本实用新型涉及一种集控制功能与I/O功能于一体的智能控制器，包括主板电路和罩体，所述主板电路包括MCU单元、电源单元、UI单元、UO单元、DI单元、DO单元、通讯单元，所述UI单元包括模数转换单元、开关量输入处理单元、电平量输入处理单元，所述UO单元包括数模转换单元、外接继电器驱动单元，所述通讯单元包括以太网通讯处理单元、485通讯处理单元、无线通讯处理单元，所述UI单元、UO单元、DI单元、DO单元和通讯单元皆与MCU单元相连，所述电源单元对MCU单元、UI单元、UO单元、DI单元、DO单元和通讯单元进行供电。本实用新型具有最精简的计算机控制结构，采用 CPU 主控单元独立完成控制与运算，其结构紧凑，集成度高，产品具有多种通讯方式，可操作性强。

（专利号：ZL 201410446644.3） 简介：本发明公开了一种适于低温烧结的M型锶铁氧体SrFe12O19的制备方法，属于铁氧体材料制备技术领域。本发明所提供的方法是以蛋清蛋白粉作为金属离子配合物的溶胶－凝胶法为基础，采用蛋清蛋白粉、硝酸铁和硝酸锶作为原材料，经过制备前驱体粉末和1100℃低温烧结等过程，制备SrM铁氧体。采用该制备方法，不仅能较大幅度降低烧结温度、实现节能减排，而且制备过程对环境无污染、绿色环保。本发明适用于制备

        VSM（也叫做M-H磁滞曲线测量系统）测量磁性材料的基本磁性能(如磁化曲线，磁滞回线，退磁曲线，升温曲线、升/降温曲线、降温曲线、温度随时间的变化等)，得到相应的各种磁学参数(如饱和磁化强度，剩余磁化强度，矫顽力，最大磁能积，居里温度，磁导率(包括初始磁导率)等)，可测量粉末、颗粒、片状、块状等磁性材料，VSM可以测量从-196℃到900℃的温度变化的磁性变化。   主要参数： 测量磁矩范围：10-3emu-300emu（灵敏度：5*10-5emu） 相对精度（30emu）：优于±1% 重复性（30emu）：优于±1% 稳定性（30emu）：预热24小时，24小时连续工作优于±1% 温度范围：从-196℃到900℃ 固定磁极间距35mm，极面直径60mm 磁场：由电磁铁提供，从0-3.5T   主要参数： 抗磁，顺磁，铁磁，亚铁磁，反铁磁材料和各向异性材料 颗粒状和连续磁记录材料以及GMR，CMR，交换偏置和旋转阀材料 磁光材料 容易容纳散装材料，粉末，薄膜，单晶和液体     VSM的组成：   型号 DXV-550 电磁铁 √ 稳流电源 √ 振动头，振动架 √ 振动杆，样品室 √ 振动源 √ 锁定放大器 √ 高斯计 √ 探测线圈 √ 电脑 √ 打印机 √ VSM可以单独准备高温和低温设备。     主要设备：   电磁铁 电磁铁应为可调式双共轭或固定间隙的。 45°放置 型号 高低温磁场，磁极间距：35mm（T） 冷水方式 DXV-550 3.4 水冷 DXV-400 3.0 水冷 DXV-380 2.7 水冷 DXV-300 2.4 水冷 DXV-250 2.2 水冷 DXV-220 2.0 水冷 DXV-175 1.6 水冷 DXV-130 1.2 自然冷却 DXV-100 0.8 自然冷却 DXV-60 0.5 自然冷却   稳流源 电源为可调式高稳定度稳压稳流自动转换直流电源，功率为2～30KW 。在稳流状态时，稳流输出电流能在额定范围内连续可调 (一)主要功能 　　(1)输出功率：额定功率从1-12kw。 　　(2)保护：缺相保护、过流保护、短路自动保护。 　　(二)技术指标 　　(1)电源为稳流输出：电流值可从0-额定值连续可调。 　　(2)显示方式： 电流表4位半LCD数字显示。 　　(3)显示精度：±(1%+2个字) 　　(4)当负载为电磁铁，且输出电流大于最大电流一半时，电源输出的电流稳定度优于5*10-4 　　(5)工作时间：连续8小时工作(环境温度20±5℃) 　　(6)输入电压：单相220V/三相380V±10%        (7)输入频率：50Hz   振动系统 包括振动杆、机械振动头支架、样品室及探测线圈   磁测单元 (1)量程分300emu、150emu、80emu、40emu、30emu、15emu、8emu、4emu、3emu、1.5emu、800memu、400memu、300memu、150memu、80memu、40memu、30memu和15memu (2)磁场量程：0.5kOe”、“1kOe”、“2kOe”、“4kOe”、“8kOe”、“16kOe” 和 “32 kOe” 显示在4位半LCD数字表头。.分辩率0.1mT，相对精度优于±1%。 (3)振动源输出频率180Hz,频率稳定度优于10-5，输出功率大于50W。   联想电脑 打印机：hp-1018 高温炉和温度控制设备: 加热功率是100W. 炉子的温度范围是室温到900℃ 通过4位半LED数字控制。分辨率：0.1℃ 低温杜瓦和温度控制装置 样品室的温度与控制范围是 77K-273K 通过4位半LED数字控制，分辨率：0.1K  

