大力发展核电技术是国家重大发展的战略。核反应堆内的流致振动问题影响核反应堆的安全运行的重要因素。本成果来自重大应用前景的横向项目，项目组长期从事核反应堆结构的流致振动研究，完成了理论分析、数值计算及试验研究等多项纵向及横向课题，积累了丰富的理论及试验经验，获得多项具有自主知识产权、国际先进的理论成果，独立研制了多套先进的试验装置。相关研究成果已经成功地应用于华龙I号、ARP1000，CNP1000及某舰载核反应堆等多种型号国产核反应堆的安全设计中，为核反应堆的安全运行及核电技术出口提供了重要的支持。

1、研发了高效的 S 形轴伸贯流泵装置结构，高效 S 形下卧式轴伸贯流泵装置最高效率达 83.55%；高效 S 形平面轴伸贯流泵装置，最高效率达 83.32%。 2、研发了高效 S 形弯管，名义管道效率达 95%以上。 3、流道的多参数协同求解优化技术，解决了泵与流道的水力耦合约束问题。 3、水泵的变角调节预测技术。

本实用新型公开了一种坡耕地壤沟流组合式翻斗流量计，包括多级竖向水管、横向水管、PLC 控制 器、以及级数与竖向水管相应的翻斗流量计，翻斗流量计分别设于相应级数竖向水管的下方，在前一级 竖向水管底部与其后一级竖向水管顶部通过横向水管相连;第一级竖向水管顶部与待测水流的坡耕地集 水沟相连，最后一级竖向水管底部直接设有翻斗流量计;除了最后一级外所有竖向水管底部均设有换向 阀，每一级翻斗流量计和所有换向阀均接入 PLC 控制器，通过 PLC 控制器可控制换向

本实用新型公开了一种诱鱼集鱼装置系统，包括用于容纳被吸引进来的鱼类的诱鱼集鱼箱，所述诱 鱼集鱼箱端部连接有方便鱼类进入所述诱鱼集鱼箱中并参与诱鱼流场的构造驼峰型溢流堰。所述诱鱼集 鱼箱内部设置有用于发出鱼类喜爱的声音进而吸引鱼类的水下小型音箱和用于发出绿光白光等鱼类喜 爱的颜色达到辅助诱鱼的 LED 灯带。所述诱鱼集鱼箱中设置有将水从尾水渠中抽到集鱼箱中构造诱鱼 流场的水泵。所

本发明属于先进制造技术领域与信息技术领域，为一种降低汽车混流装配线产品切换次数的方法。该方法围绕复杂产品生产过程中涉及多车间(或装配线)的关联优化问题，利用环形缓冲区并结合混合递进多目标遗传算法降低混流装配线产品切换次数。本发明利用混合递进多目标进化算法，对汽车混流装配线的车型生产进行优化排序，考虑了生产线的物料平衡、生产负荷平衡及准时制生产环境的相关标准，使得投产的车型序列能保证物料消耗平顺化、车型调整时间最小化，达到降低生产线产品切换次数的目的。

这一项目以新一代大型电站锅炉、核反应堆及蒸汽发生器、流化床、石油天然气高效开采和储运等设备中的复杂多相流与传热传质问题为具体研究对象，同时对上述具体工业应用中带共性的基本现象进行重点研究，以便得出具有普遍意义的多相流热物理理论，取得深入系统的成果，既为上述工业发展提供扎实的理论基础，又为建立多相流热物理新年的学简直体系作出贡献。

本发明公开了一种实现 TD-LTE-Advanced 中多流波束赋形的方法，包括：从 TD-LTE-Advanced 基站的上行探测参考信号获取 4×8的信道矩阵，将信道矩阵 A1进行分解，以得到两个 4×4子信道矩阵，对每个子信道矩阵进行 Household 变换，以生成上Hessenberg 矩阵，对上 Hessenberg 矩阵 J(1)进行 Givens 旋转，以将该矩阵 J(1)变换成对角矩阵，重复上述运算达至少 5 次，其中上一次计算得到的矩阵又会作为下一次计算中所使用的Hessenberg 矩阵，将得到的右乘 Household 变换矩阵和得到的右乘Givens 矩阵叠乘，以得到一个 4*4 的矩阵。利用最大比传输算法对生成的矩阵 V 的每一列进行加权处理，以生成最终的波束赋形权矢量。本发明能够克服现有 EBB 算法的不足，准确地计算多流波束赋形权矢量，并有效降低误码率。

