煤矿提升机箕斗卸煤不净的原因有:水煤、黏矸造成箕斗内滞卸载不完全；冬季严寒天气，箕斗内的水媒冻结造成滞煤，当箕斗定量装载在箕斗滞煤情况下再次装载后，其实际载荷超过额定负荷，远超过电机额定能力，会造成无法正常提升，若不及时排除，则易造成提升安全事故的发生。本成果设计了测量余煤卸载情况的监测系统，该系统将利用无线张力检测装置，实时检测提升机钢丝绳的张力，并通过无线发送装置发送到地面，之后，通过标度变换并计算出钢丝绳张力和载重量最终显示在液晶显示器上，当过有余煤未卸尽时，则报警，提醒及时清理箕斗余煤。该成果的发明，极大提高了矿井提升机的安全提升水平，促进了煤矿的安全高效生产。 该成果针对提升机提升过程中的过载情况进行研究，设计了基于无线通信的装卸载安全 提升智能监测与控制装置。主要技术性能指标如下： 1、能够实时测量钢丝绳张力，钢丝绳直径 22～36mm； 2、该系统能够测量装载重量为 0～20 吨。 3、系统采用无线数据传系统，工作频率为 2.4G，传输距离 200～2000m； 4、系统采用蓄电池供电，供电电压 12V，功率 0.7W。 5、能实时监测钢丝绳张力，并实时显示装载重量。

高速公路、城市高架等桥梁、地铁隧道、大坝、房屋建筑等混凝土结构或钢结构在施工或长期运营期间会出现裂纹或其他缺陷，进而带来很大的安全隐患。针对此情况，提出了混凝土、钢结构表观损伤远程非接触测量理论，研发出结构表观损伤的非接触检测仪与分布式监测系统。已经在国内外数十座桥梁、隧道与建筑上得到应用。

通过转变黄酒等传统发酵食品生产方式，创制优质高效、绿色环保、智能化的生产技术与装备，是“新常态”下黄酒持续发展的必由之路。在国家项目的支持下，毛健教授团队创新性地对黄酒生产关键技术进行绿色、智能化改造，显著提高了黄酒生产的自动化水平，成功发明了黄酒绿色、安全、智能酿造新技术体系，并实现了工业应用，产品保持了传统黄酒风味特色，有效助推黄酒行业的“供给侧”改革，实现黄酒产业技术转型升级。 创新要点 攻克生麦曲质量严重依赖气候条件的技术难题，创新生麦曲生产环境智能模拟技术，创制高效、不受季节限制的生麦曲自动化“流水线式”生产装备。解决陈化过程劳动强度高、不受监控的生产问题，加速优良风味形成，攻克陈化过程酒液难澄清、无法监控的技术难题。创新酸化发酵技术，减除浸米工艺。项目在黄酒酿造关键技术的理论研究、技术创新及工程应用方面具有原创性和实用性，项目已获授权主要知识产权 21 项，形成了涵盖全产业链的知识体系。 

武汉城市自 2007 年底获批全国“两型社会”试验区以后，其改革、建设及城镇化发展取得了明显成效，是我国城镇化过程中的突出代表。

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。

围绕蚕茧丝废弃物的循环利用、蚕丝蛋白增值关键技术、蚕丝蛋白医用功能化等重要科学问题开展研究并取得了重要突破：1）阐明了蚕丝蛋白结构特点及其分子质量调控关键要素，实现了不同分子质量丝素蛋白和丝胶蛋白的规模化生产；2）解决了丝素蛋白生物材料表面活化与医用功能化关键技术，研发了蚕丝11蛋白人工皮肤、多孔支架、骨组织修复材料；3）实现了蚕丝蛋白多元化利用，研发了蚕丝蛋白吸水保水材料、涂覆化纤新功能材料、护肤产品等。

近年来大跨度建筑结构不断涌现，结构温度效应导致的结构工程问题日益突出，尤其是室外结构或玻璃、膜屋面下建筑结构的太阳辐射非均匀温度效应更为复杂。由于对太阳辐射非均匀温度效应机理缺乏深入研究，导致质量问题甚至工程坍塌等安全事故，造成了严重的经济损失和社会不良影响。因此，项目组在国家和省部级项目的支持下，对太阳辐射作用下大跨度建筑结构非均匀温度效应机理与分析方法开展研究。

近十年来，大型地下工程尺度达数百米、体量增至上万平方米；建设条件和使用环 境的特殊性给这类地下工程的施做带来极大的挑战。针对地下工程结构现浇混凝土施工 的特征，项目研究从混凝土材料与构件早期性能测试、地下工程混凝土结构早期性能设 计方法、以及施工控制技术等方面展开。 项目研究内容涵括混凝土材料科学与技术、结构设计方法、施工技术与组织等方面 的技术难题。理论方面研究了混凝土材料微观结构形成的物理化学变化与内部温度场、 湿度场的复杂作用过程，并考虑结构宏观层次荷载产生的应力场，建立了多场耦合作用 下复杂结构早期物理力学性能演化机理模型；在早期性能试验测试技术研究中，首次建 立了混凝土主动约束早期变形性能试验方法和操作程序，自行研发了试验装置与自动测 试仪器；融合地下工程混凝土结构早期变形、抗裂能力等提出了地下结构早期性能设计 方法，突破了承载能力极限状态设计的思想；通过仿真分析指导工程实践，结合现场远 程监控技术，实施混凝土改性、构件抗裂设计、养护技术等控制早期性能演化的技术措 施。 研究成果已成功应用于超高层建筑、地下综合体、隧道工程等数十项重大工程，并 为日本地铁 13 号线混凝土早期变形性能分析和香港金门公司地下工程早期变形控制所 采纳，取得了良好的效果。 研究成果的应用不仅可提高地下工程质量，保障其预期服役性能；还可促进信息技 术在传统土木行业的应用；同时，混凝土结构早期性能设计方法的思想可应用于其他结 构工程，对于保障基础设施可持续发展有重要意义。

项目着眼于质量管理学与运筹学等理论和应用发展的新角度，从任务阶段、阵列式结构、数据不确定性、综合保障和全寿命周期成本等视角，综合研究大科学装置可靠性设计和工程管理的优化策略与方法，获得软件著作权“科学装置建设项目可靠性知识管理系统V1.0”，形成了规范的项目质量与可靠性数据管理体系和有效的分析方法及工具，建立了切实有效的神光激光装置急用的可靠性分析知识库系统，填补了国内空白。本项目总体研究水平达到国内先进水平，省内领先水平，研究成果是一项科学工程与软科学研究相结合的优秀成果，具有重要的理论和应用价值