本发明公开了一种无空穴传输材料钙钛矿薄膜异质结电池的制备方法。该方法在传统的 PbI2 前驱体 溶液中加入少量 PbCl2，以提高 PbI2 在溶剂中的溶解性，以免在旋涂时形成不均匀的晶核，影响钙钛矿 生长的均匀性。在空气中 100℃烧结 5 分钟后，往钙钛矿层上刮涂上一种含有 CH3NH3I 的碳浆，在空气 中 100℃烘干，再次刮涂上一层不含 CH3NH3I 的碳浆以降低器件电阻。最后 50mg/mL?PMMA 的甲苯溶 液均匀滴在碳电极上

本实用新型涉及通信工程技术，具体涉及一种基于 FPGA 的模拟位同步时钟信号传输及提取电路系 统，包括 CLK 时钟信号，还包括 m 序列信号产生系统，模拟信道传输系统，位同步时钟提取系统；所 述 m 序列信号产生系统接 CLK 时钟信号，所述 m 序列信号产生系统、模拟信道传输系统和位同步时钟 提取系统依次连接。该提取电路系统适用时钟频率范围 1Hz~1MHz，频率精确度达到 10-5 数量级，检测 速度快（小于 3 秒），运行稳定，人机交互

本发明提供一种卷到卷间歇式柔性基材传输的张力控制方法，采集主动料辊的实际位移，根据其与位移参考指令的比较结果控制主动料辊的运动，实现主动料辊位移闭环控制；同时，采集从动料辊与主动料辊间基材的实际张力值和从动料辊的实际位移，根据实际张力值与预定张力值的比较结果修正位移参考指令；将从动料辊的实际位移与修正后的位移参考指令比较，根据比较结果控制从动料辊的运动，实现从动料辊位移闭环控制。本发明还提供实现上述方法的装置，包括主动料辊位移闭环控制电路、从动料辊位移闭环控制电路及与从动料辊位移闭环控制电路相接的张

本发明公开了一种具有高传输效率可快速连续调节能量的降能 器，包括碳化硼能量粗调单元、石墨能量精调单元、束流准直器组、 运动控制模块、真空模块；碳化硼能量粗调单元实现能量的初级步进 调节，提高了束流传输效率；石墨能量精调单元可实现束流能量的连 续精准调节；准直器组可对束流发射度进行有效抑制，通过改变孔径 实现了发射度的选择；运动控制模块可分别对碳化硼和石墨能量调节 单元进行快速运动控制，保证了能量的快速调节；真空模块创造并维 持了真空环境。本发明的降能器可以实现束流能量的高传输效率、快 速、连续调节，

本发明公开了一种计及非共振传输的中频动响应预示简化分析方法，包括如下步骤：（１）将系统划分成连续耦合的子系统；（２）计算子系统的模态；（３）计算相邻子系统中特定频带内的模态间的耦合参数；（４）建立系统功率平衡方程，并计算子系统中频动响应。本发明针对一种计及非共振传输的中频动响应预示方法，提出了一种简化分析方法，提高计及非共振传输的中频动响应预示方法的

本发明公开了一种传输线和漏波天线复用器件及其波束扫描方法，所述器件包括介质基板，分别位于介质基板上下表面的金属条带和金属地板，以及通过过孔连接金属地板和金属条带的周期性交替排列的电容和变容二极管。金属条带包括两端的渐变微带线结构和中间的人工表面等离激元结构。当变容二极管的容值与固定电容的容值一致时，该器件的表面阻抗一致，实现传输线的功能；当变容二极管的容值与固定电容的容值不一致时，该器件的表面阻抗得到周期性调制，实现漏波天线辐射功能。采用电压作为调节手段，随着电压的改变能够实现波束定频扫描； 该器件制造简单、操作方便、容易集成，只需要一步光刻过程，不仅节省造价，而且避免了多层结构引发的加工误差。

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。

本发明公开了一种自主作业林业机器人平台，包括机器人本体和控制系统，机器人本体采用了四轮的驱动结构，包括车底盘、车顶平台、车架等部分。机器人的控制系统可完成复杂控制和数据处理算法，同时加装了导航定位、激光测量、双目视觉等多种传感器，进行自主林业机器人作业环境信息检测和智能导航。该自主作业林业机器人结构简单，四轮的驱动能力强，可在林区复杂地形条下灵活可靠地运动，具备智能决策和环境建模的能力，可完成林区作业环境信息检测任务；同时可在机器人上加装多种作业机械手，进一步自主完成林木整枝、间伐、采伐和集运等林业生产作业任务。

多自由度精密位移平台由压电马达驱动，包含传感器、驱动器和控制器等部件，是精密仪器运动控制系统的核心部分，也是精密加工设备、医疗设备、微电子制造检测设备、测量仪器、印刷设备、生物医疗设备、自动化生产线的关键组件。其压电马达具有高分辨率、小尺寸、低能耗等特点，其运动控制部分采用先进的EtherCAT（通用超高速以太网现场总线）方案，使系统不仅更简洁、更灵活，还具有更好的实时性。

项目成果/简介:本发明公开了一种自主作业林业机器人平台，包括机器人本体和控制系统，机器人本体采用了四轮的驱动结构，包括车底盘、车顶平台、车架等部分。机器人的控制系统可完成复杂控制和数据处理算法，同时加装了导航定位、激光测量、双目视觉等多种传感器，进行自主林业机器人作业环境信息检测和智能导航。该自主作业林业机器人结构简单，四轮的驱动能力强，可在林区复杂地形条下灵活可靠地运动，具备智能决策和环境建模的能力，可完成林区作业环境信息检测任务；同时可在机器人上加装多种作业机械手，进一步自主完成林木整枝、间伐、采伐和集运等林业生产作业任务。