产品介绍 微电脑综合吸附仪（四氯化碳吸附率测定装置）与（CTC同含义）主要用于煤和煤炭制品行业及木质活性炭进行活性炭吸附（除去）有毒有害物质，活性炭的吸附能力越高质量越好，吸附饱和之后进行活性炭的脱附是恒定活性炭再次生长能力，并且使活性炭反复利用。 适用范围 安装在室温0～40K，湿度≤80%，周边无侵蚀性气体，空气流通的场所。 功能特点 1、仪器设计美观。采用分体设计，由CPU集成电路控制器、恒温水箱、气体净化三部分组成智能检测设备，设计6路通道（8通道），同时一次性检测分析6个样品，提高操作分析试验工作效率。 2、该仪器操作简单。微电脑CPU单片机集成电路控制，具有很好的自动控制功能，采用数码显示，显示直观大方清晰。 3、采用高精度铂探头，控温精度高达±0.02K，可控温度范围1-50K，优于常规数字表头的精度（0.5K）。温度设置使用薄膜开关键盘，比机械微动开关操作方便、灵敏，使用时间更长。 4、仪器采用国外保温材质，恒温效果好，从而更加节能。该仪器设计有6路气体控制，可同时检测六个样品，无形中又节省了检验时间！不会产生液体倒流 5、具有一般温度控制仪的程序控制，显示直观，自动校正、自动诊断、并对设置具有记忆功能，更新功能。满足客户多种使用要求。本仪器可按照客户需要定制加工样品的需求。（6个样、8个样及冷凝循环能装置）

新冠肺炎常规通过病史、CT等进行病情评估，但重症病房应用超声不便，还需要评估重症患者的心脏等多器官，然而操作者绝大多数不是专业超声医生，这为如何在治疗重症患者的过程中更好地发挥超声的作用提出了难题。深圳国际研究生院袁克虹团队与深圳华声医疗技术股份有限公司合作，用人工智能技术赋能5G超声设备，增添采集心肺关键标准切面的导航以及关键参数的自动测量等功能，辅助医生对重症病人进行动态评估和治疗。 袁克虹团队与深圳华声医疗技术股份有限公司1月中旬组成研发团队，在已有合作工作的基础上，针对新冠肺炎重症患者临床超声的迫切需求开展联合攻关，半个月就获得了较好的成果。该技术从2月初开始在武汉协和西院等多家医院使用，在一定程度上辅助了医生对重症患者进行疾病的动态评估和治疗指导。 目前该技术正由国家感染性疾病临床研究中心（深圳市第三人民医院）牵头开展进一步研究，将完善和改进现有功能，优化远程诊断流程，实现超声为医生治疗重症患者提供更智能、更可靠、更专业的帮助。

目前我国生物质热化学转化技术应用较多的是固定床气化，但生产规模普遍较小且高效连续运行性能差，尚无法适应以发电为代表的规模化利用方式。因此，在生物质转化利用领域，开发规模化高效可靠的气化技术是迫切需要攻克的关键技术。2007年华东理工大学主持实施世界银行的全球环境基金项目（CRESP）“规模化生物质固定床气化炉的研制”，之后又负责完成了多项相关重点科研，核心装备技术于2009年7月通过专家验收。本项目的技术原理是将生物质燃料通过固定床自热气化生产可燃气体，其关键技术包括气化炉控温防止结渣、降低飞灰夹带及燃气深度净化等。本项目核心装备—固定床气化炉的单炉产气量大于5000m3 /h，采用典型农作物秸秆为原料的燃气热值大于1500kcal/m 3 ，同时还可获得焦油和草木灰等副产品，气化系统运行高效、可靠而洁净，已完全达到规模化工业生产的要求。本项目成果可广泛应用于供气、发电和供热等场合。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。