北航针对复合材料结构制造低成本化和数字化的发展需求，在多项国家重大研究项目的支持下，对热压工艺和液体成型工艺的固化成型基础理论、制造缺陷形成机理与控制方法、工艺过程数值模拟与优化技术、材料工艺特性测试表征方法与工艺特性数据库等方面进行了系统深入的研究，在复合材料制造过程数字化技术上填补了多项国内外空白。 已建立先进树脂基复合材料制造模拟与优化技术及相应的软件，用于先进复合材料制造过程的分析、缺陷预测和工艺参数的优化，适用于各种结构形式和制造方法，可明显提高产品质量，降低制造成本，缩短研制周期，提高材料的利用率，对促进复合材料用量和应用水平的提高具有非常重要的意义，在航空航天、风电叶片、汽车等领域具有广泛的应用前景。 研究成果已在多家航空航天研究院所及主机厂的工程实际中得以应用，如雷达罩、防热套、波形梁、飞机鸭翼梁以及直升机起落架等，取得了良好的效果，显著缩短了制造周期、降低了制造成本、提高了产品合格率。 相关成果在2009年获得了国防科技进步一等奖和国家科技进步二等奖，并获批国家发明专利5项。

车间级数字化技术是指制造工艺、数字化、智能控制以及机器人等技术相结合而产生的一类工程应用技术，俗称“制造工艺+互联网”，是以信息的离散化表述、传感、传递、建模处理、存储、执行和集成等信息科学理论及方法为基础的集成技术，向下拓展是建设智能化加工单元，向下拓展是建设智慧型企业。本解决方案主要针对焊接、成形，兼顾机械数控加工的数字化制造车间而设计的整套软、硬件系统。本项目创新开发的具有自主知识产权的车间级数字化产品，其理念是：焊接装备单元智能化、技术与管理网络化、工艺设计专家化、任务下达自动化、生产过程

合作的企业类型等。简介请图文并茂，字数1000字以内。） 本项目针对薄壁群孔结构，研制出专用工艺及装备，可显著提高生产效率，降低制造成本，最小加工孔径0.5mm,最大板厚1mm。适用于航空航天、电子等行业。研制出电铸微小群孔的工艺，可实现最小孔径为数微米直径的群孔制造；研制出群坑结构高效电解加工工艺及装置，可实现活塞环、活塞及气缸内表面群坑的制造，目前最小加工坑直径为0.2mm。

聚合物微纳器件具有良好的力学和光学性能，制造过程具有明显的成本和工艺优势，是微纳技术领域的重要分支。成果完成了跨尺度功能结构与器件的设计制造，提出了聚合物微纳流控芯片、光学透镜阵列、仿生表面等典型聚合物的功能结构与器件一体化设计制造的理论和方法。以应用为导向，开发了注塑成型-模内键合集成制造、聚合微零件超声塑化、微纳米结构模芯离子沉积电铸等新原理和新方法，研制了聚合物功能结构零件批量化微纳制造的装备原理样机。 针对热塑性复合材料复杂构件成型制造所面临的多工序、高附加能耗等问题，提出了利用热压-注塑复合成形工艺实现构件的整体化成形与制造。成果集设备、工艺、材料配方于一体，可兼顾构件的结构力学性能和复杂几何特征，为车用轻量化结构件的高效制造提供了新的解决方案。 跨尺度功能结构与器件设计制造 规模化微纳制造方法与装备 热塑性复合材料复杂构件规模化制造方法与装备

1.项目系统的web端、移动端的研发，完成系统实时数据采集模块、海量数据管理模块、业务应用模块、可视化展示模块及移动App模块的开发。2.实现设备记录数据百亿条规模的存储、分析，支持B/S模式，支持移动端系统。3.系统达到在 200 用户并发下平均响应时间不高于5秒的性能指标。

1. 痛点问题 红球菌是具有高抗逆性（耐有机溶剂、耐高温、耐酸碱）的特殊放线菌，日本30年前首先使用红球菌高效催化丙烯腈水合生产丙烯酰胺——其聚合产物广泛用于石油开采、水处理、土壤改良剂等领域——迄今为止仍是工业生物技术领域最成功的案例之一。开发红球菌基因编辑方法，一方面可以实现红球菌细胞自身性能的按需调控（如敲除副产物基因），解决丙烯酰胺、丙烯酸铵等酰胺、羧酸类大宗/精细化学品生产中的高成本和高排放问题，另一方面有望以红球菌细胞为普适性宿主，高表达各种外源功能酶，从而实现重组红球菌全细胞催化技术的普遍应用，尤其是解决手性医药中间体现有制备工艺中路线长、工艺复杂、原子经济性差、环境污染严重等各种主要问题。但是，作为一种革兰氏阳性放线菌，红色红球菌存在基因组中GC含量高、基因转化率低、非法重组严重等问题，基因组改造困难。目前红色红球菌基因组改造主要依赖于自杀质粒介导的同源重组，但自杀质粒转化效率和单交换成功率很低，正确编辑率更低。因此，迫切需要开发高效的红球菌基因组编辑工具。 2. 解决方案 本技术核心成果是一种基于CRISPR（成簇规律间隔短回文序列）-Cas9（DNA剪切蛋白）技术的红色红球菌基因组高效编辑方法。该技术通过红色红球菌特有启动子及质粒元件，首先实现了Cas9蛋白在红色红球菌中的表达及切割功能；其次成功规避了红球菌的限制修饰系统，将红色红球菌基因转化效率提高了80多倍；接下来，又通过红球菌重组酶的引入，显著提高了外源基因在红色红球菌中的同源重组效率，最终率先成功建立红色红球菌的CRISPR/Cas9基因编辑系统，不仅可以实现基因组上目标基因的敲除、替换和改造，也可实现多个基因的同时敲除以及无痕叠加敲除，为红球菌全细胞催化平台技术开发及其在化学品绿色先进制造中的应用奠定了坚实基础。 合作需求 开展合作开发、技术许可等，寻求有志于生物制药、生物合成、石油开采、日化洗涤等不同应用领域进行红球菌全细胞催化法生产目标产品的企业合作，尤其是在上述不同领域具有生产和销售优势或经验的企业。

