XM-F24骨盆测量示教模型   一、功能特点： ■ XM-F24女性骨盆测量示教模型采用高分子材料制成，仿真度高。 ■ 模型为女性成人骨盆，真实尺寸大小，解剖结构精确。 ■ 包括髋骨、骶骨、骶岬、尾骨、坐骨棘、坐骨结节、骶髂关节、髂耻隆突、耻骨联合及第4、5腰椎等结构。 ■ 可显示骨盆腔的三个平面：骨盆入口平面、中骨盆平面、骨盆出口平面。 ■ 骨盆测量示教：入口前后径、入口横径、入口斜径、小平面前后径、坐骨结节间径。   二、标准配置： ■ 女性骨盆测量操作模型：1个 ■ 说明书：1册 ■ 保修卡合格证：1张

实验原理 本实验的目的是熟悉材料的拉伸应力与应变之间的关系。通过转动传感器和力传感器，灵敏测量测试样品所受的拉伸量和拉力。PASCO Capstone软件可实时测量拉伸过程中所产生的应力与应变曲线，从曲线图上可进一步测得杨氏模量，弹性区，塑性区，屈服点等参数。   仪器概述 在该实验中学生可通过增加拉力来测试不同直径钢丝的力学性质。样品两端被紧密地固定，通过转动手柄使得样品沿一个方向拉升，在拉升的过程中力传感器测量力臂所施加的力，最大可测的拉力为250N，同时转动传感器实时测量样品的伸长量，采用PASCO Capstone软件可以计算出应变和应力的大小，并画出相应的曲线，在弹性区内应力和应变的斜率就是杨氏模量。弹性型变和塑性型变的分界点就是屈服点，这个点也可以从PASCO Capstone软件中得出。   仪器特点 采用传感技术和数字化采集分析技术，可较为灵敏地实时测量与分析材料的应力与应变的关系 材料拉力小型测试台，兼容PASCO Pasport系列转动传感器（PS-2120A）和力传感器（PS-2104） 手拧螺钉固定样品，使更换样品变得更为方便   技术参数 项目 技术参数 材料拉力小型测试台 包括底座，样品架，力杠杆臂等结构； 力杠杆臂采用5：1结构，可使力传感器最大测量到250N； 拉伸行程范围：27mm； 摇柄每转一圈行程：1mm； 手拧螺钉固定样品，方便更换试件； 同时兼容PASCO无线传感器与有线传感器 无线转动传感器 角度分辨率：0.18° (0.00314 弧度) 线性分辨率：0.0157 mm (当使用半径5mm滑轮附件时) 滑轮附件的三档直径：10, 29，48 mm 轴径：6.35 mm 最大转速：30转/秒 光学编码器：2000 分区/转，双向 充电电池：锂聚合物 连接方式：直连USB或通过蓝牙4.0 无线力/加速度传感器 受力量程: ±50 N （力杠杆臂结构下可拓展至250N） 分辨率：0.03 N 精度：0.1 N 加速度量程：±16 g 电池：可充电锂聚合物 连接方式：直连USB或蓝牙4.0 传感器带有数据存储功能，可进行离线数据采集，可在测试之后再进行下载。 测试样品组 包含三种不同直径的钢丝样品 每种样品10根   实验内容与典型实验数据 多种金属材料应力-应变关系测量 计算材料的杨氏模量 找出材料的弹性区，塑性区，屈服点和断裂点等参数，并分析材料特性   订购列表 型号 描述 数量 BEX-8104 材料拉力与杨氏模量测量实验装置 1 不包含在BEX-8104中的必备件： UI-5400 PASCO Capstone软件 1 PS-3500 USB蓝牙适配器 1   部件列表 部件型号 部件描述 数量 BEM-5229 材料拉力小型测试台 1 PS-3220 无线转动传感器 1 PS-3202 无线力/加速度传感器 1 BEM-5230 材料拉力测试样品组 1   包装清单 实验装置1套（见部件清单），手册1本。

针对六自由度电动或液压平台，输入六个缸体的空间几何数据，建立电动缸空间运动模型。在六自由度平台合理的运动范围内，输入任意六自由度数据（X,Y,Z坐标，以及绕X,Y,Z轴的旋转角度），可以精确计算出每个缸体运动的长度，并用三维图形进行显示。 每个缸体采用位移传感器实时监测缸体长度，通过给定不同的驱动电压和驱动时长，可以使得六自由度平台做出预定姿态。 若相关企业需要，该专利可低额转让，具体价格面议。

当前光纤通道(Fibre Channel：FC) 以其高速率和高可靠性在航空电子环境得到了广泛的应用，一个典型的战机航电系统如下图所示： 为研究航电系统的性能，经常需要搭建地面仿真平台进行预先的评测。对应上图所示，我们可以搭建如下的地面仿真系统： 该系统包括自研制的： FC-AE仿真接点卡、FC-AE协议分析/监控卡、 FC-AE故障注入卡、 FC-AE网络交换机、FC-AE 数据监控记录分析仪。上述五项设备可以独立使用，也可部分或全部联合构成航电地面仿真测试平台使用。

