本发明公开了一种双折线式卷筒的导向抬升垫块的设计方法： 一、建立导向抬升垫块模型，设定抬升垫块的宽度为b1，高度为h1，导向垫块的宽度为b2，高度为h2； 二、设定一圈钢丝绳中一段折线段所对应圆心角为γ/2，抬升垫块起始宽度为t，圆心角参数变量θ；并确定导向抬升垫块各段对应b1、h1、b2和h2参数与θ的函数关系； 三、对钢丝绳与导向垫块、抬升垫块所围成的空间进行填充，填充部的外侧面为弧面。依照本设计方法制作的导向抬升垫块有效改善钢丝绳在爬升阶段钢丝绳与卷筒法兰挡板之间的接触，减少了传统设计方法中挤压抬升造成的钢丝绳磨损严重的现象，有利于钢丝绳的稳定缠绕，保证整个缠绕系统的稳定性，有效减少缠绕过程中的乱绳、爬绳现象。

物联网架构的能耗监管系统实现了对水、电、燃气等主要能耗的感知、传输、监测、分析、管理。利用自主研发的 FrontView 物联网技术支撑平台，实现了校园用能定额管理系统，地下管网漏水检测系统，燃气用气安全监测系统，路灯智能化照明控制系统，网络化预付费水电管理系统，VRV 中央空调集群管理与控制系统，分体空调网络智能管理系统，变电所运行维护监管系统等。通过对以上系统的能耗数据分析与挖掘，实现科学用能和精细化管理。 1、创新要点 在物联网的体系架构下实现能耗的感知、监测和管理。首创物联网应用开发平台。设计研发了物联网应用网关和网络化能耗采集设备。 2、效益分析（资金需求总额 1000 万元） 2005 年系统建成至 2011 年期间，为江南大学累计节约水电支出 6800 余万元；推广后各使用单位通过该平台的管理，累计节约水电支出超过 3 亿元。通过公共机构等示范平台的使用取得了良好的社会效益。 3、推广情况 完成了科技成果的产业化。该系统的系统架构、智能数据网关、FrontView能源监管系统软件先后在全国 60 多个高校、企业等推广使用。 授权专利： 带恶性负载控制网络预付费单相电能表 200920256285.X 网络预付费三相电能表 200920256297.2 智能数据网关 200930299686.9

近日，清华大学材料学院朱宏伟教授团队在《先进材料》（Advanced Materials）上在线发表了题为“石墨烯体系中的阳离子-π相互作用”（Cation-π Interactions in Graphene Containing Systems for Water Treatment and Beyond）的长篇综述论文，系统总结了石墨烯体系中的阳离子-π相互作用在水处理（膜分离、吸附）、新材料合成、纳米发电、能量存储及溶液/复合材料分散等应用中所发挥的关键作用，分析了阳离子-π相互作用的影响机理，综述了现阶段相关理论工作进展，讨论了石墨烯体系中的阳离子-π相互作用研究中存在的问题，展望了未来潜在的研究方向。 阳离子-π相互作用是一种非共价相互作用，在自然界，尤其是生命体中普遍存在，在诸多生命反应进程中必不可少。近年来，阳离子-π相互作用在生物学、化学、物理学中的重要性被广泛关注。石墨烯是碳原子以sp2杂化轨道组成六角型呈蜂巢晶格的二维碳纳米材料，可被视为一种独特的芳香族大分子。阳离子和石墨烯中离域π电子之间的相互作用会引起阳离子在石墨烯表面的富集、溶液中离子及石墨烯结构中电子的重新分布，进而影响石墨烯材料的本征性质及基于石墨烯的器件的性能。深入理解石墨烯体系中的阳离子-π相互作用，对于石墨烯特性的调控、器件的优化设计具有重要意义。 石墨烯体系中的阳离子-π相互作用及其应用 近年来，朱宏伟教授团队在石墨烯等新型二维材料的可控制备、结构设计及其在能源（太阳能电池、光电探测、光电催化）、环境（水处理、空气净化、土壤治理）、柔性传感器件等领域开展了大量研究工作，取得了一系列重要进展。该综述论文以石墨烯体系中的阳离子-π相互作用为切入点，对相关研究报道进行了梳理和讨论，并对其发展趋势和前景进行了展望。 本文通讯作者为朱宏伟教授，第一作者为清华大学材料学院2016级博士生赵国珂。本研究得到国家自然科学基金委基础科学中心项目和面上项目资助。 论文链接： https://onlinelibrary.wiley.com/doi/full/10.1002/adma.201905756

