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。

北京大学物理学院、纳光电子前沿科学中心、人工微结构和介观物理国家重点实验室“极端光学团队”胡小永教授和龚旗煌院士等在非厄密拓扑光子学研究中取得重要进展：发展出一种研究新型增益-损耗畴壁拓扑光学体系的有效哈密顿量新方法，揭示了由增益-损耗畴壁诱导的拓扑态的产生机制。

成果描述：本发明公开了一种基于毫米波通信天线差速旋转方式的毫米波天线对中控制系统。本发明的对中控制系统由多个相同的对中控制装置组成，对中控制装置分别设置在不同的毫米波天线通信站点中；每个对中控制装置包括天线转动模块、位置信息检测模块、天线信息采集传感器和对中控制模块；天线转动模块、位置信息检测模块和天线信息采集传感器分别与对中控制模块。本发明能有效提高毫米波天线对中精度，实现天线自动化对中通信，减少对中前的准备工作和数据交换工作，增加毫米波的通信保密性，实现毫米波通信机动性、可靠性及野外自适应特性。市场前景分析：天线自动化领域。与同类成果相比的优势分析：技术先进，性价比较高。

成果描述：本发明公开了一种汽车悬架减振器控制系统及方法，包括车身垂向振动加速度传感器、状态观测器、控制器以及磁流变减振器；状态观测器仅根据车身垂向振动加速度传感器信号即可对汽车的运行状态和行驶路况进行识别和预测，而不需要其他的车载传感器；控制器根据状态观测器的估计结果实时调节磁流变减振器活塞杆内电磁线圈中的电流值，进而实现对磁流变减振器性能的实时控制。该汽车悬架减振器控制系统在各种车况和路况下都有良好的工作条件，适用于各种道路与非道路车辆，尤其适用于高端乘用车和新能源汽车市场。市场前景分析：汽车技术领域。与同类成果相比的优势分析：技术先进，性价比较高。

本发明涉及一种风电集群轨迹预测与分层控制方法，包括：根据风电集群及风电场内的拓扑结构，基于空间相关性和NWP数据进行超短期风电功率预测；根据调度中心下发的调度值，将控制过程在空间上分为集群优化调度层、场群协调分类层和单场自动执行层，将风电功率预测值从时间上逐层细化；在场群协调分类层，基于风电功率预测值对风电场进行分类，分为上爬坡群、下爬坡群、平稳群和振荡群；在单场自动执行层，基于AGC机组下旋转备用裕度和风电送出断面裕度判断风电可增发空间，增发上爬坡群风电场出力或降低下爬坡群风电场出力；基于风电场运行与监测系统，根据监测到的风电场实际值，计算并反馈风电功率误差，修正风电集群和风电场预测值，使优化过程更加精确。

本发明公开了一种电动汽车负载随机接入无线充电的稳定控制系统及其方法，适用于电动汽车负载数量不确定的路口无线充电情形，属于电动汽车无线充电技术领域。该方法主要包括监测负载个数，根据负载个数得到稳态电压调控方案，进而基于动态功率有界波动域的监测点选取方法，分析得到最优监测点的位置，最终实现各负载充电功率稳定，解决单一发射区域多接收电动汽车负载系统中新增负载带来的电动汽车单体接收功率跌落问题。采用本发明的电动汽车负载随机接入无线充电的稳定控制方法，随着新负载的接入仍能保证各负载接收功率稳定，且接入过程中不对其他负载接收功率产生较大冲击。

