|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
丘腦模型丘腦放大模型XM-611
XM-611丘腦放大模型（7部件）
?
XM-611丘腦放大模型放大5倍，可拆分為7部件，由丘腦前核內(nèi)側(cè)核、丘腦外側(cè)核的背側(cè)核團(tuán)和腹側(cè)核團(tuán)、腹后內(nèi)側(cè)核以及丘腦枕等組成，多個(gè)功能區(qū)域用不同顏色表示，并顯示丘腦各核團(tuán)形態(tài)結(jié)構(gòu)，共有多個(gè)部位數(shù)字指示標(biāo)志和對應(yīng)的文字說明。
尺寸：放大5倍，18×13×13cm
材質(zhì)：PVC材料
上海欣曼科教設(shè)備有限公司
2021-08-23
腦干模型腦干放大模型XM-617
XM-617腦干放大模型
?
XM-617腦干放大模型放大3倍，置于底座上，顯示腦干的外形和十二對腦神經(jīng)在腦干的部位，并示延髓、腦橋、中腦三部分，上接間腦。
尺寸：放大3倍，17×15×33cm
材質(zhì)：PVC材料
上海欣曼科教設(shè)備有限公司
2021-08-23
肺泡模型肺泡放大模型XM-518
XM-518肺泡放大模型
?
XM-518肺泡放大模型示細(xì)末支氣管分支、呼吸性細(xì)支氣管、肺泡管、肺泡囊、肺泡，一側(cè)肺泡管做縱斷面，示肺泡囊、肺泡結(jié)節(jié)、肺泡膈的剖面結(jié)構(gòu)，另一側(cè)肺泡囊示其橫斷面的結(jié)構(gòu)，并顯示支氣管動(dòng)靜脈、肺動(dòng)靜脈、毛細(xì)血管網(wǎng)、肺膜、平滑肌、彈性纖維和網(wǎng)狀纖維。
尺寸：放大，26×15×35cm
材質(zhì)：PVC材料
上海欣曼科教設(shè)備有限公司
2021-08-23
地貌模型，地理模型，冰川地貌，海岸地貌
產(chǎn)品詳細(xì)介紹地理園配套產(chǎn)品，地理教學(xué)用具；高分子樹脂制造，彩繪。
規(guī)格：1300*900（mm）、2000*1500（mm）、500*800（mm）、
專業(yè)策劃、設(shè)計(jì)、施工地理園，生物園，生態(tài)園，生態(tài)館，實(shí)驗(yàn)室，標(biāo)本室，各功能室、校園文化！
專業(yè)生產(chǎn)地理模型，地球儀，地動(dòng)儀，星空亭，旋轉(zhuǎn)天體，九大行星，生物進(jìn)化模型，仿真動(dòng)物模型，仿真樹，生物標(biāo)本，大型浮雕地圖，茵類進(jìn)化模型，仿木橋，仿古井，仿真植物模型，植物進(jìn)化圖，動(dòng)物進(jìn)化圖，地理園生物園門牌，地理園生物園簡介牌等，如有需要，歡迎與我們聯(lián)系。
德方元投資發(fā)展股份有限公司（教學(xué)設(shè)備部）
2021-08-23
XM-916牙解剖模型牙模型
XM-916牙解剖模型
?
XM-916牙解剖模型顯示切牙、尖牙、磨牙的不同形態(tài)，其中尖牙和磨牙作解剖，顯示釉質(zhì)、象牙質(zhì)和牙髓腔內(nèi)的神經(jīng)血管等的構(gòu)造。
尺寸：放大12倍
材質(zhì)：PVC材料
上海欣曼科教設(shè)備有限公司
2021-08-23
大學(xué).jpg){kind=logo}
儲(chǔ)能規(guī)劃配置方法及應(yīng)用
儲(chǔ)能在新型電力系統(tǒng)中源、網(wǎng)、荷側(cè)發(fā)揮重要的作用，儲(chǔ)能規(guī)劃運(yùn)行和安全管理是推廣儲(chǔ)能可靠、安全、經(jīng)濟(jì)運(yùn)行的重要保障。本項(xiàng)目圍繞電力系統(tǒng)中不同應(yīng)用場景的源、荷特性，針對光伏電站棄光率高和預(yù)測合格率低的問題，結(jié)合電池儲(chǔ)能SOX(SOH、SOP及SOE)動(dòng)態(tài)性能，進(jìn)行能量管理優(yōu)化，提出了一種計(jì)算每個(gè)月光伏預(yù)測的合格率及懲罰成本的技術(shù)，可有效提升不同應(yīng)用場景的儲(chǔ)能安全性和系統(tǒng)經(jīng)濟(jì)性。
發(fā)電側(cè):提升預(yù)測精度，減小懲罰成本，多目標(biāo)優(yōu)化；
配網(wǎng)側(cè):可削峰填谷，提升分布式光伏消納；
負(fù)荷側(cè):成本低，收益大。
南京工業(yè)大學(xué)
2024-07-11
.jpg){kind=logo}
施工及運(yùn)營期隧道滲流場模型試驗(yàn)系統(tǒng)及其試驗(yàn)方法
