本发明公开了一种气固混合物中颗粒物浓度的测量装置和测量方法，该测量装置包括称重装置、第一鼓泡装置、第二鼓泡装置、弹簧拉力装置和补重装置组成；称重装置为杠杆结构，杠杆结构的两侧分别为受重杆和测量杆，第一鼓泡装置和第二鼓泡装置分别设置在受重杆和测量杆上，补重装置设置在测量杆上，第一鼓泡装置和第二鼓泡装置为装有液体的封闭式容器，第一鼓泡装置上设有第一进气管和第一出气管，第二鼓泡装置上设有第二进气管和第二出气管。优点是： 首先，本测量装置简单，不受颗粒物理性质的影响，可以通过增加曝气头数目减少操作时间； 其次，通过微小放大原则，将固体颗粒物的质量累积量放大成较明显的弹簧拉力装置的受力变化。

本申请首先公开了一种中心脱膜的3D打印机，在打印平台上开设有导杆孔，在打印平台的顶部转动地安装有一内螺纹件，脱膜杆旋拧在该内螺纹件的内螺纹孔内、并能够向下穿过导杆孔；驱动装置安装在打印平台上并用于驱动内螺纹件进行转动，脱膜杆仅能够相对于打印平台进行上下移动、而不能转动；在模型内形成有脱膜孔，脱膜杆能够向下移动，并在穿过脱膜孔后，抵压在料槽的离型膜上，将离型膜向下推动。本申请还公开了一种3D打印方法。当完成一个固化层的打印后，向上提升打印平台，使离型膜与模型由外向内剥离，同步使脱膜杆向下移动并推动离型膜上，使离型膜与模型由内向外剥离，从内外两个方向同时剥离离型膜，提高了离型膜的剥离速度。

以工业发酵柠檬酸的废弃玉米渣（含菌丝体）和食用菌工厂化栽培产生的大 量菌根、菌渣为原料，采用高效生物转化和膜谱分离技术制备新一代植物源氨糖 产品，具有高纯度、无甲壳致敏源、无腥味、无重金属污染的特点，能够促进关 节软骨恢复、缓解骨关节痛、辅助治疗骨关节炎，是重要的医药和功能食品原料。 项目申报专利 13 件，其中授权发明专利 3 件，授权实用新型专利 2 件；获得省高新技术产品 5 个；获国家星火计划 1 项、江苏省重大成果转化 A 类项目 1 项、国际科技合作计划（中以合作项目）1 项、江苏省重点技术创新计划项目 1 项江苏省绿色制造清洁生产及工业循环经济项目 1 项；获具有国际先进水平的省级鉴定成果 2 项；获中国发明创业银奖 1 项。项目实施应用单位建立了新型氨糖柔性生产线，生产的产品总量占国内生产总量的 20%以上，近三年来新增销售 11.3亿元，新增利润 1.22 亿元，税收 5088 万元，出口创汇 5947 万美元。项目解决了原料几丁质含量低、提取效率低、精制工艺难等瓶颈问题，提升了氨糖产业的技术水平和综合效益。 

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

成果描述：本发明公开了一种无侧向约束力混凝土接缝抗水渗透性能的试验装置及方法，用于对新旧混凝土接缝部位试块进行抗水渗透性能测试，具有用于放置新旧混凝土接缝抗渗试块5的双层方筒4，方筒的底部密封，方筒的上口具有外凸缘14，方筒下部设置有具有中间开口10的内凸缘9，内凸缘将方筒分隔为试块舱6和进水舱13两部分；内凸缘上设置有弹性密封垫圈8；左盖板1和右盖板2由紧固螺栓3压紧固定在方筒的外凸缘上；方筒下部的进水舱连接水压装置11及进水，并连接水压表12；左盖板和右盖板之间根据混凝土接缝的形状和区域设置有便于观察渗水情况的观察口。本发明能实现在无侧向约束力作用下新旧混凝土接缝部位的抗水渗透性能试验。市场前景分析：轨道交通基础设施建设领域。与同类成果相比的优势分析：技术先进，性价比较高。