本成果获教育部高等学校科学研究优秀成果奖（科学技术进步奖）。采用实验力学方法研究和掌握了在高应力、强流变、强采动影响等复杂条件下巷道破碎围岩岩体峰后软化、峰后剪胀扩容及流变等特性和规律；建立了围岩体力学特征和围岩支护结构体的相互关系。基于复杂条件下巷道破碎围岩的峰后强度软化和剪胀扩容效应，考虑巷道开挖后岩体强度、变形和应力分布特征，建立了复杂条件下软弱破碎巷道围岩的深浅支撑层结构理论；综合考虑围岩强度、应力和变形破坏的区域分布特征，将围岩划分为深浅支撑层结构，分析了深浅支撑层与围岩稳定的关系及深浅支撑层的演化特征和巷道变形破坏特征；掌握了巷道围岩宏观力学结构，确立巷道支护须控制的范围和支护方式确定。自主研发了锚固体流变拉拔试验系统，获得了锚固体流变失稳机理、破坏特征及类型，提出了破碎围岩巷道深浅支撑层流变破坏分析方法、结构特征及支护设计，为锚固支护结构失效诊断、有效控制深浅双支撑线层结构内巷道流变变形及防止失稳提供了依据。形成了基于深浅双支撑层理论的巷道支护设计方法和技术，提出了复杂条件下的巷道变形特征和围岩结构的预测方法、控制措施及巷道需求支护力的计算方法。对于破碎围岩巷道支护时，必须首先确立巷道的围岩赋存状态及围岩结构，分析计算深浅双支撑层结构的存在范围、力学特征和规律，进而确立浅支撑层的位置和所需支护力，一般可以形成以“锚网喷＋高预应力 U 型钢桁架锚索＋注浆”为核心的复合支护形式。锚杆对浅支撑层补强后，浅支撑层岩体与锚杆形成组合拱式的承载结构，锚索将浅支撑层与深支撑层联合起来共同形成围岩整体承载结构，而锚注再次对围岩进行加固，提高围岩整体强度，改善围岩应力分布状况，使围岩变形协调化、荷载均匀化，对深浅支撑层发挥整体承载能力具有重要作用。

针对太阳能集热系统扰动多、大滞后和大惯性等控制难点，建立了适合控制器设计的简化分段非线性模型，并设计了基于预测函数控制策略的集热系统出口导热油温度控制系统。该预测函数控制策略在调节速度、超调量以及稳定性方面的控制效果均明显优于传统PID控制策略；与未简化的多模型预测控制相比，简化后的多模型预测函数控制的最大动态偏差增大了13%，但计算量大大降低，控制器的实时性也得到增强。

热轧过程自动化控制系统（L2）主要任务是对热轧全线的生产工序进行实时跟踪、数据采集和工艺参数优化，获得满意的产品尺寸精度和各项性能指标。 成功的热轧过程自动化控制系统应该达到三个要求：控制系统运行稳定、功能设置灵活实用、产品质量控制精确。 控制系统能否运行稳定主要取决于计算机硬件系统的合理配置以及中间件和应用软件的结构设计及编程质量。 功能设置的灵活实用主要体现在控制系统的功能和接口是否可以很好地适应热轧各种不同的生产工艺要求和关键参数控制，以方便工艺技术员实现产品和工艺开发。 产品质量要控制精确，关键在于设定计算所涉及的数学模型、控制策略、自适应算法等。 高效轧制国家工程研究中心在大型热轧自动过程控制系统进行了多年的研究和开发，承担并且完成了国内许多热轧工程项目，积累了丰富的现场经验和各种成熟的解决方案，能够完成从系统设计﹑软件设计、编程调试﹑现场服务﹑到开工投产的全过程。本项目的主要内容包括： 硬件和系统软件：所选用的基于PC服务器的过程控制软硬件系统已经在多家大型热轧工程项目中成功应用，系统稳定性经受了现场长时间的严格考验。 支持软件：中间件（Middle Ware）是过程自动化系统的核心支撑软件，即应用软件的开发平台和运行环境，本项目采用的中间件PCDP（Process Control Develop Platform）是由高效轧制国家工程研究中心自主研制开发的，具有完全知识产权。 应用软件：高效轧制国家工程研究中心提供的过程自动化应用软件涵盖了热轧的各项控制功能：初始数据管理、轧件跟踪、轧制节奏、设定计算（预计算、再计算、后计算、模型自适应）、通信管理、测量值处理、HMI画面管理、历史数据管理、报表管理、轧辊数据管理、模拟轧钢等。 数学模型：高效轧制国家工程研究中心能够提供如下数学模型： (1)自动燃烧控制模型，(2)轧制节奏控制模型，(3)轧制温度模型〔空冷温降、高压除鳞温降、形变热、轧件与轧辊接触时的传导温降等〕，(4) 轧件变形模型〔变形抗力、轧辊压扁、轧制力和轧制力矩等〕，(5)自动宽度控制模型，(6)板形设定和控制模型，(7)终轧温度控制模型，(8)卷取温度控制模型，(9)卷取设定模型，(10)平面形状控制模型，(11)控温轧制模型，(12)轧制规程优化模型 本项目适用于所有新建的、已有的热轧厂(常规的热轧厂，薄板坯连铸连轧厂, 中厚板厂)。