成果描述：本發(fā)明公開了一種施工及運(yùn)營期隧道滲流場模型試驗(yàn)系統(tǒng)及其試驗(yàn)方法，包括滲流模型箱的箱體和數(shù)據(jù)采集裝置，箱體的頂部設(shè)有壓力表，側(cè)壁底部設(shè)有溢流孔，側(cè)壁頂端和底端分別設(shè)有模型箱上進(jìn)水孔和模型箱下進(jìn)水孔；相對的兩側(cè)壁上開有隧道孔；固定鋼筋籠的兩端固定于隧道孔孔緣內(nèi)壁上，其外包裹隔土層；法蘭盤的外圈螺栓固定于隧道孔孔緣外壁上，內(nèi)、外鋼筋籠分別均通過法蘭盤固定于隧道兩隧道孔之間；法蘭盤的內(nèi)孔設(shè)有蓋板；在內(nèi)外鋼筋籠之間螺紋連接施工期隔土板；在內(nèi)鋼筋籠內(nèi)螺紋固定掌子面擋水板；且二者位于同一垂向截面上。該系統(tǒng)可方便、準(zhǔn)確、真實(shí)地測試滲流場作用下隧道施工、運(yùn)營期的滲流場情況。市場前景分析：軌道交通基礎(chǔ)設(shè)施建設(shè)領(lǐng)域。與同類成果相比的優(yōu)勢分析：技術(shù)先進(jìn)，性價(jià)比較高。
西南交通大學(xué)
2021-04-10
.jpg){kind=logo}
基于聚類分析的復(fù)合材料結(jié)構(gòu)有限元模型修正方法
本發(fā)明提供了一種基于聚類分析的復(fù)合材料結(jié)構(gòu)有限元模型修正方法，建立初始有限元分析模型，測得結(jié)構(gòu)的實(shí)驗(yàn)?zāi)B(tài)頻率和模態(tài)振型，計(jì)算待修正參數(shù)的相對靈敏度矩陣，利用分層聚類算法對待修正參數(shù)進(jìn)行參數(shù)分組，再對聚類參數(shù)進(jìn)行相對靈敏度分析，選擇各參數(shù)中相對靈敏度平均值最大的聚類參數(shù)進(jìn)行修正，構(gòu)造分析模型的模態(tài)頻率和實(shí)測模態(tài)頻率的殘差向量，建立分析模型修正所需的目標(biāo)函數(shù)，構(gòu)建目標(biāo)函數(shù)的優(yōu)化反問題對復(fù)合材料結(jié)構(gòu)的有限元模型進(jìn)行修正。本發(fā)明結(jié)合數(shù)值模擬、試驗(yàn)和優(yōu)化技術(shù)，采用參數(shù)的相對靈敏度矩陣進(jìn)行聚類分析，減少待修正參數(shù)數(shù)量，提高修正程序穩(wěn)定性，為工程應(yīng)用提供了一種準(zhǔn)確的基于數(shù)值模擬、試驗(yàn)和優(yōu)化相結(jié)合的復(fù)合材料等效有限元模型參數(shù)修正方法。
東南大學(xué)
2021-04-11
.jpg){kind=logo}
基于神經(jīng)網(wǎng)絡(luò)模型BP算法的嵌入式礦壓檢測方法
本發(fā)明公開了一種基于神經(jīng)網(wǎng)絡(luò)模型 BP 算法的嵌入式礦壓檢測方法法，首先根據(jù)根據(jù)待檢測區(qū)域的地域情況，采用多個(gè)振弦式壓力傳感器進(jìn)行測量；然后 ARM7 處理器根據(jù)系統(tǒng)任務(wù)個(gè)數(shù)建立相應(yīng)的進(jìn)程；最后在建立的任務(wù)中打開定時(shí)器，輸出一個(gè)固定在某一頻率范圍內(nèi)的脈沖，經(jīng)過驅(qū)動(dòng)激振電路，產(chǎn)生一個(gè)能對振弦式壓力傳感器內(nèi)部振弦起振的信號(hào)，同時(shí)使用 ARM7處理器對振弦式壓力傳感器返回的脈沖信號(hào)進(jìn)行頻率測量，計(jì)算得到壓力值，最后，利用溫度傳感器采集振弦周圍區(qū)域的溫度，采用 BP 算法建立神經(jīng)網(wǎng)絡(luò)模型，利用神經(jīng)網(wǎng)絡(luò)模型對得到的各組壓力數(shù)據(jù)及采集的溫度數(shù)據(jù)進(jìn)行學(xué)習(xí)，并根據(jù)神經(jīng)網(wǎng)絡(luò)模型找出壓力隨溫度的變化規(guī)律，對振弦式傳感器進(jìn)行溫度補(bǔ)償。
安徽理工大學(xué)
2021-04-13
.jpg){kind=logo}
基于 LED 混光呈色模型的光譜功率分布提取方法及系統(tǒng)
一種基于 LED 混光呈色模型的光譜功率分布提取方法及系統(tǒng)，包括進(jìn)行 LED 智能光源控制信號(hào)空 間全局采樣，利用預(yù)設(shè)的 LED 發(fā)光控制方式根據(jù)全局采樣樣本集中各信號(hào)值驅(qū)動(dòng) LED 光源發(fā)光，組成 發(fā)光樣本集；分別測量所得各發(fā)光樣本對應(yīng)光譜功率分及照度，生成發(fā)光數(shù)據(jù)集；根據(jù)預(yù)設(shè)的照度閾值 進(jìn)行篩選，得到最終發(fā)光數(shù)據(jù)集，并從全局采樣樣本集中選取對應(yīng)信號(hào)樣本，組成最終信號(hào)空間采樣樣 本集；構(gòu)建 BP 神經(jīng)網(wǎng)絡(luò)，并在此基礎(chǔ)上建立相應(yīng)的 LED 混光
武漢大學(xué)
2021-04-14