故障预测与健康管理(Prognostics and Health Management, PHM)是利用先进的传感器技术集成，借助各种算法和智能模型来诊断、预测和监测系统/子系统/设备的健康状态，并根据诊断或预测信息、可用维修资源和使用要求对装备维修活动做出适当决策，从而以最小的投入获得最佳的健康状态。 PHM是一种实施以健康为核心的装备综合管理的技术方法和系统。实现了两个转变：由传统的基于传感器的故障诊断转向基于智能系统的健康状态预测与评估；由事后维修和定期维修转向基于状态的视情维修。主要研究内容包括：飞机液压/环控/供电/蓄电池/作动器等典型机电系统的地面故障诊断与健康预测评估，机载状态监测与诊断推理，飞机机电PHM原型系统，小卫星电源系统在轨寿命预测与运行管理，船舶机电系统综合状态评估与维护维修辅助决策，测试性设计分析与试验验证等。 已在SCI/EI/ISTP检索的国际国内学术刊物和会议上发表论文100多篇，获得国家发明专利10余项。

01. 成果简介 随着移动计算、传感器网络和科学观测设备等新技术在经济社会各领域的广泛应用，特别是监控、遥感、定位等技术的崛起，人们获得了海量的时空数据。时空数据分布于连续空间，并且随着时间动态变化，具有十分复杂的模式规律。例如，卫星遥感数据和雷达回波数据是广泛应用于气象观测和军事侦察的时空数据，在连续的卫星扫描或雷达观测过程中，形成时间轴上的一系列遥感图像或回波影像，反映三维地理空间中某种观测物理量的变化规律。视频监控、医学影像、气象预报、环境监测等很多应用领域都涉及时空数据预测和识别任务，在问题求解过程中需要同时考察时间和空间两方面因素，存在时间上的非平稳性和空间上的高维相关性两大技术难题。 本成果创新大数据深度学习技术，从复杂、海量、高维、非平稳的时空数据中识别重要的时空模式，挖掘在时间和空间上的变化规律，并对未来的时空演变趋势进行预测，形成了时空数据预测和识别的深度学习技术（如图1所示）。具体包括：·        提出卷积结构与循环结构深度融合的统一建模方法，学习高维度、非线性时空特征表示，挖掘空间关联结构与时间动态信息；·        提出时空记忆单元和回忆机制，对时空非线性、非平稳性变化进行预测学习；·        提出时空数据的迁移学习技术，降低时空分布差异，实现知识的跨时空迁移。 该技术尤其擅长捕捉高维度、非平稳时空数据的非线性变化规律，例如多物体对象在空间和时间上的“产生、消亡、运动、形变“等复杂时空数据场景。与同类技术相比，运行时间短，预测和识别精度高，在国际上处于整体先进、部分领先的水平。  图1. 用于时空数据预测和识别的循环神经网络架构及其时空记忆单元图2. 本成果技术（时空数据预测与识别）在北京交通流量预测任务上的效果02. 应用前景 该技术成熟度高，部分成果已经以线上系统的形态成功应用于中国气象部门强对流天气预报业务中，与国内现有极端天气预报业务系统相比，该技术将雷达回波外推预报准确率平均提高了45%，其中高强度雷达回波外推预报准确率提高了353%，处于国际先进水平。气象灾害中70%以上是由雷暴大风、下击暴流等强对流天气导致，致死人数占自然灾害死亡人数的93%，因此该技术在避免人员伤亡、实现财产保全、减少农业损失方面产生显著的社会经济效益。同时，该技术还可广泛应用于时空数据的预测和识别场景，在关系国计民生的气象、环保、交通等领域可以发挥重要作用，应用前景广阔。例如，采用该技术可实现未来交通流量时空分布的精准预测（如图2）。该项成果还入选了2018年首届数字中国建设峰会，为杭州G20峰会、厦门金砖会晤、中国国际进口博览会等提供了精准预报支持，获得2018年教育部技术发明一等奖和2018年中国气象学会科技进步奖一等奖。03. 知识产权 本项成果已获得发明专利授权6项。04. 团队介绍 本成果团队长期研究大数据管理与分析技术，包括分布式数据存储与查询、深度学习与迁移学习、业务过程挖掘、数据质量治理等方向。团队负责人为王建民教授、软件学院院长，机器学习小组组长为龙明盛副教授。团队在本领域发表国际学术论文100余篇，申请专利100余项，授权专利60余项。相关成果获2018年教育部技术发明一等奖、2018年中国气象学会科技进步一等奖、2014年国家科技进步二等奖、2013年中国电子学会科技进步一等奖、2012年教育部科技进步一等奖等奖励。05. 合作方式 技术许可 / 软件服务。