XM-D020尿的形成电动模型   XM-D020尿的形成电动模型显示血液循环与尿的生成过程途径，尿的形成包括肾小球的过滤，肾小管、集合管的重吸收和分泌排泄三个连续的生理过程。 一、示教内容： ■ 模型的结构为肾单位（由肾小体和肾小管组成）。 ■ 尿的生成过程是教学的难点及重点，模型的解剖部分突出了结构的特点，表现肾单位的结构及尿的生成过程。 ■ 肾小球做剖面，近端小管，远端小管部分做剖面，集合管与乳头之间做剖面。 ■ 尿的形成包括肾小球的过滤，肾小管、集合管的重吸收和分泌、排泄三个连续的生理过程 ，此过程用灯光显示。 ■ 在近端小管中显示葡萄糖和氨基酸等结构。 ■ 在集合管和乳头管之间的剖面上显示无机盐、水分等结构。   二、技术参数： ■ 尺寸：47×16×72cm ■ 材质：PVC材料+铝合金边框   三、标准配置： ■ XM-D020尿的形成电动模型：1台 ■ 说明书：1册 ■ 保修卡合格证：1张

简介：本发明公开一种超级电容器用相互连接且卷起的网状石墨烯材料的制备方法，属于新型炭材料技术领域。该方法是以蒽油为碳源，纳米碳酸钙为模板，氢氧化钾为活化剂，加入N,N‑二甲基甲酰胺使三者混合均匀后，置于管式炉中，在氩气气氛下加热，直接制备得到目标产物。本发明以廉价的碳酸钙为模板，蒽油为碳源，制备的相互连接且卷起的超级电容器用网状石墨烯电极材料具有容量高、可用能量密度大等优点。该材料用作对称型超级电容器电极材料，在BMIMPF6离子液体电解液中，0.05A/g电流密度下，其比容为256F/g，可用能量密度高达143Wh/kg，可以和锂离子电池的能量密度相媲美。  

本发明公开了一种用于超级电容器电极材料的纳米氧化镍的制备方法及其制备的纳米氧化镍，首先将NiCl2·6H2O与氯化胆碱基深共熔溶剂混合，得到质量浓度为10～30g/L的溶液Ⅰ；加热至120～150℃，将100～300份的去离子水与1000份溶液Ⅰ混合，反应0.5～2h，经离心分离得到沉淀物，再经洗涤、干燥、煅烧后，得到所述的纳米氧化镍。本制备方法条件温和、耗时短，适合大规模工业化生产；制备得到的花状纳米NiO的晶粒粒径小于10nm，粒径分布均匀且比表面积大，以其作为电极材料制备的超级电容器，具有较高的可逆容量和循环性能，3000次充放电循环后比容量仍稳定在460F/g附近。

本发明属于干细胞与生物技术领域，涉及间充质干细胞的新应用。携带miR-122的小鼠脂肪来源的间充质干细胞的构建方法，和携带miR-122的成人脂肪来源的间充质干细胞的构建方法。另外，本发明还提供了携带miR-122的脂肪来源的间充质干细胞用于制备治疗肝纤维化尤其是HBV病毒感染的肝纤维化治疗制剂应用。本发明较之未携带miR-122的普通间充质干细胞，可避免HBV对植入细胞的影响，更好地发挥干细胞疗效，进而更好地促进肝脏病理恢复，改善肝功能和全身状态，从而为临床治疗肝纤维化，特别是乙肝相关肝纤维化开辟细胞治疗的新途径。

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。