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：

大空间建筑高度高，室内发热量大，将导致热压增加，利用建筑下部门窗和上部排烟窗等孔口使用自然通风或机械通风方法排除室内负荷；对于一般建筑利用空调系统进行全年新风自然冷源利用，以减少空调开机时间，降低空调能耗。由于自然通风或机械通风排热量大小取决于室外空气温度，由于建筑一年所处的气温不同，可利用的自然通风或机械通风排热量也有所不同。为此依据全年不同气温，获取最大化的自然通风或机械通风利用方案，减少空调开机时间，降低空调能耗是自然通风或机械通风利用关键。科研团队利用多项工程自然通风或机械通风技术应用，总结了大空间建筑全年自然通风或机械通风利用方案的设计方法，以实现建筑运行中最大化的利用自然通风或机械通风排除室内热量。

可以设计并优化光纤激光器和放大器、光波导激光器、光纤耦合器、多芯光纤、螺旋芯光纤、锥形光纤；也可以模拟超短脉冲在不同光纤设备中的传输，例如在光纤放大器系统、锁模光纤激光器和通讯系统中的传输。 能够跟踪和优化光纤放大器和光纤激光器，让它们适合各种应用。帮助评估和排除光纤激光器和放大器中各种不利的影响；能够对有源光纤器件性能进行预测；能寻找最佳光纤长度、掺杂浓度、折射率分布等；能够计算掺杂浓度与光线的关系，准确模拟双包层光纤，还可以模拟时域动态变化，可以理解和优化的细节如功率效率和噪声系数。 RP Fiber Power可用于分析和优化各种器件： 单模和多模光纤 计算模式特性；计算光纤耦合系数；模拟光纤弯曲、非线性自聚焦效应对光束传输和高阶光孤子传输的影响。 光纤耦合器、双包层光纤、多芯光纤、平面波导 模拟双包层光纤的泵浦吸收,光纤耦合器的光束传输, 光在锥形光纤的传输, 分析弯曲的影响, 放大器中的交叉饱和影响, 泄漏模式等。 光纤放大器 研究单级和多级放大器中的增益饱和特性(连续或脉冲放大器), 铒镱共掺光纤放大器能量转移过程、猝灭效应、自发辐射放大等。 光纤通信系统 分析色散与非线性信号失真，放大器噪声的影响，优化放大器非线性效应和放置位置。 光纤激光器 分析并优化能量转换效率、波长调谐范围、动态调Q。 超快光纤激光器和放大器 研究脉冲的形成机制和稳定范围，非线性效应和色散的影响，抛物脉冲放大，优化色散脉冲压缩，灵敏度反馈，超连续谱的产生。 脉冲和超快速固体激光器和放大器 研究Q开关，模式锁定行为，找到可饱和吸收器所需的特性，分析反馈灵敏度，啁啾脉冲放大研究再生放大稳定性极限。 这款软件是致力于光纤器件学科研究或工业开发人士的必备工具。这款软件及其技术支持将为您的工作效率和工作能力提供极大的便利。同时，这款软件也是一款相当出色的教学工具。 目前已使用该软件的高校：耶拿大学、英国南普顿大学、北京工业大学、中国科学技术大学、上海技术应用学院、华中科技大学、西北大学、复旦大学、深圳大学、国防科技大学、长春理工大学、南京理工大学等。 目前已使用该软件的单位：费朗霍夫研究所、苏州纳米所、兵器装备部、三江航天、上海光机所、绵阳九院、中科院软件所、中科院光电所商业单位、北京敏视达雷达有限公司等。   ※ 光纤数据： 软件中带有各种稀土掺杂光纤数据，即时可以仿真各种光纤激光器和放大器。   ※ 各种公开数据： “Yb-germanosilicate” “ErYb-phosphate” “Er-fluorozirconate F88” “Er-silicate L22”  “Er-fluorophosphate L11”