产品详细介绍特点：传感器：微机械电容、充氮阻尼、密封封装内置温度传感器（用于输出温度补偿）全量程线性标定DC/AC 加速度响应可提供非标量程定制服务传感器已内置放大信号处理符合RoHS标准应用：地震监测 消费电子 机器人安全系统 冲撞测试 机械控制振动检测 模态分析 振动分析仪器仪表 车辆动态性能测试参数：传感器性能：（数据为8~32V供电，温度输出 25℃ 得出）性能 -002 -005 -010 -025 -050 -100 -200 单位输入量程 ±2 ±5 ±10 ±25 ±50 ±100 ±200 g频率响应（3dB） 0-400 0-600 0-1000 0-1500 0-2000 0-2500 0-3000 Hz灵敏度（差分输出） 2000 800 400 160 80 40 20 mV/g输出噪声（差分模式，典型值） 12 14 15 38 75 150 300 μg/root HZ可承受最大冲击（0.1ms） 2000 g传感器性能：（除注明外，数据为8~32V供电，温度输出 25℃ ，差分模式得出）性能参数 最小值 典型值 最大值 单位横轴灵敏度 2 3 %偏置标定误差 -002   4 满量程的% -005~-200   1.5 偏置温漂TC=-55~125℃ -002 100 200 PPM%满量程/℃ -005~-400 50 100 标定误差比例因子 1 2 %温漂比例因子TC=-55~125℃ -150     +150 Ppm/ ℃非线性（±90%满量程） -002~-050 0.15 0.5 满量程的% -100 0.25 1.00 -200 0.4 1.5 电源抑制比 65 DB输出阻抗 1 欧姆供电电压 8 32 V功耗 27 30 mA质量  21 克

产品详细介绍

产品详细介绍高精度建筑热流传感器PTT-30具有输出信号高，测试精确；特别适合测试热流量小的场合，例如：建筑现场测试等。测量原理：热流经热流传感器（HFS），在传感器上产生轻微的温差。这种温度梯度与热流成正比。热流传感器内以适当方式排列的多个微型热电偶结（热电堆）产生电动势（mV）输出。电动势（mV）输出乘以校正常数，得到热流值。热流传感器含热电偶及热电堆，可同时记录热流和温度。高精度建筑热流传感器PTT-30应用领域：1、墙体、屋顶等的隔热评估；2、温室和土壤；3、生物医学；4、潜艇和船舶；5、管道；6、实验室和教学；7、炼油厂和反应堆；8、航空高精度建筑热流传感器PTT-30规格：  热流范围：         2000W/m2  时间常数（63%）： 35秒  温度范围：         -50°C~120°C   精度：             +/- 3%  线性：             +/- 2%  校正系数：         标称100μV/(w/m2)   温度：             T型热电偶  线长：             1.5m  耐环境性：         防水、不受压力或真空影响   热流方向：         双向响应  尺寸：             30 x 30 x 5mm  可选件：          （1）额外电线长度；（2）主机DQ-100

产品详细介绍PCT-SH-DY高精度电压倾角传感器主要特性：1)单、双轴倾角量测2)量程±1～±90°3)宽电压输入9～36V4)输出方式：0～5V5)宽温工作-40～+85℃6)IP67防护等级7)高抗振性能>2000g8)高分辩率0.001°9)体积90×50×28mm产品应用：工程车辆调平               桥梁与大垻监测          高空平台安全保护  医疗设备角度控制           地下钻机姿态导航        盾构顶管应用 基于倾角的方向测量         地质设备倾斜监测        定向卫星通讯天线的俯仰角测量矿业机械、石油钻井设备     设备水平控制            对准控制、弯曲控制单位：长沙平川公司联系方式：15387560104网址：www.pchuangroup.com  邮箱：pchuangroup@163.com

产品详细介绍PCT-SH-DL高精度电流倾角传感器主要特性：1)单、双轴倾角量测2)量程±1～±90°3)宽电压输入9～36V4)输出方式4～20mA5)宽温工作-40～+85℃6)IP67防护等级7)高抗振性能>2000g8)高分辩率0.001°9)体积90×50×28mm产品应用：工程车辆调平               桥梁与大垻监测          高空平台安全保护  医疗设备角度控制           地下钻机姿态导航        盾构顶管应用 基于倾角的方向测量         地质设备倾斜监测        定向卫星通讯天线的俯仰角测量矿业机械、石油钻井设备     设备水平控制            对准控制、弯曲控制单位：长沙平川公司联系方式：15387560104网址：www.pchuangroup.com  邮箱：pchuangroup@163.com

成果描述：本发明申请要解决的问题是，改进预测技术，提高预测准确度。本专利利用高阶马尔科夫模型的原理提出HM-gMTD模型的一种改进，即高阶HM-gMTD模型，并通过EM算法给出相应的参数估计方法和相应的计算方法，并能够快速进行参数估计，以提高模型预测的准确度。市场前景分析：预测模型的发展在人类的经济生活方面发挥着重要的作用，尤其是马尔科夫模型，几乎在各个领域都有着非常广泛的应用。本发明着重混合转移分布模型与高阶隐马尔科夫模型的巧妙结合，构造出高阶HM-gMTD模型，然后运用EM算法，对新模型实现了主要参数的求解。最后为了衡量一个模型的好坏和对不同的模型进行比较，我们选择准则函数。模型比较的最佳准则函数，既考虑到模型对原始数据的拟合程度，又兼顾模型中所包含的待定参数的个数，并且对二者做出合理的权衡。与同类成果相比的优势分析：本发明主要是针对HM-gMTD模型的进一步改进，提出一个高阶HM-gMTD模型，使其在降低计算的复杂度的同时，提高预测的准确性。

本发明涉及一种风电集群轨迹预测与分层控制方法，包括：根据风电集群及风电场内的拓扑结构，基于空间相关性和NWP数据进行超短期风电功率预测；根据调度中心下发的调度值，将控制过程在空间上分为集群优化调度层、场群协调分类层和单场自动执行层，将风电功率预测值从时间上逐层细化；在场群协调分类层，基于风电功率预测值对风电场进行分类，分为上爬坡群、下爬坡群、平稳群和振荡群；在单场自动执行层，基于AGC机组下旋转备用裕度和风电送出断面裕度判断风电可增发空间，增发上爬坡群风电场出力或降低下爬坡群风电场出力；基于风电场运行与监测系统，根据监测到的风电场实际值，计算并反馈风电功率误差，修正风电集群和风电场预测值，使优化过程更加精确。

本成果针对城市水电气热等综合能源数据来源广泛，结构复杂，且与用户、时间、空间信息关系紧密的特点，构建了高性能综合能源数据分析平台，提出了细粒度的能源数据分析理论框架及方法，并将其应用于智慧城市建设。

针对太阳能集热系统扰动多、大滞后和大惯性等控制难点，建立了适合控制器设计的简化分段非线性模型，并设计了基于预测函数控制策略的集热系统出口导热油温度控制系统。该预测函数控制策略在调节速度、超调量以及稳定性方面的控制效果均明显优于传统PID控制策略；与未简化的多模型预测控制相比，简化后的多模型预测函数控制的最大动态偏差增大了13%，但计算量大大降低，控制器的实时性也得到增强。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：