本发明提供了一种能够无损预测猕猴桃货架期硬度的结构化高光谱检测系统及方法。通过计算机编程产生空间频率为60cycles/m的正弦条纹光，投影至被测物，利用高光谱相机拍摄‑2/3π、0和2/3π三个相位图片，再将相位图片解模为完整图片，并获取结构光光谱信息。选取在室温下贮藏不同时间的猕猴桃样品，采集结构化高光谱数据，并通过破坏性检验获取样本硬度的真实值。对结构光数据解模并预处理，提取样品结构光光谱信息，构建硬度预测模型。结果表明，结构化高光谱系统对猕猴桃硬度的最佳预测模型的R<subgt;c</subgt;<supgt;2</supgt;为0.8697，R<subgt;p</subgt;<supgt;2</supgt;为0.8204，显著高于普通高光谱技术。本发明用于预测果实硬度有较高的准确率，尤其针对储存过程中成熟迹象不明显的猕猴桃果实硬度的检测。

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。

本发明公开了一种基于定子弧形与内阶梯型混合结构的永磁直线电机，包括定子电枢一次侧和Halbach永磁动子二次侧，定子电枢一次侧位于永磁动子二次侧外侧，定子电枢一次侧由定子铁心和电枢绕组构成，定子铁心两侧端部齿采用内阶梯型结构，定子铁心内部齿采用弧形结构；永磁动子二次侧由动子铁心和贴于铁心表面的永磁体构成，该永磁体采用Halbach阵列结构。本发明的永磁直线电机可以获得比常规磁体更大的气隙磁通，而且具有很好的磁屏蔽作用，可减小动子导磁轭厚度。本发明给出弧形齿结构解析模型，通过该解析模型可推导出磁导大小及磁导随位置变化曲线。本发明的电机最优结构采用田口优化算法获得。

本发明提供了一种考虑不确定性的结构瞬态统计能量响应预示方法，相比于传统瞬态统计能量方法仅能针对确定性结构进行动响应预示，未考虑结构参数随机性、测量误差等不确定性因素的问题，本发明通过区间方法对结构的不确定性进行表征，考虑了不确定性对结构子系统间的能量传递和耗散的影响，基于能量控制方程建立了更为精准的结构各子系统瞬态能量的表达式，基于泰勒展开技术将其子系统瞬态能量的表达式转化为适合区间计算的多项式形式，从而将瞬态统计能量分析方法推广应用到了不确定性结构的动力学响应分析，拓展了目前瞬态统计能量分析方法的研究范围，具有重要的工程应用价值。

本实用新型的曲面光学结构的多电荷耦合器件组自适应成像仪，属于图像信息获取和处理领域。其结 构为：3个CCD构成仿复眼的曲面结构，再分别连接到3个可编程视频信号处理芯片的模拟信号输入端；可编 程视频信号处理芯片的状态信息输出到复杂可编程逻辑电路(CLPC)中作为控制信号，而数据信号则经过上 述3个电可擦存储芯片分别输入到3个第一类DSP数字信号处理芯中，3个第一类DSP数字信号处理芯片的控制 信号输入到1个第二类DSP数字信号处理芯片做为片选信号和使能信号。该成像仪具有随光照条件改变自动 调节融合模式的成像功能，它不仅可以在正常光照条件下获取高对比度的图像，还可以在较弱光照条件下 获取高亮度敏感性的图像。

本发明公开了一种基于双层热电堆结构的风速风向传感器及检测方法，该传感器结构简单，且易于测量，具有高灵敏度。所述基于双层热电堆结构的风速风向传感器，所述风速风向传感器包括硅衬底、位于硅衬底上方的二氧化硅层，以及位于二氧化硅层中的加热电阻、上层热电堆组和下层热电堆组；上层热电堆组和下层热电堆组上下布设；加热电阻分别与第一加热电阻接触块和第二加热电阻接触块连接。

背景：脑脊髓损伤后轴突再生、功能恢复仍然是一个世界性的难题。脊髓损伤后代偿性轴突侧芽生长能部分恢复肢体自发性运动，但肢体技巧性运动高度依赖皮质脊髓束的完整性。前期研究发现高度选择性皮质脊髓束完全剥夺动物模型（Celsr3|Emx1小鼠）各种运动功能完全正常，提示神经网络具有很强的自发可塑性，其在运功功能的恢复中可能发挥重要的作用。

本发明物理法细胞破碎的微结构装置的结构为：氮气输入管道、细胞悬浮液输入管道、破碎腔室以及破碎板。采用有机聚合物模塑法加工出破碎腔室及其相连的流道，然后用热键合实现破碎腔室的封接，其他部分可用焊接的方法实现连接。细胞破碎系统利用物理碰撞的方法使细胞发生破裂，提取细胞中目标成分进行下一步实验。细胞悬浮液以喷雾状通过管道出口，喷雾颗粒的粒径大约为5微米。高速载气氮气流速为200?300m/s，将喷雾状微粒子送入破碎腔室，高速撞击破碎板，得以破碎。然后在破碎腔室中收集细胞残留物并从出口输出进行后续微流控实验。

本实用新型公开了一种具有图案化微结构阵列的电容式触觉传感器。由从上至下依次的指纹状表面微凸起、上层电容电极基底、上层电容电极、二维正弦微凸起介电层、下层电容电极和下层电容电极基底层叠而成，指纹状表面微凸起用于接收外部力刺激，上、下层电容电极基底作为结构支撑，上、下层电容电极上的电极极片串联方向呈正交布置，并与二维正弦微凸起介电层三者共同构成传感器的电容主体。本实用新型能用于解决传感器对于多维力的高灵敏度实时检测问题，可在对灵敏度要求高的人工假肢、手术机械手等领域应用。

通过溶剂热方法，成功制备出一种层间距宽化并富有缺陷的1T-VS 2 纳米片，展现出优异的电催化析氢性能。由于有机溶剂分子以及在反应过程中产生的铵离子等的插层作用，该溶剂热法制备出的VS 2 纳米片层间距宽化至1.0 nm，比块体VS 2 材料的层间距（0.575 nm）增加了74%。层间距的宽化引起晶格的畸变而引入众多的缺陷，丰富的缺陷赋予VS 2 纳米片更多的活性位点，层间距的宽化还进一步改变了VS 2 材料的电子结构，从而使得该VS 2 纳米片具有更加优化的氢吸附自由能（∆ G H ）。HER测试结果表明，该VS 2 纳米片呈现出优异的电催化性能，具有较小的塔菲尔斜率（36 mV dec −1 ）、具有较低的过电位（-43 mV@10 mA cm −2 ）和良好的稳定性（60 h）。此外，通过第一性原理计算的结果表明，层间距宽化的VS 2 具有更优化的∆ G H （-0.044 eV），媲美贵金属Pt(如图3 ). 。并且，层间距的宽化可以降低缺陷形成能，使材料更易形成缺陷。这里，理论计算结果和实验相一致，较好地证明了通过层间距和缺陷的精细调控，可以有效提升二维材料的电催化析氢反应活性, 揭示了层间距和缺陷结构调控对提升电催化析氢的基本原理。此项研究工作为层状二维材料的晶体和缺陷结构精准调控研究提供了新思路，为开发高性能电催化析氢材料研究打开了一扇新窗户。