面向快速、高效的矿产资源探测的国家需求，集成空间数据挖掘与案例推理技术，充分利用海量的地质空间数据，解决矿产资源潜力评价与预测关键技术。在此基础上，建立智能化区域成矿预测系统和三维矿产资源预测系统，为各地质矿产单位进行找矿勘探提供空间分析和决策的基础平台。主要功能、特色： ？ 建立了不确定性地质空间数据挖掘算法模型、成矿案例推理模型，提高了区域成矿预测的效率、精度和智能性； ？ 综合不确定性地质空间数据挖掘、成矿案例推理和证据权模型，建立了混合推理策略与方法，得到更为客观的综合预测结果； ？ 基于COM架构，开发了“区域成矿预测信息系统”和“三维矿产资源预测系统”，包括地质空间数据管理、空间分析、模型预测、专题制图等功能； ？ 发展了三种高光谱矿物填图方法：权重光谱角制图法、耦合整体光谱匹配和局部光谱匹配的高光谱矿物信息提取方法、特征参数拟合方法； ？ 完成了区域成矿预测的数学地质方法扩展与应用，包括证据权模型、扩展证据权模型和逻辑斯谛回归模型，为地质空间数据挖掘和成矿案例推理提供图层选择及参数化的理论依据和对比验证对象； ？ 以我国西部典型成矿带——青海东昆仑成矿带为例，进行上述各类算法模型的区域成矿预测实验，并进行了野外调查与验证。 基于上述研究成果，该课题成果已申请发明国家专利2项；计算机软件系统2个；出版专著1部《多源地质空间信息智能处理与区域成矿预测》；发表或录用论文15篇，其中SCI期刊论文5篇，EI期刊论文4篇。

金铅锌等金属矿体往往厚度变化大、不稳定而在勘探阶段难于精确控制，同时随着资源危机矿山的增多，深部找矿越来越受到重视。因此，许多矿山急需开展坑道之间和坑道之下深部矿体定位预测工作以扩大资源储量。该项成果是在凤县三台山金矿、凤县银母寺铅矿矿等矿体定位预测研究的基础上形成的技术成果，曾获陕西省科学技术进步二等奖。目前该项成果已经在陕西省部分金属矿山得到推广应用，并取得了良好的应用效果。

面向快速、高效的矿产资源探测的国家需求，集成空间数据挖掘与案例推理技术，充分利用海量的地质空间数据，解决矿产资源潜力评价与预测关键技术。在此基础上，建立智能化区域成矿预测系统和三维矿产资源预测系统，为各地质矿产单位进行找矿勘探提供空间分析和决策的基础平台。

中试阶段/n甲状腺肿瘤发病率居高不下，临床上尚缺乏相关分子标记物对患者进行危险分层，无法准确区分有颈部淋巴结转移的高危患者，导致高危患者治疗效果不理想，复发率高。反之，部分低危患者由于不可控的因素接受了颈部淋巴结清扫，遭受了不必要的并发症和经济损失。阐明新lncRNA在甲状腺癌高危转移中的作用机制，评估其用于预测患者肿瘤复发转移风险的可行性，可以为筛选甲状腺癌高危复发转移患者，定制个体化治疗提供新思路。该项目还在研发阶段，基于我们的前期基础还需进一步扩大临床样本量进行验证，在动物实验水平进行lncR

本成果围绕光伏并网系统电能质量展开。基于深度学习算法，研究谐波等电能质量指标变化规律，运用特征提取技术处理时序数据，实现电能质量预测。研发基于态势感知的电能质量调控装置，总谐波补偿率不小于 90%，补偿次数 2 - 50 次。成果形式包括研究报告、调控装置示范应用，申请发明专利 3 项，发表论文 3 篇。应用场景涵盖光伏电站、配电网等，可提升电网可靠性与经济性，减少设备损耗、优化调控策略、降低弃光率，为新能源消纳提供支撑。

寿命预测技术是目前型号开展定延寿工作的关键技术之一。现阶段主要采用寿命试验的方法对产品寿命进行评定。由于经费等因素的限制，所投入的样本往往有限，受产品一致性的影响，这种小样本寿命预测结果往往具有随机性和片面性。而在产品的研制、生产和使用过程中，会存在产品本身及其组成零部件在研制各阶段、不同环境、不同条件下的与寿命相关的多源信息，如各种试验信息、仿真信息、相似产品信息、历史信息等等。因此，可以综合利用这些信息，建立多源信息融合评估模型，对产品的寿命进行预测，从而提高预测结果的可信性。

 该项技术利用了ANSYS和LMS Virtual.Lab Acoustics软件平台，建立了以声学量和振动参数为目标的联合仿真模式，可以对研究对象进行车身结构模态和内声场声学模态的分析。预测了车身结构动态特性和车内声场声学特性。在此基础上建立车身结构-车内声场耦合模型，以发动机激振力为边界条件进行车内低频耦合声场预测计算，并针对声压峰值频率进行面板贡献度分析。  在分析预测的过程中，运用ATV技术减少重复计算，进行快速预测预测了对车内噪声贡献较大的车身板件，为车身结构改进提供参考依据。  技术优势：（1）以理论分析和仿真代替经验设计，结果更具可靠性，适用范围更广;（2）研发周期短，研发经费少.

通过发展与时间相关的破坏理论，形成了结构弱点识别技术，有效地解决了过程设备何处修与何时修的问题，从而可对高温高压大型化的现代过程工业关键设备进行预测性维修。学术水平：国际先进，国内领先经济效益：累计4亿元以上社会效益：有力地保证了设备长周期安全可靠的运行