本发明提供了一种高速双联滚动轴承电主轴转子系统动态设计方法，其包括以下步骤：步骤1，高速双联滚动轴承电主轴转子系统的结构配置设计；步骤2，高速双联滚动轴承电主轴转子结构动力学参数化处理；步骤3，双联滚动轴承5维刚度矩阵特性分析；步骤4，高速双联滚动轴承电主轴转子系统动力学特性分析；步骤5，高速双联滚动轴承电主轴转子系统动态设计。采用本发明提供的高速双联滚动轴承电主轴转子系统动态设计方法，能够大幅提高该类电主轴动态设计精度，并缩短设计周期，为该类高速电主轴设计提供有效的方法。

提出了复杂摩擦学，动力学系统的系统工程新思想，并用于旋转机械的轴承――转子系统摩擦学、动力学设计，这与传统的摩擦学分别对各摩擦副独立的进行设计有较大区别。在理论分析及计算软件方面：在研究所历年工作的基础上进行全面整理、扩充，使其界面友好，并适用于系统设计。把用于个别目的的单个程序集成起来，嵌入了优化和某些简化的非线性分析环节，集成规模在国内处于领先地位；开发了迷宫密封气流激振计算程序，并用于实际机组计算，这种运算在国内处于领先地位；在实验研究方面：改进了轴承及转子试验台结构的测

本发明公开了一种统一绕组无轴承电机，其特征在于，该电机 包括定子和转子，以定子上相邻的两个齿为一对，定子每相占据在定 子圆周上相对的相差 180°的两对，一对上设置一组绕组，每相的两 套绕组分别由驱动模块实现驱动，定子上还设置有用于测量转子偏移 位置的两个位置传感器，两个位置传感器的位置相差 90°相差位，电 机还包括与驱动模块连接的驱动控制系统。按照本发明实现的统一绕 组无轴承电机及其驱动控制系统，组成结构简单，转子悬浮，无机械 磨损，不需要机械轴承支撑，硬件结构简单，并且避免了桥臂直通的问题。

本发明公开了一种脉冲磁体绝缘故障探测装置及方法，该装置包括多根支撑杆、多个探测线圈、第一法兰盘和第二法兰盘；其中一根支撑杆位于脉冲磁体中心，其余支撑杆位于脉冲磁体外侧；各支撑杆上设有多个探测线圈；多个探测线圈对称分布于支撑杆上，处于对称位置的探测线圈串联，其余的两个端口由导线引出连接到外部的采集信号通道接口；各支撑杆的一端固定在第一法兰盘上，另一端固定在第二法兰盘上；第一法兰盘固定在脉冲磁体一端，第二法兰盘固定在脉冲磁体的另一端；所有设在支撑杆上的探测线圈构成探测线圈阵列，将脉冲磁体网格化，根据探测

提出一种基于人工智能技术的电子线路软故障检测方法，采用多个电路进行仿真分析，均能够较好的实现对电路故障特征的提取和分析，实现对电子故障器件的精准定位和故障类型识别。 该技术将人工智能技术与传统的信号处理技术进行结合，运用STFT技术实现电路信号的表征形式变换，再结合人工智能技术中的深度残差网络学习技术分析模拟电路的性能特征，可以实现对元件故障类型的确定，完成电路的软故障分析和诊断。

成果提供了智能动力装备全寿命周期监测与性能优化服务支持的系统解决方案，实现了动力装备全寿命周期的有效监测与性能优化维护服务支持。 动力装备全寿命周期监测诊断方面：实现了支持物联网的智能信息采集与管理、全生命周期动态自适应监测、早期非线性故障特征提取。优化重构出综合体现装备运行工况及表现的新参数，提高异常状态辨识的适应性与可靠性，基于运行过程信息反映装备劣化趋势与故障发展规律，来提高故障早期辨识能力。动力装备全生命周期性能优化服务方面：提供了转子全息动平衡快速响应与服务支持、以全息谱为核心的失衡故障确诊、动力装备转子和轴系平衡配重方案优化。 基于物联网和网络化监测诊断将产品监测诊断与运行服务支持有机集成一体，在应用中实现动力装备常见故障诊断准确率达80％以上。

本发明公开了一种具备故障检测和参数校正功能的平面扭簧装置，它由平面扭簧、故障检测电路和力矩传感器三部分组成。本发明充分利用各种平面扭簧的优势，通过检测固定环和安装环间的通断对弹性体进行故障检测，可以有效判断弹性体的使用寿命，为改进设计和加工工艺提供依据，有助于缩短迭代开发的周期，提高对平面扭簧设计质量的观测和分析；通过力矩传感器的精确力矩检测，可以实时补偿和校正弹性体的弹性系数变化，以提高对力矩控制的性能，为了降低成本，在关节设计中可以去除力矩传感器，而在定期检查时可以使用一个力矩传感器对所有关节进行校正即可。本发明的平面扭簧装备结构简单，适合应用于各种机器人和机械臂关节。

