本发明公开了一种无需管棚工作室的注浆组合管棚结构，管棚包括多根轴向延伸并径向切入隧道拱顶的注浆管，该注浆管包括位于隧道开挖轮廓线外部并埋设在隧道拱顶的钢管，以及位于隧道开挖轮廓线内部并探出隧道拱顶的非金属硬质管；钢管与非金属硬质管通过对接接头同轴固定连通，且钢管与非金属硬质管的外壁上均间隔开设有多个泄浆孔；注浆施工时，注浆管内轴向插入有多根不同长度的排气溢浆管，该排气溢浆管分别由非金属硬质管轴端插入至注浆管不同深度。本发明旨在通过优化管棚结构简化施工流程，无需构建管棚工作室及导向墙，可以极大提高施工效率，同时保护了TBM的安全。

       设备名称：自卸车田字格机器人激光跟踪焊接工作站自卸车自动焊接       设备简介：自卸车自动焊接该生产线主要由两套可移动龙门式悬挂机器人工作站及相配套的侧板定位输送平台组成；每个工作站配置的机器人，均搭载了一套激光跟踪与机器人集成系统；因此，在田字格侧板组装点焊、位摆放均无严格要求的前提下，该系统可实现全自动焊缝寻踪并焊接的无人化作业；是当下该行业提升产品质量，减员增效的不二选择；采用激光扫描技术，通过激光传感器对工件进行多点的扫描，可识别出工件的外形及所在的方位；可实现工件外形一致性及工件定位工装均无精度要求的焊缝自动跟踪焊接；激光扫描范围可调，人机界面智能控制，配置灵活，扩展性强；兼容异形工件的自动焊接，无需预先编程，人为干预，功能强大； 激光扫描及数据计算方式可根据工件设定；可适用于对接焊缝、搭接焊缝、角焊缝等多种焊缝形式的焊接作业；可搭载多种焊接电源；生产效率高。       设备参数：跟踪模式：激光跟踪；跟踪精度：0.05mm；扫描速度：1M/s；机器人：ABB；可接受定制化设计及生产。

推荐用于远程办公场景，适用于教育、企业、医疗等行业，搭配锐捷三擎云终端使用 产品特性： 锐捷远程办公云空间，U空间解决方案 顺应时代、抗击疫情，多种终端，随时随地，全量环境，远程办公 远程办公场景，全局安全无忧 更低综合成本，更少碳排放 锐捷远程办公云空间U空间-Unified WorkSpace统一工作空间 多种终端，随时随地，远程办公 受访终端：IDV/VDI/TCI锐捷三擎云终端 访问终端：电脑、手机、锐捷云终端等终端 桌面画质：(HD模式)2K画质 (流畅模式)低至1Mb带宽 整合CMS云盘：企业云盘随行，文件轻松分享 远程开关桌面：IDV桌面远程唤醒、关机、重启 文件形式访问桌面：文件上传/下载/预览，客户端支持本地编辑、即刻同步 远程办公场景，全局安全无忧 账号权限、数据、行为的企业级全局安全，每位U空间用户都可管可控可查，杜绝资料、数据外泄，远程办公安全无忧。 账号权限安全,数据安全,行为安全 更低综合成本，全量环境随行 低成本云化，随用随连，随用随开，跨广域网访问各类锐捷云终端，全量环境(数据、应用、桌面、CMS云盘)随行，随时随地远程办公，大幅节约云化、数据迁移及通勤成本等综合成本。

焊接机器人实训考核工作站是按照教育部1+X焊接机器人编程与维护职业技能等级证书中的试点、考核站点标准要求，研发设计的多功能智能焊接工作站，工作站符合相关建设标准和具有自主知识产权。WR-KH03型焊接机器人编程与维护实训考核工作站为高级工作站，主要由焊接机器人单元、焊接电源单元、焊枪单元、柔性焊装工作台、焊接手动通用夹具、焊接自动通用夹具、自动化夹爪、物料排列装置单元、机器人第七轴、多功能料架、周边设备单元、激光视觉应用编程、系统集成技术、系统数字化管控、安全防护单元、焊接任务单元、离线编程单元、教学资源单元、考评系统、监控系统等组成一套的智能焊接实训考核工作站。每个单元由多个模块组成，实操与离线仿真结合面涵盖机器人焊接工艺方法和实际应用案例。能按任务要求，完成焊接机器人系统的多机联动编程、多机联动联调、系统集成工艺分析、系统集成工件分析、系统集成工装设计，系统集成电控设计，系统数字化管控管理，数字化数据采集，激光视觉应用编程焊缝寻位应用和焊缝跟踪。实训考核工作站遵循全功能化、全模块化、全信息化、近工业化的智能焊接机器人系统，主要用干教育部1+X焊接机器人编程与维护职业技能等级的师资培训，考评员培训，1+X职能技能等级证书取证的实操培训与考评;同时也可进行工业机器人基础培训，应用培训技能训练技能竞赛等，话合中职，高职应用型本科院校1+X证书的培训老评以及相关专业课程的实训教学，适合社培机构技能人才培养培训。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

北京大学物理学院、纳光电子前沿科学中心、人工微结构和介观物理国家重点实验室“极端光学团队”胡小永教授和龚旗煌院士等在非厄密拓扑光子学研究中取得重要进展：发展出一种研究新型增益-损耗畴壁拓扑光学体系的有效哈密顿量新方法，揭示了由增益-损耗畴壁诱导的拓扑态的产生机制。