便携式通用精细智能信号采集分析系统根据设备状态监测和故障诊断的要求采集并记录与设备工作过程相关的主要状态参数的状态信号，如振动、噪声、转速、电流等，然后对这些参数和信号进行快速处理和精密分析，提取反映设备运行状态的特征信息，快速准确地给出设备运行状态的性能评价，为设备管理、诊断及维修提供依据，从而保障设备长期安全可靠地运行。

间隙搅拌反应器 Batch stirred tank reactor(BSTR)是广泛地应用于化工、生物发酵、结晶、混凝、萃取、悬浮等工业作业，因此是一种应用面极广的非标通用设备，其容积可以从升级至几千立方。其中生产规模最大的是应用于生物发酵用的发酵罐。 在我国生物发酵工业基本上均采用 BSTR 进行生产，国内发酵罐容积居世界第一。单位容积发酵罐耗电为 2～4kW/m3。发酵用空气需经过空气过滤除菌，空气耗量以罐体积计:体积流量(m3/分)与罐容积比为 0.3～2

液滴阵列是研究数字分子检测、数字分子免疫学、单细胞分析的重要技术手段，是当前生物医药领域的研究热点。受植物叶片倒模的启发，创新性地将限制性表面能梯度微孔阵列应用于高通量液滴数字化过程（相关研究成果发表在中科院工程类分区Q1、Q3期刊上），提出了基于仿生微流控原理的数字化液滴阵列技术，设计开发了数字分子诊断和单细胞分析通用系统平台，在细胞、颗粒的分散阵列化及生物应用进行了探索。经过近4年研究，已完成了平台原理验证、结构优化、系统调试、生物应用验证的工作，应用在数字PCR、数字LAMP等核酸分子诊断领域，在多菌分离及培养等单细胞分析领域，初步开发了数字ELISA等分子免疫学领域研究方法。

间隙搅拌反应器Batch stirred tank reactor(BSTR)是广泛地应用于化工、生物发酵、结晶、混凝、萃取、悬浮等工业作业，因此是一种应用面极广的非标通用设备，其容积可以从升级至几千立方。其中生产规模最大的是应用于生物发酵用的发酵罐。 在我国生物发酵工业基本上均采用BSTR进行生产，国内发酵罐容积居世界第一。单位容积发酵罐耗电为2～4kW/m3 发酵用空气需经过空气过滤除菌，空气耗量以罐体积计:体积流量(m3/分)与罐容积比为0.3～2。因此以单位立方米计的空气能耗在0.72～4.8kW/m3以上。因此发酵工业是国内的一个耗能大户。降低发酵用BSTR的能耗具有重大的节能意义。 本项目通过利用气流能量在罐内构造离心力场中的泰勒涡柱流，利用泰勒旋涡流来改善气液比表面积，降低搅拌功耗，减少空气用量和减少混合时间，达到大幅度降低BSTR能耗的目标。降低搅拌功率30%。节省空气用量5%～10%。 由于泰勒涡柱流动具有的无返混流特征，可以提高发酵对数期的反应进程，将产生热冲击效应，可以充分利用来缩短发酵对数生长期，以及提高产量。 本项目主要研究内容是，通过开发极限发热量的控制技术和散热技术，从而充分利用热冲击效应，以达到增产目的，增产目标为2%。通过热控制技术保证，用泰勒涡柱流降低搅拌功率30%。节省空气用量5%～10%。

产品详细介绍金钥匙科教设备有限公司基础结构件都经过匠心独具的几何设计，看似千差万别，但都存在长度倍数关系、高度倍数关系、立体结构关系。无论结构型材件、铰接头还是齿轮，上千种零件之间的纵横斜穿都隐藏着无穷繁多的巧妙连接方法，可以实现任何造型的搭建。除此之外，基础型材件可以根据用户需求来截取不同规格长度。①比较不同结构的拱桥模型承受压力的大小。②对桥的受力情况进行分析。电话：0513-8160127181601272EMAIL：ntjyskj@yahoo.com.cn网址：www.ntjys.com.cnQQ:979322621

该仪器对血氧的监测可以很好地反映组织氧合功能，通过血氧监测能提高对临床麻醉和重危病人呼吸治疗的安全性。研究内容包括测量、分析气道与肺动脉解剖结构参数和光学参数，模拟气道与肺动脉组织中光子传输特性；开发新型经气道导管的光纤式肺动脉血氧饱和度检测设备，包括气管导管内用的反射式光纤探头的设计和制作；光源驱动、控制电路的设计与制作；反射光信号采集、处理和信息显示的电路系统的设计与制作。 该仪器对肺动脉混合静脉血血氧饱和度监测方法，不但用于监测临床上的重要指标，而且对病人无副作用和不增加额外风险，具有实际的临床应用价值和广泛的临床应用前景，经济前景不可估量。  技术参数：  探头尺寸：Ф5mm×2000mm； 血氧饱和度探测精度：0.5%； 检测模式：连续； 整机尺寸：500×400×300mm3。

