我们在国家自然科学基金、上海市青年科技启明星计划和上海市纳米技术专项等资 助下研制开发的纳米石墨相变储能材料具有储能密度高、导热换热效果优异、安全稳定、 阻燃和环境友好等优点。 技术指标：与现有的相变储能材料相比，纳米石墨基相变储能材料的导热系数提高 1～2 个数量级，相变温度在-40～+70°C 之间连续可调，储能密度可达 150～250J/g 左右， 经 1000 次循环后，性能劣化小于 5％。

成果简介：以木质纤维、合成树脂、防水剂为主要原料制成的纤维板，其内 部结合点之间仍具有多孔隙，一经吸湿、吸水之后就会引起纤维板的变形、 膨胀和强度减弱，就会影响其应用范围和使用寿命，所以纤维板生产过程中 必须添加疏水性的物质（即防水剂）进行防水技术处理。纤维板生产中通常 采用的防水剂主要是石蜡，用固体石蜡作为防水剂，属于一种阻隔纤维之间 孔隙的物理现象，这种现象能改善纤维板的防水性能，但不利于纤维与纤

报废机械零件的剩余强度和剩余寿命评价和预测。 

南京师范大学课程资源研究所 通用技术实验室建设方案（技术与设计1、2） 序号 名称 技术参数与规格要求 单位 数量 01 图书资料 电工、木工、机械工人切削、钳工工艺、五金手册、机械制图国家标准各1册。 套 1 02 二维、三维设计软件 具备完善的二维绘图和三维建模与表现能力。兼顾了Autocad、3dsmax用户的操作习惯。不仅是一个设计工具，而且还是一个演示媒体；它以视觉形式反映设计者的思想。 套 1 03 AutoCAD教育版 讲授Auto CAD的实例应用，实例的制作操作步骤清晰易懂。可进行二维和二维设计，可以预设比例，按照比例绘图可以直接编辑修改线的长度，有标注尺寸功能，可输出位图和矢量图，网络版。 套 1 04 视听资料 配合教材教学内容的（经典结构、技术试验、技术探究、技术奥秘、技术在各领域应用等）挂图、课件、视频及图书资料。 套 1 05 三视图投影演示仪 活动式三维正交结构，可标注投影图；可直观显示三维投影体系，帮助完成三视图的教学。用于《技术与设计1》第六章第二节 “常见的技术图样” 中关于正投影与三视图的教学辅助教具，也可用于《 技术与设计2 》第一单元第二节“稳定结构的探析”的辅助教具。 套 1 06 多功能控制平台（与结构承重测试仪配套使用） 1.显示器：128×64点阵式液晶显示屏 2.输入：八路模拟量输入（其中7路可设置为电压

1.本公司研发生产的智能快递柜、智能生鲜柜，融合物联网、5G通信技术，是一款高性价比，易扩展的新型快递柜。2.本公司自主研发的分布式社区互联网平台，涵盖智能物流、O2O商城、社区社交等综合功能，可多方位服务社区居民及社区商家。目前研发生产的快递柜以下几个问题1.不整体体积太大，不易运输，2.智能控制模块成本较高，3.通信模块信号不能确保百分比稳定，4.开闭件易损耗；

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。

党的十八大提出“建设五位一体”的总布局，其中生态文明建设是基础；我国正深入实施“一带一路”战略，推动互联网与经济社会各领域的深度融合。本项目在已经获得自主知识产权的基础上，整合兰州大学在DNA条形码和深圳市中光远科技有限公司在物联网智能系统方面的技术储备，创制草产品DNA条形码数据库，构建草产品种植生产、检验、加工包装和流通等溯源数据中心平台，利用互联网整合条形码序列及生产加工信息构建草产品的溯源集成系统。迅速、快捷的追溯草品质及质量，提高草产品优质生产和消费安全，最终实现草产品从生产到销售的全

成果简介：利用高速旋转的转子产生的高离心力对在高承载环境下使用的器件进行加载试验，采用成熟试验技术方法和检测手段，实现对微小型机械结构件和电子器件、加速度传感器在高承载环境下的高载荷试验和标定。该设备最高加速度实验值：8万g，最高加速度标定值：1万g，实验对象最大回转半径：50mm，加速度实验精度：3%，标定精度：6%，实验对象尺寸：实验件最大尺寸长度≤18mm，实验件三维尺寸处于直径D=18，高度H=15的圆柱体范围里。适合钢、铝及铜质等各种材质加工的，在高承载环境下工作的机械结构件、电子元器件