艾柯AI人工智能实验室超纯水系统  EDI去离子水, 实验室专用超纯水机、纯水设备, 电阻率≥18.2或电导率≤0.055 适合水源：城市自来水 制 水 量：100L-200L/H 出水水质：纯净水、RO纯水、UP超纯水 产品配置：7寸触摸屏、双波长紫外消解仪、原装进口耗材、可加配移动取水手臂 产品特点：TOC实时检测显示、全智能语音助手、远程控制     AI人工智能实验室超纯水系统 “艾柯AI人工智能实验室超纯水系统是配备艾柯自主技术4G物联网功能，可连接手机或电脑远程操控整套系统，采用微电脑全自动控制，配备PLC物联网模块，人性化设计，占地面积小，操作使用方便。设备一机多用，可同时制备取用多种水质的水，纯净水、RO纯水、UP超纯水。产水量100-200L/H可选，RO水水质电导率≤5 μS@25℃，超纯水水质标准优于GB6682-2008一级水标准，全面满足各类清洗、实验、分析、科研等不同用水需求。”       ▎技术参数 ▎艾柯-专注水处理行业22年 机器型号 AK-AIZN-UP AK-AIZN-EDI-UP 进水水源 城市自来水 水温5-40℃ 水压1-5kg  TDS＜350ppm 电    源 380V/50HZ 功     率 1KW 1.2KW 机器重量 185KG 200KG 主机体积 长650mm×宽900mm×高1388mm 制备取水 一机多用，可同时制备取用多种水质的水：纯净水、RO纯水、UP超纯水 储水箱 22G全封闭真空压力储水桶或PE桶 紫外灭菌 配置185nm和254nm双波长紫外消解仪 制水量 100L/h  120L/h  150L/h  180L/h  200L/h 取水流速 饮用纯净水：3.4L/min  RO纯水：3.2L/min  UP超纯水：3L/min 饮用水水质 电导率≤10uS/cm@25℃ 水质达到中国国家瓶装饮用纯净水（GB17324-1998）标准 RO纯水水质 电导率≤5μS/cm@25℃;电阻率≥0.2ΜΩ.cm@25℃;杂质去除率98% 水质标准达到中国国家实验室用水（GB6682-2008）三级水标准优于普通蒸馏水 超纯水水质 电阻率值 18.25ΜΩ.cm@25℃ 电导率值 ≈0.055μS/cm@25℃ 热 源 ＜0.01Eu/ml ＜0.02Eu/ml 微生物值 ＜1cfu/ml 总有机碳 TOC：＜3ppb TOC：＜1ppb 阳离子含 ＜0.02ppb ＜0.01ppb 阴离子含 ＜0.03ppb ＜0.02ppb 达到标准 中国分析实验室用水规格（GB6682-2008）一级水标准美国试药级（CAP、ASTM、NCCLS）超纯水水质标准中国国家电子级超纯水规格（GB/T11446.1-1997）EW-I标准 标准配置  PP→AC→RO→DI→UP→UV→UF PP→AC→RO→EDI→UP→UV→UF 适用范围 分子生物学、血液分析、微量分析、药物成分分析、ICP-MS、ICP、GC-MS、LC-MS、HPLC、AAS、PCR、TOC等各行业高端标准实验室研究、分析、检测用水   ▎系统功能 ▎艾柯-专注水处理行业22年 智能语音远程控制 微电脑全自动控制，配备PLC物联网模块，人性化设计，具备人机对话功能 多功能预警系统 系统具备故障监测、自动报警功能，可远程修复控制系统的各项错误乱码程序 定量定质定时取水 系统具备定时、定量、定质取水功能，可任意设置定量取水(0.5L-100L)，定质取水(R0水、EDI水、UP水)定时取水(1min-60min)，免除人工频繁手动取水等候 360°可移动取水手臂 配备取水手臂加脚踏取水功能，同时拥有三套控制取水功能，设备操作更加便捷、可靠 AI语音智能对话 具备AI语音智能对话，语音唤醒开机、关机、待机、取水 取水记录下载功能 支持历史系统记录查询，可保存两年取水记录，可通过USB远程读取数据 四路水质检测显示 具备“AK”专用四路水质检测和温度显示功能，可同时检测和显示：进水电导、RO水电导、UP水电阻、EDI水电阻 TOC实时检测显示 具备“AK”专用内置总有机碳量(TOC)检测装置与现实功能，设计符合USP要求检测范围0-999ppb，检测精度士1ppb，提供在线TOC检测 原装进口纯化滤芯 配备“AK”专用大容量核子级超纯化罐、DI纯化柱，水质稳定，寿命更长 智能液晶触控大屏 配备7寸智能电容屏，可以实时查看整机运行流程图加各项检测数据，操作简单、智能 封闭式一体化设计 系统采用中央一体式设计，无外置模块，占地面积更小系统集中化使安装、位移、维护更加便捷   ▎适用范围 ▎ 艾柯-专注水处理行业22年 生化分析、血液分析、微量分析、环境分析、理化检测分析 药物成分分析、基因研究、分子生物学、生命科学、组织培养 生物工程、动植物细胞培养、氨基酸分析、蛋白质纯化、毒理研究 IVF实验、DNA测序、毒理研究、ICP-MS、ICP GC-MS、LC-MS、HPLC、AAS、PCR、TOC等标准实验室研分析、检测用水    

