本系统包括温室栽培优化模型动态仿真、专家系统集成与智能控制算法设计等三部分内容。系统采用了基于知识的智能解决方案，系统的三个部分紧紧围绕专家知识与智能，不仅构成统一的整体又能分别独立运行。系统以大量的实验数据和专家经验为基础，采用智能控制方法、智能推理方法和多媒体技术，能提供病虫害在线预报，为温室环境控制提供最佳环境条件，并能对温室环境和作物生长过程进行仿真和预测。

成果简介： （1）主要功能和应用领域 本成果面向环境与灾害监测预警需求，可在地形复杂、通信条件受限、运营维护困难的复杂环境下，建立监测预警信息传输系统，实现监测预警工作的持续、可靠运行，解决现有监测预警网络中的覆盖面受限、长期持续监测难度高、信息传输可靠性低等问题。 本成果可应用于自然灾害监测预警与应急处理、各种类型的环境监测等领域。 （2）特色及先进性 基于三大核心（新型组网架构、高效节能机制、可靠传输保障）机制，设计八项创新技术。提出了基于监测事件预测的节能机制和能量均衡消耗机制，设计了支持中继转发、双信道汇聚式接入的组网架构，研发了集自动重传、自适应传输、机会通信于一体的滑坡泥石流监测预警可靠传输技术，提升了监测预警网络的稳定性和可靠性。 本成果申请国家发明专利10余项，除正在受理部分，目前已获得国家发明专利授权8项。 （3）技术指标 本成果已示范应用于龙门山地震带小流域滑坡泥石流灾害监测预警技术研究与示范系统。根据示范系统运行效果，本成果与灾害监测传统方式技术参数相比，可达到如下技术指标： ？ 丢失/出错数据恢复率提高约30%，现场通信质量越差，优势越明显； ？ 视频和图像传输实时性可提高约1/3； ？ 传感节点能耗10%-50%，监测系统有效工作时间延长20-30%； ？ 网络故障对监测预警影响极大降低，网络故障带来的数据时延趋向于0。 （4）解决问题与实施效果 当前问题 解决方案与效果 技术状态 监测点部署受限于区域通信条件 中继转发技术： 采用中继转发技术，可在无信号覆盖区域建设监测点，通过中继转发技术将监测数据转移到具备GPRS/3G/卫星信号的位置。 示范系统应用 监测点的信息传输存在数据丢失、甚至意外中断的风险 集自动重传、自适应传输、机会通信于一体的传输保障技术： （1）研发低开销、高能效自动重传技术，恢复丢失数据，较传统方式的丢失/出错数据恢复率提高约30%，现场通信质量越差，优势越明显； （2）研发视频与图像自适应传输方法，提高视频、图像传输效率与可靠性，在网络信号较差时，视频和图像传输实时性可提高约1/3； （3）设计机会通信技术，传输网络中断处监测节点的数据，在邻近节点可替代传输时，可实现网络中断带来的时延效应趋于0。 授权专利2件 示范系统应用 监测点持续工作能力受到能量供应的约束 基于监测事件预测和能量均衡消耗的节能机制： （1）研发基于监测事件预测的休眠机制，降低传感节点能耗10%-50%； （2）研发能量均衡消耗方法，监测设备有效工作时间延长24.3%。 授权专利5件 示范系统应用 监测预警系统存在故障或破坏的问题 双信道、汇聚式接入的组网架构： （1）设计双信道、汇聚式接入的组网架构，支持系统部分故障时的网络自愈能力，保障监测数据传输不中断； （2）所设计组网架构下的设备可互相自动查询工作状态，设备故障可由其邻居设备主动上报，同时保留的传统设备状态查询方式，提高及时发现失效设备的能力。 授权专利2件 示范系统应用

研究催化剂在实际催化反应过程中的状态对于理解催化剂的催化机理具有非常重要的意义。实际催化过程中，气体分子会通过影响表面能进而对催化剂的表面结构进行调制。但受限于研究方法，在真实催化环境中，气体分子如何重构催化剂表面仍然不清楚。此外，除了催化剂表面结构的变化，在催化反应过程中，催化剂颗粒整体的结构乃至物相也会发生变化。

