1、超大型厂房内部温度、湿度、CO2浓度和气流的分析模拟技术。2、超大型厂房内部温度、湿度、CO2浓度和气流精密控制技术与装置。

本发明公开了一种基于多感知数据融合的人机自然交互系统，包括MEMS手臂跟踪装置、视觉跟踪装置，以及安装在操作者的手掌上的力反馈装置，上述各装置由PC终端控制，PC终端包括手臂运动解算模块、图像处理模块、力学解算模块和虚拟场景渲染模块；虚拟场景渲染模块根据手臂运动轨迹和手指运动轨迹生成虚拟手臂和手指，力学解算模块根据虚拟手指与虚拟物体的碰触信息，计算操作者当前状态下应得到的期望反馈力矢量；本发明可满足手臂大范围运动情况下的手臂运动轨迹的跟踪要求；其次，可通过图像信息测量操作者手指的运动轨迹，可精确测量手指上多个关节的角度；再者，可为操作者提供力反馈和虚拟场景的视觉反馈，增强系统的临场感、交互性。

美林数据技术股份有限公司（简称：美林数据，NEEQ：831546）是国内知名的数据治理和数据分析服务提供商，重点面向企业客户提供数据资产管理、数据分析与挖掘、数据开发应用为主的大数据产品及增值解决方案。成立至今，在能源、制造、金融、政务等领域积累了丰富的项目经验，自主研发的 Tempodata 系列大数据产品广泛应用于上千家大型企业，为用户提供从数据采集、数据资产管理、数据挖掘、数据分析应用等综合解决方案。 当前，以信息技术和数据作为关键要素的数字经济蓬勃发展，并成为推动我国经济增长的重要力量。数字人才是数字经济发展的核心要素，实践出真知，美林数据基于数十年数据领域实践经验，结合产业发展的人才需求，为高校提供从教学、实践、科研一体化的大数据应用能力解决方案——Tempo Talents 大数据人才应用能力成长平台。  

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。

该项目发明了基于众核处理器的超大流量喷印数据实时并行处理引擎，实现1.7Gbps 超大流量数码喷印数据的实时处理，喷印速度达到 1055 平方米/小时；发明了基于视频的喷印过程实时监测与控制方法，实时监测 84992 个喷孔的堵塞状态，自适应地对喷印图像实时矫正；发明了基于图像质量评价模型的喷印图像质量缺陷自动检测方法，判定当前喷印图像是否存在缺陷，实时发出报警。项目共授权发明专利 29 项，其中美国发明专利 2 项；获软件著作权 7 项；发表 SCI/EI 论文 27 篇；发布国家纺织行业标准 1 项。行业权威期刊《Digital Textile》认为，该项目成果在喷印速度、喷印色彩等重要指标上达到国际领先水平。项目成果已出口到日本、意大利等 20 多个国家和地区，应用于国内外 200多家企业，近三年实现新增产值 3.07 亿元，出口创汇 9323 万元。行业权威咨询公司 WTiN 2015 年的市场分析报告中，该项目成果喷印的织物占全球市场 13%，为全球第二。

高速永磁电机由于电感非常小，在受限的逆变器开关频率下，电机电流纹波（主要为开关频率附近的谐波）较大，导致电机铁耗急剧上升，发热严重，缩短电机使用寿命。 本课题组针对高速永磁电机驱动中电流纹波大和共模电压的问题，对带LCL输出滤波器的高速永磁电机驱动进行了深入的研究，包括带有源阻尼的电流控制器设计、电容电压和转子位置观测。实验结果证明采用带LCL输出滤波器的高速永磁电机驱动，电机电流正弦度高，有效地降低铁耗，消除轴承漏电流。

项目针对汽车覆盖件模具的高速高精加工，提出了面向加工特征的模具型面粗加工策略、面向刀具序列的分片加工策略和基于微观几何仿真和瞬时切削力模型的进给速度优化方法，使每台设备加工效率提高20%以上；提出了三维刃口轮廓的螺旋线插补加工方法，改变了以往靠手工调整的不足，实现了三维刃口轮廓的高效数控自动加工，不仅使加工效率提高了30%以上，而且防止了加工过程中可能出现的干涉现象，保证了加工质量。针对刃口空档背铣刀加工过程中缺乏专门的CAM模块、加工编程繁琐、精度不易保证的缺点，提出新的刃口空档背铣刀数控加工策略，能根据输入的参数，偏置刃口线后计算出加工轨迹，在计算过程中考虑了刀具的干涉，保证了程序的安全性。 该项目成果已在天津汽车模具股份有限公司得到了推广应用，并创造了显著的经济效，三年来为企业增加利润1300多万元。经天津市高新技术成果转化中心组织专家鉴定，结论为国际先进水平。

本发明公开了一种高速列车悬挂系统半主动安全控制方法，该方法可以减小高速列车运行中的脱轨系数，提升列车高速运行状态下的安全性。本发明在传统天棚阻尼控制方法的基础上，加入与列车脱轨系数紧密相关的轮轨横向作用力作为输入变量，构建了一种全新的半主动控制方法，该方法可以有效的抑制列车运行中轮对和转向架的横向振动，减小列车运行脱轨系数，大大提升列车运行的安全性。该方法简单易于实施，在高速列车悬挂系统中得到了成功应用，有助于高速列车智能控制的实现。

本发明提供了一种高速电主轴转子?轴承?外壳系统动态设计方法，其包括以下步骤：步骤1，将高速电主轴转子?轴承?外壳系统简化为双转子耦合动力学模型；步骤2，高速电主轴转子?轴承?外壳系统动态特性分析；步骤3，高速电主轴转子?轴承?外壳系统动态设计，以获得尽可能大的转子临界转速和轴端静刚度。采用本发明提供的高速电主轴转子?轴承?外壳系统动态设计方法，能够大幅提高该类电主轴动态设计精度，并缩短设计周期，为该类高速电主轴设计提供有效的方法。

本发明提供了一种高速加工机床整机结构热力学建模与热设计方法，其包括以下步骤：步骤1：高速加工机床三维数字化建模；步骤2：高速加工机床主要热源发热功率和相关换热系数计算计算；步骤3：机床平面结合部热阻参数计算；步骤4：高速加工机床整机结构热力学建模与热特性计算；步骤5：高速加工机床整机结构热态设计方法。采用本发明提供的高速加工机床整机结构热力学设计方法，能够大幅提高高速加工机床整机结构热力学建模精度，缩短设计周期。不仅便于高速加工机床的正向设计，而且提高一次设计成功率。