产品详细介绍 MD-711TS高智能电缆故障测试仪是迎合工业级电力行业方案和IT时代的快速发展,将原来电缆故障测试仪的局限性，用工控嵌入式计算机平台系统、网络服务业务、USB通信技术系统化，极大提高了仪器的使用功能和利用价值以及便捷的现场环境操作。特别对于日益增多的地埋电缆资料提供了一套独有的管理软件。整套系统满足中华人民共和国电力行业标准《DL/T849.1～ DL/T849.3-2004》电力设备专用测试仪器通用技术条件，该系统测试由系统主机和故障定位仪以及电缆路径仪三部分组成，用于电力电缆各类故障的测试，电缆路径、电缆埋设深度的寻测和电缆档案资料的日常维护管理，以及铁路、机场信号控制电缆、和路灯电缆故障的精确测试。◆ 国内首家采用工控嵌入式计算机平台系统，工业级使用环境，实现极强稳定性。锂电供电、方便现场测试。◆ 国内首家采用12.1英寸大屏幕系统，全电脑XP操作平台集成化软件，彻底告别电缆仪单片机时代，并配有电缆故障测试软件和电缆资料管理软件。◆ 采用最新的USB通信接口，采集信号稳定，配一款笔记本电脑可实现双控双显，主机可自动选择最低6.25MHz、最高达100MHz五种采样频率，能满足不同长度电缆的测试要求，减少了粗测误差。◆ 软件实现故障自动搜索，距离自动显示，双游标移动可精确到0.15米，波形可任意压缩、扩展，同屏随机显示两个更接近标准的波形供你准确比较分析，提高测试精度，减少误差。◆ 支持最新开通的3G通信终端或无线上网卡，专用3G软件可实现专家远程现场实时测试技术服务，专家远程操控用户主机，给用户现场测试提供及时、准确波形分析和交流指导，使您无忧工作。◆ 4G内存多类现场波形和现场实物接线图，轻轻一点即可使用，电缆资料管理软件可做完善的电缆档案管理，为电缆的维护工作和精确定位提供参考和帮助。◆ 关键的精确定点仪部分，直接数字显示测试者离故障点距离，是国内同类定点技术的又一次创新，为快速准确查找电缆故障，减少停电损失提供了有力保障。◆ 最新研制智能组合式采样器，取代了烦琐的现场接线，具有波形直观，容易分析，与高压完全隔离，对主机、操作人员绝对安全的特点。一、测试仪技术指标：1、可测试各种不同电压等级、不同截面、不同介质及各种材质的电力电缆的各类故障，包括：开路、短路、低阻、高阻泄漏、高阻闪络性故障。2、可测试铁路通信控制电缆、路灯电缆、机场信号电缆的各类故障。3、可测量长度已知的任何电缆中电波传播的速度。4、可测试电缆走向及埋设深度。测试距离：不小于40km 最短测试距离（盲区）：5-10米精确定点误差：±0.2m 测试误差：系统误差小于±1%分辨率：V/50m；V为传波速度m/μs；软件游标0.15米。　 仪器采样频率：6.25MHz、10MHz、25MHz、50MHz、100MHz、（自适应脉宽）电源与功耗：　AC　220V±10%　 15W　　DC　12V（7AH）　不大于20W待机时间：可连续使用4小时左右。管 理：电缆埋设路径分布示意图。用户管理区域内所有电缆的资料的详细档案：包括电缆分布图、编号、起始位置、埋设深度及时间、电缆介质、接头位置、维修记录、故障产生原因、试验报告、电缆测试记录等信息。二、路径仪技术指标1﹑输出信号频率：15 KHz 2﹑输出最大出功率：＜1Ｗ3﹑体积48×76×170mm34﹑重量0.5Kg选配设备：DSG-Ⅱ（Ⅲ）一体化交直流高压发生器，高压组件（包括3KVA 交直流高压发生器、控制箱和2UF/30KV脉冲电容各一台）

新冠肺炎疑似病例基数庞大，给临床一线诊疗带来巨大压力，疫情波及地域广泛，基层医院缺乏经验，面临严峻挑战。由清华大学精密仪器系尤政院士、临床医学院董家鸿院士领导研发的新型冠状病毒肺炎智能辅助诊断系统成功通过应用测试，进入临床试用阶段，有望为上述难题提供解决方案。新型冠状病毒肺炎智能辅助诊断系统董家鸿介绍，新型冠状病毒肺炎智能辅助诊断系统可同步实现智能化影像诊断、临床诊断及临床分型三大功能。该系统包括三大模块，其中影像诊断模块主要基于对新型冠状病毒肺炎初诊病例的珍贵临床资料的大数据分析，使用人工智能算法深度学习该疾病的CT影像特征，实现对新型冠状病毒肺炎影像的智能识别。临床诊断模块则依据卫健委发布的《新型冠状病毒感染的肺炎诊疗方案(试行第五版)》，结合影像与流行病学、症状及关键检验数据等临床信息，实现智能诊断。临床分型模块通过智能判读呼吸功能参数，“自适应”判断新型冠状病毒肺炎的严重程度。董家鸿谈到，该系统可在短时间内完成大量疑似病例的胸部CT筛查、依据指南进行临床与影像相结合的综合分析，显著提升新型冠状病毒肺炎诊断效能，有望大幅降低临床医师及影像医师的工作负荷。

“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。