产品详细介绍ST4-2L系列  第三方无污染实验室研磨机是混合、细磨、小样制备、纳米材料分散、新产品研制和小批量生产高新技术材料的必备装置。该产品体积小、功能全、效率高、噪声低。主要用于地质、土壤、环保、第三方检测等部门的土壤分析前处理研磨。工作原理：第三方无污染实验室研磨机的必备装置。该产品体积小、功能全、效率高、噪声低。主要用于地质、土壤、环保、第三方检测等部门的土壤分析前处理研磨。第三方无污染实验室研磨机是在同一转盘上装有四个研磨罐，当转盘转动时，研磨罐在绕转盘轴公转的同时又围绕自身轴心自转。罐中磨球在高速运动中相互碰撞，研磨和混合样品。该产品能用干、湿两种方法研磨和混合粒度不同、材料各异的产品，研磨产品最小粒度可至0.1微米（即1.0×10mm-4）。1．第三方无污染实验室研磨机 主机1台，研磨罐4只。2. 传动方式：采用最先进的进口(瑞士)传动装置（噪音小），自动精密配合，无需手工调节；且使用寿命可长达10年（如出现传动装置问题，10年内免费更换），真正做到一劳永逸。该产品的核心部件是内嵌的4根圆柱形橡胶条，该橡胶条具有记忆功能，不易变形。臂和座之间最大可以扳转+/-32度，当传动装置松动变长时，臂能自动回弹，使得传动装置始终处在精密配合状态。3．干磨或湿磨均可，一次可研磨两个样品或四个样品，装样量为：研磨罐容积的三分之二。4．提供10种以上不同材质的研磨套件(研磨罐与研磨球)。5．压力可以设置(通过旋钮)，数字式定时。6．转速：公 转： 50-400转/分钟 自 转： 100-800转/分钟7．研磨室设计密封防尘，带观察窗。8．最大进料粒度：土壤料≤10mm。9．最小出料粒度：最小可达0.1um(即1.0×10mm-4)，粒度可以控制。10．研磨罐材质有：硬质钢、不锈钢、碳化钨、玛瑙、烧结刚玉、氧化锆、硬瓷、尼龙、聚氨酯、聚四氟乙烯、碳化硼研磨罐等，与介质接触的材质均不能给介质带来污染。11．最大连续工作时间(满负荷)：90小时， 定时总时间为: 9999分钟，交替运行定时时间为：1-999分钟。12．控制方式：按键（LED显示）或触屏，变频无级调速、程控控制，手动、自动定时正反转，定时关机。13．第三方无污染实验室研磨机 电机转速：0-1400rpm、功率0.75kw、电压220V、50HZ。14．第三方无污染实验室研磨机 型号（每台的总容量）：0.2L、0.4L、0.6L、1L、2L、4L、等。第三方无污染实验室研磨机（配套研磨罐材质有）:玛瑙、不锈钢、不锈钢真空、水晶、陶瓷、氧化锆、聚四氟乙烯、尼龙、聚胺脂、硬质合金等。每四只球磨罐为一套，每套研磨罐配备相应的磨球与垫片。

北部湾港钦州码头有限公司门座式起重机

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。

该研究采用污水处理厂改造前后的运行数据，对传统活性污泥法和膜生物反应器（MBR）两种污水处理工艺进行技术经济上的严格配对比较研究，对比分析污水处理厂采用两种工艺时的成本能耗、净利润和技术效率，采用敏感性分析评价计算结果的可靠性，为污水处理工艺的选择和应用提供技术经济方面的理性参考。

本发明提供了一种门座式起重机形变倾角在线监测系统及方法，具体包括：倾角硬件采集模块，LTE_4G通信模块，MCU处理模块，监测软件模块；门座式起重机力学结构分析和倾角监测原理；所属倾角传感器和处理器通过SPI通信传输，所属下位机采集模块和监测软件模块通过LTE_4G网络实现信息传输。根据多个倾角传感器采集的信号，进行数据处理分析后，监测软件动态显示象鼻梁的变形程度，得到其安全状态。实验结果表明，本发明方法能够有效监测门座式起重机象鼻梁倾角及其变形的动态数据。

4HBL-4 型自走式半喂入花生联合收获机由青岛农业大学与山东 五征集团有限公司联合研制成功。该机能够一次性完成两垄四行的挖掘、输送、 去土、摘果、分离、清选及集果等作业，极大地提高了劳动生产率，生产率达 到 0.16hm2/h 以上，使花生挖掘率达到 98%以上，使联合收获的总损失率低于 5%，使含土率低于 20%。经农业部组织专家鉴定认为，整机主要性能指标达到国 际先进水平。该机具有价格低，结构先进、性能优良、操纵方便、效果明显、 受作物密集程度影响小等优点。 

本发明公开了一种基于单片机和电动机的自动削笔器。包括削笔器外壳和铅笔抽板，削笔器外壳一侧为置有滚刀的方盒，另一侧为放置铅笔的条形盒，条形盒上开有水平容置铅笔的条形槽，条形槽末端的削笔器外壳方盒开有供铅笔头部插入的孔洞；方盒内置有第二电动机、齿轮套、滚刀、滚刀架和铅笔头架，铅笔头架的尖部装有与铅笔头部铅芯接触的金属块，铅笔头架端部同轴安装在方盒的孔洞上；条形盒内置有第一电动机和PCB控制器，铅笔抽板安装在条形盒的条形槽底部并与第一电动机的输出齿轮配合连接，铅笔抽板上设有触点，条形盒侧部设有安装电池的电池槽和开关按钮。本发明由单片机控制，能进行自动停止削铅笔的控制。

高效、低成本太阳能空调的创新要点：1) 采用高效、紧凑的板壳式换热器组成溴化锂吸收式制冷机。具有优良强化传热性能的波纹板传热元件采用不锈钢材料，其耐腐蚀性能优于铜管，且材料单价较低，批量生产时，因材料消耗少可使成本比目前的铜管方案降低40%左右。2) 采用双效与单效耦合蓄能运行的循环方案。采用中温型太阳能集热器产生0.6MPa的水蒸汽，白天日照时段采用双效循环运行并进行蓄热，而在其余时段利用蓄热按单效循环驱动制冷机运行。该方案不仅效率高，日平均当量制冷性能系数可达0.8~1左右，而且其单位体积蓄能罐的蓄能密度极大，可实现无需用辅助能源而完全靠太阳能进行昼夜空调。3) 建设太阳能空调和热水站综合系统，在居民住宅楼的屋顶布置太阳能集热器阵，建设全年供应全体住户生活热水的太阳能热水站和夏季供应顶一、二层住户空调冷水的综合系统；若结合地源水低温热源系统则可建设吸收式热泵系统用于冬季采暖。由于综合利用系统中集热器的投资费用被所有热水用户分摊，空调用户的投资可很快从节省的电费中得到回收，该综合系统可在目前的技术水平和能源价格下使太阳能空调获得良好的经济效益。并为太阳能热水器的发展开拓了更大的空间。23kW(2万kcal/h) 用于太阳能空调的双效与单效耦合型板壳式溴化锂吸收式制冷机。