本发明提供一种转基因小鼠骨骼肌营养不良模型的构建方法，其是利用Tet‑on系统与转基因技术构建可以在肌肉内特异性诱导表达microRNA29a和microRNA29b1的转基因小鼠，可作为人Ullrich型先天性肌营养不良的实验动物模型，与Ullrich型先天性肌营养不良的表现相同，本发明构建的实验动物模型在生长过程中也存在严重的呼吸问题，约17％的小鼠会在断乳前由于呼吸障碍而死亡，全部转基因鼠会出现骨骼肌发育不良，为人Ullrich型先天性肌营养不良的治疗与研究提供了有力的工具。

高品质钢的冶炼典型流程为“转炉→精炼→中间包→结晶器”，冶金反应器内存在着合金-钢、钢-渣、钢-夹杂物、钢-耐材、渣-耐材、钢-空气、钢液凝固和元素偏析等反应和过程，各个化学反应“耦合”发生、互相影响。因此，有必要建立智能模型有效地预测不同反应器内夹杂物成分的变化，准确地在线了解精炼和连铸过程的工作状况，使生产全流程始终处于最佳工作状态，从而确保夹杂物的精准控制，最终提高钢产品质量的稳定性和可靠性。同时，通过模型的优化计算，可以根据不同钢种的性能需求，对钢种的生产工艺进行定制化设计。（1）高品质钢炉精炼过程夹杂物预测研究：− 精炼过程宏观流动数学模拟：计算精炼过程钢液和精炼渣的流场和温度场、夹杂物的运动，同时计算吹氩强度、钢包尺寸等因素对钢包流场、夹杂物运动和去除的影响。− 精炼过程夹杂物成分动力学：研究吹氩强度、钢包尺寸等因素对多元反应速率的影响；耦合计算 LF 炉内“渣-钢-夹杂物-合金-耐材-空气”多元反应过程夹杂物成分变化。− LF 炉内夹杂物尺寸动力学：建立夹杂物生成、长大和去除的尺寸变化多尺度模型，确定不同条件下夹杂物的尺寸变化行为，预测钢中夹杂物的数量变化和尺寸分布规律。− LF 炉内夹杂物预测模型：将夹杂物成分和尺寸动力学计算和宏观流动模拟相耦合，建立 LF 炉精炼过程夹杂物成分、数量和尺寸预测模型。（2）高品质钢中间包连铸过程夹杂物预测研究− 中间包内宏观流动数学模拟研究：计算中间包内钢液和覆盖剂渣相的流场和温度场、夹杂物运动和去除。计算开浇和换包的非稳态浇注、中间包结构对中间包浇铸过程的影响。− 中间包内夹杂物动力学研究：耦合计算中间包中“渣-钢-夹杂物-耐材-空气”多元反应中夹杂物成分变化，确定中间包内各位置的反应速率。− 中间包内夹杂物预测模型的建立将渣-钢-夹杂物-耐材-空气反应和宏观流动模拟相耦合，建立中间包过程多元反应夹杂物成分、数量和尺寸预测模型。（2）高品质钢结晶器凝固过程夹杂物预测研究− 结晶器内钢液凝固冷却过程中夹杂物行为研究：通过实验室实验研究钢液凝固和冷却过程中温度变化对原有夹杂物与钢基体的反应的影响，以及不同成分的钢液在冷却和凝固过程中夹杂物新相析出，确定温度变化对夹杂物影响机理。− 结晶器内宏观凝固和流动数学模拟研究：研究结晶器过程钢液、渣相的运动，使用融化模型研究结晶器过程凝固坯壳的凝固和形成，计算夹杂物在钢-渣界面的去除行为。− 结晶器内钢液凝固过程夹杂物动力学研究：计算铸坯凝固过程钢液成分偏析，与保护渣-钢-夹杂物反应进行耦合计算，预测铸坯中夹杂物的成分。计算夹杂物被凝固前沿捕捉行为，预测铸坯中夹杂物的数量和尺寸分布。− 结晶器内钢液凝固夹杂物预测模型的建立：通过将元素偏析、保护渣-钢-夹杂物反应和宏观流动数学模拟相耦合，建立结晶器凝固过程多元反应预测模型，实现铸坯中夹杂物成分、数量和尺寸空间分布的精准预测。（4）高品质钢制造过程夹杂物智能预测模型在工业生产中的应用− 模型的验证和优化：高品质钢制造进行全流程取样调研，对建立 LF 炉、中间包和结晶器内夹杂物反应模型进行验证和优化。− 模型应用：将建立的高品质 LF 炉、中间包

本发明公开了一种基于元模型的智慧城市异构数据共享方法，包括 1：基于 MOF 元建模理论，构 建城市数据元模型建模框架；2：根据城市数据特征及描述需求，构建城市数据元模型通用元素集；3： 根据城市数据基本分类和专用元素集扩展模式，发展数据元模型专用元素集；4：基于 XML 模板建模， 形成元模型通用元素集和专用元素集形式化方法；5：实现网络目录服务、数据服务，建立开放式城市 数据元模型注册和管理平台；6：根据用户实际应用需求，设计城市数据细粒度发现接口并获得数据。 本发明为用户提供了一种开放式、标准化城市异构数据共享的解决方案，为城市异构数据在线访问、后 续处理及协同应用提供了支持，是城市异构数据共享中高效实用可靠的方法。

