西安科技大学自 2006 年开始对基于粉煤灰资源化的矿井防灭火成套技术及装备进行研究。该技术经中国煤炭工业协会组织鉴定，认项目整体上达到国际先进水平。成果于 2012 年 9 月获中国煤炭工业协会二等奖，该项目申请专利 6 项。该技术有效预防治煤自然发火事故，提高矿井防灭火能力。

本实用新型提供一种多级液控式防气蚀抗冲击配流盘。本实用新型包括配流盘、多级液控阀组；液控阀组包括阀芯、调节弹簧、缓冲弹簧和堵头。本实用新型能够根据柱塞泵的运行工况，自适应地调整各级阀芯的位置，调节柱塞腔中液体与壳体中液体和柱塞泵出口液体的连通情况，避免柱塞腔中压力负超调和正超调，有效防止气穴和柱塞腔压力冲击的发生，从而有效提高柱塞泵的可靠性、寿命、减小轴向柱塞泵的振动和噪声，具有结构简单、防气蚀性和抗冲击性良好、大范围工况适应性强的特点。

1、 成果简介：（500字以内） 抽油泵是我国油田生产中使用主要设备，其主要有泵筒、柱塞、泵阀（吸入阀、排出阀）等组成。其简要的工作原理是：动力从抽油井传递到井下柱塞，使其做往复运动，将石油从井下沿油管被提升到地面。柱塞一下一上，是抽油泵完成了一个循环。应用过程中这个循环导致柱塞容易被磨损和腐蚀。此外，国内油田进入高含水开发后期，由于高含砂、高含水、高矿物度、注聚合物开采及强腐蚀的介质环境等因素影响，加重了柱塞的腐蚀，更易在柱塞上结垢，从而造成柱塞泵使用寿命短，检泵周期短、工

首次创新研发了松材线虫病系列防控新技术，包括松材线虫专项自动化检测技术、媒介昆虫特异光谱引诱技术。 一、项目分类 关键核心技术突破 二、成果简介 首次创新研发了松材线虫病系列防控新技术，包括松材线虫专项自动化检测技术、媒介昆虫特异光谱引诱技术。解决了松材线虫病疫情监测、疫木控制和媒介昆虫防控三个关键环节的技术难题。（1）松材线虫专项自动化检测技术是国内外迄今应用的最先进的病原检测技术。（2）媒介昆虫特异光谱引诱技术弥补了生产上其他引诱技术主要只针对产卵期松墨天牛而忽略其他传播媒介天牛的不足，为病害防控开辟了新途径。 首次系统开展松树抗松材线虫病选育，为我国松树针对松材线虫病遗传改良提供了重要的抗性资源。（1）首次系统开展抗松材线虫病马尾松选择育种，为我国马尾松抗病遗传改良提供重要抗性资源。（2）引进抗病资源，建立抗松材线虫病黑松赤松基因库。（3）成功构建抗病马尾松、黑松和赤松组培繁殖体系。 获授权专利21项，省级良种5个。发表论文156篇，专著1本，国家标准1项。

本发明公开了一种基于超材料结构的梯级耗能防船撞系统，包括超高性能混凝土面板、梯级耗能防撞层、橡胶护舷、桥梁桥墩、桥梁承台和桥梁桩基，梯级耗能防撞层包括可变刚度单元、轻质耗能材料、竖向钢板、上顶板及下底板，可变刚度单元为多个内凹六边形单元通过横向及纵向钢板连接而成，中间空心结构内部填充聚氨酯泡沫、陶粒、橡胶粒等可以吸收和分散冲击能量的轻质耗能材料。可变刚度单元与各钢板之间焊接形成整体，防护装置与被保护桥墩之间通过橡胶护舷连接。该防护装置受撞击时的整体刚度会随着结构变形而增大，因此本发明具有可变刚度的梯级耗能防撞效果，能有效延长船桥碰撞时间且减小船舶撞击力，实现船舶与桥梁的双向保护。

该实用新型针对现有喷洒生防菌的效率和质量都不高的缺陷，提供了一种用于熊蜂携带生防菌粉红粘帚霉传播的散布装置，该装置利用草莓灰霉病有花期从花上侵染的特点，利用传粉者为载体，在传播花粉的过程中向花上散布生防菌以防治灰霉病。这一方面可以利用熊蜂将生防菌定点传播于花上，从而在花期防治灰霉病；另一方面，由于利用熊蜂进行传播生防菌，因此可望大大减少人工喷施的劳力成本。 利用熊蜂将生防菌定点传播于花上，在授粉的同时完成花期防治灰霉病的目的。该技术可望减少人工喷施化学农药的劳力成本，促进生物防治的应用，具有良好的市场前景。 转化条件：需要一定面积的草莓或番茄果园，用于中试阶段的相关试验开展。 成果完成时间：2017年