成果的背景及主要用途：导墙或隔水墙这种轻型薄壁结构受到脉动压力的交变作用，导致结构物疲劳破坏和强烈振动的危险性，是一个现实的问题，应引起水工结构设计人员的充分重视，也是水利工程研究的一个重要课题。天津大学1996 年至 2000 年先后开展了中国长江三峡工程开发总公司委托的“三峡水利枢纽厂坝隔（导）墙泄洪振动的水弹性模型实验研究”（编号：ZT-96（1）-7）和“三峡工程厂坝隔（左导）墙的优化研究”（CT-98-22-5）的科研项目；2002 年至 2003开展了中国水电顾问集团中南勘测设计研究院委托的“向家坝水电站消力池底板和导(隔)墙结构水弹性模型试验研究”项目；2004 开展了“三峡导墙振动的原型观测研究”。通过这些项目的研究工作，对导墙结构的流激振动和结构优化开展了系统的实验研究、理论分析和原型观测，提出的创新性成果在工程中得到应用，取得了显著的社会和经济效益。 技术原理与工艺流程简介：对于导墙结构流激振动响应往往是其结构设计的控制条件，其结构的安全和结构优化设计与流激振动响应关系密切。但由于泄洪振动的复杂性，即激振源、脉动荷载时空相关和流固耦联效应的复杂性，通过单纯的水力模拟和数值计算难以正确确定导墙流激振动的响应。而采用泄洪激振的水弹性实验模拟可以很好的解决这一问题。水弹性模型是对“结构——水体——地基——动荷载”四位一体的流固振动系统的模拟，它可以同时满足“动荷载”输人系统相似和结构系统动力响应相似，即满足水力学条件和结构动力学条件相似。通过水弹性模拟实验研究导墙结构流激振动的一般规律，建立相应的理论计算模型，开展原型观测，提出导墙结构安全评价的指标以及安全监测、健康振动的理论分析方法，并通过原型观测来验证。技术水平及专利与获奖情况：该项成果达到国际先进水平。 应用前景分析及效益预测：针对三峡工程导墙从水流条件和结构静动力条件两个方面来进行三峡工程导墙泄洪振动及优化研究，研究成果已在工程建设中得到应用、实施，节省投资约 4000 万元，效益明显。 开展了向家坝水电站消力池导(隔)墙结构水弹性模型研究，优化了两个导(隔)墙体型。该研究成果对向家坝导(隔)墙的泄洪振动响应及其整体稳定性提供了科学的评价依据，为工程建设提供了一个强有力关键的技术支撑，相关成果已被设计采用。结合导墙结构原型观测，应用提出导墙流激振动的反分析方法，可为导墙安全运行监测和健康诊断提供了理论依据和技术平台，这种理论方法和技术手段对其他泄洪消能建筑物的安全监测和健康诊断、实时预警都有广泛的应用前景。该成果的理论方法也可推广到溢洪道边墙的流激振动和安全监测。 应用领域：水利水电工程设计和运行管理。 合作方式及条件：技术服务。

1、改进传统燃烧器扩口设计，形成多个扩口小片层叠布置的角度可调的扩口，从而改变喷口火焰的形状。 2、改进齿形环的设计，可以在线调节齿形环位置和角度，使得气流之间的混合过程得以调节。 3、燃烧稳定，可实现低于 50%负荷稳燃，燃煤时 NOx 原始排放可<200mg/m3。 4、具有广泛的燃料适应性，在不改变结构的时候可以同时适用于 Vdaf=15~35%之间的煤种。

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。