产品详细介绍   24V 200A 开关通电测试检测用BX8D八管可调滑线变阻器   滑线变阻器（又叫滑动变阻器，同一种产品）   BX7D/BX8D系列滑线变阻器本产品适用于50Hz、380V以下，直流440V以下的电路中，在电气机械设计阶段中作变更电流、电压和作为代替未定阻值的可变电阻器应用，在实验室中作研究试验或教学演示用的电流、电压调节器，以及作为发电设备和直流电动机的励磁、调速电阻等之用。 本产品采用经过氧化绝缘处理的康铜丝，密绕于瓷管上，并固定于金属保护支架上，通过接触系统的导电电刷，在康铜丝表面移动，以达到改变阻值的大小。24V 200A 开关通电测试检测用BX8D八管可调滑线变阻器 其主要特点：1、选用优质黑色康铜材料,传统工艺，可靠性强。2、在连续工作状态下，温漂较小。3、阻值/电流连续可调，精度高。4、内部结构布局合理,操作简便实用。5、通过串并联的方法，可以任意组合，以适应电压、阻值等各种参数的要求，替换方便。         订货选型须知：BX7D手推式滑线变阻器/滑动变阻器                 BX8D 手摇式滑线变阻器/滑动变阻器   确定电流和阻值；具体规格型号表可询问销售人员，BX7D单管手推式滑线变阻器，也能做成单管手摇式的产品，具体可咨询。24V 200A 开关通电测试检测用BX8D八管可调滑线变阻器    具体可咨询销售人员   以服务为基础！以质量为生存！以科技求发展！

一、产品简介      光无源器件是光纤通信设备的重要组成部分。它是一种光学元器件，也是其它光纤应用领域不可缺少的元器件。该实验仪重点介绍了常用的光无源器件的相关参数及测试方法，主要包括光纤转换器、光纤变换器、光纤耦合器，光纤隔离器、光纤衰减器、WDM等器件的参数的测试原理及测试方法。帮助学生直观的了解各种光无源器件的性能，从而更准确的使用不同器件进行光纤通信方面实验。 二、实验内容  1、光纤转换器测试实验  2、光纤变换器测试实验  3、光纤耦合器测试实验  4、光纤隔离器特性测试实验  5、波分复用器和解复用器测试实验  6、可调光纤衰减器测试实验  7、光纤机械光开关特性测试实验  8、光纤偏振控制器特性测试实验  9、光纤偏振分束器（PBS）性能能参数测试实验 三、实验配置参数 1、光源：波长1310±20nm，1550±20nm；输出功率：1-2.5mw，连续可调；输出端口：FC/PC；稳定性＜0.5db（5h）；光源类型：LD光源； 2、光功率计：波长范围800-1700nm；输入接口：FC 校准波长：1550nm,1310nm； 3、偏振控制器：插入损耗＜0.05dB；消光比＞40dB；回波损耗＞65dB； 4、光纤机械光开关：插入损耗：1310/1550  P1→P2 0.56/0.54 dB ，P1→P3 0.53/0.47 dB ;回波损耗＞50dB ；开关速度：≦8ms ； 5、高隔离度光纤隔离器：最大插入损耗：0.35dB ；回波损耗：≧50dB ；隔离度：≧30dB ； 6、光纤耦合器：分光比：50% : 50% ；最大插入损耗1310/1550: 3.3dB ; 7、光纤波分复用器：隔离度：1310nm ：31.8% ；1550nm ：34%；插入损耗：1310nm ：0.30%；1550nm ：0.34% ； 8、光纤可调衰减器：0-30db可调； 9、配置：光纤光源，光纤光功率计、光纤耦合器、光波分复用器、光纤偏振控制器、光纤偏振分束器，可调衰减器、光纤隔离器、光纤机械光开关、法兰盘、实验指导书及实验录像光盘等。 四、实验目的 1、了解光连接器及其原理、种类，实验操作进行连接器参数测量； 2、掌握光纤偏振控制器工作原理，实验操作单模光纤偏振状态控制； 3、了解光纤耦合器用途及其性能参数，实验操作测量耦合器特性参数测量； 4、了解光纤隔离器用途及其性能参数，实验操作光纤隔离器特性参数测量； 5、了解光纤光开关用途及其性能参数，实验操作光纤光开关特性参数测量； 6、了解光波分复用器（WDM）的原理与意义，操作双波长波分复用（WDM）的原理性实验；

一、产品介绍 MXY8201 LED/LD发光角综合测试仪根据多种封装形式的LED发光二极管、LD半导体激光器和微型钨丝灯等光源发光强度的空间变化，对其发光角度的空间分布特性进行测量，在半发光角与光轴等方面的测量精度高达0.5°。 二、教学目的 1、了解发光光源中心轴空间角的定义； 2、了解发光光源的半发光强度的角度的定义； 3、了解发光光源中心轴与机械轴的偏差角的定义； 三、实验内容 1、测量LED正向电压； 2、测量LED反向电压； 3、测量LED的正、反向工作电流； 4、测量发光光源中心轴空间角； 5、测量发光光源的半发光强度的角度； 6、测量发光光源中心轴与机械轴的偏差角；

IECUBE-3100集成电路测试实训平台是一个源于继承广电路行业实际工业应用场景，基于集成电路行业国际领先的NI测试测量技术，针对集成电路测试技能培养而专门开发的实训平台，可以完成典型集成电路的测试实训，包括ADC、DAC、PA、数字逻辑IC以及晶体管等。

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。