本项目在国家自然科学基金、陕西省自然科学基金、陕西省教育厅专项基金以及企业委托项目的基础上开展研究，旨在从根本上提高人们的安全意识水平、提升安全投入动力，控制或减少三类危险源，以期预防事故、提高煤矿安全水平。   本成果属于能源经济与管理领域的安全管理软科学研究成果，在神华宁煤集团红石湾煤矿、西安重工装备制造集团、宝鸡秦源煤业有限公司、郭家河煤业有限责任公司、陕煤铜川矿业有限公司得到了广泛应用，取得了显著的社会和经济效益。经过研究，共发表论文80余篇，编著3本，英文期刊论文10余篇，被EI和ISTP检索10多篇，项目经陕西省科技厅组织评审，达到了国内领先水平。

项目组在国家自然科学基金重点项目和国家重点研发计划等 项目的资助下，历时15年，通过大量模型试验、理论研究、数值模拟、设计理 论与方法研究以及工程实践，取得了系统的技术成果，形成了钢管约束混凝土结 构技术。项目的主要创新性技术内容如下：1.创建了钢管约束混凝土结构体系，解决了传统的钢管混凝土和型钢混凝土结 构节点复杂等系列技术难题。2.建立了钢管约束混凝土构件的静力与抗震性能分析理论及方法，提出了构件 设计技术。3.建立了钢管约束混凝土构件的受火分析理论与方法，提出了构件抗火设计技 术。4.建立了钢管约束混凝土结构梁柱节点的静力与抗震性能分析理论及方法，提 出了节点设计技术。5.建立了高层、复杂钢管约束混凝土结构体系的弾塑性有限元高效分析方法，

(2018年度高等学校科学研究优秀成果奖(科技进步奖)一等奖) 成果简介： 随着国民经济的快速发展，我国进行了世界上最大规模的土木工程建设，其 中钢一混凝土组合结构在高层、大跨、重载结构中得到广泛应用，发展钢一混凝 土组合结构是结构工程领域未来发展的重要趋势。但传统的钢管混凝土和型钢混 凝土结构存在节点复杂、施工困难、高强钢材和高强混凝土难以应用等问题；除 此之外，传统的钢管混凝土构件耐火极限偏低，防火成本高，传统的型钢混凝土 构件存在抗震性能不足等问题；这些长期无法解决的问题阻碍了钢管混凝土和型 钢混凝土结构在工程中的进一步广泛应用。 针对这些问题，项目组在国家自然科学基金重点项目和国家重点研发计划等 项目的资助下，历时15年，通过大量模型试验、理论研究、数值模拟、设计理 论与方法研究以及工程实践，取得了系统的技术成果，形成了钢管约束混凝土结 构技术。项目的主要创新性技术内容如下： 创建了钢管约束混凝土结构体系，解决了传统的钢管混凝土和型钢混凝土结 构节点复杂等系列技术难题。 建立了钢管约束混凝土构件的静力与抗震性能分析理论及方法，提出了构件 设计技术。 建立了钢管约束混凝土构件的受火分析理论与方法，提出了构件抗火设计技 术。 建立了钢管约束混凝土结构梁柱节点的静力与抗震性能分析理论及方法，提 出了节点设计技术。 建立了高层、复杂钢管约束混凝土结构体系的弾塑性有限元高效分析方法，提出了结构体系抗震设计技术。

该成果先后获得神农中华农业科技奖三等奖和农业部丰收奖一等奖。该技术完善了弱筋小麦“足穗稳粒增重”栽培途径， “适期早播、 半精量播种、 适量减氮、 氮肥前移、 适时化控”等量质协调栽培技术体系， 制定了实用性好、 可操作性强的弱筋小麦量质协调栽培技术规程和明白图；多途径进行弱筋小麦量质协调栽培技术的推广应用，建立了五种不同形式的产业化模式。

