以电能为核心，可汇集和管理电、冷、热、燃气以及其他形式的能源，具备能量灵活转化、变换、传递和路由功能，并实现能源物理系统与信息系统的融合，是支持能源互联网的核心装置。 1、独立统一的控制器、DSP（C6000）控制和快速原型控制器都可以根据用户的需求进行定制。 2、交流端口、直流端口可根据客户需求进行定制，端口数量和电压等级均可灵活变化。 3、直流端口电压等级可变，可以根据用户需求进行端口复用。 4、具备策略调度系统功能，统一控制器下所有变流器之间不需要通讯，通讯调度不需要考虑延时，是真正意义的实时控制，离并网实时切换，外接设备即插即用。 5、能量路由器具备二次开发特点，可根据客户需求提供完整硬件原理图和软件全部源代码。

试剂库的化学品存储中挥发、实验人员日常实验都会产生大量实验废气，根据《大气污染物排放标准 GB 16297-1996》标准中规定的污染物排放标准，实验废气未经过滤净化不得排放，实验废气如何合规排放成为了实验人员、管理人员日常工作中的难点。 乐普乐吉公司生产的智能分子级化学净化器中的滤芯可根据实际需求灵活调配，过滤化学品挥发、日常实验所产生的有害气体，过滤后的空气质量达到职业卫生浓度限值标准。智能分子级化学净化器另外搭载了智能芯片可连接数据平台，实现信息自动同步共享，并可通过移动小程序控制过滤器/过滤装置的启闭、风机运行模式、报警阈值。

HJ-6A恒温磁力搅拌器是六联多头磁力搅拌器，它是理想的对液体加热、搅拌分析测定仪器。具有独特的恒温自动控制调节的优点。采用直流无刷电机,躁声低，机械故障少，调速平稳。由氟材料与磁钢精制而成的搅拌子，具有耐高温、耐磨、耐化学腐蚀，旋转力强的特点，并可在密封容器中进行调混工作，使用十分理想与方便。 技术参数 电源220V±10%50Hz～60Hz 搅拌有效容积（20～2000ml）×6 电机功率25W×6 加热功率200W×6 搅拌转速0～2400rpm(连续可调) 控温范围RT～100℃（度≤±1℃） 定时0～120min

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。

工业制动器是工业系统运行必不可少的安全系统部件。太原科技大学自主研发的《ZDS30制动器动态制动性能试验系统》，是进行工业制动器产品性能检测、新产品研究开发、制动摩擦机理与产品可靠性研究、安全事故回溯分析等必不可少的重要试验设备。 《ZDS30制动器动态制动性能试验系统》主要由先进的变频驱动调速系统、组合式飞轮加载系统、高覆盖率的模块化基座平台、基于虚拟仪器的本质化高精度测控系统、宜人性的人机界面、完善的安全保护体系等组成。通过辽宁省科学技术厅鉴定达到国际先进水平，全方位满足国内现有各种类型工业制动器动态制动力矩性能试验要求，取得了良好的经济效益和社会效益。