该发动机实训台是本公司采用进口本田(广本2.2)发动机，为适应汽车教学需求而研制的。该实训台由电控发动机（八成新）、操作显示面板及发动机彩色原理图电脑控制柜、可移动式台架(万向脚轮)、汽油供给系统(脚踏式油门踏板)、冷却系统(自动电子风扇)、启动系统、发电系统、排放系统、发动机传感、器执行器、原车仪表、原车电脑、具有发动机运转及显示（水温.燃油.机油.充电.转速.车速）配备原车OBD-Ⅱ接口、真空显示表、燃油压力显示表、喷油器工作指示LED灯、电压检测表（检测任意路传感器工作信号、工作电压）。故障设置区可设置32路故障（老师设置任一路线路故障），故障排除区（学生通过各种仪器、仪表、或读取故障码）在面板上用专用排故线连接排除故障，通过OBD-Ⅱ读码、 消码、数据流、 故障分析、传感器信号模拟等多项功能，具有结构紧凑、操作方便、安全可靠、教学直观，是汽车发动机实物教学不可缺少的实验室理想设备之一。 技术性能： 1、主要参数值： ●直列四缸20气门水冷电喷发动机           排量2.2L ●自动变速器                              电控4速 ●可移动台架(分体式+安全不锈钢防护拦)     1600×900×1800mm ●汽油箱容量                              10L ●润滑液容量                              4.5L ●自动变速器油                            6.5L ●蓄电池容量                              12V42AH ●冷却液容量                              10L ●设备重量（不含油液）                    380Kg

本发动机实训台是本公司采用进口丰田皇冠发动机为适应汽车教学需求而研制的，该实训台由电控发动机（八成新）、操作显示面板及发动机彩色原理图电脑控制柜、可移动式台架(万向脚轮)、汽油供给系统(脚踏式油门踏板)、冷却系统(自动电子风扇)、启动系统、发电系统、排放系统、发动机传感、器执行器、原车仪表、原车电脑、具有发动机运转及显示（水温.燃油.机油.充电.转速.车速）配备原车诊断接口、真空显示表、燃油压力显示表、喷油器工作指示LED灯、电压检测表（检测任意路传感器工作信号、工作电压）、故障设置区可设置32路故障（老师设置任一路线路故障）、故障排除区（学生通过各种仪器、仪表、或读取故障码）在面板上用专用排故线连接排除故障、通过诊断口读码. 消码.故障分析、传感器信号模拟等多项功能、具结构紧凑、操作方便、安全可靠、教学直观、是汽车发动机实物教学不可缺少的实验室设备之一。 二、技术性能： 1、主要参数值： ●直列六缸24气门水冷电喷发动机           排量3.0L ●可移动台架(分体式+安全不锈钢防护拦)     1600×900×1800mm ●汽油箱容量                              10L ●润滑液容量                              4.5L ●蓄电池容量                              12V42AH ●冷却液容量                              10L ●设备重量（不含油液）                    380Kg

产品详细介绍产品简介MV-BDP300是基于"工业4.0智能工厂"理念而设计的一套综合性平台，是进入"工业4.0"时代的必备工具。平台除了具备完整的机器视觉及工业自动化功能外，特别应用了"物料智能传递、模式识别、质量检测、数据通讯、柔性系统搭建"方面的技术。而作为一套"开发"平台，用户可以采用多台设备实现"多机互联"，也可以和机械臂联动设计智能制造系统，MV-BDP300为此预设计了大量的标准通讯接口和定位传感器。功能特性● 工程实验室建设——特别适用需要经常性测试各种不同工业项目的用户，可以形象立体的向您的客户展示机器视觉检测方案。    配套工业级图像采集系统    预设多检测工位    通用型载具托盘设计    支持二次开发的视觉检测软件    开放式的运动控制系统设计● 教学科研及成果展示——MV-BDP300适用于所有需要视觉自动化技术的教学科研应用，基于"工业4.0智能工厂"理念设计的系统平台，可以更好的展示您的技术成果。    PLC、HMI、MCGS嵌入式组态软件组合控制应用    PC与PLC串行通信    PLC与HMI的RS422通讯    双轨道环形流水线控制● 工业现场设备——MV-BDP300不仅是一套开发平台，更是一套完整的工业检测设备。系统平台设计了上料定位传感器、视觉检测工位、下料定位传感器、检测结果通讯接口等功能模块，可以把设备直接放到生产现场代替人的工作。    字符识别和判断——生产日期、字符logo、汉字等标准字符（图形）的识别检测，支持用户自定义字符库训练    尺寸测量和判断——明—暗、暗—明边界自动识别判断，获取对应边缘的尺寸信息    颜色识别和判断——获取指定区域的色度信息，根据检测精度，区分出颜色有问题的产品    缺陷检测和判断——设置模板，分析需要检测的兴趣点，判断检测区域是否有缺陷    匹配定位——获取检测对象上面的典型特征点的坐标及偏角，智能匹配检测区域，解决每次检测时产品位置摆放不一致的问题

