平抛仪(双轨型平抛运动实验器),采用电磁吸球,光电门控制,不仅可以用于平抛运动学生分组实验,还直观的演示了平抛运动的水平方向和竖直方向两个分运动的特性.

仪器概述    本仪器是根据中华人民共和国标准 GB/T 1884《石 油和液体石油产品密度测定法(密度计法)》、GB/T 265《石油产品运动粘度测定法和动力粘度计算法》 及 GB/T 1995《石油产品粘度指数计算法》的相关规定设计制造的新型、智能化的仪器，可按 GB/T 1884 标准测定石油产品的密度、按 GB/T 265 标准测定液体石油产品（指牛顿液体）的运动粘度、及按 GB/T 1995 标准测定润滑油的粘度指数。  技术参数 1、浴缸容积：Ф300 ㎜×340mm（直径×高） 2、控温范围：室温~100℃  3、分辨率：0.01℃  4、控温精度：±0.05℃  5、计时精度：±0.1s  6、显示方式：5.6 吋真彩液晶显示（触摸屏）  7、试样数量：4 个  8、工作电源：AC(220±10%)V、50Hz±1Hz  9、整机功耗：≤1500W  10、使用环境：环境温度（15~35）℃  环境湿度小于 85% 11、外形尺寸：615 ㎜×500 ㎜×610 ㎜（长×宽×高） 12、仪器净重；26.5kg  性能特点 1、采用微处理器控制和彩色液晶显示技术，中英文双语菜单、真彩 GUI 触摸屏界面，显示直观、操 作简便，一定条件下完全可以脱离说明书熟悉和操作仪器。  2、一机多用，是一款密度和运动粘度测试合二为一的仪器，可以测试 3 个参数：原油和液体石油产 品的密度、液体石油产品的运动粘度、及润滑油的粘度指数。  3、可同时进行 4 个试样的测试——两个运动粘度、两个密度，或四个运动粘度，所涉及的温度、时 间、毛细管系数、密度值等参数，均可通过触摸屏显示或输入。 4、应用先进的电子控制和显示技术，测试运动粘度时，除毛细管内试样液面到达各标线的时间需人 工按键输入外，其余试验过程全部自动完成，密度测试则按 GB/T 1884 标准用密度计测试。  5、采用新型温度传感器及控温算法，使温度显示分辨率达到 0.01℃，控温精度±0.05℃。     6、可预存储 99 个毛细管粘度计的常数。   本仪器的最大特点是：一机多用，可以测试密度、品氏运动粘度、润滑油的粘度指数；同时可进行 两个运动粘度两个密度、或四个运动粘度的测试，运动粘度测试时除毛细管内试样液面到达各标线的 时间需人工按键输入外，其余试验过程全部自动完成。  网址链接 http://www.csscyq.com/proshow.asp?id=740

公司提供运动/户外装备及鞋服、骑行运动、健身训练器材、体育用品及游泳用品批发，可根据企业事业单位对运动器材、鞋服的不同需求满足一站式采购。

导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法，以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后，使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%，分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%，采用十倍交叉验证进行验证。研究人员表示，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者为验证方法的有效性，加入了4个新的受试者进行验证，发现总体平均准确率为92.5%。此外，全局分类器适应单一对象，整体平均准确率提高到94.54%。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极)，并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图，并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先，由于ERD在执行运动想象时在alpha和beta中不同，因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后，通过计算包含正问题和逆问题的源，将传感器空间的活动转化为源空间的活动。接下来，创建scout并提取特征。研究者在运动皮层中创建了10个scout，因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI)，并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5，右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后，利用CNN对时频图进行分离并进行分类。实验在实验中，研究人员仅使用了随机选择的十个受试者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。这里用于分析的数据集包含每个受试者84次试验，每一类包含21次试验。在记录64通道脑电图时，受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验：当目标出现在屏幕左侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕顶部时，受试者想象打开和合上双手的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕底部时，目标会想象双脚张开和合拢，直到目标消失。然后受试者放松。为了统一数据维数，研究者选择了4s的数据，因为每次想象任务的执行时间都在4s左右。此外，脑电图任务是分开的，研究人员在实验中将左拳，右拳，双拳和双脚MI任务分别称为T1，T2，T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如图2所示。10个scout每一个都被扩展到40个顶点，每个顶点只有一个源。L1区域对应40个信号，其他scout也一样。在计算了来源后，研究者在运动皮层中创建了十个scout，如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项，每个受试者每次都要进行7次测试(#1，#2，#3，#4，#5，#6，#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后，研究人员在运动皮层中创建了包含40个源的10个scout，并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中，研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构，该网络模型由一个六层卷积网络组成，其中两个最大池层和三个全连接层，如图5所示。图5对于Physionet数据库，研究者首先采用Deep ConvNet架构，包括四个卷积层、四个最大池层和一个全连接层。在实验中，研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务，R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息，清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然，只有部分时频映射是红色的，表明每个任务只对特定的频率和时间敏感。由于图的数量比较大，研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本，并将一些特征图可视化，作为MI任务的学习表示，如图7所示。图7为了获得有效的结果，将数据集分为90％作为训练集，其余10％作为测试集。首先，将十个受试者的数据集（总共19320个样本）分为17388个样本以训练所提出的CNN模型，以及1932个样本以验证模型的有效性。在实验中，研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本)，其中24343个样本是训练集，其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试，以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高，达到94.5%，而L2的全局平均精度最低，为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上，标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说，R5表现的要比其他的好，而L2在迭代2000中表现最差。标准差较小，说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵，说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验，确定了scoutR5的性能，结果如图10(a)和(b)所示。在10次试验中，scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说，四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明，该方法对scout R5的分类效果较好。从以上结果可以清楚地看出，R5 scout在四种MI任务的分类中扮演着最重要的角色。因此，选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现，该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。论文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

