成果简介：联体泵马达技术是履带车辆液压无级转向及液压复合无级转向的核心技术。联体泵马达的基本原理与分体泵马达相同，在结构上与分体比较具有结构紧凑、可靠性高、外形简单、使用安装方便等特点。联体泵马达对外接口只有输入输出轴和进出油口，易于整体拆装，维护保养方便。世界各国发展的新型和改进型军用履带车辆的传动装置上，几乎全部采用了联体泵马达转向机构。在民用工程车辆上也逐渐开始采用，可实现履带车辆无级转向功能。 项目来源：自行开发 技术领域：先进制造 应用范围：轴向柱

成果简介：成组夹具结构设计技术：基于产品零件族设计可重构、重用的通用成组夹具（多功能通用基础件、可调/可换定位、夹紧元件等），其柔性可以服务于零件族中的全部零件，提高了夹具的利用率，降低成本、缩短夹具准备周期。 计算机辅助工装设计：在复杂工装模块化结构设计的基础上，建立工装的功能模型、结构模型和分析计算模型，并以模块装配特征为基础实现计算机辅助工装设计。 计算机辅助工装管理：建立基于网络的工装信息库，实现对工装库存信息的统计分析、检索查询维护和使用情况管理；并可实现与

光纤传感技术分布式光纤辐照检测技术，对核爆炸中核辐射剂量进行检测，光纤光缆可对探测区辐照剂量进行连续监测；石油勘探、石油输送过程中分布式光纤声波检测技术，光纤可实现对不同位置外声场的变化实时监测。

企业未来会针对大型环保设备“脱白”技术进行相关的技术攻关，“脱白”目的是为了降低烟气中含有的水蒸汽，水蒸汽中含有较多的溶解性盐、SO3、凝胶粉尘、微尘等（都是雾霾的主要成分) 如果烟气由烟囱直接排出，进入温度较低的环境空气中，由于环境空气的饱和湿度比较低，在烟气温度降低过程中，烟气中的水蒸汽会凝结形成湿烟羽。造成对大气的不仅是视觉的而且是实质上污染。白色烟雾对光进行折射，造成一定的视觉污染与光污染

窑炉熔化技术玻璃纤维等复合材料技术自动化技术

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。

北京大学物理学院、纳光电子前沿科学中心、人工微结构和介观物理国家重点实验室“极端光学团队”胡小永教授和龚旗煌院士等在非厄密拓扑光子学研究中取得重要进展：发展出一种研究新型增益-损耗畴壁拓扑光学体系的有效哈密顿量新方法，揭示了由增益-损耗畴壁诱导的拓扑态的产生机制。

本发明涉及一种四氧化三钴纳米线阵列、其制备方法以及作为锂离子电池负极的用途。该四氧化三钴纳米线阵列，其形貌为菱形结构，菱形的边长为100nm~500nm，菱形内角的锐角为30°~60°，阵列长度为5μm~20μm。本发明还提供了制备该四氧化三钴纳米线阵列的方法，以一定摩尔比的钴盐、化学结合剂、碱性反应物和水在常温下进行混合搅拌，将混合均匀的溶液移入反应釜中，并将干净的衬底置于溶液中进行水热反应后取出冲洗，再在惰性气氛中热处理，得到四氧化三钴纳米线阵列。本发明的四氧化三钴纳米线阵列可直接作为锂离子电池负极，能明显提高电池的比容量和循环性能，放电容量高达1000mAh/g以上，是一种理想的锂离子电池电极材料。