一、产品介绍        MXY8002光电技术应用开发综合实验平台针对光电器件应用开发而设计，由光学平台、数字仪表及电子元器件平台、线/面阵CCD相机的原理与应用及数据采集输入输出端口、计算机系统、线/面阵CCD相机数据采集软件等部分构成，平台配备各种电源接口及0-200V高压可调电源和0-12V 低压可调电源，可为学生搭建各种实验电路提供电源。学生能够利用平台自行搭建各种光学系统、光电传感器的变换及处理电路，完成各种关于光电技术方面的应用开发设计，从各方面提高学生的动脑动手能力及创新意识，帮助高校培养光电技术人才。  1、光学平台 光学平台为导磁材料，可利用磁性底座与光学配件及电子元器件搭建出几何光学、物理光学、光电检测与光电控制等系统，并与仪器内部的数据采集系统相结合完成各种实验系统。 2、数字仪表、电子元器件平台 平台提供2块数字电压表（四位半），2块数字电流表（四位半）和1块自动更换量程的数字照度计，这些数字仪表可以应用在电路中进行各种电路参数的测量。此平台还配备各种电阻、电容、可调电位器、二极管、三极管、集成运算放大器、光电耦合器件和现场可编程逻辑器件（CPLD）等。 3、线/面阵CCD相机的原理与应用及数据采集输入输出端口 平台面板上安装有线/面阵CCD相机的原理与应用及数据采集输入/输出端口，输入端口与平台内部的线阵CCD相机的数据采集卡与面阵CCD图像传感器的数据采集卡构成一整套数据采集系统，通过USB总线接入计算机，完成各种测量、振动、扫描及各种图像采集与处理等功能软件的开发与设计工作。输出端口提供线/面阵相机的数字驱动信号及模拟输出信号，学生可以通过示波器对这些信号进行观察，从而了解线/面阵CCD的工作原理与应用，进而通过CPLD进行开发设计，提高学生动脑能力。 4、计算机功能软件 平台配备有各种功能软件，包括线阵CCD尺寸测量、角度测量、位移测量、条码识别、图像扫描软件，面阵CCD边缘与轮廓检测、物体的尺寸测量、图像的点运算、图像的几何变换、图像采集与参数设置、投影与差影图像分析、图像的滤波与增强、形态学处理、旋转与缩放、颜色识别与变换等图像处理软件。不但提供DEMO演示软件还提供SDK软件开发包，供学生进行二次开发。 外形尺寸：680mm(长)×550mm(宽)×230mm(高)    重量：25kg 二、教学目的 1、了解并掌握各种光学配件及其实验的原理和应用； 2、了解并掌握各种光电传感器的工作原理、变换电路、处理电路； 3、了解并掌握线阵CCD的原理及其应用； 4、了解并掌握面阵CCD的原理及其应用； 5、了解CPLD的应用开发技术； 6、培养学生动脑动手能力及创新意识； 三、配置内容  1、平台电子元器件    ① 光电二极管2只；   ② 光电三极管2只；   ③ 光敏电阻2只；   ④ 硅光电池1只；    ⑤ 发光二极管R、G、B、W四色各1只；    ⑥ PIN光电二极管1只；    ⑦ 雪崩光电二极管（APD）1只； 2、平台实验装置   ① LED点光源装置1支；    ② 光电器件安装装置2件；   ③ 热释电实验装置1件；   ④ PSD实验装置1件；   ⑤ 光栅莫尔条纹实验装置1件；    ⑥ 线阵CCD相机及夹持器1套；       ⑦ 线阵CCD数据采集卡1块；    ⑧ 50mm相机镜头1个；       ⑨ 尺寸测量实验装置1件；    ⑩ 倾角测量实验装置1件；    ⑾ 条形码识别实验装置1件； 3、光源配置   ① 白色远心照明光源1只；   ② 650nm点型3mw半导体激光器1只；    ③ 650nm线型3mw半导体激光器1只； 4、夹持器具配置   ① 磁性底座4个；    ② 底座支撑杆6个；   ③ 一维调整架1个；    ④ 二维调整架1个；    ⑤ 三维调整架1个； 5、连接线配置   ① 300mm连接线40颗；    ② 500mm连接线10颗；    ③ 线阵CCD相机连接电缆线1颗； 6、光学元器件    ① 15mm焦距双凸透镜1只；    ② 50mm焦距双凸透镜1只；    ③ 70mm焦距双凸透镜1只；    ④ 100mm焦距双凸透镜1只；    ⑤ 150mm焦距双凸透镜1只；    ⑥ －60mm焦距透镜1只；    ⑦ 20×20×20mm色散棱镜1只；    ⑧ φ36×4半透半反镜2只；    ⑨ 物屏、像屏及支架1个；    ⑩ 分划板1支；    ⑾ 10×目镜1支    ⑿ 多孔板架1个；      ⒀ 可调宽度狭缝1个；    ⒁ 600l/mm光栅及支撑调整架1个；      ⒂ 色散棱镜支架1台；    ⒃ 多缝板1只；    ⒄ 光偏振实验装置1件；       ⒅ 扩束镜1个；    ⒆ 刀片1片；       ⒇ 干板架1个； 四、能够完成下述实验内容： 光电传感器件原理与特性的实验 1、光源发光光谱特性实验； 2、光度辐射度参数测量的实验； 3、光敏电阻特性参数及其测量； 4、光敏电阻伏安特性实验； 5、光敏电阻的变换电路； 6、光敏电阻时间响应特性； 7、光电二极管光照灵敏度的测量； 8、光电二极管伏安特性的测量； 9、光电二极管时间响应特性的测量； 10、硅光电池在不同偏置状态下的特性参数及其测量； 11、测量硅光电池在反向偏置下的时间响应； 12、光电三极管光照灵敏度的测量； 13、光电三极管伏安特性的测量； 14、光电三极管时间响应的测量； 15、光电三极管光谱特性的测量； 16、光电耦合器电流传输比的测量； 17、光电耦合器件伏安特性的测量； 18、光电耦合器件时间相应的测量； 19、热释电器件基本原理实验； 20、热释电器件光谱响应的测试实验； 21、PSD位移传感器特性参数的测量； 22、雪崩光电二极管（APD）特性实验； 23、PIN光电二极管特性实验； 光电检测技术实验 1、线阵CCD原理与驱动实验； 2、线阵CCD尺寸测量实验； 3、光栅与莫尔条纹实验； 4、线阵CCD角度测量实验； 5、利用线阵CCD识别条形码； 6、利用夫琅和费衍射进行的测量； 现代光学实验 1、用远心照明光源测量薄凸透镜的焦距； 2、位移法测量薄凸透镜的焦距； 3、组装显微镜系统； 4、组装透射式幻灯机； 5、双缝干涉原理与现象； 6、夫琅和费单缝衍射原理与现象； 7、夫琅和费圆孔衍射原理与现象； 8、菲涅耳直边衍射实验 9、光的偏振实验； 二次开发实验 CPLD应用技术方面的实验 1、编写与设计时钟逻辑电路实验； 2、编写与设计2160像元的线阵CCD驱动电路实验； 3、编写与设计线阵CCD二值化数据采集系统逻辑电路； 4、编写与设计流水线上测量通过某一工位工件数量的系统； 六、 平台配套文件资料 1、实验指导书1本； 2、软件：平台软、硬件使用手册等内容； 3、实验录像光盘1套 ；                                                  备注：客户自行配置示波器。

