技术成熟度：技术突破         领域存在着景深影响效率的突出问题，本产品以高性能异构处理器为核心运算单元，以嵌入式手段通过视觉流与控制流的严格对位，高性能实时完成视频控制信息的结算，并直接输出电机驱动信号控制相关执行机构完成闭环控制。         本产品主要面向高性能伺服闭环控制的视频应用领域，能够显著提升显微工业自动化领域的视频对焦及对位处理的效率及精度，亦可实现宏观领域的视觉嵌入化控制闭环应用。         意向开展成果转化的前提条件：中试放大及产业化工艺开发资金支持

本仿真实训要求学员根据常见60KW以下小型分布式光伏电站项目需求书要求，到现场进行测量、采集项目所需数据，然后回到办公室使用设计软件进行项目设计，并且做出系统分析结果、施工图以及施工材料清单。 1.1. 场景设计 虚拟场景包括办公设计场景，楼顶建筑场景； 场景模型主要包括：办公室建筑模型、办公家具、办公设备、长度测量工具、方向测量工具、楼顶建筑模型等 设计软件模拟包括：阴影阵列分析软件、CAD制图软件、倾角分析软件、系统分析模拟软件 1.2. 互动设计 在办公室里使用电脑了解项目需求书，根据提供的信息收集项目所在位置的地理与环境信息 到现场使用长度与方向测量工具测量设计所需数据 回办公室使用各种专业设计软件对该项目进行系统设计。

本发明公开了一种基于开槽结构的四分之一模基片集成波导滤波器，包括四分之一模基片集成波导弧形腔，四分之一模基片集成波导弧形腔通过基片集成波导圆形腔沿任意两条相互垂直的磁壁分割得到，四分之一模基片集成波导弧形腔包括介质基片，介质基片的上表面设有上金属层，介质基片的下表面设有下金属层，介质基片中沿四分之一模基片集成波导弧形腔的周向均匀分布有贯穿上金属层和下金属层的金属通孔。本发明相对于传统的基片集成波导圆形腔有效实现了小型化。并且，相对于传统的多层结构，本发明结构简单，加工方便。此外，相对于传统的微带结构，本发明的滤波器品质因数高，损耗小。

