疼痛是一种令人不快的感觉和情绪上的感受，伴随有现存的和潜 在的组织损害，可导致整体生活质量下降（Pain1986,3:S1-226）。目 前，包括吗啡、杜冷丁和芬太尼等在内的阿片类镇痛药物是临床应用 最广泛的镇痛药物。并且，经过长期的临床实践和应用，阿片类镇痛 药物已被证实在多种急性和慢性疼痛治疗中均具有高效的镇痛活性， 已成为临床中、重度疼痛治疗的一线药物。阿片类镇痛药物主要是通 过 μ-阿片受体来介导其镇痛作用的

本发明公开了一种用于一氧化氮氧化的催化剂，其特征在于， 所述催化剂为莫来石型复合氧化物，化学通式为 A1-xA'xB2-yB'yO5， 其中，A 和 A'各自独立地为稀土金属或碱土金属元素中的一种，B 和 B'各自独立地为过渡族金属元素中的一种，且 0≤x≤1，0≤y≤2。该 催化剂可以在较宽的温度范围内高效地将一氧化氮催化氧化为二氧化 氮，且成本低，具有很好的热稳定性，能长时间保持较高的催化活性， 明显提高汽车尾气

何凤课题组实现了有机太阳能电池效率和稳定性的双重提高。目前何凤课题组研制的氯取代聚合物太阳能电池能量转换效率达到11.2％，是富勒烯类有机太阳能电池体系最高效率之一。 何凤教授介绍，氯原子具有较强的电负性和原子半径，能够在更大的范围内调节分子的能级结构，提高有机太阳能电池的开路电压和效率。同时，氯原子在外围有空的3d轨道，可以赋予电子单元或共轭体系更强的相互作用，同时可通过这种强的分子间相互作用有效地调节材料的薄膜稳定性，使其器件使用寿命长于其他太阳能电池。 此外，氯取代策略在合成上相对容易而且原材料价格较低，因此在工业生产过程中能够大大节约成本，有利于太阳能电池的批量生产和商业化推广。

本发明属于金属材料表面改性技术领域，具体涉及一种通过表面引发聚合在金属材料表面接枝阴离子型共聚物的方法。本发明采用表面引发聚合技术，首先将引发剂锚固到金属材料表面，随后加入阴离子型单体和共聚单体，通过表面热/光引发聚合反应制备得到阴离子型共聚物修饰的金属材料。本发明具有操作简便、反应条件温和等优点，通过该方法接枝在金属材料表面的聚合物层稳固、均匀且化学结构易调，从而拓宽了其在医疗器械、电子能源、航空航天等领域的应用前景。

本发明公开了收割机、基于物联网的收割机智能控制方法、系统、存储介质以及电子设备，该收割机包括收割机主体，所述收割机主体的上端安装有储料小车，储料小车与收割机主体之间通过两组连接组件连接，且在收割机主体的尾端转动安装有斜板，斜板通过驱动机构实现旋转，斜板的一端旋转至与地面接触时，储料小车得以将内部储存的粮食运输。本发明通过在收割机主体上安装可灵活运作的储料小车，对收割后的粮食进行储存，并在斜板与地面接触时使储料小车得以与收割机分离，通过这种模块化的设计优化了现有收割机额外停工出料的步骤，提高了收割的效率，储料小车配备了自动钩挂解锁装置，简化了小车与收割机主体之间的连接和分离过程。

本发明提供一种TiO2光催化还原制备芳胺化合物及废水降解一体化系统，包括TiO2光催化还原硝基化合物系统、TiO2光催化降解废水系统和TiO2催化剂再生系统。TiO2光催化还原硝基化合物系统，利用TiO2光诱导激发所生成的光生电子的强还原性将硝基化合物还原制备芳胺化合物，并利用溶剂回收装置回收反应溶剂；TiO2光催化降解废水系统，利用TiO2光诱导激发的空穴的强氧化性氧化降解处理还原制备工艺所产生的废水；TiO2催化剂再生系统，将经催化剂分离装置分离所得的TiO2催化剂进行活化再生。

对称的缺电子氮杂环芳香化合物二聚体是重要的药物结构，有的本身就具有重要的生理活性，同时是各种有机材料的骨架结构，还被广泛用于生物分子的标记和分析，也可以用作配体与金属络合催化多种化学反应，是一类重要的具有重大市场前景的系列化合物，但是报道的合成方法稀少，较常见的就是溴代的这类化合物在昂贵而对环境有危害的过渡金属催化下的Ullmann偶联反应，其缺点是：（1）原材料价格昂贵，不容易获得；（2）过渡金属昂贵、有毒、从反应产物中很难除去，在医药和材料工业中的应用受到巨大的限制；（3）产率低。因而还没有有效的规模化生产工艺，市场上销售的极少量产品价格极端昂贵。

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。