1. 强大的隐匿网络空间侦测能力 在大规模高速网络环境下加密混淆协议识别、网络流分析和挖掘方面，研发基于全球分布式探针技术的隐匿网络空间侦测技术，可覆盖90%的暗网节点和服务，支持40Tb级别骨干网流量的实时监测和内容采集，可将网络空间情报监测范围从开放的互联网拓展到暗网、特种通信工具、区块链等隐匿网络空间，同时，在隐匿网络空间侦测方面布局了4项核心专利”。2. 独有的弱信号关联算法 通过独有的弱信号关联算法从海量碎片化信息中快速实现隐

近日，由天津大学应用海洋学团队自主研发的冷源监测预警浮标系统在国家海洋博物馆试验海域成功海试。该研发工作是在中国核电工程有限公司“核电厂冷源致灾物报警预警软件验证及应用示范平台搭建研究”项目支持下开展的，项目负责人是苏荣欣教授，技术负责人是张学峰教授和胡浩丰教授。

以惯性导航挠性接头高质量加工为目标，开展磨削机理、工艺优化和加工过程监测方法研究，突破目前挠性接头微细特征磨削加工工序中对复杂微观结构认知的障碍，在磨削力、热载荷作用下充分认知磨削过程中影响表面完整性的重要因素。明确磨削表面完整性关键工艺优化目标，探究各个工艺参数间耦合关系，形成面向表面粗糙度、残余应力和磨削烧伤等表面完整性目标要求的工艺优化准则。研究面向惯性导航关键件磨削加工物理信号与表面完整性关联的磨削特征辨识方法，获取磨削加工质量监测和控制的深层知识，探索基于最优磨削特征融合的质量监测和多目标控制途径，实现惯性导航关键件磨削加工表面完整性的动态、准确和有效的监测。 相关技术指标： （1）加工后挠性接头表面粗糙度达到Ra 0.8 （2）加工后挠性接头近无表面残余应力 （3）挠性接头加工过程中实现砂轮磨损及表面完整性监控 技术创新点： （1）提出了基于磨削过程中物理信号与表面质量高关联度的磨削特征辨识方法 （2）揭示了挠性接头磨削加工工艺参数与力热载荷对于磨削表面质量的影响规律，并提出了高表面完整性加工的工艺准则 （3）提出了基于高关联度磨削特征融合的砂轮磨损及表面质量监控方法

通过建立单细胞生长流动成像系统，探究铜绿假单胞菌单细胞生长规律，同时，采用多次模拟探究不同初始接菌量对铜绿假单胞菌群体细胞生长迟滞期的影响，进行单细胞水平建模（IbM），实现不同初始接菌量下铜绿假单胞菌群体细胞的随机生长模拟，采用单细胞生长流动成像系统探究不同温度骤变下铜绿假单胞菌的生长规律

本项目针对输变电设备高压侧监测装置要求取电电源功率密度高、工作电流范围大的难点，分析了取电电源磁芯尺寸、材料、绕组匝数、负载特性等因素对取电电源输出功率的影响，建立了取电电源变压器的功率输出模型，提出了感应取电电源的最大功率跟踪方法和大电流冲击保护方法，最终建立了高能量密度感应取电电源的理论体系，并完成了感应取电电源样机的研制，一举解决输变电设备高压侧监测装置的供电问题。 本项目已申请中国专利6项，美国专利1项，其中授权专利3项。研制的感应取电电源可实现500g磁芯在10A电流条件下稳定输出350mW以上的功率，将传统感应取电电源的输出功率密度提高一倍以上，彻底解决我国输变电设备高压侧监测装置的供电问题，同时超过美国USI等国际知名厂家，使我国感应取电电源技术达到国际先进行列。 本技术可为所有输配网线路监测装置提供能量支撑，如输电线路动态增容、分布式故障定位、输电线路线路舞动、振动倾角等监测装置，配网故障指示器等。以故障指示器为例，目前国内传统故障指示器的出货量为50万只左右，以每只专利许可100块计算，每年可有超过5000万的产值。

本发明公开了一种水文区污染物监测的方法，包括 1：集成 SWAT 土壤水评估模型和地理信息模型， 利用区域地理信息进行评估计算水文区中的 NH4、TN、TP、COD 及泥沙含量；2：根据污染物含量， 利用污染物的等级划分规则，将子区域的颜色分为四个等级：绿色、浅绿色、黄色、红色；3：根据污 染物含量，绘制出指定河流指定污染点源的污染指数的变化趋势；4：根据地理信息模型获取并调整污 染点源参数及新增污染点源，回转执行所述的步骤 1，直至所需的污染点源均执行完毕；5：水文区污染 物数据计算、显示、数据输出及预警。本发明首次将土壤水评估计算模型与地理信息模型结合，提高了 计算精度，解决一般数据模型计算结果不直观、治理难的问题，预警明确直观。 

本发明公开了改进Crypten‑MFCC的非侵入式负荷监测方法，针对非侵入式负荷监测NILM信号的频域特性，采用线性滤波器组替代Mel滤波器，动态调整对数能量基准并优化离散余弦变换DCT系数提取，融合差分特征与时域统计量，提高状态识别精度；结合Crypten框架对支持向量机SVM模型进行加密训练，基于安全多方计算协议实现多方数据协同建模，通过加密梯度共享完成参数更新，确保数据与模型隐私。进一步引入二进制秘密共享技术降低加密计算复杂度，结合交叉验证动态优化参数，实现高效实时分类。该方法在保障数据隐私的同时，提升监测精度与效率，适用于智能电网、家居等场景的设备监测与管理。

主井提升电机的主轴装置及天轮作为主要承载部件，其运行状况正常与否直接影响生产的效率和安全，关系到整个系统的稳定和安全。通过对煤矿立井提升承载部件的动态载荷结构的动态参数进行实时系统地监测，包括对主井提升机电机的主轴装置及天轮的振动监测、主井供电系统的高压开关柜、主接触器以及变压器的触头的温度监测从而保证煤矿的安全生产，避免由提升系统的故障造成的直接或间接的经济损失进行的保护措施。

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。