2022年中国重大科学、技术和工程进展

本着分门别类、本刊推荐、专家遴选、宁缺毋滥、叙述事实的原则,从国内外著名科技期刊和科技新闻媒体所报道的中国科技成果中,按科学、技术、工程3个类别,由《科技导报》编辑部遴选、推荐候选条目,经《科技导报》编委、审稿人等专家通信评选,推选出2022年中国重大科学、技术和工程进展30项。（1）2022年中国重大科学进展10项：探测到重复快速射电暴密近环境的动态演化;解析新冠病毒突变株奥密克戎免疫逃逸的分子机制;发现黏附类GPCR识别和激活新机制;实现世界纪录效率的全钙钛矿叠层太阳能电池制备新途径;测定超高热导率半导体砷化硼载流子迁移率;发现促使胆固醇排出体外的降脂新方法;揭示火星乌托邦平原浅表精细结构和物性特征;发现志留纪化石库为解答有颌脊椎动物起源提供确凿证据;实现光催化剂光生电荷转移过程的全时空成像;开创海水原位电解制氢新原理与新方法。（2）2022年中国重大技术进展10项：在高温超导体中诱导出奇异金属态;实现超快激光三维极端制造重大突破;实现三原子分子的量子相干合成;建立蛋白质从头设计新方法;制备出亚1 nm栅极长度的晶体管;发现并编辑KRN2基因可同时提高水稻玉米产量;提出全新诱导人多...     

基于多维行为分析的窃电高风险客户精准定位方法

窃电行为对国家电力系统及供电公司造成了极大的损失,故反窃电技术是电力行业的重要研究方向之一。传统的窃电用户定位方法存在定位不准确、查处效率低等问题,为了解决上述问题,提出基于多维行为分析的窃电高风险客户精准定位方法。首先通过相关矩阵R及特征值谱熵正则化完成用户数据去噪,其次在UFS-MI模型内提取用户数据特征,分析用户用电的多维行为,最后根据逻辑回归算法完成窃电高风险客户的精确定位。实验结果表明,所提方法的窃电高风险客户定位精准度较高,误判率较低,整体定位效果较好。     

基于量子微粒群优化算法的半透明介质光学参数反演

针对半透明介质光学参数估计问题,建立了脉冲激光辐照下半透明介质光学参数反演模型,采用量子微粒群优化(QPSO)算法反演了折射率和吸收系数,分析了测量误差、热物性参数对反演结果的影响,并利用敏感性分析揭示了反演精度与测量误差的关系.计算结果表明：建立的反演模型和采用的QPSO算法可以精确估计折射率和吸收系数,即使人为添加10%的测量误差,反演结果依然具有较强的鲁棒性和准确度.本研究可为半透明介质物性参数获取提供技术参考.     

具有优先级的深度确定性策略梯度算法在自动驾驶中的应用

深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法在自动驾驶领域中应用广泛,但DDPG算法因采用均匀采样而导致低效率策略比例较高、训练效率低、收敛速度慢等.提出了基于优先级的深度确定性策略梯度(priority-based DDPD,P-DDPG)算法,通过优先级采样代替均匀采样来提升采样利用率、改善探索策略和提高神经网络训练效率,并且提出新的奖励函数作为评价标准.最后,在开源赛车模拟(The Open Racing Car Simulator,TORCS)平台上对P-DDPG算法的性能进行了测试,结果表明相对于DDPG算法,P-DDPG算法的累积奖励在25回合之后就有明显提升而DDPG在100回合之后训练效果才逐渐显现,提升约4倍.P-DDPG算法不仅训练效率提升且收敛速度加快.     

循环荷载作用下NaCl溶液对黏土动力特性影响及微观机理分析

针对黏土易与水结合,孔隙溶液环境变化对黏土动力特性有较大影响的问题,使用GDS真/动三轴仪对黏土试样进行模拟交通循环荷载下的分级加载试验,研究不同浓度NaCl孔隙溶液、振动频率对土体应力-应变关系和动弹性模量的影响,分析骨干曲线及弹性模量的发展规律,并结合电镜扫描,分析NaCl溶液浓度和振动频率改变前后试样的孔隙分布规律,得到微观孔径与动力特性的关系。结果表明,随着NaCl溶液浓度和振动频率的升高,应力-应变曲线和动弹性模量曲线呈上移趋势;阻尼比-动应变曲线随振动频率的增加而上升,随NaCl溶液浓度的增加而下降;NaCl溶液浓度升高,水化反应产生的胶体增多,微填充作用可有效减少小孔隙,振动频率增加则使得片状颗粒间距被压缩,层状结构减少,土体更加密实,有效减少大孔隙。研究得出的含NaCl溶液黏土受孔隙溶液浓度与振动频率变化的影响规律,可为研究其他环境下黏土的强度变化提供参考。     