分布式小型光伏电站系统施工建设仿真实训让学员以现场施工工程师的身份根据提供的项目说明书、施工图纸和材料到现场进行小型电站的模拟施工，提高学员的实践能力和动手能力。 1.1. 场景设计 虚拟场景主要由厂户楼顶施工场景组成； 场景模型主要包括：厂户建筑模型、支架基础桩、支架前后立柱、横梁、侧梁、接地扁钢、晶硅光伏组件、边压块、中间压块、接线盒、连接线、直流汇流箱、进线、出线、熔断器盒、断路器、避雷器、逆变器、PVC保护线管、五金螺丝螺母、安全帽、施工工具等 1.2. 互动设计 在施工场景看懂图纸，检查施工物料 根据提示到指定位置使用工具把支架、光伏组件、汇流箱、逆变器一一安装起来 进行组件阵列间串联和并联接线 进行防雷焊接 施工完成后进行投切并网操作 场景植入VR太阳模块，精准计算该项目所在位置的太阳位置，太阳高度角和方位角，在虚拟场景中全时仿真太阳产生的阴影。

近年来已经建立了基于故障字典，模糊理论，专家系统，神经网络，支持向量机，信息融合，小波分析，粒子群等各种技术的不同故障诊断方法，并在模拟电路的实际检验中取得了良好的效果。然而，电路从正常到故障之间存在中间过渡状态，怎样定义这个中间状态以及其对电路有怎样的影响，如何准确描述这种影响，通过查阅文献，到目前为止还没有一种合理的方法能够解决这个问题。

本发明公开了一种基于选择性隐朴素贝叶斯分类器的网络故障 诊断方法，包括：(1)从网络历史数据库中获取历史数据，包括症状变 量集以及故障类变量集；(2)构建选择性隐朴素贝叶斯分类器预测模型， 根据症状变量集中的每个症状变量确定对应的最相关症状变量集合； (3)所述选择性隐朴素贝叶斯分类器通过训练历史数据自动学习到分类 器参数；(4)进行故障诊断时，对测试数据利用上述选择性隐朴素贝叶 斯分类器进行估计得到对应最终的故障诊断结果。通过执行本发明中的网络故障诊断方法，有效解决了现有网络故障诊断中运算复杂度高、 网络诊断结果偏差大的问题，显著提高了网络诊断的准确性，在进一 步降低运算复杂度的同时，能够保持较好的学习能力及容错特性。

干燥综合征（Sjögren’s Syndrome，SS）是一种以侵及泪腺和唾液腺等外分泌腺为特征的全身性自身免疫疾病。该病最常见的临床表现为眼干、口干，并可累及肺、肾脏、淋巴系统、血管及肝脏等器官。此病无明显的地区分布差异，可发生于任何年龄，以40-60岁，特别是绝经后的女性居多，男女之比为1:9。在我国的患病率为0.77%，在老年人群中的患病率高达4%，全国有近800万患者。 目前在临床上应用的SS特异性自身抗体，如SSA、SSB抗体，存在敏感性低，易漏诊的弊端，不能满足临床需求。本团队经过多年研究发现了可以用于干燥综合征诊断的血清学特异性抗原—AM3RP，根据该抗原的抗原表位合成的变构肽可以特异性的识别干燥综合征患者血清中的特异性抗体—抗AM3RP抗体。抗AM3RP抗体在原发性干燥综合征（pSS）具有很高的敏感性和特异性，其中，IgG型抗AM3RP抗体在pSS患者中的敏感性为84.6%，特异性为92.2%；IgA型抗AM3RP抗体在pSS患者中的敏感性为和特异性分别为46%和87%。基于目前SS在我国患者数量庞大，又缺乏相应的特异性诊断价值高的生物学标志物，本项目临床应用前景广阔。

