2022年7月7日，在国家自然科学基金委员会科学传播与成果转化中心的指导下，第三方专业科技成果评价机构——中科合创(北京)科技成果评价中心依据科技部《科学技术评价办法》的有关规定，按照科技成果评价的标准及程序，本着科学、独立、客观、公正的原则，组织专家对江西科骏实业有限公司、清华大学、湖南大学、吉林大学、北京邮电大学共同完成的“雷视融合多模态三维场景建模系统”、“动态健康基准数字孪生驱动的轨道车辆预测式运维关键技术”、“超图高阶关联学习的数字孪生驱动轨道交通车辆节能驾驶决策与控制”3个项目进行了科技成果评价。

　　此次成果评价专家委员会由北京科技大学教授、杰青殷绪成，国家自然科学基金委员会副研究员贾雷坡，中国中车集团有限公司教授级高级工程师文志永，北京航空航天大学教授肖振宇，北京理工大学教授王伟达，北京信息科技大学教授陈雯柏，北京工业大学教授马楠，北京交通大学副教授王洪伟等专家组成。

经过专家评审，认为“雷视融合多模态三维场景建模系统”项目主要创新点如下：提出了几何-结构联合学习的融合三维建模方法，研发了雷视融合的数字孪生采集设备，实现视觉、激光雷达、惯性导航等多模态数据融合重建，在保证精度的基础上通过融合框架对完整视觉环境进行快速重建；提出了结构引导的跨模态点云数据补全方法，通过二维图像和三维点云之间的结构建模与配准，突破传统配准方法鲁棒性不足的难题，实现了三维视觉数据融合增强；提出了基于超图计算的多模态数据融合检索方法，对多模态视觉对象的复杂高阶关联进行建模，通过超图神经网络进行视觉对象特征表示，实现了轨道交通数字孪生模型内容的高效检索。

项目成果拥有完全自主知识产权，整体处于国际先进水平，其中基于超图计算的多模态数据融合检索技术达到国际领先水平。

“动态健康基准数字孪生驱动的轨道车辆预测式运维关键技术”项目主要创新点如下：提出了领域知识和数据联合驱动的设备健康基准线构造方法，使用设备原理引导数据驱动技术构造知识图谱，提升了知识库构造效率和准确性；提出了基于健康基准线的数字孪生驱动故障预测方法，采用基于正常运行数据提炼反映装备状态趋势的数字孪生基准线、进而在基准线引导下进行异常行为监测和故障模式学习的技术路线，实现了轨道装备故障的有效预测；提出了基于强泛化特征提取的故障诊断方法，通过自监督和无监督学习手段，捕捉系统动力学特性，作为故障检测的依据，提高了故障诊断的鲁棒性。

项目成果拥有完全自主知识产权，整体处于国际先进水平，其中基于健康基准线的数字孪生驱动故障预测技术达到国际领先水平。

“超图高阶关联学习的数字孪生驱动轨道交通车辆节能驾驶决策与控制”项目主要创新点如下：提出了层级约束驱动的数字孪生模型动力学解析建模方法，实现了理想约束和非理想约束下车辆多体系统动力学高效解析建模；提出了基于超图高阶关联学习的数字孪生驱动列车节能驾驶目标曲线规划方法，利用优秀司机驾驶经验数据归纳学习速度曲线模式特征规则，实现了节能驾驶的高效计算与规划；提出了基于解析约束力与模糊集理论的列车数字孪生模型自动驾驶鲁棒控制技术，实现了在不确定性认知条件下轨迹目标的精确跟随与最优控制。

项目成果拥有完全自主知识产权，整体处于国际先进水平，其中基于超图高阶关联学习的数字孪生驱动列车节能驾驶目标曲线规划技术达到国际领先水平。

‍

项目立足工业数字孪生领域，面向轨道交通行业数字化、信息化发展需求，形成了多项创新成果，并应用于轨道交通数字孪生系统建设，已产生较好的经济效益和社会效益，具有广阔的应用前景。

经专家组全面审核，与会专家一致同意，江西科骏实业有限公司、清华大学、湖南大学等单位完成的3个项目通过科技成果评价。

文章来源：全国科技成果评价服务平台 - 公众号