联合实体边界检测的命名实体识别方法

针对传统命名实体识别方法无法有效利用实体边界信息的问题,提出一种联合实体边界检测的命名实体识别方法,即将实体边界检测作为辅助任务,增强模型对实体边界的判断能力,进而提升模型对实体的识别效果。首先,利用Bert预训练语言模型对原始文本进行特征嵌入获取词向量,并引入自注意力机制增强词对上下文信息的利用;其次,在命名实体识别任务的基础上,添加实体边界检测辅助任务,增强模型对实体边界的识别能力;再次,对比联合实体边界检测的命名实体识别方法与基线方法的有效性,并对测试结果进行消融实验;最后,进行样例分析,分析损失权重β对实体边界检测的影响。实验结果表明,在英文社交媒体数据集Twitter-2015上,联合实体边界检测的命名实体识别方法相较于基线模型取得了更高的精准率、召回率和F1值,其中F1值达到了73.57%;并且,边界检测辅助任务提升了基线方法的检测效果。所提方法能有效利用实体边界信息,从而获得更好的实体识别效果,促进了人机交互系统的发展,对自然语言处理下游任务有重要意义。     

飞机主动式余度作动舵面铰链力矩飞行测量方法

现代飞机舵面大多采用主动式余度作动系统。这种系统固有的力纷争现象,导致传统的基于原位载荷校准试验的飞机结构载荷测量方法,不再适用于现代飞机操纵舵面铰链力矩飞行测量。提出了一种基于离位载荷校准试验和原位载荷验证试验的飞机舵面铰链力矩测量方法,建立了相应的载荷测量模型,分析确定了铰链力矩测量精准度的影响因素,给出了可能引起的系统误差的验证和修正方法,形成了主动式余度作动舵面铰链力矩飞行测量流程。通过多型飞机舵面铰链力矩测量试飞,验证了该方法的可行性和有效性;提高了飞机舵面铰链力矩测量的精准度,为飞机舵面设计载荷验证与优化提供了可靠的实测载荷;得到了飞机舵面各作动机构的载荷分配,实现了飞机舵面作动系统力纷争的飞行监测,确保了飞行安全。     

基于轻量化深度学习网络的数字仪表识别

数字式仪表常用于变电站、工厂等生产环境,是一种直观的设备监测仪器。然而当前数字式仪表的读取方式还依赖于人工巡检,手动记录等,这些传统的巡检方式来监测设备的运行状态大大降低了巡检效率。为了实现传统行业的数字化转型,本文提出基于轻量化深度学习的数字仪表识别方法,通过改进的YOLOv5的目标检测框架,针对数字仪表目标区域在整张图片大小不一致的情况,提出对于感兴趣区域（ROI）的迭代目标检测方法,首次检测将感兴趣区域进行检测并切割统一到相同的尺度,随后迭代检测网络针对感兴趣区域内的字符进行检测并分类,以达到精确读数的目的。为提升多尺度检测性能,本文采用Res2Net模块主干网络中的的残差模块。采用GIoU取代通用的IoU作为位置损失函数加速模型训练效果的收敛。实验表明,改进后的框架实现了99.62%的准确率和99.55%的召回率,相比基线网络分别提升了12.72%和5.85%。通过将框架在边缘计算平台上的终端部署,在实际生产中取代了人工巡检,实现了商业化运行。     

盾构隧道围岩与衬砌协同作用纵向位移计算法

盾构机掘进过程中,千斤顶顶进力的不均匀引起的纵向位移是管片间初始错台的主要原因之一;基于Timoshenko梁理论的隧道纵向位移计算方法,未能考虑隧道开挖后围岩卸载破坏的变形特征及围岩与衬砌结构的协同作用效应,预测误差较大。建立了考虑围岩卸载扩容效应的等效地基抗力系数计算方法,提出了能考虑螺栓个数的等效抗剪刚度计算公式,建立一种基于Timoshenko梁理论的改进管片拼装式隧道纵向位移理论计算方法。实际工程案例分析表明：考虑围岩开挖卸载过程中围岩的非线性体积相关塑性变形（即扩容效应）更合理;考虑壁后注浆液固化过程的时效性,采用改进的滑移边界条件计算的纵向位移最大值是传统的固定端边界的计算值的2.3倍,边界条件对计算结果影响较大,本文计算方法更符合实际情况,也更安全。     

数据驱动下交通异常行为的双层识别模型

为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine, SVM)、监督学习与长短期记忆(long short term memory, LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation, NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识...