随着纳米光子学的发展，具有超颖性质的人工微结构吸引了众多研究。针对日益增长的研究和设计需求，北京大学物理学院方哲宇及其研究团队实现了一种自洽的框架——BoNet，其结合了贝叶斯优化（Bayesian optimization）和卷积神经网络（convolutional neural network），实现了纳米结构对于超强光学手性的自学习。基于此框架，他们将纳米结构设计表示为图形，并输入卷积神经网络进行电场分布和反射光谱的学习，此过程不需要将纳米结构参数化为向量，因此最大化的保留了其几何信息和边界条件。同时，利用贝叶斯优化以实现对纳米结构远场光学手性的优化，并运用其采样样本反复训练神经网络实现自学习。利用BoNet，他们针对远场反射光谱的圆二色性进行优化并逼近了其理论极限(CD = 1)，同时利用神经网络匹配预测的近场电场分布，对获得的强光学手性进行分析解释。 此框架能够被直接推广用于其他光学性质的自学习优化，例如实现反常透射，偏振态调制和相位调制。更进一步的，此方法论能够帮助设计更多的，具有良好光学性质和运用价值的纳米光子学器件，比如消色差超透镜，超灵敏的微传感器以及智能超表面等。此研究同时能够启发更多数据驱动的研究，通过利用人工神经网络和其他机器学习的方法，实现对传统科学研究的新探索，在制药，引物设计，固体结构分析上启发新突破。 该工作于2019年11月19日在线发表于学术期刊《PHYSICAL REVIEW LETTERS》上，题为“Self-Learning Perfect Optical Chirality via a Deep Neural Network”(DOI: 10.1103/PhysRevLett.123.213902)。北京大学物理学院方哲宇研究员是本文的通讯作者，李瑜，徐优俊，姜美玲为该文的共同第一作者，北京大学定量生物学中心来鲁华教授为合作者，北京大学为唯一通讯作者单位。该工作得到得到了科技部、教育部、国家自然科学基金委、北京大学人工微结构和介观物理国家重点实验室、北京大学纳光电子前沿科学中心、量子物质科学协同创新中心、北京大学高性能校级计算平台、北京大学生命科学中心高性能计算平台等单位的支持。用于近远场计算的神经网络结构表征实现了逼近理论极限的高手性，并利用神经网络对近场分布进行分析

本文首先对一般意义上的国家审计质量理论进行简要综述,然后结合我国行政型国家审计体制的特点,探讨我国政府审计质量的内涵特征,提出我国国家审计质量的分析思路,之后在这个分析思路的基础上,从真实和感知两个方面来度量国家审计质量,并对影响着两方面的因素进行了分析,最后,给出完善我国政府审计质量控制的对策.

本项目围绕“城市场景的全息表达与复杂事件的临场分析理解”这一关键 科学问题展开研究，基于人机智能的有机结合、数据和知识的联合驱动以及多 模态数据的关联增强等学术思想，以城市场景的三维时空模型为载体，研究城 市的全息表达理论方法，探索多源感知信息的多层次关联、语义提取与融合分 析的机制和方法，形成城市场景的准全息计算模型，以提高机器对城市对象和 场景语义分析与理解的精准性；研究多源信息的视觉转换机制和自适应交互可 视化方法，探寻信息按需提取或采集的临场分析机制，推进人机智能的深度耦 合，提高对复杂事件分析和推理的能力。项目预期在城市场景的渐进式三维重 建、跨时空城市感知数据的关联学习和聚合分析、城市事件的交互式临场分析 等方面取得理论与方法的重要突破，培养一批优秀人才，使我国在城市信息化 和智能化方面的研究达到国际先进水平，产生重要的学术影响。

计算机辅助工艺过程设计（CAPP）是连接产品设计与制造的桥梁，主要完成产品零件制造工艺过程的计算机辅助设计与文档编制，其过程从零件信息的获取到工艺规划完成，并为CAM、PPS、PDM、ERP提供信息输出结束。BITCAPP实现以下功能:(1) 零件信息获取: 读取CAD信息，并对加工特征信息进行补充(2) 工艺设计      完成工艺规划，输出工艺文件信息(3) 表格定制:    根据企业的不同表格绘制表格，并关联数据库(4) 工艺资源管理: 管理当前企业的资源设备和工艺知识(5) 报表生成      统计资源、设备的应用系统集成      与其他系统进行信息交互