从内燃机能量平衡来看，动力输出功率一般只占燃油燃烧总热量的30%~45%（柴油机）或20%~30%（汽油机），除了不到10%用于克服摩擦等功率损失之外，其余的余热能没有得到利用，主要通过冷却回路的散热以及排气被排放到大气中。因此，将内燃机的余热能回收再利用是提高总能效率、降低油耗的一个有效途径。本项目从提高内燃机总能效率，降低油耗和CO2排放的目的出发，开展内燃机余热能梯级利用的研究，探索新理论和新方法。重点解决：①内燃机联合热力循环非稳态热能流转化规律和效率协同优化；②内燃

本发明公开了一种支持非抢占实时任务集节能调度方法，其步 骤包括：初始任务集合处理，获取初始减速因子，获取候选减速因子， 分配减速因子；本发明所公开的非抢占实时任务集节能调度方法，在 保证非抢占实时任务在截止期之前完成的前提下，充分考虑了任务集 的非抢占特性，得到更小的减速因子，从而使得任务集能以更低的速 度运行，达到更好的节能效果,可有效节约嵌入式系统能耗，并具有更 强的非抢占任务集实时节能调度能力；与现有的实时系统

本发明公开了一种多状态节能窗及三种状态切换方法，包括带凹槽的窗框、内窗、设于内窗的控制 装置、以及连接窗框与内窗的上端接合装置和球铰连接装置;控制装置包括把手、与把手相连的第一转 轮、通过第二连杆与第一转轮铰接的第二转轮、通过第三连杆与第二转轮铰接的第三转轮，第一转轮下 方铰接带插销的第一连杆，第二转轮和第三转轮上方分别铰接带插销的第四连杆和第五连杆;上端接合 装置包括滑槽、设于滑槽内可以滑动的滑

“球磨机寻优节能计算机集散控制系统”是西安交通大学的最新研制的科研成果，以保护和节能为两大目标，在总体方案上提出并实现了对发电厂球磨机的计算机集散控制，针对磨机的运行特点，提出自寻优――模糊控制相结合的控制算法，解决了长期以来球磨机不易控制的难点，同时为磨机料位的测量提供灵敏、准确、标准化的检测仪器。该系统总体性能处于国内领先水平。通过音频信号传感――变送

有机酸 (甲、乙、丙、丁、戊、己、庚、辛、壬、癸酸等，及相关二元酸) 是重要的有机化工原料，用途非常广泛。现有的有机酸水溶液分离回收工艺能耗高，回收不彻底，有0.5～3%的废酸进入废液，污染环境。 本技术发现了有机酸水溶液在液相中的缔合作用对分离效率的影响，系统地研究了其影响规律，突破性地解决了这些有机酸水溶液分离回收的高能耗技术难题，开发了一系列高效节能技术。可根据水溶液的浓度和物系及其他组分的组成优化设计最优化的工艺流程，可以是萃取——反萃取、萃取——精馏、萃取精馏、恒沸精馏等不同的工艺过程，通过优化与系统集成，达到高效节能分离回收，回收率高，大幅度减少了三废排放，最大幅度地回收了资源。如PTA系统乙酸水溶液分离体系，与现有的精馏法相比节能60%以上，减少废酸排放95%以上；与恒沸精馏法相比节能40%以上。达到国际先进水平。可应用于化工、材料、环境等领域。

有机酸（甲、乙、丙、丁、戊、己、庚、辛、壬、癸酸等，及相关二元酸）是重要的有机化工原料，用途非常广泛。现有的有机酸水溶液分离回收工艺能耗高，回收不彻底，有0.5～3%的废酸进入废液，污染环境。 本项目开发了一系列高效节能技术。可根据水溶液的浓度和物系其他组分的组成优化设计最优化的工艺流程，采取萃取——反萃取、萃取——精馏、萃取精馏、恒沸精馏等不同的工艺过程，通过优化与系统集成，达到高效节能分离回收，回收率高，大幅度减少了三废排放，最大幅度地回收了资源。如PTA系统乙酸水溶液分离体系，与现有的精馏法相比节能?0%以上，减少废酸排放95%以上；与恒沸精馏法相比节能40%以上。达到国际先进水平。

历史建筑结构检测与加固和建筑节能改造技术

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。

本发明涉及具有防覆冰功能的环保涂料及其制造方法，该涂料的组分及其质量百分比含量为：含氟丙烯酸酯改性聚氨酯树脂29%-70%；固体添加剂0.9%-15%；有机溶剂29%-70%。其中含氟丙烯酸酯改性聚氨酯树脂是由A、B双组份反应而成。A组分为含氟羟基丙烯酸酯聚合物，由短氟碳链丙烯酸酯单体、碳氢链丙烯酸酯单体和含羟基丙烯酸酯单体自由基聚合获得。B组分为多异氰酸酯或者多异氰酸酯衍生物。本发明的涂料环境友好，同时具有优异的耐候性，耐化学品性和耐磨性，与涂覆基质附着力好，制备工艺简单、操作易行且成本较低，可广泛应用于通信线路、风机叶片、高压电缆和飞机机翼等表面覆冰防治。

　冶金企业在轧钢过程中产生大量的含油废水，其来源大致有：从酸洗线上排出的酸性废水；钢材表面的活化处理或钝化后排出的含盐、含金属离子的废水；还带钢轧制过程中为了消除冷轧产生的热变形，需采用乳化液（乳化液主要是有2-10％的矿物油或者植物油、阴离子型或非离子型的乳化剂和水组成）进行冷却和润滑，由此而产生的冷轧乳化液废水；冷却带钢在松卷退火前均要用碱性溶液