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

  艾柯AI人工智能实验室超纯水系统  EDI去离子水, 实验室专用超纯水机、纯水设备, 电阻率≥18.2或电导率≤0.055 适合水源：城市自来水 制 水 量：100L-200L/H 出水水质：纯净水、RO纯水、UP超纯水 产品配置：7寸触摸屏、双波长紫外消解仪、原装进口耗材、可加配移动取水手臂 产品特点：TOC实时检测显示、全智能语音助手、远程控制     AI人工智能实验室超纯水系统 “艾柯AI人工智能实验室超纯水系统是配备艾柯自主技术4G物联网功能，可连接手机或电脑远程操控整套系统，采用微电脑全自动控制，配备PLC物联网模块，人性化设计，占地面积小，操作使用方便。设备一机多用，可同时制备取用多种水质的水，纯净水、RO纯水、UP超纯水。产水量100-200L/H可选，RO水水质电导率≤5 μS@25℃，超纯水水质标准优于GB6682-2008一级水标准，全面满足各类清洗、实验、分析、科研等不同用水需求。”       ▎技术参数 ▎艾柯-专注水处理行业22年 机器型号 AK-AIZN-UP AK-AIZN-EDI-UP 进水水源 城市自来水 水温5-40℃ 水压1-5kg  TDS＜350ppm 电    源 380V/50HZ 功     率 1KW 1.2KW 机器重量 185KG 200KG 主机体积 长650mm×宽900mm×高1388mm 制备取水 一机多用，可同时制备取用多种水质的水：纯净水、RO纯水、UP超纯水 储水箱 22G全封闭真空压力储水桶或PE桶 紫外灭菌 配置185nm和254nm双波长紫外消解仪 制水量 100L/h  120L/h  150L/h  180L/h  200L/h 取水流速 饮用纯净水：3.4L/min  RO纯水：3.2L/min  UP超纯水：3L/min 饮用水水质 电导率≤10uS/cm@25℃ 水质达到中国国家瓶装饮用纯净水（GB17324-1998）标准 RO纯水水质 电导率≤5μS/cm@25℃;电阻率≥0.2ΜΩ.cm@25℃;杂质去除率98% 水质标准达到中国国家实验室用水（GB6682-2008）三级水标准优于普通蒸馏水 超纯水水质 电阻率值 18.25ΜΩ.cm@25℃ 电导率值 ≈0.055μS/cm@25℃ 热 源 ＜0.01Eu/ml ＜0.02Eu/ml 微生物值 ＜1cfu/ml 总有机碳 TOC：＜3ppb TOC：＜1ppb 阳离子含 ＜0.02ppb ＜0.01ppb 阴离子含 ＜0.03ppb ＜0.02ppb 达到标准 中国分析实验室用水规格（GB6682-2008）一级水标准美国试药级（CAP、ASTM、NCCLS）超纯水水质标准中国国家电子级超纯水规格（GB/T11446.1-1997）EW-I标准 标准配置  PP→AC→RO→DI→UP→UV→UF PP→AC→RO→EDI→UP→UV→UF 适用范围 分子生物学、血液分析、微量分析、药物成分分析、ICP-MS、ICP、GC-MS、LC-MS、HPLC、AAS、PCR、TOC等各行业高端标准实验室研究、分析、检测用水   ▎系统功能 ▎艾柯-专注水处理行业22年 智能语音远程控制 微电脑全自动控制，配备PLC物联网模块，人性化设计，具备人机对话功能 多功能预警系统 系统具备故障监测、自动报警功能，可远程修复控制系统的各项错误乱码程序 定量定质定时取水 系统具备定时、定量、定质取水功能，可任意设置定量取水(0.5L-100L)，定质取水(R0水、EDI水、UP水)定时取水(1min-60min)，免除人工频繁手动取水等候 360°可移动取水手臂 配备取水手臂加脚踏取水功能，同时拥有三套控制取水功能，设备操作更加便捷、可靠 AI语音智能对话 具备AI语音智能对话，语音唤醒开机、关机、待机、取水 取水记录下载功能 支持历史系统记录查询，可保存两年取水记录，可通过USB远程读取数据 四路水质检测显示 具备“AK”专用四路水质检测和温度显示功能，可同时检测和显示：进水电导、RO水电导、UP水电阻、EDI水电阻 TOC实时检测显示 具备“AK”专用内置总有机碳量(TOC)检测装置与现实功能，设计符合USP要求检测范围0-999ppb，检测精度士1ppb，提供在线TOC检测 原装进口纯化滤芯 配备“AK”专用大容量核子级超纯化罐、DI纯化柱，水质稳定，寿命更长 智能液晶触控大屏 配备7寸智能电容屏，可以实时查看整机运行流程图加各项检测数据，操作简单、智能 封闭式一体化设计 系统采用中央一体式设计，无外置模块，占地面积更小系统集中化使安装、位移、维护更加便捷   ▎适用范围 ▎ 艾柯-专注水处理行业22年 生化分析、血液分析、微量分析、环境分析、理化检测分析 药物成分分析、基因研究、分子生物学、生命科学、组织培养 生物工程、动植物细胞培养、氨基酸分析、蛋白质纯化、毒理研究 IVF实验、DNA测序、毒理研究、ICP-MS、ICP GC-MS、LC-MS、HPLC、AAS、PCR、TOC等标准实验室研分析、检测用水    

分布式小型光伏电站系统施工建设仿真实训让学员以现场施工工程师的身份根据提供的项目说明书、施工图纸和材料到现场进行小型电站的模拟施工，提高学员的实践能力和动手能力。 1.1. 场景设计 虚拟场景主要由厂户楼顶施工场景组成； 场景模型主要包括：厂户建筑模型、支架基础桩、支架前后立柱、横梁、侧梁、接地扁钢、晶硅光伏组件、边压块、中间压块、接线盒、连接线、直流汇流箱、进线、出线、熔断器盒、断路器、避雷器、逆变器、PVC保护线管、五金螺丝螺母、安全帽、施工工具等 1.2. 互动设计 在施工场景看懂图纸，检查施工物料 根据提示到指定位置使用工具把支架、光伏组件、汇流箱、逆变器一一安装起来 进行组件阵列间串联和并联接线 进行防雷焊接 施工完成后进行投切并网操作 场景植入VR太阳模块，精准计算该项目所在位置的太阳位置，太阳高度角和方位角，在虚拟场景中全时仿真太阳产生的阴影。

