：铁硅粉芯是一种新型复合软磁材料，主要用于 替代传统开了气隙的硅钢、铁氧体及非晶等材料，作为电感器 和电抗器的磁芯，用于对直流叠加要求较高的大功率光伏逆变 器、风电变流器、电动汽车充电机、变频空调、有源滤波器、 UPS 电源等新能源与节能电力电子系统。 铁硅粉芯在器件中的作用是实现电磁能量转换，其与绕制 线圈一起组成的各种磁性器件在电力电子系统中起到功率因数 校正和滤波

本项目突破了机理模型与工况数据混合驱动的航空/航天复杂薄壁曲面零件全流程加工精度/效率/能耗预测技术，提出了零件全流程加工智能工艺优化决策方法，开发了具有完全自主知识产权的智能加工产线工艺全流程智能决策和优化软件系统。 一、项目分类 关键核心技术突破 二、成果简介 本项目突破了机理模型与工况数据混合驱动的航空/航天复杂薄壁曲面零件全流程加工精度/效率/能耗预测技术，提出了零件全流程加工智能工艺优化决策方法，开发了具有完全自主知识产权的智能加工产线工艺全流程智能决策和优化软件系统。 1、提出机理模型和工况数据混合驱动的航空/航天复杂薄壁零件全流程加工精度/效率/能耗高效高精预测算法，突破全流程加工工艺智能优化与决策技术。 2、开发具有自主知识产权的智能加工产线工艺全流程智能决策和优化软件系统，实现能耗监测/DFM/CAM/CAPP等工艺设计软件核心算法完全自主可控。

本发明公开了一种基于静电纺丝工艺制备高比表面积碳纤维布 的方法，包括：(a)将聚丙烯腈溶入到二甲基甲酰胺中并混合均匀，然 后基于静电纺丝工艺生成纳米量级的高分子聚合物细丝；(b)将所生成 的高分子聚合物细丝执行缠绕，并形成微米量级的高分子聚合物细线； 然后采用该高分子聚合物细线作为纬线和经线，交织形成布状结构； (c)在保护气氛下，将布状结构在 800℃～900℃的温度下执行热解，并 使得高分子聚合物碳化生成碳纤维布；(d)使得碳纤维布的表面活化， 由此制得所需的碳纤维布产品。通过本发明，能够制得具

编制焊接工艺作业指导书，审核验证新品开发焊接方案；及时对公司内的焊接作业指导书进行跟踪、指导及改进，工程机械类相关专业

一种氨法-塔式常压捕集吸收二氧化碳系统及工艺，包括稀氨水供给装置等，二氧化碳吸收塔包括罐体等，罐体顶部设有排气管，稀氨水供给装置通过管路与第一喷淋装置连接，引风机通过管路与第一换热器连接，第一换热器通过管路伸入罐体下部，罐体底部、第二泵、第二换热器、结晶槽、离心机、母液槽之间依次通过管路连接，母液槽、第三泵、第二喷淋装置之间依次通过管路连接，第二、三泵的进口之间连接第一管路，高浓度氨水储槽通过管路与第一泵连接，第一泵通过管路与第二喷淋装置连接，冷却装置的冷却水进水管与第一换热器的冷却水进水管连接在一起，冷却水进水管上设有调节阀。本发明减碳效率高，工艺流程简单、系统结构简化、投资及运行成本低廉。

本发明公开了一种具备高除湿能力且循环稳定性优异的含一维孔道的锆基金属有机框架材料及其制备方法和应用，通过水平轴向扩展X型有机连接子的核心部分，确保有机连接子“邻位二苯甲酸”部件保持不变，实现能同时满足含一维孔道、Zr<subgt;6</subgt;簇螯合配位甲酸根同平面且相邻Zr<subgt;6</subgt;簇甲酸氧间距≤5.4Å三个必备条件的锆基金属有机框架材料的同构合成。同时具备以上三个条件可有效限制相邻Zr<subgt;6</subgt;簇之间中心位置引入水分子，从而防止了该位置水分子在脱附过程中引起受力不均衡导致整体网格结构坍塌的情况。通过有意地缩短或延长有机连接子核心在水平轴向上的长度，合成得到的含一维孔道的锆基金属有机骨架材料均表现出高的水吸附循环稳定性。

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。

北京大学物理学院、纳光电子前沿科学中心、人工微结构和介观物理国家重点实验室“极端光学团队”胡小永教授和龚旗煌院士等在非厄密拓扑光子学研究中取得重要进展：发展出一种研究新型增益-损耗畴壁拓扑光学体系的有效哈密顿量新方法，揭示了由增益-损耗畴壁诱导的拓扑态的产生机制。