产品详细介绍Beeker取样器是在水下土壤中静态取样的工具。样本收集到透明管中，这样它就能将材料保持在原位上，可以据此做出清楚的剖面描述。技术参数采样深度：5米 采样管尺寸：直径63×57mm，长度100/150cm配置：包括一个完整的沉积物采样器，不同长度的采样管，活塞，顶部的锤击头和扩展连接杆，一个真空手泵，一个压力手泵，软管绞盘和软管，一个气动排放和分离系统(04.23.SB型)，一个工具包，各种附件和铝质装运箱。采样原理在采样前，一个坚硬的切割头安装在采样管底部。一个垫圈安装在采样官顶部。切割头和垫圈用带子紧密连接，采样管被它们夹紧。这种构造可以用在不同长度的采样管上（最大1.5米）。一个橡胶隔膜装在切割头里，可以在一定压力下膨胀并完全关闭切割头，可以保证采样器提起时，样品完好保存。通过使用扩展连接杆和顶部的锤击头，可以将采样器插入到底泥中。通过使用活塞，Beeker采样器可以避免对样品产生压缩的问题。采样前，将活塞装在切割头里。当切割头位于沉积物上时，活塞通过绳子保持在一个固定高度（例如将绳子固定在船的栏杆上）。当采样管下降时，活塞保持静止状态。采样管被推入沉积物中，环绕着活塞。由于摩擦的作用而产生的压缩被部分真空产生反作用抵消。通过Beeker采样器采集的样品压缩率最大只有4-5%，其它的采样系统通常会压缩30%以上。采样管被密封以后，通过使用水-气动排放和分离系统，样品可以再细分成更小的、非破坏性的样品，用来深入研究。取样完成后，取样管密封，通过液压-气压排出和分离设备，样本可再分为更小的静态样本，以备相关的深度分析。全套装置包括：一套完整的沉积物取样工具，各种长度的取样管，活塞，顶杆和加长杆，一个真空/压力泵，真空/压力存储器，带软管的软管卷盘，一个排出/分离设备，一套工具，各种附件，以及一只铝制搬运箱。优点装备完整，并带有详尽手册。土壤剖面和密度保存较好。由于样本的真实直径，周围很少有样本撒出。沉积物的静态取样取样器重量轻，使用简便，所以一天之内可以采集多个样本。有了气压存储器和粗软管连接，取样器非常灵活，用途广泛。取样器可处理各种密度不同的沉积物，从含水很多、没有粘性到松散的沙土，不受土壤分层的影响。用液压-气压排出和分离设备，可轻松控制样本的排出以及/或者分离。标准装置可用于水中最深5米。在某些情况下，使用加长杆，还可在更深处采集样本。注意：随着取样深度的增加，流水中取样会越来越困难

