本发明公开了一种高速铣削-激光切焊复合加工工艺及可重组多 轴数控加工系统。可用于金属及非金属材料加工，是将高速铣削、激 光切割、激光焊接以刀具更换的形式集成于数控机床上，期间无需更 换设备及工装夹具，从而完成对材料的切割-铣削-焊接一体化的加工。 该系统包括控制平台、数控系统、激光器、数控机床、工装夹具、五 轴加工头(铣头、激光切割动力头和激光焊接动力头头)。五轴加工头可 以实现加工头之间的快速切换，实现对工件的不同

本发明公开了一种光电化学太阳能电池光电极微纳结构制造工艺，包括步骤：1)在洁净硅片上热生长一层 SiO₂薄膜、2)在有 SiO₂层的硅片表面光刻出圆孔阵列图形、3)刻蚀暴露的 SiO₂，将光刻的图形转移到 SiO₂层、4)镀Cu 膜、5)去除表面的光刻胶及光刻胶表面的 Cu、6)生长 Si 微米线阵列、7)在 Si 微

本发明公开一种低合金高强钢制品的节约型免回火强韧化工艺方法，包含钢材冶炼及成型、高温加热和保温和冷却及等温处理工艺三个步骤，本工艺方法适用于C-Mn系低合金高强钢。与现有技术相比，本发明提供了一种工艺简单、适宜大规模生产且具有良好强韧性配合的低合金高强钢制品的制备工艺，其特点在于从高温下的控制冷却和中断冷却并在冷却终止温度下进行保温的强韧化制造工艺。相对于传统的淬火回火工艺，该工艺简化了淬火获得马氏体和马氏体+贝氏体复相组织，然后再进行回火处理的工艺，相对Q-P-T工艺而言，本工艺具有更适宜于规模化生产的可操作性，简化了由P工艺立即升温到T工艺的过程，使生产更容易操作。

本发明公开了一种光电化学太阳能电池光电极微纳结构制造工 艺，包括步骤：1)在洁净硅片上热生长一层 SiO2 薄膜、2)在有 SiO2 层的硅片表面光刻出圆孔阵列图形、3)刻蚀暴露的 SiO2，将光刻的图 形转移到 SiO2 层、4)镀 Cu 膜、5)去除表面的光刻胶及光刻胶表面的 Cu、6)生长 Si 微米线阵列、7)在 Si 微米线表面镀一层 ZnO 膜、8)在 Si 微米线表面生长 ZnO 纳米线、9)在 ZnO 纳米线表面制备一层 CdS 薄 膜 、 10) 在 ZnO/CdS 结 构 表 面

本发明提供一种易装卸四瓣式梁柱装配结构，包括梁柱连接件、立柱、横梁和限位插件；梁柱连接件包括由四个垂直侧板组成截面呈正方形的中空结构，两个立柱固定在中空结构内；中空结构四个面的外壁分别设置U形固定件，U形固定件包括两个垂直板和一个水平板，水平板上设置水平板限位孔和限位凸条，横梁的连接端顶部开设上限位槽，底部设置下限位槽；上限位槽内设置竖向限位孔，限位插件包括水平限位条和竖直限位条，安装后，水平限位条卡接在上限位槽内，竖直限位条穿过竖向限位孔并插入水平板限位孔内，限位凸条卡接在下限位槽内。本发明便于装卸，可回收利用，简化了施工操作，降低了施工难度，提高了施工效率，为装配式建筑提供了新的选择。

乐伐替尼也是一种口服激酶抑制剂，它 以支持肿瘤增长的多种细胞因子作为靶点，其中包括血管内皮生长因子（VEGF）、 成纤维细胞生长因子（FGF）、血小板源生长因子受体（PDGF）等，抑制肿瘤细 施的转移与生长。4-［ （6,7-二甲氧基-4-噬琳基）氧基］苯胺和4-氯-7-甲氧基噬琳 -6-甲酰胺作为卡博替尼、乐伐替尼原料药合成中的关键中间体，其合成工艺在 国内鲜见报道，因此探索它们的合成工艺具有重要的现实意义。 自2012年、2015年美国FDA分别上市卡博替尼、乐伐替尼两种新药以来，其 原料药的合成就一直受到国外专利的保护，但国内对其的需求量很大。因此， 我们研究团队分别以麦氏酸和丙二酸原料经接枝、甲化、关环、上氯等步骤成 功合成了 4- ［ （6,7-二甲氧基-4-噬琳基）氧基］苯胺与4-氯-7-甲氧基瘗■琳-6-甲 酰胺，解决了关环等技术步骤的难题，将关环、上氯等技术步骤的收率提升近25% —30%,最终产品的纯度达到98%以上。4-［（6,7-二甲氧基-4-嗟琳基）氧基］苯胺 经历5步反应目标产品收率达到45%以上；4-氯-7-甲氧基噬琳-6-甲酰胺经历6 步反应，目标产品收率达到40%以上。将该工艺路线经中试研究发现，反应充 分，反应重现性良好，各项技术指标正常，目标产品收率达40%—45%,产品纯 度达98%以上。该研究成果意味着，国内抗癌原料药卡博替尼、乐伐替尼关键中 间体的技术路线问题将不再是瓶颈问题。

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。