近日，机电学院王绍金教授团队在学校G2期刊《InternationalJournalofFoodMicrobiology》上发表题为“Combinedeffectsofintermittentradiofrequencyheatingwithcinnamonoilvaporonmicrobialcontrolandqualitychangesofalfalfaseeds”的论文。博士研究生徐渊美为论文第一作者，王绍金教授为论文通讯作者。

本发明涉及飞机机翼变形测量领域，具体涉及一种飞机机翼变形测量装置、安装方法及测试方法，包括计算机、散斑成像系统与光纤陀螺惯导系统；散斑成像系统包括图像采集装置与散斑图案，散斑图案布置于机翼上，图像采集装置设于机尾，用于采集散斑图案的变形信息，并将变形信息传输至计算机；光纤陀螺惯导系统包括光纤陀螺仪，光纤陀螺仪有若干个，若干个光纤陀螺仪于机身与机翼对称分布，光纤陀螺仪通信连接于计算机，用于向计算机传输所测得数据信息；计算机集合散斑图案的变形信息与光纤陀螺仪测得数据信息实现确定机翼变形量。其能在动态环境下，实时高精度的测量机翼变形。

本发明公开了一种基于极点对称模态分解和非局部均值方法的心电信号滤波算法，该方法包括以下几个步骤：首先对心电信号进行极点对称模态分解，得到一序列本征模态函数 IMF，然后对各 IMF 进行非局部均值滤波，再对各阶 IMF 与残差项进行叠加，最后对叠加信号进行非局部均值平滑处理，得到心电信号最终降噪结果。本发明由于采用了极点对称模态分解和非局部均值滤波方法的有机结合，有效改善了传统非局部均值算法在噪声污染程度较高时易产生的信号削弱问题，可在有效抑制心电信号噪声的同时很好地保护信号的尖峰等细节信息。

本发明公开了种多端柔性直流输电系统的直流故障控制方法， 其通过增大直流电感值从而减小直流故障时直流电流上升率，防止 MMC 闭锁，或者直流故障期间将 MMC 的交流电流指令值置零从而降 低桥臂电流防止 MMC 闭锁；或者直流故障期间短期闭锁 MMC 但不 开断 MMC 的交流断路器从而提高故障清除后恢复供电的速度；本发 明还公开了一种多端柔性直流输电系统直流故障判断方法，通过量测 直流电感线路侧直流电压突变率，在突变率的绝对值超过一定阈值时 即判断发生了直流故障。本发明可防止直流故障时开断 MMC

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。

清华大学深圳国际研究生院生物医药与健康工程研究院马辉教授、何宏辉副研究员团队与深圳市坪山区人民医院张振宇博士团队开展合作，运用偏振光学检测方法助力中医药研究抗击疫情。该合作团队尝试采用自主研发的非标记活体动态偏振检测技术，通过细胞和动物模型定量评估“肺卫防感汤”在抗2019新冠冠状病毒过程中发挥的干预作用及机制，阐明“肺卫防感汤”的主要有效成分，并与黄石市中医院合作观察“肺卫防感汤”治疗新型冠状病毒肺炎的临床疗效。这一研究成果将为中国传统医药治疗新型冠状病毒肺炎提供新的方案和理论依据。

本发明提供一种水质预测方法及系统，所述方法使用ARIMA自回归积分滑动平均模型与BP神经网络相结合的方法对水质时间序列数据的预测。本发明所述方案可以对待预测水域大量水质数据进行预测，具有预测范围大、精度高和速度快的特点，便于多水源监管、水质预警、水污染治理。

项目简介 本发明涉及一种高速摄像方法，及一种高速摄像系统。由若干CMOS 成像单元组成的阵列与火花源点阵通过光学系统一一对应，各光路互不干扰，CMOS成像单元阵列通过单片机和外部触发电路统一控制，在系统上电复位和预充电后，延时器检测系统同步信号的特定状态，开始计数;在延时器计数达到设定值后，延时△T1，输出触发事件发生的信号;延时器开始计时，输出触发拍摄信号; CMOS 成像单元的内部曝光控制电路打开快门;事件在 CMOS成像单元的曝光期间内发生，并同时给出触发火花闪光的信号触发火花阵列依次闪光，对应的 CMOS 像素阵列依次拍摄。