产品详细介绍　　实验室自净式空气净化、消毒器（产品专利号：ZL00240894.4） 　　随着科技和教育事业的发展，加上人们环保意识的增强，对化学实验室建设的要求越来越高，我公司经过多年的市场调查，研制成功了实验室自净式空气净化、消毒灭菌器（以下简称净化器）它固定在实验桌台面上，吸风口高度和水平角度能自由调节，学生在做实验时散发出的有毒、有害、有味气体通过吸风口吸入净化器内，通过净化器特殊的净化措施对有毒、有害、有味气体进行净化、过滤，并输出符合排放标准和环保要求的新鲜空气。该产品被列为教育新产品研究项目，已通过核工业西昌环保产品检测中心检测，符合国家环境保护产品指标，产品获国家专利，并受国家知识产权局专利保护。它不但可用在化学实验室，同时可用在化学品库、柜和物理、劳技实验对空气进行挣化。 　　由于净化器对有毒、有害、有味气体在吸附、除味、降解毒性和过滤过程均采用台湾产固体催化剂，日本产可再生活性炭过滤网消毒和非线性等离子技术等手段，所以5年内无需要换辅助材料和过滤材料。以一个标准实验室的通风净化装置与管道通风装置比较成本可降低五倍以上。 　　在现代标准实验室建设中，采用自净化式空气净化、消毒、灭菌器不失为一种较好的选择，具有推广价值。本产品理化性能已通过核工业部环境保护产品检测中心检测。

特征/优点 计算机控制与综合数据记录 饲料连续循环 两个分离器可互换设计作为标准提供(堰和桶&堰设计) 整个分离过程的视觉演示 可调接口和液位控制器 可能的乳化液化学(稳定和不稳定乳化液) 兼容不同的饲料(使用不同粘度和密度的油) 紧凑/自包含单元 可调堰和斗式堰的高度 用于机组安全运行的水和油止回阀 光学液位传感器 聚结器 能够评估三相分离的设计原则和控制参数 使研究和调查两种不混相液体的分离 透明丙烯酸容器和管道，以直观演示整个过程 通用单位与两个分离器设计配置作为标准提供 快速去除分离器设计配置，使清洗和快速变化的实验 用户友好的控制流量和水平内的容器 堰、桶高度精细控制 用户友好的调整水平和界面高度   精炼油、水和空气的混合物进入容器，流向容器的球形端部，在那里发生初次分离，然后流过容器，在那里与聚结剂相遇。在二级分离段，流体被允许减速并通过重力分离。质量最重的水停留在底部，而油浮在顶部，气体占据了船内的空隙。     技术规格 Armfeld三相水平分离器的设计符合API 12J和CE的要求 清除丙烯酸容器 300mm x 900mm 水流量程  0-25 l/min 精炼油流量计范围 0-25 l/min 气流计 0-10 l/min 饲料槽容积 50l 水泵范围 0-15 l/min 石油 0-9 l/min   包装和运输参数   UOP30  Armsoft-LCD 体积 2.45m³  0.07m³ 毛重 230Kg  230Kg

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。

成果描述：本发明涉及高速铁路双块式无砟轨道铺设的技术领域，尤其是涉及一种内支撑式螺杆调节器以及轨排定位方法，包括：横梁、托盘调节装置、竖直调节杆和支撑杆；梁的两端均设置有托盘调节装置，托盘调节装置用于调节轨距；横梁的两端均设置有竖直调节螺纹孔，且竖直调节螺纹孔位于两个托盘调节装置之间；竖直调节杆的外周面设置有与竖直调节螺纹孔相配合的外螺纹，以调整轨道的高低；支撑杆的上端与竖直调节杆的下端连接，用于支撑横梁。由于内支撑式螺杆调节器是位于轨排内，不会因为轨排的外侧空间不够，而无法在预设位置支撑轨排的情况，故而，轨道几何形状不会发生变形和位置不会发生偏移。市场前景分析：轨道交通基础设施建设领域。与同类成果相比的优势分析：技术先进，性价比较高。

本发明公开了一种无线传感器网络多路径安全传输方法，包括如下步骤：1已部署的无线传感器网络里，当源节点需要向目的节点传输数据时，发送路由请求消息；2中间节点在进行路由请求消息广播时，将自身的链路信息添加至路由请求消息中；3基站获得多条路由请求消息，从中得到网络拓扑参数，根据窃听能力计算传输数据被窃听的概率；4根据使用者对传输安全性的要求Sreq确定此次传输需要的子数据包秩K，建立路由拓扑，返回路由应答消息至源节点；5源节点接收到路由应答消息后，将原数据分为以K为秩的子数据包，通过K条独立路径进行传输。该方法可以有效降低无线传感器网络被窃听的概率。