MX220桌面五轴联动数控机床   MX220桌面五轴联动数控机床是一款桌面式微型五轴联动数控机床，适用于小型精密五轴零件及各种各样的复杂零件加工；具有体积小、重量轻、搬运方便、操作灵活等优点；使用220伏电压，配置工业级五轴联动控制系统面板，带5轴三档电子手脉；机床具有X、Y、Z三个直线轴和两个旋转轴（B轴+C轴）五个坐标轴，X、Y、Z直线轴采用直线导轨，BC两个旋转轴采用谐波减速机，保证高精度和高稳定性；具有一次装夹、任意曲面加工、复合工艺加工等优势、操作便利；具有性价比高、性能稳定、故障率低、维护成本低等优点； 主要用途 MX220桌面五轴联动数控机床主要用于数控教学与培训，该机床主要加工铝合金、铜、塑料及铁、模具钢轻加工，主要用于职业院校、高校创客创新实验室等，进行五轴联动数控编程教学和实操培训等。   产品特性： 工业级五轴联动控制系统面板；带5轴三档电子手脉； 高精度带预紧滚珠丝杆及螺母，具有运动灵活性、热变形量小； XYZ轴采用直线导轨，BC旋转轴采用高精度诣波减速机； 采用铸件床身，机床稳定性好，刚性好，精度稳定； 使用220电压、全封闭钣金结构； 展现当代先进制造业的高速高效高精尖加工的理念； 应用于职业院校、高校创客创新实验室等，进行五轴联动数控编程教学和实操培训等； 执行国际标准G代码和多种CAM软件（MasterCAM、UG、Fusion360等）； 便于课程开发，满足老师教学，强化学生技能； 工作环境干净整洁，无油污，异味；改善环境，低碳环保； 价格实惠，教学成本低，解决了大型工业级多轴数控机床的价格昂贵，增加学生实践上手的机会； 序号 项目内容 技术参数 1 床身及回转台 结构：铸铁立式结构，XYZ轴直线导轨，主轴立柱带动刀具移动 回转轴：BC轴摇篮式转台，高精度诣波减速机 2 全封闭防护罩，抬起式单门（气动门） 3 工件冷却装置 冷却装置为内置风冷，使用0.6帕气压，M指令控制 4 线性轴精度 定位精度：0.02mm 重复定位精度：0.015mm 5 旋转轴精度 定位精度：16" 重复定位精度：12" 6 轴移动行程 X/Y/Z行程：220×120×200mm 7 B轴行程：+30～-120° 8 C轴行程：+/- N×360° 9 最大加工范围：Φ100×180mm 10 机床主轴 主轴锥柄：MT3 11 主轴最大功率：550w 12 主轴最高转速：3500rpm 13 最大夹持刀具直径：Φ16mm 14 工作台参数 工作台尺寸: 100/460×130mm 15 工作台承重：15kg 16 T型槽：12 mm/3 17 线性轴移动速度 X/Y/Z轴：2000mm/min 18 回转轴移动速度 B/C轴：≥50r/min 19 数控系统 YORNEW M5工业级五轴联动控制系统面板 20 电子手脉 5轴三档电子手脉 21 使用电压 AC220V/50H 22 外形尺寸 930×750×920mm 23 净重/毛重 180kg/220kg  

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。

近日，傅正义院士团队平航副研究员在材料过程仿生制备新技术研究方面取得创新性进展，成果以“Mineralization Generates Megapascal Contractile Stresses in Collagen Fibrils”为题，发表在国际顶级期刊《Science》（科学）上。

为深入推进创新创业教育工作，宣城校区构建了“文化引领—意识培训—竞赛锤炼—孵化培育—资金扶持—导师护航”六位一体创新创业教育实践体系，将双创教育贯穿于人才培养全过程，实现“三全育人”工作格局，助推双创教育高质量发展。