一、产品简介    掺铒光纤放大器(EDFA即在信号通过的纤芯中掺入了铒离子Er3 + 的光信号放大器。)。掺铒光纤放大器具有增益高、带宽大、输出功率高、泵浦效率高、插入损耗低、对偏振态不敏感等优点。 从20世纪80年代后期开始，掺铒光纤放大器的研究工作不断取得重大的突破。用在WDM技术中极大地增加了光纤通信的容量。成为当前光纤通信中应用最广的光放大器件。      MXY5001实验系统就是专门针对掺饵光纤放大器特性测试而设计的。能够帮助学生更全面的了解掺饵光纤放大器的原理。 二、实验内容 1、EDFA自发辐射噪声功率测试实验 2、不同衰减条件下输入功率的测试 3、EDFA输出功率测试 4、增益曲线测试及绘制实验 5、偏振相关增益变化测试实验 6、噪声系数曲线测定实验 三、实验配置 1、光源：输出波长1550±2nm，功率连续可调，接口FC/PC； 2、功率计：波长范围800-1700nm；输入接口FC；校准波长：1310-1550nm； 3、EDFA放大器：输出功率：13-24dBm；光纤连接器型号：FC/APC；输出光波长：1535~1565nm；噪声系数＜0dB；输出功率稳定性：±0.5dB； 4、隔离器：中心波长：1550nm；隔离度＞30dB；典型峰值隔离度：40dB；最大插入损耗：7dB；回损（输入/输出）≥60-55dB；接口类型：FC/PC； 5、可调衰减器：法兰式机械调节，衰减量：5-30dB； 6、滤波器：滤波范围：800-1625nm；插入损耗：5dB；接口类型：FC/PC； 7、配置：光纤激光器，掺饵光纤放大器，光衰减器，光功率计，偏振控制器，光纤跳线，法兰盘，实验讲义等。

一种半桥LLC谐振变换器中的高频中间抽头平面变压器，采用八层结构，原边绕组位于第一、三、六、八层，两个副边绕组分别位于第二、七层和四、五层，原边附加绕组包括两个矩形的附加绕组，第一、三、五、七层的绕组串联构成一个附加绕组，第二、四、六、八层的绕组串联构成另一个附加绕组，相邻两层之间的附加绕组交叉设置，且相邻两层之间的附加绕组之间采用完全正对绕制，使两个附加绕组之间的等效电感Lr’和等效电容Cr’替代谐振网络中分立的谐振电感Lr和谐振电容Cr，励磁电感Lm由中间抽头平面变压器提供，通过磨磁芯的气隙来获得需要的励磁电感值；原边绕组或副边绕组分别位于该层相应的矩形附加绕组之内。

本发明提出了一种基于自适应半软阈值小波变换的多路径误差提取方法，应用于全球卫星导航系统中多路径误差的消除。首先利用卫星观测值得到双差伪距的残差值，作为待处理信号；利用小波变换对待处理信号进行多尺度分析，从中提取出待处理的多路径信号；然后使用FIR滤波器对待处理的多路径信号进行过滤，得到最终的多路径误差信号。其中，小波变换中的阈值函数采用自定义的半软阈值函数，并且采用自适应法搜索阈值点。本发明方法计算量小，计算速度快，可实施性强。还可根据不同实验环境自适应调节，以达到最好的抑制多路径误差的效果。

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。

本发明公开了一种双路电压信号驱控的面阵电控液晶光发散微透镜芯片，包括电控液晶散光微透镜阵列、第一驱控信号输入端口和第二驱控信号输入端口，面阵电控液晶散光微透镜为 m×n 元，其中，m、n 均为大于 1 的整数，电控液晶散光微透镜阵列采用液晶夹层结构，且下上层之间顺次设置有第一基片、共地电极层、第一液晶定向层、液晶层、第二液晶定向层、顶面图案化电极层、顶层电极间绝缘层、顶面电极层、第二基片，共地电极层和顶面电极层分别固

DYT043 流体静力学实验仪  一.实验目的 1.定量测量实验——验证不可压缩流体静力学基本方程，可供分析研究马利奥特容器的变液位下恒定流实验。 2.定性分析实验——测压管和连通管判定、观察测压管水头线、判别等压面、观察真空现象。 3.设计性实验——油库液位高度检测， 家用饮水机构设计、变液位恒压系统供水设计等。 4.拓展性实验——多种方法测定某一油比重、容重。 5.恒定流实验及其他十余项定性、定量实验。 二.技术指标 1.装置工作环境：常温、常压下运行。 2.304不锈钢台面、不锈钢框架实验台（30*30mm不锈钢方管、配脚轮均为万向轮带禁锢脚）。 3.装置外形尺寸：600mm×450mm×1550mm。 4. 设备配套3D虚拟仿真软件和智慧课程平台 （1）▲仿真实验模块通过在线首页的仿真课件模块进行下载使用，仿真实验采用PC端，进入实验系统后，可选择装置介绍和仿真实验模块。 （2）▲装置介绍模块：基于实验设备的等比例三维仿真模型，可进行自主漫游、装置的文字、图片介绍、支持在三维模型上展示部件名称，点击部件时，展示相应部件的介绍参数包括：图片、视频等。 （3）▲在实验前支持进行仪器操作、实验安全、实验数据、实验现象等内容的交互认知学习功能。 （4）▲仿真实验具有实体实验完整的实验步骤、实验提醒、实验操作模拟等功能，支持在重点步骤或环节上展示实验现象与实验数据。 （5）▲当实验完成后，系统自动进行考核评价，并出具分数及实验报告。 （6）投标文件中提供以上软件每项▲功能的高清截图，以及U盘形式提供软件功能录屏，使评委能清晰看到以上每个参数内容，以验证智慧课程平台仿真功能，中标后采购人有权要求中标人提供软件进行参数演示。