利用图像处理和机器学习技术，在多分类，样本不均匀条件下，对类型接近的目标进行识别与检测；在弱监督，无监督条件下对大数据集的目标自动分类识别技术；对目标识别算法的通用攻击和通用防御算法。

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。应用范围: 1、智能网关： 开发基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置服务器。 综合接入能力： 包括有线传感器和特定的无线传感器、与现有系统的对接 有效感知能力： 实现基于图像的AI视觉感知能力，重点研究基于小目标的图像分类算法 安全传输能力： 提供4G、5G、NB-IOT的上行传输模块化替换 提供安全的加密手段，保证数据安全 现场调试配置能力： 具有现场WiFi调试功能，方便安装和运维人员现场配置和检测 软件和通信标准版本现场升级 2、AI模型管理系统 需要实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。 样本管理能力 原始样本管理、样本实例库分类和管理、检测样本管理等 模型计算和管理 算力管理：对算力的统筹，外部算力的对接等 算法管理：自主开发算法的管理和调动，外部算法的调用和对接 模型管理：包括模型的功能属性和已经应用的情况的统计分析 设备管理 设备的AI模型配置能力、AI推演过程的监控、AI推演结果的跟踪采集和分析 3、数据管理和标准化处理 数据有效性管理 监测数据是否按时上传、上传数据是否符合要求、是否为非法数据 告警输出：把告警信息进行分类，并推送给相关的运维系统 数据质量评估 按照标准对现场采集数据进行多维度的质量分析，为后续数据应用提供参考依据 数据标准化 格式标准化：完善采集时间、地点、单位等属性， 输出标准化：按照标准协议与工业互联网平台数据池进行对接 数据安全 区域性部署：可以应用户要求部署在其内网 并行部署：可以通过并行部署，网关上联多个服务器，确保用户的可靠性需求 数据回滚能力：可以应工业互联网平台要求对数据进行一定期限内的回滚，保证数据在一定时间段内不丢失 4、智能运维 开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提供效率、降低人员成本、保证系统运行质量和数据的有效性。 运维人员管理 对运维人员的信息、定位、工作状况管理 巡检任务管理 对部署的硬件和相关工作环境定期巡查的任务制定、下发、执行过程和结果的记录和管理 临时故障处理 对系统自动告警和现场突发状况的应急处理能力，包括人员调配、处理流程提示和建议、相关情况处置参考案例、后续统计追踪等。网关核心板实物照片

本项目研发了一套完整的现场数据采集服务支撑技术，提供了数据采集集成服务的商业运营新模式。针对工业互联网建设过程中普遍存在的现场数据采集需求，整合了综合感知、AI智能处理、网络安全传输、数据质量管理和标准化输出等多个环节，把经过质量分析和标准化处理后的实时数据，作为产品对接到工业互联网应用平台的数据池，供后续数据处理和应用分析。整套技术包括4大模块：1）智能网关：基于具有AI能力CPU的智能网关，完成对多种传感信息的有效采集，并安全传输给数据前置云服务器；重点研究基于小目标的AI图像分类算法。2）AI模型管理系统：实现对智能网关中视觉AI感知中的模型计算和管理，该系统可以统一部署也可以部署的用户指定的内网服务器中。3）数据管理和标准化处理：数据有效性管理、数据质量评估、数据标准化和数据安全机制。4）智能运维：开发一套基于移动APP的智能运维系统，为运维人员提供有效帮助，提高效率、降低成本、保证系统运行质量和数据的有效性。 如图所示，项目完成了对于现场数据的传感、传输、管理、输出和设备运维等一系列工程实现。

目前国内外企业只能生产执行特定任务的专用无人船，应用范围窄，难于加载日益增长的智能级别的任务，不利于用户的集成开发应用。针对这一市场需求，本产品定位于研发通用型的无人智能航行器，基于实时仿真测控平台，面向感知数据融合模型解算框架，支撑复杂智能任务算法研究，支持Matlab/Simulink实时仿真测控引擎，满足高端研发环节需求。采用开放式接口，响应终端用户的定制化需求，用户可以根据自行调整配置、加载任务系统，部署到实际环境在线调试，极大提高了工作效率，缩短了研发周期。