本发明公开了一种基于卷积神经网络和小波灰度图的旋转机械故障诊断方法，其包括以下步骤：(1)将振动位移传感器及振动速度传感器设置在旋转机械上，利用所述振动位移传感器及所述振动速度传感器采集所述旋转机械的振动信号；(2)对采集到的所述振动信号进行多尺度小波分解，以得到小波灰度图；(3)按照预先训练过的卷积神经网络的输入形式，对所述小波灰度图进行预处理；(4)将预处理后的所述小波灰度图输入到所述卷积神经网络，所述卷积神经网络对接收到的所述小波灰度图进行分析诊断，以得到所述旋转机械的故障诊断结果。

本发明涉及一种基于小波变换与混合注意力机制的轴承故障诊断方法，具体包括：利用传感器获取轴承振动信号，得到原始故障数据；对原始故障数据依次进行小波变换、加入高斯噪声、分块采样；并为采样后的数据生成类别标签和位置标签；基于混合注意力机制、残差结构、可学习卷积构建故障诊断模型；将采样后的故障数据划分为训练集和测试集，作为模型的输入数据进行训练，实时监控训练结果进行参数优化，同时将故障诊断结果可视化；在多种噪声条件下与现有模型进行对比实验，检验模型性能。本发明所提出方法解决了传统轴承故障诊断方法在多变噪声条件下故障识别率较低的问题。

OAM（轨道角动量）模分复用技术是一种新兴的通信复用方式，它通过在光信号中引入轨道角动量这一新的维度，实现了光信号的多模式传输，从而显著提高了光纤通信系统的传输容量。然而，OAM模分复用系统在实际应用中面临着模式间串扰和非线性效应导致的信号失真问题，这些问题限制了系统的性能和传输距离。 针对这一挑战，提出了一种高效的非线性均衡器，该均衡器采用先进的算法和电路设计，能够有效地抑制OAM模分复用系统中的非线性失真和模式间串扰，从而提高系统的传输性能和稳定性。该均衡器不仅具有高度的灵活性和适应性，能够根据不同的传输需求和系统配置进行优化调整，而且其设计紧凑、功耗低，非常适合应用于现代光纤通信系统。 本成果创新点主要体现在以下几个方面：首先，通过引入先进的非线性均衡算法，实现了对OAM模分复用系统中非线性失真的有效抑制；其次，利用优化的电路设计和信号处理技术，提高了均衡器的性能和稳定性；最后，该技术能够广泛应用于多种光纤通信系统，具有广阔的市场前景和应用价值。 图1. 均衡器计算过程

本成果围绕光伏并网系统电能质量展开。基于深度学习算法，研究谐波等电能质量指标变化规律，运用特征提取技术处理时序数据，实现电能质量预测。研发基于态势感知的电能质量调控装置，总谐波补偿率不小于 90%，补偿次数 2 - 50 次。成果形式包括研究报告、调控装置示范应用，申请发明专利 3 项，发表论文 3 篇。应用场景涵盖光伏电站、配电网等，可提升电网可靠性与经济性，减少设备损耗、优化调控策略、降低弃光率，为新能源消纳提供支撑。

技术分析(创新性、先进性、独占性) 为了充分利用先进的人工智能的新技术，提高医疗影像辅助诊断的水平，使得智能医疗诊断技术提高临床诊断的质量和效率，使其尽快走入家挺、社区，满足人们的医疗健康的需要。研究临床医学影像的2D病灶精细分割和三维跨模态的影像三维重建技术。首先，通过建立多层感知的神经网路，对医学影像的特征进行充分学习，得到影像的几何映射的关系，从而实现对医学影像的三维重建，克服了现有的三维重建技术中度量关键问题，关键技术对于医学影像的精准度量，具有现实意义:其次，在2D病灶分割中，利用半监督学习技术，实现少标签情况下的分割技术，半监督学习技术可以有效解决医学影像中标签难以获取的问题。技术的研究成果的特点是医学影像跨模态辅助诊断技术，对于超声、CT以及核磁共振等影像都有效，并且攻克的神经网络过于复杂的关键问题，所研究技术适用于临床快速便捷辅助诊断。此外，在医学度量方面的关键技术中，突破了人体腹腔及皮下脂肪的精细分割技术的关键技术，可以用于临床辅助诊断中，在关键技术探索中，实现对腔内脂肪特征的精细学习，该技术仅需要少量的影像标准数据，就可以实现皮下脂肪的准确分割，并证明了关键技术的有效性。