本发明属于交通运输领域，涉及一种基于VR技术的非机动车道路段服务水平测算方法，包括以下步骤：A、筛选典型路段；B、录制典型路段视频；C、处理路段视频和采集道路交通状况数据信息；D、进行非机动车道满意度调查实验；E、建立非机动车道服务水平模型。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.） 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权：

常用的煤层气增产措施是水平井技术，精确导航钻头钻进将水平井与目标井连通，是煤层气开采时关键技术之一，也是目前开采技术发展的一大瓶颈。为解决这一难题而研制地下导航装置并于2011年5月在山西晋城某煤层井进行现场试验，效果良好，在全国多家知名媒体都有报道。 两井连通示意图 远距离磁穿针整体样机 操作室 山西晋城现场试验

本发明公开了一种分级式远距离有源电子标签及其识别方法， 该标签包括射频模块、控制器、存储器、电池模块，控制器与微型开 关相连，当人、设备、设施或者物品的状态发生改变时，拨动微型开 关，从而生成新的射频序列号，该新的序列号包含电子标签的原射频 序列号和识别对象状态改变后的新的序列号，将识别对象的不同状态 与不同的射频序列号相对应。按照本发明，能够实现电子标签的分级， 该电子标签将识别对象不同的状态与不同的射频序列号对应，通过读 写器可以将信息传输给数据管理系统，从而使管理人员对识别对象的 状态有全面具

星间链路技术主要用于跟踪与数据中继卫星系统、军事通信系统以及海洋和地面观测卫星系统等，使卫星具有互通能力，不但可以减小信号传输延迟、而且提高系统的抗毁性和机动性。如目前的北斗全球组网首要解决的问题便是远距离、实时星间通信的问题。 星间通信链路技术 天津大学微波太赫兹微电子系统实验室结合微波空间通信和激光空间通信的优点，提出了一种介于红外激光和毫米波的中间频段，兼顾微波通信和激光通信优点又能克服二者的缺点，可同时满足大于1Gbps高速传输要求和万公里距离以上远距离传输要求的新型光电子学太赫兹星间通信系统。利用标准商用工艺、通过自主研发解决小型化的片上太赫兹信号源、巨量太赫兹天线阵列以及太赫兹空间功率合成等技术难题。该工作目前得到了航天五院卫星事业部的支持。 太赫兹泄漏波天线单元结构 世界上首个泄露模天线，天线的工作频率为410GHz 28.3THz远红外探测器芯片

星间链路技术主要用于跟踪与数据中继卫星系统、军事通信系统以及海洋和地面观测卫星系统等，使卫星具有互通能力，不但可以减小信号传输延迟、而且提高系统的抗毁性和机动性。如目前的北斗全球组网首要解决的问题便是远距离、实时星间通信的问题。

本项目针对国内高端光电子器件严重依赖进口的现状问题，自主研制Tb/s级以上 PDM-16QAM的硅基大规模阵列集成相干光接收芯片。根据本研究组在硅基集成光电子器件、偏振控制器件、光混频器等方面的建模仿真、制备测试基础，依托“先进电子材料与器件”校级平台的先进半导体加工能力，制备了高偏振消光比的偏振分束器、偏振旋转器，高相位精度的90度混频器，大带宽高响应度的探测器阵列，高效硅基芯片-光纤耦合，以及可调光功率衰减器。 通过本项目的实施，在硅基光接收集成芯片、高端光电子器件及其大规模集成的关键技术领域有所突破，建立关键工艺技术与器件标准库，形成硅基光电子器件标准加工工艺流程，实现高端光电子器件的自主制备,改变了我国硅基光电子器件技术无偿地向国外转移的历史，缩短我国光子集成技术与国际先进水平的差距，提升我国光通信产业的竞争力。部分成果获得2014年度上海市发明二等奖。

XT32 32线中距离机械旋转式激光雷达

根据滚动轴承故障部位的不同，将滚动轴承故障分为：内圈故障、外圈故障、滚动 体故障三类。一般来说，故障识别主要可以有确定故障类型，选择诊断方法，提取特征参数， 执行故障诊断四个主要环节。其中，在故障诊断中重要的两个环节是故障特征选择和分类器的选择。针对滚动轴承故障识别，尽管不同特征能够从不同方面来识别故障，但是他们对识别故障有不同的灵敏度。一些特征对于故障是灵敏并且关联密切的，而其他特征则不然。因此对于分类器，获得一种约简输入特征维数的方法以减少分类器计算消耗,从而实现分类器的高精度的故障诊断。