项目成果/简介: 装置采用组合式陀螺体型振荡浮子与双路液压系统。相对于振荡浮子式和摆式装置，振荡浮子式装置能量转换效率较高，且各个部件的更换维修均可在海上操作完成，维护成本低，装置安全可靠。振荡浮子式装置又分为单自由度、多自由度及组合型。组合型振荡浮子装置整体效率高，运行稳定。该成果依托阵列化开发思想，针对我国近海短周期、小波高、低能流密度的波浪能资源特征设计了组合型的波浪能摄取机构，解决了多数传统装置“小浪不发电、大浪易损坏”的固有问题。 振荡浮子波浪能发电装置的潮位自适应装置为海洋能的科学利用与开发提供了全新的思路：在资源相对贫乏的低能流密度海区依靠阵列化布置与多能互补实现海洋能的高效利用与集成开发。进行波浪能向电能的转换，使用潜浮体配合张力锚链进行海上安装定位；依托阵列化开发思想，针对我国近海短周期、小波高、低能流密度的波浪能资源特征设计了组合型的波浪能摄取机构，解决了多数传统装置“小浪不发电、大浪易损坏”的固有问题；双浮体自升沉结构形式突破了近海潮差（3-4m）变化大导致装置工作时长短的难题，可在大潮差海域实现24小时全天候自主控制运行发电；开发了全自动在线控制与检测系统，可在百公里外的海大校园内对装置的实时工作状况、运行性能等实现远程监控，真正做到了无人值守与远程遥控；基于产品化设计，检修维护方便，所有活动部件的更换维修均可在海上操作完成，维护成本低，安全可靠。项目阶段: 小试、中试阶段效益分析: 将供电用户瞄准为离岸海岛，与常规能源相比，海岛越偏远，该项目的研究成果优势越明显，这也为近期海洋能的开发与利用提供了新的路径。 目前在青岛市与青岛中广核新能源山东分公司进行了初步尝试合作，为其提供科技服，“海洋能源综合利用”课题采购技术服务，项目编号20180193。知识产权类型:其他技术成熟度:通过中试技术先进程度:达到国内领先水平成果获得方式:独立研究获得政府支持情况:无

项目简介： 锑化铟薄膜型霍尔元件主要用于直流无刷电机，大量应用于电脑 的电源风扇，CPU 风扇，打印机，电动自行车等所用的微型直流无刷 马达。具有灵敏度高，使用寿命长，可靠性高，体积小，重量轻，功 耗小，频率高，耐震动，耐灰尘、油污、水汽和盐雾等各种污染或腐 蚀的优点。 项目特色： 制备温度低，能源消耗低，环境污染极小，易于大规模生产，制 造成本低，投资小的优点。 

以交联聚乙烯作为绝缘电缆的耐热性比聚氯乙烯高，它可以在90℃下长期使用，短路时的 耐热温度最高可以达到250 ℃ ；绝缘电阻高，介质损耗角正切小，基本上不随温度的变化而变 化；有良好的耐磨性和耐环境应力开裂性。交联聚乙烯一旦发生电缆燃烧散发出的是二氧化碳 和水，而PVC 电缆燃烧时产生的是氯化氢有害气体；此外，交联聚乙烯的密度比PVC 小40 ％ 左右，可以明显减轻架空线的重量。茂金属聚乙烯 (MPE) 是在茂金属催化体系的作用下乙烯 与α-烯烃 (如1-丁烯、l-己烯和1-辛烯) 共聚得到的。与传统的聚乙烯相比，MPE因具有很窄的 分子量分布和短支链分布，使它具有优异的物理性能 (如高弹性、高强度和高伸长率) 和良好 的低温性能；另外它的分子链是饱和的，所含的叔碳原子相对较少，因此具有优异的耐热老化 和抗紫外性能。对于低烟无卤阻燃材料来说，可以避免含卤阻燃材料在燃烧时所带来的二次污 染，它是阻燃材料发展的主要趋势。迄今，开发低烟无卤阻燃剂仍是一个技术难题。目前，电 工行业主要使用的无卤阻燃填料是粒状氢氧化铝和氢氧化镁，而镁铝水滑石起始分解温度可分 为低温段和高温段，拓宽了阻燃温度范围，具有阻燃、消烟和填充3种功能，兼具了氢氧化铝 和氢氧化镁阻燃剂的优点，克服了它们各自的不足，是一种高效、无毒、低烟的无卤阻燃剂， 有望成为新一代的阻燃填料。