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。

项目利用新一代的大数据 深度学习技术，实现了加油站现场智能监管系统，具有卸油区智能管控、财务室智能管控、加油区智能管控、现场智能管控、智能分析以及智能考核管理功能，对人员操作合规性进行智能检测与识别 一、项目分类 关键核心技术突破 二、成果简介 项目利用新一代的大数据 深度学习技术，实现了加油站现场智能监管系统，具有卸油区智能管控、财务室智能管控、加油区智能管控、现场智能管控、智能分析以及智能考核管理功能，对人员操作合规性进行智能检测与识别，将以查视频回放的结果型安全管控模式，转变为控制关键作业环节的过程型管控模式，实现了安全关口前移 服务规范管理 智能数字化分析，提高了全站精细化管控能力以及管理层科学决策、信息决策能力。可应用于能源、电力、制造业等与人员安全以及操作流程合规性密切相关的行业。

近年来室内空气污染问题严重影响人民健康，空气净化器逐渐成为新的家庭必备电器。由于净化器采用的滤料多为一次性玻纤材料，更换频繁，维护费用高，并且阻力大，能耗高，制约健康空气净化技术的普及和推广。而静电吸附材料利用静电吸附原理，能够高效吸附PM2.5颗粒，吹风清洗后可以重复使用，已经在工业中广泛应用。由于该技术必须使污染空气与负离子预先混合充分，负离子发生器与吸附材料之间必须保持充分的缓冲距离，否则静电吸附材料无法工作，从而使得该技术无法在小型净化器得到很好的应用。本项目计划以静电吸附材料为研究对象，利用空气动力学原理，采用计算机模拟与实验测试相结合的方法，开发短流程负离子与空气预混合技术。该技术主要目标是在1~5cm短流程内解决点源颗粒与面源气体混合均匀性问题，从而有效解决静电吸附材料对混合流程长度的依赖性。通过本项目，一方面，在实际应用中能够将静电材料替代传统玻纤过滤材料，降低空气净化器使用成本；另一方面，该技术也能够在工业气体治理领域得到有效的拓展，例如短距离气体均匀混合能够有效减小工业气体混合设备尺寸，从而降低设备制造成本，进一步提升本项目研发技术的市场推广价值。 课题组经过几年在空气污染物研究和发展，已经具备在此方面开展研究的物质条件和软件条件。课题组曾搭建空气污染物过滤实验台，对负离子混合与静电吸附过滤材料性能进行了详细测试，如下图1-6所示。同时，课题组已经拥有测试PM2.5、风速等基本仪器，如图7-9所示，能够对空气中粉尘进行精确测量。在与企业合作的过程中，也培养了一批能够进行技术研发的研究生队伍。由此可见，以上条件对本项目的顺利实施提供了良好的科研条件。 1、 项目的主要内容、创新点、技术水平1) 主要内容 n 在现有的净化器结构基础上，数值模拟分析污染空气流动形式，粉尘颗粒流动路径等等，为负离子与空气混合提供基础数据。 n 在数值模拟的基础上，设计新型流道结构，搭建实验台，测试分析流道对气体流动的影响。 n 实验以及数值分析不同流速情况下，气体混合情况，尤其是负离子混合不均匀性以及不同风速下的测试PM2.5的局部过滤效率。 n 对现有净化器提出改进方案，制作负离子混合样机，试验测试净化效率。 n 开发新型净化器，提高单位体积空气净化效率。2) 创新点 n 目前在空气净化器方面关于污染气体与负离子短流程混合研究的还未见报导，本项目涉及的工作内容及技术尚未得到深入研究和开发； n 利用数值模拟技术对不同结构的过滤器内部气体混合流动进行分析，获得净化器内部气体过滤机理，并以此进行结构优化，在空气净化技术研发方法方面有创新性。3) 技术水平 n 由于技术难度大，目前市场上仍未有负离子加静电吸附的净化产品，本项目是首次在实践中将用于工业的静电吸附材料用于民用净化器； n 利用静电吸附原理提高PM2.5吸附效率的同时，阻力比传统玻纤过滤材料的更低，噪音更小，寿命更长，项目研制的技术含量相当高； n 本项目开发的技术也可以用于工业领域，技术应用范围广。

成果介绍成果依托刘昊和黄成老师团队研发的低功耗、低成本物联网信标及网关技术（其中关键技术已通过论文发表于物联网领域顶级期刊）。当前，在武汉紧急部署的方舱医院场地规模较大、病员数量较多，而医护人员及医疗设备较少。产品部署于方舱医院中，能够实现对佩戴定位标签的人员或安装标签的医疗设备高精度实时定位。定位数据通过物联网网关传送至云平台，可通过多种渠道进行监测和信息查看。能为方舱医院患者、医护人员及医疗设备的管理提供可视化平台，并大幅提高方舱医院的管理效率。技术创新点及参数系统能够监测院内病人在活动区域范围内的实时位置及运动轨迹，并提供越界报警等信息服务；能够实时统计方舱医院各类型人员数量及区域分布；在院内病员遇到突发情况时，可通过佩戴的定位标签实现一键呼叫；可对院内安装定位标签的医疗设备进行资产追踪及管理；也能够对院内巡检人员进行到访区域及时间管理。市场前景该产品已紧急发往武汉方舱医院，部署后可以实现医院内人员及物资的实时定位及动态管理。