习惯上的认知，干燥都是通过温度而进行的，所以就有了烘干一说。对于大部分的物料干燥，并不一定需要将温度升的很高，升高温度只是影响脱水的速率，所以使用者都习惯使用高温的方法来干燥物料。 物料干燥是许多工艺过程中必不可少的工序，每脱附 1kg 的水，能耗至少是0.72kW，这仅仅是水的蒸发潜热所需要的热量，还不包括由于装置的散热而带走的热量，加热效率而损失的热量以及将湿气排走的风机消耗的功率。在此暂且按每脱附 1kg 的水，能耗 1.0kW，计算，因此该工艺也就成了名副

模型泵叶轮直径 300mm， 转速 1450r/min， 流量 260L/s—370L/s， 扬程 2.0m—8.0m， 泵装置效率 71%以上， 汽蚀比转数≥1000。

项目简介：一种模拟电池装置，它由 O 形密封圈、套筒、电极、螺帽 组成，套筒为圆柱形，内为圆柱形空腔，套筒两端的内侧开有一圆槽，下 电极的形状类似铆钉，其直径与套筒的内径相配合，上电极的形状类似于 砝码，其较粗部分的直径与套筒的内径相配合， 而较细部分则可用作引线； 上螺帽和下螺帽通过螺纹与套筒连接；该装置即可用于各种电池，如有机 电解质体系的锂离子电池的测试， 也可用于超级电容器的测试，

本实用新型涉及挖掘根茎类农作物的机械，尤其是一种滚动收获装置。包括机架、拨菜轮和挖掘铲，拨菜轮位于挖掘铲的上方，其中，挖掘铲呈圆盘形；还包括挖掘铲架、拨菜轮位置调节装置和挖掘铲角度调节装置，拨菜轮、拨菜轮位置调节装置、挖掘铲架和挖掘铲角度调节装置均设置在机架上，拨菜轮与拨菜轮位置调节装置连接，挖掘铲与挖掘铲角度调节装置连接，挖掘铲和挖掘铲角度调节装置均设置在挖掘铲架上，挖掘铲架的两侧分别设置挖掘铲；所述挖掘铲角度调节装置包括调节支架、圆头螺钉、调节块和调节连杆，挖掘铲架的一端分别与两侧的挖掘铲连接，挖掘铲架的另一端与调节支架铰接。避免了挖掘铲对根茎类农作物的损坏或漏采，大大提高了收获率。

本实用新型公开了一种分层施肥装置，包括第一施肥组件和第二施肥组件，第一施肥组件和第二施肥组件的入肥口均与肥料箱相连通，第二施肥组件出肥口位于第一施肥组件出肥口的上方位置，第一施肥组件出肥口和第二施肥组件出肥口的前侧设置有开沟铲，开沟铲可在土壤中开设排肥沟。本实用新型的分层施肥装置可对土壤进行分层、多维度施肥，以增强种子对肥料的吸收效果，利于种子后续的发芽、成苗等过程；提高肥料的利用率，不仅减少肥料的浪费，且更加环保，缓解或避免土壤的板结，通过设置检测和调节装置，使分层施肥装置的施肥深度可根据地面高度的变化自行进行调节，从而保证施肥深度的统一和稳定，有利于提高施肥效果。

产品详细介绍贮气装置

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。

项目成果/简介: 轴流式潮流能发电装置是针对我国潮流能资源区潮流流速偏低的状况专门开发研制的，具有启动流速低、转换效率高等特点。机组采用半直驱变桨距控制的水平轴水轮机，利用变桨距机构，提高能量转化效率，实现最大能量捕获、低速启动和换向；水下实时监控系统实现了机组的运行状况监测和变桨距控制，同时保证了机组安全运行；基于GPRS技术实现了装置的远程数据采集与控制；机组的支撑结构采用了浮潜式载体专利技术，可通过注排水实现升沉，便于机组的拖航、移址、回收及机组的维护保养。项目阶段: 完成工程样机研发及海上示范运行阶段效益分析: 该成果在潮流能开发利用中具有广泛的推广应用前景。适用于我国潮流能资源区潮流流速偏低的状况，易于在潮流能发电规模化工程中应用，有利于产业化推进。知识产权类型:发明专利 、 软件著作权知识产权编号:ZL201510602258.3 ZL201610459673.2技术成熟度:通过中试技术先进程度:达到国内领先水平成果获得方式:独立研究获得政府支持情况:无

本发明涉及的是岩心压实装置,这种岩心压实装置包括框架座、柱塞式液压缸、填料管、填砂管、填砂管后托座,柱塞式液压缸水平坐落在框架座的后端,其柱塞前端设置有压实头,压实头上设置刻度线,填砂管与填料管连接且相通,填料管与压实头相对应设置,填砂管、填料管、压实头处于同一水平轴线；柱塞式液压缸后端恰好坐在框架座后支座中,柱塞式液压缸前端处于后支撑板中；框架座的前支座具有U型槽,前支撑板也具有U型槽,填料管和填砂管的两端均具有法兰,填料管一端的法兰处于框架座前支座的U型槽中,填料管另一端的法兰处于前支撑板的U型槽中,填砂管前端的法兰安装在填砂管后托座上,填砂管后端的法兰处于框架座前支座的U型槽中。本发明可实现均匀地一次性压实岩心,且填料管和填砂管不受直径的限制。