本书内容包括:热弹性力学基础;叠层梁;叠层板;叠层圆柱壳和球壳;叠层扁壳和深壳;压电材料叠层结构.

混凝土构筑物在建设及生产使用中其表层、内部及接触带会产生各种变形、破坏及地质异常，严重影响混凝土体的安全使用。目前利用震波测试方法可对介质内部结构及异常进行探查与评价。相比较来说，震波探测方法较雷达测试方法抗干扰能力强，评价参数多样。本技术采用拟雷达式数据采集方式，通过改进震波单发单收装置为轮式连续滚动装置发收信号，实现对震波数据的速采、速显、速存，根据获得的连续剖面波场属性参数判断结构体内隐患状况。通过分析震波特征属性参数，结合波速、频率及波幅特征变化进行混凝土介质异常的位置识别与特征判定。

大块金属玻璃（Bulk Metallic Glasses）是国家863高技术计划、国家973计划、国家自然科学基金和科技部中瑞大块金属玻璃国际合作项目，主要包括： 高比重高性能Zr基大块金属玻璃及其纤维增强复合材料； Al基超强大块金属玻璃或纳米晶合金； Zr基、Al基或Fe基大块金属玻璃耐磨、耐蚀轴承套环状零件制造技术； 大块金属玻璃合金设计的“多元短程序畴过冷”设计软件。 这些大块金属玻璃和技术具有许多独特性能和广阔的应用市场，主要有：（1）更为优异的力学性能，如高强度、高弹性和高断裂韧性等，是目前已发现的最为优异的高尔夫球拍材料之一；（2）大块金属玻璃/纳米晶复合材料是目前世界上比强度最高的材料之一，在航空、航天工业中具有极为广阔的应用前景；（3）良好的加工性能。例如，La系非晶合金延伸率可达15000%，可方便地进行各种超塑性加工；（4）优良的化学活性，是极好的化学反应催化材料。（5）更为优良的抗多种介质腐蚀的能力，可在一些更为恶劣的环境下长期使用；（6）优良的软磁、硬磁以及独特的膨胀特性等物理性能，可作为传统材料的优秀替代品。

石油地质井身结构展教墙是通过利用微缩仿真模拟技术，为学生提供一个涉及钻井、采油、修井、酸化压裂、注水、集输及井下井身、地质构造等油气井开发工程多学科直观展示、讲解的平台。通过安装动态的油气井工程设备模型、井柱及LED彩色集成灯模块，配合不同的地质模型，可实现石油地质地下作业全国过程的学习。

2016国家自然科学奖二等奖，基片集成类导波结构是近十几年来微波毫米波学界发展起来的一种新型高性能平面导波结构。基片集成类导波结构具有极低的电磁泄露和互扰，其品质因素和功率容量远高于传统平面传输线。国内外数百所大学和研究机构都对其开展了大量研究，它也成为微波毫米波领域最受关注的研究分支之一。 项目组作为国际上该领域的主要贡献者之一，以基片集成类导波结构的工作机理与创新应用为主线，对这类结构及器件的传输特性、损耗机理等基础科学问题进行了深入研究，提出了半模基片集成波导等多种新型平面导波结构，发展了相应的设计方法，并发明了一系列新型高性能微波毫米波器件，部分器件已得到实际应用。