高密度高性能并行计算平台是将CPU刀片、DSP卡、GPU卡通过高速总线进行互联；采用异构并行计算框架，实现多机、多卡、多核的资源分配和负载均衡；提供适合大规模并行计算的算法平台。用户在该平台上采用传统的串行思路编程即可实现大规模的并行计算。 该计算平台相对于传统的服务器系统具有体积小、重量轻、功耗低、计算能力强的优点。由于CPU适合逻辑业务、DSP适合粗粒度的并行计算、GPU适合规整数据的细粒度计算，所以通过CPU刀片、DSP卡、GPU卡数目的组合配置，可适合多种、不同类型的计算业务。 1. 硬件环境 硬件环境为6U高标准的服务器，最多可支持三类（CPU/DSP/GPU/）、9张板卡。在板卡间提供网络和PCIE的高速数据总线，示意图如图1所示。 平台硬件包括一个主控板和8个扩展插槽。主控板集成1片Intel i7的CPU；8个扩展插槽可插CPU刀片、DSP板卡、GPU板卡及其任意组合。因此即可组成小型的PC集群，也可以组成高性能的GPU服务器、DSP服务器，或它们之间的组合。该硬件平台还可通过InfiniBand高速网络进行扩展，最大可形成20个服务器互联的统一的软硬件系统。 2. 软件环境： 平台中的CPU主要起控制作用，计算任务主要由DSP和GPU承担。针对高密度计算资源，通过软件框架屏蔽硬件差异。软件框架如图2所示。 平台提供动态链接库，封装任务的调度、CPU与DSP之间的通信、CPU与GPU之间的通信等功能。用户在动态链接库基础之上进行二次开发，实现自己的业务逻辑。 3. 参数指标： ？ 单台计算能力：插8张DSP卡，做快速傅里叶变换（FFT），相当于40台8核Intel i7计算机的计算能力；插4张GPU卡，做场强计算，相当于50台Intel i7计算机的计算能力; ？ 尺寸：6U标准高度，（420±0.6）mm×（256±1）mm×（≤500）mm（宽×高×深）；重量：<35公斤；功耗：<1000瓦。 图1高密度高性能并行计算平台硬件示意图 图2高密度高性能并行计算平台软件框架

研制背景：企业数据处理与数据分析需求在扩大，数据投入在持续增加；数据种类多，数据量大，潜在价值高；使用者难以有效地操作使用；业务复杂，调参静态组合参数过程繁琐； 平台技术： 微服务的构建方式，微服务、前后端完全分离。 分布式开发框架——SpringCloud Web开发框架——SpringBoot 、VUE（ELE） 机器学习算法框架——R、Spark集群计算 数据存储工具——Mysql、JPA、Hadoop（集群） 中间件: RabbitMQ

完成团队简介：高岭教授及其领导的科研团队长期以来致力于信息科学领域的研究工作，主要围绕计算机网络基础理论、网络安全与管理、网络流量与性能分析，以及嵌入式Internet服务、网络应用服务、教育信息化、远程教育和教育技术等领域开展相应的研究工作。先后在国内外学术刊物上发表论文100余篇，其中SCI、EI、ISTP检索30余篇；教学科研成果多次获陕西省、西安市等颁发的优秀成果奖；主持国家自然科学基金项目、国家科技支撑计划项目课题、陕西省“13115”重大科技创新工程公共服务平台建设项目等20余项国家、省部级科研项目。   陕西省科技文档数字化管理与资源共享平台资源共享体系 成果内容：文档数字化管理与资源共享平台是承载未来陕西省科技信息资源中心四大平台之一，以资源共享的方式进行全省科技文档统一建设、集中管理、信息共享。其主要核心技术如下：（1）海量异构资源动态管理模型：针对服务类型和服务属性的多样性，提出了动态模型管理方法，结合数据挖掘、策略设计模式等理论，采用数据定义语言（DDL），实现资源动态定义模型。对不同服务类型，根据不同类型调用相匹配的函数，实现43类不同格式服务资源自动化转换为规范格式的服务资源。（2）属性级可控访问：基于规范属性标准与RBAC模型，将资源属性信息独立保存，建立授权用户与资源属性的直接关联，实现对资源的属性级授权控制，在单次授权的基础上实现二次授权及多次授权，进一步提升权限控制的灵活性。（3）多类型径向筛选：通过对筛选条件的优化分析，构造以筛选关键字、公共信息服务类型、规范属性、属性值为筛选路径的径向筛选技术，并通过匹配用户历史筛选，主动对筛选结果进行内容过滤，返回个性化的可控筛选。 成果成熟度：中试产品阶段（已解决关键技术，需要合作进行产业化攻关）。 转化方式：合作推广。 预期成果收益：进一步市场化放大约需投入180万元，若建成覆盖陕西省的科技资源共享平台，以年服务人群数量10万计，每人次节约相关费用15元计，每年能够为社会节约150万元。

高密度高性能并行计算平台是将CPU刀片、DSP卡、GPU卡通过高速总线进行互联；采用异构并行计算框架，实现多机、多卡、多核的资源分配和负载均衡；提供适合大规模并行计算的算法平台。用户在该平台上采用传统的串行思路编程即可实现大规模的并行计算。

项目成果/简介:农产品电商系统可分别在 Web 端、Android 端和 IOS 端三个平台上部署。电商系统后台具有充分的数据共享、便捷的功能互操作以及良好的可扩展和可维护性等特点，后台采用 SOA 的架构，电商平台后台可保证与系统各部分的通信模块之间具有良好的通信接口并可保证系统各平台通信的一致性与稳定性。平台采取分层构建的方式，应用层作为顶层提供统一信息门户，为客户提供服务的窗口，同时也是平台管理的入口。 支撑层提供搜索服务，对商品销售、评论等其他若干保存的数据资源进行挖掘分析，以获得平台发展、支持、服务的可靠的决策依据，为客户、平台管理者提供统一消息、邮件服务、文档管理等协同工作 21支撑的功能。资源层提供为客户服务、管理者分析的最基础的数据资源，与基础层一起作为平台的基本构架环境，包括数据库服务器、应用服务器/Web 服务器、交换机、存储设备、计算机网络、呼叫中心接入、有无线通讯服务等。 电商平台后台的实现主要分为信息采集、数据融合、模型研发和平台构建四个步骤。