计算全息与信息安全综合实验系统是用光电传感器件（如CCD或CMOS）代替干板记录全息图，然后将全息图存入计算机。全息图可以通过用计算机模拟来实现被测物体的数字再现和处理。也可以利用空间光调制器（SLM）实现光学再现。数字全息与传统光学全息相比具有制作成本低、成像速度快、记录和再现灵活等优点。近年来，随着计算机特别是高分辨率CCD的发展，数字全息技术及其应用受到越来越多的关注，其应用范围已涉及形貌测量、变形测量、粒子场测试、数字全息显微、防伪、三维图像识别、医学诊断等许多领域。        TP-XOS1 计算全息与信息安全综合实验系统使用高精度CMOS相机和空间光调制器（SLM）进行采集和再现，降低了对环境（暗室、防震）的要求，免去了冲洗的不安全隐患，可以对数据进行二次开发，如滤波、存储、传输、加密安全等，拓展了全息的应用领域。 主要实验内容： 数字记录数字再现实验 光学记录数字再现实验 数字记录光学再现实验 光学记录光学再现实验 信息安全光学加密原理实验    

产品详细介绍

由上海复旦天欣科教仪器有限公司研制生产的磁光克尔与法拉第效应综合测试系统将两种研究磁光效应的实验结合于同一套测试系统中。在表面磁光克尔效应的研究中，应用该系统可以自动改变电磁铁电流大小及方向，并实时采集记录偏振光信号与磁场强度信号的改变，从而获得薄膜样品矫顽力、磁各异性等方面的信息；在法拉第效应的实验中加入了控温装置，可在不同温度下利用正交消光法检测样品的的费尔德常数。 应用该实验仪主要完成以下实验： 1．磁光克尔效应实验：测量薄膜或者块状抛光铁磁性样品的克尔旋转角，分析其磁学性质； 2．常温法拉第效应实验：测量不同材料的常温费尔德常数； 3．变温法拉第效应实验：测量不同温度情况下材料的菲尔德常数，分析温度对材料磁滞旋光的影响； 4．法拉第效应谱线测量：测量不同光谱照射情况下材料的菲尔德常数（选用不同波长的激光器）。

WRCAM焊接机器人编程与维护离线编程软件是根据《焊接机器人编程与维护职业技能等级标准》开发的一款焊接机器人离线编程软件。软件结合国内外工业机器人编程方法和指令的共性特点，结合焊接机器人编程的要点，软件采用通用性的离线编程操作界面与多品牌机器人数模导入，易学易懂易上手，是焊接机器人离线编程学习的基础。 焊接机器人编程与维护离线编程是专业的软件，是利用CAD图形建立起机器人及其工作环境的几何模型，再利用一些规划算法。通过对图形的控制和操作，在离线的情况下进行轨迹规划。对编程结果进行三维虚拟仿真，检验编程的正确性，最后用后置处理器将生成的代码传到机器人控制器，控制机器人运动，完成计划任务。WRCAM是完全自主可控的国产可扩展的离线编程软件平台，软件集成了大量全新的专利核心技术。软件具有强大的图形编辑环境，可对机器人单元进行离线编程和轨迹验证，支持焊接、切割、融覆、3D打印等多种工艺。

齿数相同的两齿轮相互啮合，分别驱动两压力辊转动，压力辊径向施加作用力，以使板材在两压力辊之间输出，压力辊既要能够转动，又要能径向浮动，这两个运动相互独立（即解耦），在齿轮与压力辊之间连接双向万向节，利用双万向节的工作特性实现压力辊的转动与径向浮动的运动解耦。 特点：用于机械原理教学。 主要技术参数如下： ①输送辊子：直径80mm，长度180mm； ②减速电机：功率80W，电压220V，输出转速23.5rpm； ③外形尺寸：长x 宽x 高=1000㎜x 750㎜x 320㎜； ④重量：80kg；

两齿轮相互啮合，驱动凸轮转动，凸轮驱动平底推杆上下往复运动，通过花键使推杆转动，即推杆在凸轮的作用下可沿轴向移动，又可以在齿轮的作用下转动，这两个运动互不干扰，相互独立（解耦）。 特点：用于机械原理教学。 主要技术参数如下： ①中心距：180mm； ②顶升盘直径：160mm； ③减速电机：功率80W，电压220V，输出转速23.5rpm； ④外形尺寸：长x 宽x 高=650㎜x 450㎜x 550㎜；； ⑤实验台重量：50kg;

一、 项目简介针对国标《先张法预应力混凝土管桩》（10G409)的适用范围“抗震设防烈度为8度且建筑场地类别是Ⅲ、Ⅳ类时慎用”的使用限制，首次提出在此类地区管桩的抗震设计需校核抗弯强度的原则，并提出此类地区管桩的制作工艺。二、 项目技术成熟程度技术成熟三、 技术指标（包括鉴定、知识产权专利、获奖等情况）研究成果总体达到国际先进水平;获得省级科技进步二等奖 1 项，三等奖2 项;取得国家专利2项.四、 市场前景（应用领域、市场分析等）应用领域：以建筑业为主，主要从事PHC管桩的制作、加工和设计的相关单位市场分析：全国每年的管桩产量接近4亿米，用于沿海软土区的工业需求约20%。五、 规模与投资需求（资金需求、场地规模、人员等需求）管桩的生产厂商六、 效益分析成果分别在河北建华管桩有限公司、唐山唐曹高速公路有限公司、中国兵器工业北方勘察设计研究院等5个单位，在天津、河北类似地区近30余项工程中得到应用，取得可观的经济效益。七、 合作方式校企合作八、 项目具体联系人及联系方式（包括电子邮箱）刘春原,手机：13011301353办公室60435952，E-mail cyliu@hebut.edu.cn

锂电池已经在手机、电动车和大规模储能广泛应用。商业化的锂离子电池正极材料主要是依赖于价格相对昂贵的钴（Co）和镍（Ni）元素的钴酸锂（LiCoO2）和高镍三元（NCM）正极。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。