项目成果/简介:近年来，大气污染问题日益严重，尤其是雾霾、光化学烟雾、臭氧等问题已经引起国内外广泛关注。挥发性有机气体（VOCs）是造成雾霾及臭氧（O3）的重要污染物。吸附法是去除VOCs高效简便的方法之一，但在实际应用中，水蒸气的存在与VOCs产生竞争吸附，因此设计具有高VOCs吸附性能的疏水性吸附剂具有重要意义。近日，天津大学环境学院“大气环境与生物能源团队”（http://catalysis.tju.edu.cn/）针对分子筛表面亲水性及其在含湿条件下VOCs吸附应用存在的问题，利用多孔有机聚合物疏水性等特征，设计合成了一系列分子筛与多孔有机聚合物核壳结构的新型吸附材料，所开发的吸附剂有效提高了分子筛表面疏水性，并且大大提升了其在干燥和潮湿条件下的甲苯吸附性能。相关研究成果《Core-shell structured Y zeolite/hydrophobic organic polymer with improved toluene adsorption capacity under dry and wet conditions》已发表在环境类国际高水平期刊Chemical Engineering Journal（IF: 10.652）上。该系列吸附剂的研发为制备一系列疏水性吸附剂提供了新的思路。

近日，机电学院王绍金教授团队在学校G2期刊《InternationalJournalofFoodMicrobiology》上发表题为“Combinedeffectsofintermittentradiofrequencyheatingwithcinnamonoilvaporonmicrobialcontrolandqualitychangesofalfalfaseeds”的论文。博士研究生徐渊美为论文第一作者，王绍金教授为论文通讯作者。

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。

该研究采用污水处理厂改造前后的运行数据，对传统活性污泥法和膜生物反应器（MBR）两种污水处理工艺进行技术经济上的严格配对比较研究，对比分析污水处理厂采用两种工艺时的成本能耗、净利润和技术效率，采用敏感性分析评价计算结果的可靠性，为污水处理工艺的选择和应用提供技术经济方面的理性参考。

该专利产品是一种以多孔二氧化硅为基体，聚合物为增韧剂的多孔吸声隔热材料。由于该材料中含有大量的孔洞，因此具有很好的吸声功能，对消除噪音具有很好的效果；同时由于孔洞内部为空气，该材料的隔热性能远远低于其他固体材料，并可根据需要，可以通过对孔隙率的调节来调节导热系数。 该材料成分及制备工艺与在合成的过程中伴随着有机单体聚合，从而可达到无机物与聚合物在分子水平的结合，使该材料比其他无机材料具更大的韧性，同时聚合物具有一定的粘性，可以与钢筋混凝土墙体很好的粘合，且其防火性能远远高于有机材料。 将该材料作为隔热填料与涂料树脂相配合，配为隔热涂料，将涂层涂覆于墙体表面，形成吸声隔热涂层。材料为白色粉末，与墙体颜色基本一致。 将制备的材料在压机上与玻璃纤维复合压制，可以形成隔热板，由于板内部有大量的孔洞，密度较低（约为450-600Kg/m3）,因此将其粘合到墙体不易脱落，即使脱落也不至于发生比较大的伤害。该材料的隔热性能优越，30mm厚的隔热板的隔热性能与350mm的水泥墙相当，与400mm厚的粘土砖墙相当。

本发明公开了一种剑麻玻璃纤维复合增强有机硅改性的酚醛模塑料，该酚醛模塑料的组成为：35-70％的有机硅改性热塑性酚醛树脂，5-45％的玻纤和剑麻混合纤维，5-45％的填充料，0.5-3％的脱模剂，0.25-1.5％的着色剂，2-10％的固化剂。本发明还提供了该剑麻玻璃纤维复合增强有机硅改性的酚醛模塑料制备方法，由上述组份经混炼，粉碎或造粒等工序制备而成。采用该方法制备的酚醛模塑料储存时间长，不易受潮，耐候性能优良，相对密度小，生产成本低，固化后的材料韧性和耐热性能优异。利用该有机硅改性酚醛模塑料制成的塑料件具有储存时间长，韧性好，相对密度小和耐热性能优异的特点。

本发明公开了一种在水性溶液中制备剥离型LDH/CNT复合材料的方法，先通过尿素法或氨水法在碳纳米管的水分散液中合成层状双金属氢氧化物，制得未剥离LDH/CNT复合物，接着通过酸-盐混合溶液处理将LDH/CNT复合物中LDH层间的碳酸根离子置换成与层板结合力较弱的阴离子，然后再次通过离子交换将有机离子引入层间，从而制得剥离型LDH/CNT复合物；制得的复合物既呈现LDH的单层或几层剥离，又保留了CNT良好的分散性。本发明简单易行、耗时短、无需有毒溶剂，而且无需在高温下进行，成本低。

课题组开展形状记忆聚合物及其复合材料结构的研究，自主研发了适用于航天环境的多种类、不同系列的形状记忆聚合物材料，这些材料能满足高低轨道等不同极端空间环境的需求。与形状记忆合金不同，形状记忆聚合物是一种激励响应聚合物材料（图1），具有主动可控大变形（20%-500%）、驱动方式多样、刚度可变等特性，可被设计成集驱动与承载功能一体化的部件，结构简单，可靠性高，未来有望部分替代复杂的机电驱动系统。本次搭载的“基于形状记忆聚合物智能复合材料结构的可展开柔性太阳能电池系统”主要包括哈工大研制的形状记忆复合材料锁紧释放机构、形状记忆聚合物复合材料可展开梁和上海空间电源研究所研制的柔性太阳能薄膜电池。基于复合材料力学理论和结构精细化设计，形状记忆聚合物复合材料结构可以实现柔性太阳能电池的锁紧、释放和展开，及展开后高刚度可承载等功能。

本发明涉及一种具有高d33无铅压电陶瓷与聚合物和盐压电复合材料及其制备方法,属于压电复合材料技术领域。按(1-x)(LiaNabK1-a-b)(Nb1-cSbc)O3-xABO3-yM组分配料,采用传统陶瓷制备工艺制备好铌酸钠钾基无铅压电陶瓷粉料;再将陶瓷粉料与聚合物聚偏氟乙烯和盐按设计比例混合,接着将混合粉料经冷压成型后加温处理,再在其表面溅射金电极,硅油浴中极化后测试其压电复合材料样品的压电性能d33;最后将样品放置在空气中,再测试其样品压电性能d33。结果表明,加盐的铌酸钠钾基无铅压电陶瓷-聚合物压电复合材料的d33比未加盐的d33有大幅度提高。