维谛UPS电源UL33-0400L

维谛UPS电源UL33-0400L

系统特点
全数字控制，全面提高可靠性，MTBF平均无故障时间10-20KVA 30万小时
智能化网络管理，可实现lnternet/lntranet远程网络监控和65000台多区域UPS集中管理
业内强的电网适应能力，相电压120~276VAC，50Hz ±10%,320VAC 1小时不损坏，满足恶劣电网环境，160VAC以上满载运行，160~120VAC承载能力线性递减，120VAC可带半载
多级防类保护，保证网络系统安全运行，C级防雷（选件）20ms雷击电流，D级防雷（内值）8/20ms6KV/3KA混合波
符合国际安规及电磁兼容标准，功率因数＞0.95，电磁兼容通过EN50091
三进单出产品10~20KVA具有业内*有的缺相工作能力，相电压在≥176VAC式缺医相UPS可称单50%负载，缺两相UPS可承担25%负载
智能化电池管理，大幅延长电池寿命，可进行电池放电终止保护电压自动调节、自动均衡浮充管理、电池容量和故障检测，自主均流的可并联充电器能根据需要选配扩容，保证长延时UPS系统充电需要

技术参数
型号
UH31-0100L
UH31-0150L
UH31-0200L
容量
10KVA
15KVA
20KVA
噪声
＜55Db（1米）
＜60Db(2米)
输入
额定电压
线电压380Vac
电压范围
1、相电压在176~276V范围内，满载工作；
2、只要有一相电压在120~176V范围内，按三相中小输入电压线性递减，相电压120V时，可50%满载工作；
缺相工作情况
1、缺一相的情况：另两相电压在176~276V范围内，50%满载工作；另两相中只要有一相电压在120~176V内， 线性递减，120V时，可25%满载工作；
2、缺两相的情况：剩下的一相电压在176~276V,25%满载工作；120~176V线性递减，120V时，可12.5%满载工作
频率
45--~55Hz
输入方式
三相四线制
功率因数
＞0.95（额定电压下）
输出

功率因数
标准0.7（可达0.8）
电压
220Vac±1%
电压失真度
线形负载＜0.3%；  非线形负载＜5%
逆变器过载能力（市电或电池）
105%＜负载＜125%时，10分钟后转旁路数处；
125%＜负载＜150%时，1分钟后转旁路数处；
负载＞150%时，200Ms后立即转旁路数处；
峰值因数
3︰1
旁路工作电压
120~253Vac
整机工作效率
高可达92%（逆变效率大于96%）
市电掉电转换时间
零转换
系统

面板显示方式
LED+LCD(中英文可选)
安全规范要求
CCEE,EN60950
可承受的高输入电压
线电压554Vac，1小时（静态）
电磁兼容要求
传导：EN55022ClassA
辐射：EN55022ClassA
抗扰性满足
EN61000-4-2,3,4,6,8,11Level Ⅲ,EN61000-5Level Ⅳ
MTBF（系统）
30万小时
MTTR(板级维修)
1小时
绝缘电阻
＞2M(500Vdc)
绝缘强度
（输出对地，输入对地）2820Vdc, 漏电流＜3.5mA
电涌保护
IEC60664-1-Ⅳ
冗余技术
串联热备份
艾默生UPSUHA1R-0010
产品外形尺寸与质量
型号
宽×高×深（mm）
重量（㎏）
UH31-0100L

280×875×770
97
UH31-0150L
116
UH31-0200L
116

众所周知，人工智能技术在自动驾驶领域有着非常广阔的市场空间，也是较被人们所看好的一大应用前景。而如何决定AI判断识别路况信息的理解能力，就取决于它的评测数据集水准。 　　Cityscapes评测数据集在2015年由奔驰公司推动发布，是目前公认的自动驾驶领域内较具*性和专业性的图像语义分割评测集之一，其关注真实场景下的城区道路环境理解，任务难度?，且贴近于自动驾驶等热门需求。在Cityscapes评测数据集之中，共分为像素分割和实例分割两个子任务，其中相较于像素分割，实例分割的难度要大，也是计算机视觉领域较重要、较具挑战的任务之一。 　　如何让机器变得加“聪明”，具备足够的学习能力，是所有人工智能研发时的较大难题，是国内外科技企业争相研究的自动驾驶技术。能够在Cityscapes评测数据集中脱颖而出，打破世界纪录，意味着搜狗已经具备了强大的AI技术硬实力。 　　实例分割，自动驾驶的曙光已现 　　实例分割是一个很综合的问题，融合了目标检测、图像分割、图像分类等多种AI技术。顾名思义，像素级别的语义分割，是对图像中的每个像素都划分出对应的类别，即实现像素级别的分类；?分类的具体对象，即为实例。那么实例分割不仅要进行像素级别的分类，还需要在具体的类别基础上区别开不同的实例。实例分割对自驾汽车、机器人、视频监控等领域，都有着举足轻重的重要价值，获得全世界科学研发界的密切关注。 　　Cityscapes评测集包含50个城市不同情况下的街景，以及30类物体标注。此次搜狗参加的实例场景图像语义分割评测，类别对象多、场景复杂，挑战难度非常大。面对复杂的实例环境，搜狗所展示的技术十分巧妙。 　　过去，我们常常会把AI的关注点放在单一的车道上，而实际的路况信息乃是十分复杂且多变的，必须要求驾驶员有足够的“眼观六路耳听八方”的能力，用纵览全局的目光来观察整个路况。基于这个原因，搜狗通过引?全局编码模块，来显着提升了全局信息在实例分割中的影响。全局编码模块可以很好地捕获图像中的语义信息，并选择性地**显示与实例相关联的特征映射，从而提升准确率。