其他成果/n一种副猪嗜血杆菌感染仔猪模型的构建方法，涉及动物模型构建领域，包括将若干CD仔猪养殖至18～25日龄，均分为感染组A和对照组B，判定CD仔猪体内不存在HPS病原、不含APP病原或APP抗体后，饲养至40～70日龄时，向感染组A中所有CD仔猪气管内接种HPS菌种；向对照组B中所有CD仔猪气管内注射培养基，得到空白组B′，观察并检测攻毒组A′、空白组B′，提取攻毒组A′、空白组B′的肺脏组织的总DNA，判定攻毒组A′的肺脏组织中存在HPS病原的同时，空白组B′的肺脏组织的中不存在HPS病原。

小试阶段/n项目已解决的关键技术问题和技术创新点：1.提出了精轧变形抗力模型新型“九宫格”自适应学习方法，在“轧制温度*变形速率”参数空间上布置多个特征点，对参数空间上与当前轧制工况位置相邻的 9 个特征点进行加权插值，获得空间任意均连续的自学习参数，它是位置坐标的函数，打破了原来的“自学习系数与层别一一对应”的关系，使自学习系数精确到工作点坐标，解决了 原有的不同层别的自学习参数相互不关联、跳跃大、不连续等问题。新方法上线后，应用效果非常明显，每月带钢因厚度超差导致的预封锁量从投用前的 45 块/

小试阶段/n轧机过程控制数学模型与轧制稳定性技术直接影响带钢产品质量与生产成本。该技术在结合生产工艺与设备控制技术的基础上，综合现代控制理论、数学建模和人工智能技术，形成完整的轧线关键模型与轧制稳定性控制技术，已在宝钢、梅钢、涟钢等国内多条大型热连轧生产线上成功在线应用。发表核心期刊论文30多篇，授权、受理发明专利30余项，软件著作权3项。。关键技术：1）高精度轧制设定模型与尺寸控制。高精度带钢厚度控制技术：包括高精度轧制力能模型、全线一体化分布式温度模型、辊缝模型，保证高精度的头部设定；高精度AG

焦炉炼焦是一个复杂的工艺过程，煤料在炭化室内隔绝空气加热,即高温干馏。经过干燥、热解、熔融、粘结、固化、收缩等阶段，最终成为焦炭。 焦炉直行温度是指机侧和焦侧标准立火道的平均温度，它代表全炉的平均温度水平，是直接影响焦化速率和焦炭成熟时间的主要参数之一。燃烧室温度在一个结焦期内由于相邻炭化室所处结焦状态不同而发生规律性波动，即形成通常所说的“W”曲线，其峰值间的时间间隔取决于推焦串序、循环检修计划和周转时间。本项研究是以焦炉“燃烧室—炭化室传热过程数学模型”为基础，运用混合编程、多任务和动态摸拟等技术首次将焦炉燃烧室—炭化室传热过程数学模型拓展为“焦炉直行温度数学模型”，并开发了由一组燃烧室和炭化室组成的“焦炉直行温度数学模型计算机仿真系统”。运用该模型可以仿真不同的推焦计划、装炉煤水份、装煤量、燃料热值等热工参数对焦炉直行温度的影响，从而为焦炉直行温度的优化设定提供坚实的理论依据。

1. 痛点问题 工业视觉场景下普遍存在缺陷样本数量少、难采集，已有标注方案无法完全发挥样本数据效用等问题。在工业视觉应用场景中，产线整体生产良率均已达到相当水平，人工可识别的缺陷样本数量相对较少，且采集难度较大。制造生产环节对产线效率要求较高，模型训练难以实现精度与效率上的平衡。 2. 解决方案 本项目将最新的少样本学习、连续学习、模型压缩与优化技术，与工业场景中的缺陷检测需求深入结合，致力于工业视觉自主知识产权软硬件一体化装备研发。针对玻璃深加工与半导体晶圆宏观缺陷检测，本项目已完成工业视觉全流程视觉感知算法、人工智能算法研发平台、玻璃智能一体检测设备、晶圆宏观缺陷检测设备等智能设备的原理验证和装备试制，同时有多项智能设备在研。 本项目在玻璃与半导体缺陷检测中，基于图像自动标注方法完成少样本场景下的数据采集与标注，通过弱监督学习和连续学习方法完成有效模型构建，并针对长尾数据集设计模型训练和优化方法，实现高效工业视觉感知计算。针对工业视觉场景，本项目集成视觉感知算法能力，研发人工智能算法研发平台，该平台秉承低代码化、可视化等原则，打造包含数据采集与标注、算法训练与评估、模型压缩与优化、应用部署与管理的数据闭环。 合作需求 寻求浮法玻璃深加工、半导体加工与制造等行业企业合作。

一种水轮机调节系统高阶数学模型的降阶方法，包括如下步骤：①简化系统分母的最高次项，实现 系统的一次降阶，得到一次低阶等效系统式；②从波动叠加的角度出发，将一次低阶等效系统式变换为 两个 2 阶子系统相加的形式；③进行拉普拉斯反变换，得到水轮机调节系统的一次低阶等效系统在负荷 阶跃扰动下的机组转速响应波动方程；④对完整 5 阶系统式进行二次降阶；⑤利用二阶系统进行水轮机 调节系统转速响应调节品质的影响因素分析。其优点是：较之其他降阶方法，本方法是

本发明公开了一种计算三维点云模型骨骼的方法；本发明首先通过使用逐步细分的策略将三维点云 模型均匀体素化；此后，使用快速行军算法，计算出模型内部体素点的距离域；然后，使用距离域计算 出模型的初始骨骼；最后，将初始骨骼与 L1 中值骨骼提取算法融合，生成基于距离域的 L1 中值骨骼提 取算法，快速准确计算出模型骨骼；与现有的三维点云模型骨骼提取方法相比，本发明处理带有大量噪 声点、奇异点和大面积点云缺失的点云模型，而且不会产生错误的骨骼连接，同时不