（一）项目背景 当前，智慧教育具有智能导学、精准推荐、定制辅导、精细评价等特点，已成为国际国内教育信息化发展的趋势。智慧教育的研究主要聚焦于智慧学习环境建设的研究、智能技术支持下的智慧教学研究和机器学习技术支持下的个性化学习研究。智慧教育的出现极大地促进了当前教育中学习空间的重构。在“学习空间”之前，人们通常使用“教学空间”来指代这种场所，将有教学活动的场所均称作教学空间。随着人们对学习过程的理解变化、智慧教育的快速发展以及人们对非正式学习的重视，学习空间逐渐由单一的物理教学空间向包含物理空间、网络空间、移动空间的多元学习空间转变。多元学习空间的提出虽然更多地体现出了“以学生为中心”的倾向，但如何具体衡量多元学习空间对学生学习效果的影响是评价多元学习空间的重要步骤。同时，在多元学习空间具体构建时，面对空间中来源不同、结构多样、数量庞大的多模数据如何进行处理存储、并在保证数据有效性的前提下对教育数据进行隐私保护是多元学习空间需要解决的另一个难点。 （二）项目简介 本项目主要目标是针对信息技术支撑下学习空间多元化、场景复杂、需求多样化，学习者及学习行为呈现出新的特点和规律，研究多元学习空间中学习行为数据化关键技术，构建“云-边缘-物联网”架构的多模态数据存储与处理平台，实现混合式学习环境下学习行为智能感知和数据化，优化学习行为模型，基于实际应用与不同学习目标函数及内容，建立可重复、可预测、可验证的对比数据集，为数据驱动的智慧教育生态构建和教育应用提供核心技术与数据支撑。 （三）关键技术 我们面向智慧教育中准确认知学生的学习状态和行为的大数据需求提出研究方案。本项目实施方案涉及教育学、物联网、云计算、人工智能、隐私保护等多个领域，主要技术路线如图所示： 图 1 技术路线图 其中，项目包括的关键技术主要有以下三点： 1.基于物联网的多模态数据实时智能感知和多时间域数据采集技术 该技术针对学习状态的数据化、特征参数量化问题，设计能够采集多 重学习空间下的智能数据感知物联网系统。主要技术难点在于抽样频率与 识别准确度的平衡、人机交互的变化规律等全新科学问题。 2.学习状态多模态数据解析和智能处理技术 利用智能感知物联网采集实时性的原始学习状态数据，包括面部表情、 脑电信号、头部姿态、交互行为等原始数据，这些数据具有数据量大、模 态多、冗余度高等特点，需要通过智能化的预处理方法转换成可以量化的 状态数据。 3.多层次数据差分隐私保护技术 学习行为数据是学习者被动采集的多方面行为数据，受到日益增长的 具有争议性的数据伦理的制约。该项技术通过数据隐私保护机制实现数据 多层次化的差分隐私安全算法；在保证学习者最大数据隐私性的前提下， 研究满足学习行为分析所需要的数据颗粒度。

面对疫情，北京航空航天大学机械工程及自动化学院先进数控和智能制造团队刘强教授、肖文磊副教授等一批教师和研究生自发组成“大数据建模分析工作群”，开始收集疫情数据，交流和讨论建模方法。刘强、肖文磊又与工作群中的孙鹏鹏、王柳权、臧辰鑫、朱三颖、高连生等人，组成了“2019-nCoV疫情建模分析应急响应研究小组”核心攻关组，全力以赴开展本次疫情建模仿真和预测分析研究工作。疫情建模分析应急响应小组的研究工作是在2003年郇极教授提出的“一种基于自动控制理论的SARS传染预测模型”的基础之上，结合此次新冠疫情原发地高度集中、恰逢春节期间人口流动的特点，采用控制论原理和大数据分析方法建立功能更全面的2019-nCoV动态感染过程模型。刘强教授团队对北京、上海、重庆、温州、长沙、郑州、成都、杭州、深圳等40余个城市的疫情数据发展趋势进行了动态仿真分析。基于分析结果，应急响应小组直接向上级部门提交疫情关键数据预测报告2份，直接向中国疾控中心提供预测分析数据及报告2份，向上级提出北京延期恢复正常上班的紧急建议1份，为高层疫情防控决策提供了及时有效的技术数据支持。

带钢连续热处理(包括立式炉、卧式炉)过程是冷轧和热轧带钢生产的重要工序，该过程是在带钢成分确定的情况下，依靠控制热量传递过程来控制带钢内部微观结构的演化，最终完成金相组织的转变，达到控制带钢力学、电磁等性能的目的。因此，温度控制是带钢热处理过程控制的核心，也是热处理质量的根本保证。为了解决带钢连续热处理炉优化控制的技术难题，并克服半理论或纯经验控制模型严重依赖于现场、难以移植和泛化能力有限的不足，本成果基于传热机理模型对带钢在连续热处理炉内的传热过程及其优化控制策略展开相关的理论分析和实验研究。 本成果瞄准带钢连续热处理热过程模型研究,基于传热学的基本原理,精确解析退火炉内辐射换热、对流换热(喷气快速冷却、喷气快速加热)、接触换热(炉辊与带钢之间)、喷雾冷却等传热过程，开发带钢在热处理过程中的温度分布预测软件,准确预测带钢温度分布(包括稳定工况和工艺过渡工况)，带钢温度预测的典型精度在±2.5%以内(90%以上的命中率)，为提高带钢连续热处理的产品质量奠定了基础。在带钢温度精准预测的基础上，基于可行工况集和最优化方法，建立了炉况参数优化策略，大大降低带钢连续热处理工艺切换的效率。

