阻尼材料是一类主要应用于控制振动、降低噪音的材料。在日本，阻尼减振材料的使用始于二十世纪五十年代初，此前此方面的研究开发已盛行于欧洲，主要用于设备如：防止航空飞机的振动、潜水艇螺旋桨声音的泄露等。近年来，随着我国经济水平的发展，人们对生活环境舒适性的要求越来越高，用于减振降噪的阻尼材料的研究开发也越来越受到社会各界的关注，应用市场正逐渐被打开。技术成果转让4项：株式会社本田技术研究所：氢键利用的汽车用高阻尼材料的研究。住友橡胶工业株式会社：能控制特定范围的阻尼特性的高分子/小分子组成的有机杂化系的研究。东海橡胶工业株式会社：高性能制振材料的研发。江阴海达橡塑制品有限公司：城市轨道交通用阻尼材料的开发。在轨道交通上的应用开发：1）四方时速160公里软卧车辆的减振降噪：研制了阻尼涂料、沥青型和丁基橡胶型高性能阻尼材料，分别安装了3节软卧车，已完成装车和振动、噪声的实测。2）铁道的阻尼橡胶垫：保持现有产品各项指标的同时，大幅提高阻尼性能，已完成样品试制、性能测试工作。3）城市轨道交通用阻尼材料：研制了约束型、非约束型、磁性阻尼材料。项目在株洲时代新材料科技股份有限公司进行了客车阻尼材料的生产，江西耐普实业集团进行了耐磨阻尼材料的开发，江苏东旭科技有限公司进行了再生胶阻尼产品的开发，以上单位生产运转平稳，工艺指标先进，运作情况良好。

我们通过对热固性树脂材料和其它一些助剂的筛选，配制了一种导电性能和耐水性良好，并可以在较低温度下固化成膜的石墨导电胶，其性能达进口产品的水平。已通过国防科工委的项目鉴定，达国内领先水平。

高性能无线自组网系统基于先进的低功耗、高集成度的软件无线电方案，采取无中心、分 布式的网络架构，自主研发设计传输协议和网络协议，实现自动、自适应、动态实时组网。 系统最多可支持 32 节点，频带可定制，部署便捷、使用灵活，具有高速率、低时延、动态 组网、抗毁性强、低功耗、小体积等特点，系统为全 IP 化设计，支持各种数据透传，易与异构 系统互联互通，可广泛应用于公共安全专网、应急通信专网、军事通信专网、无线监控专网、 电力无线专网等。

交流伺服系统是跨行业、量大面广、节能效果显著的节能机电产品，几乎渗透到所有用机电领域，是工业、农业和国防建设及人民生活、正常生产和安全工作的重要保证。

为教学科研服务，面向科研院所和高校用户提供科学与工程等高性能计算服务。

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。

成果简介：cPCI6U加固高性能实时处理系统是一套基于HPPMI架构、采用cPCI/PMC工业标准和ADI公司的SHARC/TigerSHARC系列DSP技术而构建的标准化、模块化、可扩展、可重构的雷达实时数字信息处理系统平台。该系统采用标准ATR加固设计，处理能力可扩展、对外接口可替换，可以广泛应用于机载、车载等恶劣工作环境下的高性能信号处理、图像处理等任务 项目来源：自行开发 技术领域：电子信息 技术特点：  并行处理规模可扩

本平台实现交通数据的可视化、预测、关联性分析

研究背景： 随着武器装备和指挥信息系统水平的不断提高，大量信息 化武器和信息系统装备部队必然使得传统的作战指挥和武器使用方式随 着发生深刻变革。为了积极适应军队信息化的发展趋势，以作战需求为牵 引，加快数据链建设和发展是一项刻不容缓的重要任务，在未来信息化条 件下联合作战中，将面临更为复杂的战场环境，特别是作战对象拥有的信 息作战优势将使指挥控制的稳定性、实时性、可靠性受到严峻挑战，进而 对数据链建设与发展提出了更高

特色及先进性： LTCC无源集成技术是当前倍受关注的国际研究热点和技术制高点。而其中最为核心和关键的难题：研发出各种体系的高性能LTCC材料，则一直是我国在该领域科研和技术水平的短板所在。目前国内LTCC研发企业和研究所采用的高性能LTCC材料主要都依赖于进口，严重限制了我国LTCC产业的发展。本成果基于在LTCC材料和器件领域雄厚的研究基础和平台条件，研发出多款系列话的LTCC/LTCF材料，可广泛应用于各种基于LTCC技术研发和生产的无源集成器件或组件中，有利于实现无源器件/组件的片式化、小型化和集成化。 本成果研究材料的特色是能实现900℃低温烧结，材料性能可根据需要在很宽范围内调节，与LTCC工艺兼容。 主要技术指标： ？ LTCC微波介质材料： ？ 烧结温度:900℃ ？ 介电常数：6.5；10；20；25(可微调) ？ Qf：≥50000GHz ？ τf = ±30 ppm/°C ？ LTCF材料 ？ 烧结温度: 900℃ ？ 磁导率:15~500(可调) ？ 其它性能可根据需要定制 为产业解决问题及取得效果： 以上研发材料可协助LTCC生产/研发企业解决核心材料的研发难题,实现LTCC核心材料的自主研发,降低LTCC产品生产成本,提高企业核心竞争力及研发LTCC产品的市场竞争力，具有十分广阔的市场发展空间，经济和社会效益显著。