1 成果简介从上世纪 70 年代开始，纤维增强复合材料（ FRP）以其高强、轻质、耐腐蚀等优点，成为土木工程的一种新型结构材料，并逐渐被应用到广泛的工程实践中。轻质高强是 FRP材料最突出的特点。它的强度是钢材的 20~50 倍，但比重只为钢材的四分之一左右。其次，FRP 材料较其他传统材料相比，具有良好的耐腐蚀性，可以在酸、碱、氯盐和潮湿的环境中抵抗化学腐蚀。此外， FRP 材料还有透电磁波、绝缘、隔热和热涨系数小等诸多优点。如今，FRP 复合材料已列入七大重点发展战略性新兴产业之中的新材料领域，并且已在土木工程领域中的加固补强、维护防腐等诸多方面得到很好的应用。 从 1970 年代开始， FRP 就开始在诸如英国、美国和以色列等国家的桥梁建设中进行尝试应用。九十年代初， FRP 在桥梁建设的应用中不断增加，如美国，日本和瑞士等国。近年来，随着 FRP 在结构工程中被逐渐接受， FRP 在桥梁结构中的应用迅速发展，世界各地有各种结构形式的 FRP 桥梁相继建成，目前已经超过 100 座应用案例，主要集中在欧美、日本以及澳大利亚等国家。FRP 桥梁应用技术所带来的低投入和高回报的特点是外国政府企业近年来热衷于此项技术的根本原因，而 FRP 材料的以下优点也是促进其发展的源动力： （ 1） 预制件制造，架设成本低。因大量采用轻质的 FRP 拉挤成型构件，可大大缩短施工时间和架设与施工时对道路的要求，并为投资者在人力物力上节约大量开支。例如，亚特兰大桥 1 天；纽约州桥 36 小时；莫斯科人行桥 3 小时； Parsons 桥 4 小时。 （ 2） 优良的耐久性。 FRP 材料具有高耐腐蚀性，耐老化和耐疲劳等特征， FRP 桥梁拥有其他桥梁所不具备的超低维护费用，并且使用寿命较其他桥梁更长。因此桥梁的全寿命周期投资成本大大低于其他桥梁。 （ 3） 施工速度快，交通影响小。由于 FRP 桥梁架设速度快，施工周期短，如在国内交通压力较大的城市中使用，可大大降低因施工而造成的道路拥堵的时间，从而大大减少社会成本消耗和社会舆论压力。 （ 4） 资源可持续利用。由于 FRP 桥梁较其他桥梁资源消耗少，并且在生产和建设过程中能源消耗比普通钢材或混凝土少一倍以上，因而可大量降低温室气体排放和对资源的依赖性。从某种程度上讲， FRP 桥梁应用技术是一种符合国家经济建设需求的集节能减排和低资源依赖性技术于一体的高新技术产品。 虽然 FRP 的优点已得到工程研究和应用领域的认可，但第一代的 FRP 结构依然存在着诸多问题，比如高成本，脆性破坏模式，耐火性能差等。消除这些问题的一种有效方法就是将 FRP 材料与传统的建筑材料结合，比如混凝土、钢材。 2003 年前后，清华大学、北京玻璃钢研究设计院、中冶建筑研究总院等单位对高性能 FRP 桥梁开展了有关基础科学问题的研究和设计计算理论与方法的研究下，取得了一定的研究成果，如纤维缠绕桥面板、 FRP-混凝土组合桥面板、 FRP 桥索等。为了填补我国在 FRP 桥应用技术相关领域的空白，在国家科技部的大力支持下，清华大学土木工程系经过多年的理论分析和试验研究，对一系列全FRP 桥梁以及 FRP 组合桥梁体系应用前景进行了充分的论证，开发出一整套适合当前中国桥梁建设条件的 FRP 桥梁应用技术,并已完成两座示范性 FRP 人行桥应用工程。2 应用说明该技术可广泛应用于跨度不大于 50 米的桥梁，特别是在道路压力大的城市路段，交通不便的偏远地区，有高耐腐蚀需求的海岸工程和有特殊施工要求（如不能明火等）的地区等有着极好的投资回报。3 效益分析石家庄 FRP 桥梁应用技术示范桥： FRP #1 和#2 桥，见下图。工程预算略高于普通人行桥梁大约 10%，但在完工时，发现建造费用与普通钢混桥梁大体相当。原因在于预算中过高估算了 FRP 桥梁施工费用。如再将 FRP 桥梁超低维护费和使用寿命长等因素计算在内，FRP 桥梁有着远远超越其他桥梁的高性价比。  上图： 石家庄 1 号 FRP 桥                             上图： 石家庄 2 号 FRP 桥4 合作方式技术服务和技术转让。