根据羊场特定的饲养管理条件及影响因素，建立了种羊的 BLUP 育种模型，用于估测肉用羊早期生长性状的育种值。通过检测分析影响山羊肉质风味和鲜味的硫胺素、肌苷酸、胆固醇等指标在肉中的表达水平，建立了依据肉品质进行的个体选择模型。主要技术（性能）指标：通过该成果的应用，可使得山羊的初生重、周岁重、产羔数、及屠宰率等性能指标达到一定的提高。

变桨距、大容量是风力机组的发展趋势，国外风机的主力机型向2MW以上发展，机组大多采用三个独立的电控调桨机构，通过三组变速电机和减速箱对桨叶分别进行控制，为了捕获最大风能、平缓风轮力矩波动和消除风力机的不平衡载荷，本项目研究了大型风电机组异步变桨控制系统，异步变桨可以消弱气动不平衡，减小机组振动，提高风能利用率，提高风电电能质量和延长机组寿命。 本项目提出了基于前馈模糊与Fuzzy-PID相结合的统一桨距角给定技术，提出了基于电功率观测叶片应力的独立变桨技术，通过独立变桨直接控制叶片上气动力产生的摆振力矩，不仅直接平缓了风轮力矩的波动，还间接减少了叶片上载荷的波动、轮毂的偏航力矩波动和俯仰力矩波动，大大改善了风力机的功率输出、疲劳、振动、动力稳定性等性能。 以上成果发表在国内外重要期刊上，如Lecture Notes in Electrical Engineering，电机工程学报等，申请授权了多个发明专利和软件著作权。在上述大型风电机组异步变桨控制技术研究的基础上，基于永磁同步电机、全数字驱动器及超级电容架构，本课题组自主开发了风机三个桨叶可以独立高可靠控制的2MW风机机组异步电动变桨系统，已完成实验室测试

本项目针对国内外大规模海上风电场电力并网研究的难点，并依据本研究组已经建立的基于DSP+ARM+FPGA架构的通用分布式控制平台和基于Labview开发的监测平台等先进的技术和工具，从模块化多电平换流器（MMC）动态建模入手，揭示了MMC内部复杂的动态特性并分析了换流器内部动态与外部动态之间的耦合关系，在此基础上提出了通过控制换流器能量来实现内部动态的优化控制，通过优化开关调制序列得到简单有效，适用于实际工程的调制策略，能够降低谐波和损耗。 通过本项目的实施，在探索大规模海上风电场电力并网换流器拓扑和控制策略设计等这一国际新能源接入与并网前沿领域有所进展，为使我国实现清洁的海上风电场电力代替部分化石能源，提高风电并网稳定性和实现“黑启动”向无源网络供电等目标提供技术支持。 在本项目实施过程中，与上海科委合作，利用自主研发的30kW小功率MMC试验样机模拟了应用于海上风电场电力并网的换流器，对提出的优化控制策略进行了实验验证。相关研究成果发表论文6篇，申请国家发明专利2项

2020年3月5日，东北师范大学在bioRxiv上上传了一篇Strong evolutionary convergence of receptor-binding protein spike between COVID-19 and SARS-related coronaviruses的研究，该研究发现SARS-CoV-2和SARS-CoV存在远缘关系，但两者都能够通过同一受体ACE2感染人类宿主，并引起相似的临床和病理特征，表明S蛋白可能存在趋同进化。然而，其趋同的分子基础仍不得而知。本研究中使用最近开发的分子植物生态学方法来研究趋同的分子基础。分析表明，S蛋白在SARS-CoV-2和SARS-CoV相关分支沿线经历了大量有意义的达尔文选择。进一步研究显示，SARS-CoV-2和SARSr-CoV类之间S蛋白的受体结合域（RBD）中趋同进化的氨基酸位点比例异常高，导致RBD序列在系统发生上的联合。除了S蛋白，作者还发现其伙伴蛋白ORF3a的趋同进化。结果表明，SARS-CoV-2与SARSr-CoV之间具有很强的适应性趋同进化，可能促进它们对类似或相同受体的适应性。最后，作者指出，许多观察到的蝙蝠SARS-like-CoVs与SARS-CoV-2和SARS-CoV的S蛋白的RBD序列存在趋同进化，可能预先适应人类宿主受体ACE2，因此将是潜在的新的冠状病毒来源。

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。

酸性硅溶胶具有独特的性能特点，因此在多个领域都有广泛的应用

酸性硅溶胶是一种具有独特性能和应用前景的无机胶体材料。随着科技的不断进步和人们对新材料需求的不断增加，酸性硅溶胶的应用领域还将进一步扩大。

武汉城市自 2007 年底获批全国“两型社会”试验区以后，其改革、建设及城镇化发展取得了明显成效，是我国城镇化过程中的突出代表。

由于航空发动机和燃气轮机叶片型面是空间异型曲面，因而其设计、制造及维修都面临巨大挑战。为了在设计加工层面提高叶片加工质量，同时在修复层面提高叶片使用寿命，开展叶片高效高精测量研究至关重要。 本项目面向叶片制造研发了一套基于四轴运动平台与线激光扫描相结合的叶片型面检测装置，并开发了集运动控制、数据采集与处理、精度评估等多功能于一体的软件系统，可实现多类型叶片的二维截面高精度测量与三维型面自动化高效重构,有效克服因叶片复杂结构特征带来的扫描数据密度差异性大、重叠区不足等因素对重构精度的影响。本项目面向叶片3D打印修复，研发了一套高效高精度的叶片检测方法与集成系统，可实现批量化叶片截面轮廓位姿及其轮廓的自动化测量、数据重构和叶片配准，为叶片修复工艺流程中的3D打印和后续机加工等工艺环节提供关键的数字化测量、加工工艺数据，有效提升修复精度与效率，并降低成本。 本项目的开发成果可应用于航空发动机、燃气轮机等叶片制造、修复全生命周期的测评、重构、反求等场景，市场规模大。 图 面向叶片3D打印修复的检测方法与集成系统硬件平台