技术成熟度：技术突破 本成套设备，以电供暖的各个电暖气为控制对象，以建筑内不同房间不同区域的取暖温度为控制参数，自下而上，组成了由单片机现场控制器（控制室单独使用PLC控制器）、PLC中间层算法控制器、工控机为上位机构成监控界面的DCS控制系统，从而实现分散控制集中管理的控制系统。此系统的目的在于替换传统水暖系统，利用合理科学的软件算法，实现节能、环保、减排的效果。设备兼具教学、实验、科研及实用的功能。 成果技术特点：本套装置由四个单片机组成现场控制器，一个PLC组成的控制室控制器，与中间层面的S7-300PLC控制系统，以及顶层监控层的工控机装置，统一安装到了一个整体的平台上。此平台便于实地集中实验、研究，也有利于集中编程与项目演示。 图1 设备实物图 图2 为智能控制系统电脑操作界面

房树人心理测验系统

AI心理情绪识别系统1.多模态信号采集：人脸动态图像、脑电信号采集、语音情感检测。2.功能模块包含：情绪检测、情绪档案、数据统计、用户管理、系统设置功能模块。3.系统基于情绪心理学相关理论，结合面部表情的二维情感空间分析技术、脑电信号的状态分析、语音的三维情感空间分析三种模态相互融合叠加技术，检测人心理情绪状态，提高其检测准确度。3.    基于摄像头面部情绪识别技术，可以实时分析人体面部所包含的情绪状态。通过非接触式的实时视采用 AI 人工智能学习技术，结合心理学，通过对被测试人员 60秒的测试，能够获取相关心理/心理指标。帮助被测试人员了解自己的心理健康状况，并且引起人们重视心理健康，从而在工作、学习、生活当中提高身心健康。并且通过定期测试，能够获取个体、准确的进行心理危机预警，显示被测人员心理危机测试报告，提醒心理医生重点关注。用户在进行注册登录后，根据语音提示可直接进入测试界面进行情绪识别。点击测试按钮，调整好站立位置，脸部朝向屏幕，人脸录入即可完成测试，测试完成即可生成测试报告并能打印报告。4    基于脑电生物传感器状态检测、实时展示人体脑波原始状态指标以及Delta、Theta、Alpha、Beta、Gamma等8个EEG参数。5.    采用任务态模式进行语音情感分析，测试者按照系统设定的特定语境信息进行朗读来进行情感分析。6.    检测结束后可实时出具“心理生理状态分析结果报告”，其中包括被测试人员信息、检测时间、12维度心理生理情绪数据，包含正面情绪（平衡、自信心、活力、调节水平），负面情绪（攻击性、压力、紧张、可疑），生理参数（抑制、神经质、消沉、幸福指数），以及综合状态指标：专注度、放松度、疲劳指数、焦虑指数、压力指数、抑郁指数等。7.    统计分析：系统自带数据中心的统计功能，可以按单位进行所有检测人员的压力分布图及重点关注人员的信息显示。8.    检测完成后系统自动生成检测报告，检测报告需包含每项参数的检测数据大小、参考范围、异常数据等，以及用情绪参数雷达图、饼状图、直方图、曲线视图等多种表示方法。9.    信息查询功能：管理员可通过多条件查询功能，只需通过任意一项查询条件即可快速查询出与之对应和匹配的测试者信息，以及该测试者的历史测试记录，并可对该测试者的测试记录进行纵向和横向对比，综合分析该名测试者的心理健康状况。9.用户管理端：以管理员身份登录该系统可对用户进行管理。可进行添加用户、删除用户、查询用户、用户信息修改、密码修改、级别权限设置、单位框架搭建、查看用户报告，以及导出、打印用户报告。10.系统具有特定场合模态设置功能，可关闭和开启语音检测功能。11.视频检测时面部框具有信号质量检测功能，通过不能的颜色在面部框进行彩色状态提示，同时具有人脸检测判别功能，比如面部不全、距离较远等识别功能

AI多模态情绪分析系统，是人工智能与心理学、计算机视觉、听觉感知等学科深度融合的前沿方向。它不再局限于传统的问卷答题，而是像一位敏锐的观察者，通过分析你的面部微表情、语音语调、肢体语言，甚至生理信号，来实时、客观地"读懂"你的情绪状态。这种技术正在心理健康、教育、人机交互等领域开启全新的可能性。 这套系统的核心在于"多模态"和"融合"。它模拟了人类如何综合视觉、听觉信息来理解对方情绪的过程。 多源数据采集：系统通过摄像头、麦克风等设备，同步采集个体的面部视频、语音音频，甚至可接入可穿戴设备获取心率等生理信号。 单模态特征提取：针对每种数据，用不同的AI模型提取情感特征。 视觉：分析面部肌肉运动（如嘴角上扬、眉毛紧蹙）、头部姿势、眼神等。先进的技术甚至能捕捉难以伪装的微表情（持续仅1/25至1/5秒），或通过分析面部血流图谱（rPPG）来感知生理唤醒水平。 听觉：提取语调、语速、音高、能量（MFCC梅尔频率倒谱系数）等声学特征，判断声音中的情绪色彩。 文本/语义：如果涉及对话，系统还会分析说话内容的语义，理解话语背后的真实意图和情感倾向。 多模态融合与情感解码：这是最关键的一步。系统通过复杂的深度学习算法（如Transformer、自监督多任务学习框架等），将来自不同模态的特征信息进行时空对齐和深度融合。例如，一句愤怒的"我没事"，配上闪躲的眼神和紧绷的嘴角，才会被准确识别为"掩饰性的愤怒"，而非字面意思的"没事"。