本专利（专利号:ZL201110246292.3 ,发明人系荣昌校区教师，长期从事新中兽药的研发）,涉及中 药提取物的组合物,特别涉及补骨脂黄酮提取物和淫羊霍提取物的组合物,还涉及补骨脂黄酮提取物和淫羊 蕾提取物的复方制剂及其制备方法。其目的目的之一在于提供一种含补骨脂提取物和淫羊霍提取物的组合 物，能缓解动物的疲劳及提高动物的能量代谢，提高动物竞技能力。本专利拟以独占许可方式转让企业,并为申报新兽药作准备。如果成功上市，能有效提高动物的竞技活 动,加之无抗生素残留问题，市场前景非常可观。

成果描述：互联网文本内容主题 概念漂移检测系统， 通过分析数据集中的 所有文档数据的潜在 语义关系，提取出它 们之间的潜在语义主 题标示，通过评估参 数的方法，将生成的 主题时序关系用数据 的形式表示出来，并 以此为依据主动发现 待预测数据集中主题 的转变与转化现象， 并提供给用户这一主 题转移过程。市场前景分析：点。基于这些特点， 流数据的处理和分析 面临巨大的挑战，是 当前数据挖掘领域研 究的热点。 分类是数据挖掘领域 的重要课题，当前流 数据分类问题面临的 主要挑战之一就是概 念漂移问题，即数据 中学习的概念（从属 性到类别的映射）是 随时变化的。 通过对互联网中文本 内容的主题概念漂移 进行检测，对于正确 分类互联网文本等方 面具有重要的意义。与同类成果相比的优势分析：能够将生成的主题时 序关系用数据的形式 表示出来，方便用户 查看； 可以动态调整评估参 数，以实现对不同数 据集的自适应性分析； 可以将评估参数值与 发生概念漂移的主题 中心相关联，主动探 测出主题发生变化的 过程。

本系统在设计中使用了先进的网络处理器技术，包括高性能的IXP2400处理器和高速千兆以太网接入能力，提供了强大的网络处理能力和可靠的运行稳定性。本系统完成的基于网络处理器硬件平台根据不同的实际需求，可以广泛应用于各种网络通信系统和网络安全领域，边缘路由器，千兆硬件防火墙和入侵检测系统，具有广阔的市场前景。

随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。

随着油田数字化的发展，物联网技术在油田企业的生产管理中应用越来越广泛。新技术的应用，提升运维人员技能培训迫在眉睫。油气生产物联网实训创新平台是针对石油企业的数字化油田运维人员和在校大学生物联网技术应用而建立的平台。 采用油田企业通用的PLC或DCS,构建采集控制系统；使用油田常用的通讯方式（4G、无线网桥、Zigbee/LoRa）进行仪表参数及数据的传输；配备计算机和SCADA系统，可以进行PLC或DCS的编程培训，实现在不同通讯方式下的数据传输；SCADA系统将现场中控室进行情景还原。平台培训由易到难，从最基本的传感器仪表接线及电路搭建、下位机编程、通讯方式的组建、上位机SCADA控制系统及管理平台的布置，能够实现仪表工、通讯人员、中控人员及高级技术人员等不同层级人员的培训。

互联网文本内容主题 概念漂移检测系统， 通过分析数据集中的 所有文档数据的潜在 语义关系，提取出它 们之间的潜在语义主 题标示，通过评估参 数的方法，将生成的 主题时序关系用数据 的形式表示出来，并 以此为依据主动发现 待预测数据集中主题 的转变与转化现象， 并提供给用户这一主 题转移过程。