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。

高端智能化、高效节能、低耗能的机械设备主要为：履带式的移动破、圆锥破

武汉大学无线数码显微互动系统采购项目竞争性磋商

“火电厂厂级运行性能在线诊断及优化控制系统”从火电厂全厂整体综合优化运行的角度出发，通过对其所属多台机组的运行状态进行连续监视、经济分析、在线诊断以及优化控制，达到稳定、节能的目的。本项目由西安热工研究院和华北电力大学共同协作完成并获2005中国电力科学技术一等奖。 本项目创建了一套完整的技术体系，包括从全厂整体综合优化运行系统的概念、定位、理论方法、关键技术到应用软件开发、系统集成、示范和推广应用。研制成功具有自主知识产权的"火电厂厂级运行性能在线诊断及优化控制系统"（SIS）。

“新型多天线传输技术”是5G移动通信系统亟待研究的关键问题之一。孕育其中的3D-MIMO技术则是亟需攻克的难点之一。据此，本技术成果依据3D-MIMO技术中的多用户智能波束赋型，研究Massive MIMO阵列对5G系统波束赋型性能的影响。 技术成果主要功能： ？ 时间反演波束赋形（Time Reversal Beamforming, TRBF）通信系统可计算模型。 此部分主要是在经典的天线系统排布方向图与增益的理论研究基础之上，进一步研究这些天线系统的排布对TR大规模MIMO通信系统性能的影响，建立了基于不同天线系统排布的不同的信道响应模型。 ？ TRBF通信系统互耦效应的可量化分析模型。 建立了互耦的信道模型，然后通过信道模型来分析TRBF通信系统的性能。 ？ TRBF通信系统极化信息的可量化分析模型。 针对天线的极化特性建立信道模型，基于极化信道模型分析TR通信系统的性能，建立系统极化信息可量化分析模型。 技术成果应用领域： TR通信可以利用复杂环境中的丰富多径来提高系统的信道容量，减小误码率等等。并且TR的空间聚焦特性能精确定位用户终端，所以TR Massive MIMO通信系统可以用在受阴影衰落较大的地区，例如位于密集高大建筑楼群的低层用户，由于巨大的建筑物遮挡阴影损耗，要想实现设备到设备之间的直接通讯很困难，而TR技术可以精确定位到传输终端，达到普通波束赋形达不到的效果。类似的环境还有山区高大山群的阴影衰落，信号衰减大的森林地区等等。 此外，TR通信能够利用复杂环境中的丰富多径来提高通信系统的性能，所以在电磁波反射路径多的环境，自然环境比如地下车库，隧道等，人造环境比如模拟体验太空舱，金属装饰风格的办公室或者住宅等（见下图2）。在这些多径异常丰富的环境下，移动终端经常会出现接收不到信号等，这也是秉承随时随地接入网络宗旨的5G蜂窝移动通信系统亟待解决的问题，而这些场景正是完美的TR技术应用场景。 由此可以想见，TR在5G蜂窝移动通信系统覆盖范围下的某些特殊通信场景极有用武之地。