比实验结果

该成果提出了一种基于空谱差分辅助核联合稀疏表示分类的高光谱图像分类方法。本章方法的主要创新性在于：1）能够将光谱的差分辅助信息和原光谱特征信息有效结合。2）能够考虑不同光谱属性间的高阶空间相关信息。3）原空谱和差分空谱核特征字典的信息通过具有混合正则的核联合稀疏表示分类方法得到充分利用。通过在真实高光谱图像数据上的实验表明，该成果提出的方法能够有效地提高高光谱遥感图像的分类效果。 主要技术指标 不同数据集下的训练样本与测试样本数参阅表 1. 在该训练样本集数量下的分类结果表现参见表 2. 相比于传统分类器 SVM，OA 提高了约 20%；相比于 SOMP，OA 提高了约20%。 该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果，同时在较少训练样本条件下仍能得到较好的分类精度和分类效果。 表 1. 不同数据集下的训练样本选取数量 表 2. PaviaU 大学数据下不同方法的正确率比较

本发明公开了一种基于可穿戴生理设备的睡眠阶段分类检测算法，包括以下步骤：获取多模态脑电生理信号；对多模态脑电生理信号依次执行滤波去除噪声和Z‑score归一化处理，得到预处理信号数据；对预处理后的信号数据通过反向传播算法和梯度下降优化实现，以交叉熵损失函数衡量生成信号与真实信号的差异，不断调整参数使生成信号更接近真实睡眠信号；构建一个与生成器具有相同的卷积单元形式的判别器，判别器与生成器构成生成对抗网络模型，自动调整调节参数，输出不同睡眠阶段的分类结果。本发明通过合理整合EEG和EOG等信号和GAN模型的应用，使模型能够学习到真实睡眠信号的分布并进行准确分类；提高分类的准确性和稳定。

本发明公开了一种云计算服务器集群网络保障方法，包括：虚 拟机资源分配管理模块对管理员提供的服务器集群网络拓扑、服务器 集群计算和存储资源进行初始化，请求调度管理模块接收租户提交的 创建服务请求，根据虚拟机资源分配管理模块中的服务器集群网络拓 扑以及服务器集群计算和存储资源进行服务请求放置分析，以确定创 建服务请求对应的虚拟机所要放置的服务器，虚拟机资源分配管理模 块根据请求调度管理模块中虚拟机放置的分析结果在虚拟机集

本发明公开提供了一种网络感知的虚拟机镜像存储系统，该存 储系统包括私有缓存管理模块、公有缓存管理模块、网络监控模块、 决策模块和动态寻址模块；其中，私有缓存管理模块、公有缓存管理 模块、网络监控模块和动态寻址模块位于计算节点，决策模块位于管 理节点；还公开了一种基于以上存储系统的读写请求处理方法，使得 网络负载较轻的节点处理更多的镜像访问请求，而网络负载较重的节 点处理较少的镜像访问请求，从而避免产生 I/O 热点，