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。

高端智能化、高效节能、低耗能的机械设备主要为：履带式的移动破、圆锥破

华中农业大学脉动真空灭菌器项目竞争性磋商

主要技术要点（创新点） ： 采用空间 3-UPU 柔顺并联机构作为结构类型，与传统微力传感器的敏感元件相比，具有高精度、高强度、无累积误差等优点； 3 个支链相互垂直放置，并且每 1 条支链能感受某一方向的力，同时不会影响其他支链的悬臂梁的应变，具有 3 维解耦力传感特点； 采用 3-UPU 柔顺并联结构具有高固有频率，具有频宽范围大的特点； 采用 2 对对称的悬臂梁的应变形成全桥式电路作为输出，具有温度不敏感的特点。项目背景：随着精密工程技术、微机电系统(MEMS)技术及微/纳米技术等的研究，微传感器技术得到极大发展，特别是微力传感器，在各种微操作过程中执行对微接触力的检测，实现力-位移或力-视觉等混合控制，对提高微操作系统的精度起到了重要作用。该成果来源于胡俊峰副教授主持的国家自然科学基金项目《基于柔顺机构的智能微操作机器人动力学与控制研究》。 

本发明公开了一种统一潮流控制器的两阶段多目标选址方法，属于电力系统运行和控制的技术领域。该方法基于层次分析法分两个阶段进行统一潮流控制器选址，首先，从系统安全稳定性出发，以支路综合负载率和综合脆弱性评估各支路的风险性，对各支路进行打分，初步筛选出ＵＰＦＣ的备选支路集；然后，从安装ＵＰＦＣ后带来的经济性收益和安全性收益出发，计算ＵＰＦＣ与电网建设替代方案的投资比、ＵＰＦＣ的运行收益、控制灵敏度以及安装ＵＰＦＣ后系统的阻尼梯度，结合第一阶段备选支路的打分值得出各支路的综合得分，给出ＵＰＦＣ的推荐安装地点。该决策方法评估指标全面，并通过分阶段的方法减少了计算规模，可以为电网规划人员提供ＵＰＦＣ选址的指导性建议。

本发明公开了一种曲柄滑块式叶片摆动机构以及包括该机构的直翼推进器，曲柄滑块式叶片摆动机构包括控制杆、连接架、导杆、以及固定在回转盘上的凸台和支撑架结构、连接在连接架的相邻两架臂和支撑架结构之间的连接杆，连接架的各个架臂的外端具有沿导杆的长槽滑行的滑块，各个导杆的外端与一叶片的主轴垂直地固定连接，叶片的主轴可转动地竖向穿设在回转盘内，在两个舵机的转动作用下，控制杆以其中部的第二关节轴承为支撑点做杠杆运动，控制杆的下端通过第一关节轴承套装在连接架的中心内，控制杆的下端构成控制点N，回转盘带动叶片公转的同时曲柄滑块结构带动各个叶片发生自转，曲柄滑块结构结合导杆实现了直翼推进器偏心距的放大。

本项目拟进一步技术升级转化的核心技术科技成果“基于燃料电池增程器时滞特性的瞬时优化能量管理策略”来源于“十二五”863计划《燃料电池轿车动力系统技术平台研究与开发》（2011AA11A265）项目。围绕该核心技术，项目申请人已申请发明专利7项，其中4项已授权，发表相关学术论文二十余篇，并与上海大众汽车有限公司开展了初步的技术转化合作。1 技术简介  针对燃料电池电动汽车具有多个车载能量源这一特点，申请人从综合考虑动力蓄电池和燃料电池增程器协调工作的角度出发，提出了一种源于ECMS策略（等效燃料最小策略）的基于损失功率最小算法(minimum loss power algorithm，MLPA)的瞬时优化能量管理策略。该策略算法思想为，基于试验得到的各关键部件效率特性图，构造动力蓄电池、燃料电池、DC/DC等关键部件在每一时间步长内的损失功率函数，这些部件损失功率函数在每一时间步长内的线性叠加构成了多能量源动力系统损失功率指标函数，通过使该指标函数在每一时间步长取值最小（系统效率最高）来确定燃料电池增程器功率输出。图1为该控制策略导出的燃料电池实时功率输出优化控制曲面。 通过仿真及实车转毂试验台验证发现该策略具有以下优点，如图2-3所示：1）该MLPA瞬时优化能量策略对工况适应性强，多种常见工况下（NEDC，UDDS，HWFET，匀速工况）经济性优于传统能量策略。2）多种常见工况下，该MLPA瞬时优化能量管理策略均能够控制燃料电池功率输出变化平缓，实现了“浅充浅放”，有利于燃料电池以及蓄电池的寿命保护。