本发明提供了一种西瓜穴盘苗壮苗培育方法，包括如下步骤：将育苗基质填充到穴盘内，向穴盘中播种西瓜种子，置于温室内培育；施加育苗肥；所述育苗肥包括元素N、P、K，中量元素Mg、S，微量元素Fe、Mn、Zn、Cu、B、Mo；幼苗继续培养至三叶一心期，即得。向西瓜幼苗喷施生长延缓剂可进一步提高西瓜幼苗质量。本发明通过喷施生长延缓剂和施用育苗肥，可获得质量较好的壮苗。西瓜幼苗茎粗＞3cm，叶面积＞40cm2，根表面积＞31cm2，壮苗指数Z1＞10，Z4＞12。

在基础设计中，经常会碰到下列情况：1）如果采用天然地基浅基础方案，地基承载力可满足要求，但是建筑物沉降量过大无法满足规范要求。2）采用天然地基浅基础方案，地基承载力和沉降均不满足要求，但是地基承载力距设计要求差距不大。上述情况通常的做法是弃地基土承载力不用而改用常规桩基来承担上部结构的全部荷载，从而造成很大的浪费。南京工业大学宰金珉教授通过长期研究，提出了复合桩基的设计理论与方法，成功地实现了在软土地区的桩土共同作用。多项工程实践表明，采用复合桩基的建筑物基础造价节省30％～60％，具有显著的经济效益和社会效益。 工艺路线：突破单桩承载力特征值的限制，人为令单桩荷载达到或接近其极限承载力，使单桩工作状态由弹性支承进入完全塑性支承，形成“塑性支承桩”。在基础下设置数量较少的塑性支承桩不仅可以充分发挥地基土的承载力，只使用少量的桩来承担部分上部结构荷载和控制建筑物沉降，而且还可以利用塑性支承桩的自适应性来改变基础的支承刚度，以达到使建筑物的差异沉降最小的目的。

本发明提出了一种变形翼肋及其使用方法，该变形翼肋包括：一号肋板和二号肋板，致动开关一号肋板的外侧面设置刚性蒙皮；至少一个中间肋板，第一个中间肋板的背面和一号肋板的正面之间、最后一个中间肋板的正面和二号肋板的背面之间、相邻中间肋板之间均通过多稳态自锁转动关节连接；所有中间肋板共用一柔性蒙皮，致动开关柔性蒙皮的一端与二号肋板连接，致动开关柔性蒙皮的另一端由一号肋板和第一个中间肋板形成的间隙中延伸至的一号肋板，并与蒙皮驱动器连接。本发明实现了翼肋形态的多自由度变化。

本发明公开了一种深硅刻蚀方法，包括如下步骤：（1）在硅片表面制备图形化的光刻胶掩膜；（2）对硅片进行深感应耦合等离子体干法刻蚀，包括多个刻蚀阶段，每个刻蚀阶段均在感应耦合等离子体机内，通过钝化、轰击和刻蚀三个步骤交替循环加工完成，随着刻蚀深度的增加，各刻蚀阶段中轰击步骤的轰击强度逐渐增强。本发明有效解决了现有技术中侧壁垂直度及粗糙度难以控制以及大刻蚀深度难以实现的问题，在提高刻蚀效率的同时，提高了对光刻胶的选择比，刻蚀槽侧壁垂直度高，粗糙度小，刻蚀深度大。

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。

本项目采用计算机虚拟现实技术和跨平台的数控系统硬面板仿真技术为基础，采用采用硬面板数控系统仿真器通过在线方式驱动计算机中的虚拟机床模拟实际机床的运动和进行虚拟切削加工的方式，实现“虚实结合”的高仿真度的新的数控加工培训系统。由两部分组成：虚拟数控机床仿真环境和系统可置换硬面板数控系统仿真器。系统主要内容包括：虚拟数控机床仿真环境软件、跨平台数控系统内核、硬面板数控系统仿真器和仿真器系统在线接口软件等。该产品主要应用于数控职业技能培训领域，关键解决了同一软硬件平台对不同类型数控系统仿真和实训的问题，避免了重复投资，节省了培训资源。该产品可以实现从纯软件培训到数控机床上机实训的过渡，缩短机床上机实训时间，和软件仿真互补，其中采用的核心技术动态建模技术达到国际先进水平。本项目为填补国内外空白产品，目前还没有同类产品出现。在职业技能培训市场和教学型系统可置换车铣床领域均有广阔的市场前景和空间，潜在的海外市场发展潜力巨大。如投入量产经济效益显著。

本成果面向国家亟需的复杂系统集成和功率管理等应用，采用多层次设计的指导思想，研究并突破了系统芯片多层次低功耗关键设计技术，提出了复杂片上网络系统建模、低功耗路由及互连、超低功耗模拟电路 IP 设计技术和高效率集成化功率转换和功率管理技术。提出的系统芯片低功耗多层次设计技术广泛适用于系统集成芯片、数模混合集成以及功率管理和功率转换系统，显著降低了数字信号处理器、多模多频移动基带等芯片的功耗水平，使单片功耗由瓦级降低到毫瓦级，具有广泛的适应性和兼容性。 NOC 模拟器软件支持二维和三维的 Mesh、Torus、Clustered Mesh、Clustered Torus 拓扑结构类型，交换机制为 Wormhole，路由算法为 XY 路由算法，通信模式支持 uniform 和 hotspot 模式，数据包长度可调，片上通信量可配置，最终能评估片上网络系统芯片的跳转延迟等各种延迟时间参数、仲裁能耗等各种能耗参数、实际包产生率、产生成功率、数据包分布等性能和功耗参数。 图1 NoC仿真软件 图2 绿色节能AC/DC功率转换器芯片

本成果为先进控制在钢包精炼炉电极控制中的应用。钢包精炼炉先进控制系统包括钢包精炼炉电极对象、数据采集通道、神经网络PFC-PID控制器、电极调节装置，上位机，如图1所示。数据采集通道主要实现信号的采集和转换，采集的信号包括变压器一次侧电压、电流信号，二次侧电压、电流信号；神经网络PFC-PID控制器根据采集和计算的信号，利用控制模型计算出电电极调节器的输入信号输出给电极调节装置；电极调节装置实现信号的转换，控制执行机构实现电极的升降。控制系统采用“恒阻抗”策略，实现了基于神经网络的预测控制（PFD

神舟十二号载人飞船于6月17日从酒泉卫星发射中心发射升空，随后与天和核心舱对接形成组合体，3名航天员进驻核心舱，进行了为期3个月的驻留，开展了一系列空间科学实验和技术试验。神舟十二号载人飞行任务的圆满成功，为后续空间站建造运营奠定了更加坚实的基础。