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CSP大梁钢的钢种分类优化方案，通过分析化学成分Si含量对变形抗力的影响，发现汽车系列用钢在增加Si含量后，对轧制状态影响产生了很大影响并造成了该系列钢种轧制困难，提出QSTE等钢种层别分类优化方案，同时优化其化学成分系数。。2．提出了适合涟钢CSP热轧生产线的相变变形抗力模型的结构设计及参数优化方案，从2015年9月底上线稳定运行至今，有效提高了CSP电工钢的轧制力模型预测精度，轧制力预报偏差12%以内从88.3%提高到96.7%。。3．

带钢连续热处理(包括立式炉、卧式炉)过程是冷轧和热轧带钢生产的重要工序，该过程是在带钢成分确定的情况下，依靠控制热量传递过程来控制带钢内部微观结构的演化，最终完成金相组织的转变，达到控制带钢力学、电磁等性能的目的。因此，温度控制是带钢热处理过程控制的核心，也是热处理质量的根本保证。为了解决带钢连续热处理炉优化控制的技术难题，并克服半理论或纯经验控制模型严重依赖于现场、难以移植和泛化能力有限的不足，本成果基于传热机理模型对带钢在连续热处理炉内的传热过程及其优化控制策略展开相关的理论分析和实验研究。本成果瞄准带钢连续热处理热过程模型研究,基于传热学的基本原理,精确解析退火炉内辐射换热、对流换热(喷气快速冷却、喷气快速加热)、接触换热(炉辊与带钢之间)、喷雾冷却等传热过程，开发带钢在热处理过程中的温度分布预测软件,准确预测带钢温度分布(包括稳定工况和工艺过渡工况)，带钢温度预测的典型精度在±2.5%以内(90%以上的命中率)，为提高带钢连续热处理的产品质量奠定了基础。在带钢温度精准预测的基础上，基于可行工况集和最优化方法，建立了炉况参数优化策略，大大降低带钢连续热处理工艺切换的效率。

本项目属于化学工程及制药工程领域。该专利核心技术还成功应用于药用氨基酸、盐酸大观霉素、头孢曲松钠等十余种产品，建成17条精制生产线，均通过国家验收或省部级鉴定,专家鉴定为:质量及技术经济指标(节能、降耗、减排)均达到并部分超过了国际先进水平。直接经济效益显著，近三年累计新增产值12.44亿元，新增利税2.86亿元，创收外汇3171万美元；且社会效益突出，如地塞米松磷酸钠产品已击败国际竞争对手，占有50%以上海外市场和60%以上国内市场；帕罗西汀产品打破了国际专利封锁，国内领先的产品已进入了国际规范

带钢连续热处理(包括立式炉、卧式炉)过程是冷轧和热轧带钢生产的重要工序，该过程是在带钢成分确定的情况下，依靠控制热量传递过程来控制带钢内部微观结构的演化，最终完成金相组织的转变，达到控制带钢力学、电磁等性能的目的。因此，温度控制是带钢热处理过程控制的核心，也是热处理质量的根本保证。为了解决带钢连续热处理炉优化控制的技术难题，并克服半理论或纯经验控制模型严重依赖于现场、难以移植和泛化能力有限的不足，本成果基于传热机理模型对带钢在连续热处理炉内的传热过程及其优化控制策略展开相关的理论分析和实验研究。 本成果瞄准带钢连续热处理热过程模型研究,基于传热学的基本原理,精确解析退火炉内辐射换热、对流换热(喷气快速冷却、喷气快速加热)、接触换热(炉辊与带钢之间)、喷雾冷却等传热过程，开发带钢在热处理过程中的温度分布预测软件,准确预测带钢温度分布(包括稳定工况和工艺过渡工况)，带钢温度预测的典型精度在±2.5%以内(90%以上的命中率)，为提高带钢连续热处理的产品质量奠定了基础。在带钢温度精准预测的基础上，基于可行工况集和最优化方法，建立了炉况参数优化策略，大大降低带钢连续热处理工艺切换的效率。