焊接机器人实训考核工作站是按照教育部1+X焊接机器人编程与维护职业技能等级证书中的试点、考核站点标准要求，研发设计的多功能智能焊接工作站，工作站符合相关建设标准和具有自主知识产权。WR-KH02型焊接机器人编程与维护实训考核工作站为中级工作站，主要由焊接机器人单元，焊接电源单元、焊枪单元，周边设备单元(伺服变位机)、智能焊接机技术、安全防护单元、焊接任务单元、离线编程单元、教学资源单元 考评系统、监控系统等组成一套的智能焊接实训考核工作站。每个单元由多个模块组成，实操与离线仿真结合面涵盖机器人焊接工艺方法和实际应用案例。能按任务要求，完成焊接机器人系统的离线编程、高级编程、外部轴添加、工艺调控、焊缝检测、设备联调及根据维护手册完成设备故障预判处理和故障处理。实训考核工作站遵循全功能化、全模块化、全信息化、近工业化的智能焊接机器人系统，主要用干教育部1+X焊接机器人编程与维护职业技能等级的师资培训，考评员培训，1+X职能技能等级证书取证的实操培训与考评;同时也可进行工业机器人基础培训，应用培训技能训练技能竞赛等，话合中职，高职应用型本科院校1+X证书的培训老评以及相关专业课程的实训教学，适合社培机构技能人才培养培训。

成果简介：便隐血是指消化道出血量少，肉眼不见血色，少 量红细胞被消化分解，以至在显微镜下也无从发现的出血。正 常人便隐血检验为阴性，而阳性结果常见于肠癌、消化道炎症 或出血性疾病等患者粪便检测，便隐血检测对诊断消化道出血 具有重要意义，也是目前进行消化道肿瘤普查、初筛和监测的 有效手段，是临床上诊断消化道出血的重要依据。 目前，便隐血检测的主要指标为转铁蛋白和血红蛋白，且

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