2023年度自动化领域(F03)国家自然科学基金项目申请与资助情况综述

本文对2023年度国家自然科学基金委员会自动化领域(申请代码F03)下的面上项目、青年科学基金项目、地区科学基金项目、重点项目、优秀青年科学基金项目和国家杰出青年科学基金项目的申请与资助情况进行了统计分析,并对面上项目和青年科学基金的项目申请与资助依托单位、申请代码分布等情况进行详细分析,介绍了本领域按科学问题属性分类的评审试点和“负责任、讲信誉、计贡献”评审机制试点工作,最后进行了总结和展望.

面向双碳目标的自动化和智能化理论与技术

基于国家自然科学基金委员会第324期双清论坛,本文针对面向双碳目标高耗能工业低碳运行与多介质能源协同减碳调控的国家重大需求,围绕低碳工业智能化和多能互补协同智能调控的自动化与智能化系统理论、关键技术及面向应用层面的基础性问题,分析了面向双碳目标的自动化和智能化的现状与发展趋势。在低碳工业智能化方面,聚焦工业生产全流程碳排放智能建模方法,低碳工业生产全流程数字化网络化智能化,流程工业低碳绿色制造,制造业异质能源综合利用与优化调控;在多能互补协同智能调控方面,聚焦研究多介质能源转化,多介质能源供给协同调控,多能互补与源储荷调控,能源“源-网-荷-储”一体化决策与综合安全,零碳智慧能源系统的结构化变革,城市智慧能源管控。围绕上述内容,讨论了面临的挑战,给出了凝练的科学问题与主要研究方向,提出了相关的政策建议。

机器人化复合材料自动铺层技术综述

碳纤维增强复合材料(Carbon fiber-reinforced composite,CFRC)因具有轻质高强、耐腐蚀、耐冲击等优越性能,在生产生活中的应用已越来越广泛,然而复材产品的生产制造仍是劳动密集性产业,主要依靠人工.机械臂自上世纪50年代进入工业生产中以来,极大提高了生产效率和质量,然而目前机械臂在复材产品制造中的应用是少见的,主要集中在机械臂形式的自动铺丝(Automated fiber placement,AFP)中.复材产品制造工艺繁琐,将复合材料铺放在模具上是复材产品制造过程中的一个重要环节,本文称之为“铺层”,使用机械臂完成复合材料自动铺层将是未来复材产品制造自动化、智能化发展的一个关键方向.本文将机械臂进行复合材料自动铺层操作分为两种主要形式:铺片和铺带(丝),通过案例调研和分析,归纳总结现有的设计理念和技术方法,提出未来发展趋势,以期对机械臂的应用和研究、复材产品的智能化制造和工业4.0的发展形成参考.

基于脑电的精神疾病自动分类研究进展

临床上精神疾病的诊断大多依赖于精神科医生的主观评价,缺少客观有效的生物学指标。脑电信号分析与机器学习方法相结合,在精神疾病辅助诊断领域的应用发展迅速,采用传统机器学习算法和深度学习算法,对脑电信号特征进行学习,从而实现精神疾病的分类研究。文章介绍了脑电信号的基本概念、处理流程及其常用特征,笔者总结了脑电信号在抑郁症、双相情感障碍、精神分裂症等精神疾病自动分类的研究进展,最后展望了机器学习方法在该领域的发展趋势。采用传统的机器学习方法仍然是用于自动分类主流的工具。但深度学习内部复杂的体系结构及训练过程阻碍了对其内部的理解,难以解释其在医学领域的作用,因此深度学习也是脑电研究发展方向之一。此外,单独对脑电图进行分析难以囊括患者所有的特征,需与其他模态的生理参数结合进行多生理参数融合分析,使得疾病诊断更加智能化。

自动康复评定方法在脑卒中运动功能评定中的应用

自动康复评定方法依靠各种传感器对脑卒中患者的运动功能进行自动评分或分级,在评定过程中尽量减少甚至无需医师参与,具有评定流程少、评定时间短、评定效率高的优点。本研究概述了自动康复评定的基本原理和一般流程,根据评定的不同角度将自动康复评定方法分为基于运动捕捉技术、神经生理信号和多信息融合3类,从评定原理、传感器、评价指标等多方面总结近年来的研究进展,并分析了自动康复评定方法目前存在的一些难点。

面向高密度柔性集成电路封装基板的精密视觉检测算法

高密度柔性集成电路(IC)封装基板是电子组件的核心载体,其制造过程中的刻蚀、显影等工艺需要严格的品质控制.本文开发了一种融合金相显微镜与工业相机的成像视觉检测系统,用于柔性IC封装基板的图像采集与品质控制.针对显微成像视野小、易离焦等问题,提出了一种基于中值的三元模式局部纹理快速自动对焦算法.此外,针对高倍镜下柔性IC封装氧化缺陷分布不均匀问题,引入微分几何工具,利用曲率等几何特征提出了一种基于动态曲线演化的高精度表面氧化分布特征检测模型.通过定性与定量的实验研究,验证了两种算法在快速性和高精度方面的优越性能.

大时滞不确定系统的滞后时间削弱与自抗扰控制

针对具有变时滞、变参数和扰动的大时滞不确定系统的控制问题,本文提出了滞后时间削弱与自抗扰控制方法,综合应用了前馈控制、反馈控制和自抗扰补偿控制.为了提高系统的稳定性,在前馈控制器的设计中采用了系统的边界模型确定控制器参数取值范围;采用系统边界模型输出与系统实际输出的动态加权和作为反馈控制器的输入.为了提高系统控制的性能,自抗扰补偿控制回路的设计基于标称模型的补偿控制器.理论证明和仿真结果表明,所提出的方法是有效的,其在具有模型参数变化、滞后时间变化和外部扰动情况下,能保证系统的稳定性和良好的控制性能.

基于改进水波算法的复杂多人共站装配线平衡研究

针对实际装配环境中存在多人协同装配和共站的情况,研究了考虑工序复杂程度与工人能力差异的多人协作共站装配线平衡问题。首先,考虑到装配工序的复杂程度需指派不同规模和类型的工人组,建立了以最小化工作站数量和工人数量为目标函数的多目标优化数学模型;在此基础上,提出一种改进的离散水波优化算法,对算子进行了离散化改造,并设计了基于拓扑排序的编码方案和启发式的解码方案,同时引入扰动个体和路径重连的搜索策略来增加解的多样性,进而提高解的质量;最后,通过求解两类测试用例,以线效率和平滑指数作为性能指标,验证了改进离散水波算法在求解复杂多人共站装配线平衡问题上的可行性与有效性,并将算法应用到动车装配线平衡优化中。

基于特征相似性和特征规范化的注意力模块

近年来,注意力机制在图像分类、目标检测和语义分割等领域取得了巨大成功,但现有的注意力机制大多只能在通道或空间维度上实现特征融合,这极大限制了其在通道和空间维度上变化的灵活性,导致无法充分利用特征信息。为此,文中提出一种基于特征相似性和特征规范化的、可同时利用特征图各维度信息的卷积神经网络注意力模块FSNAM。该模块由特征相似性模块(FSM)和特征规范化模块(FNM)两部分组成,FSM利用输入特征图的通道特征信息和局部空间特征信息生成一个二维的特征相似性权重图;FNM利用输入特征图的全局空间特征信息生成一个三维的特征规范化权重图;两个模块生成的权重图融合在一起,生成一个三维的注意力权重图,以此实现通道特征信息和空间特征信息的融合。为证明FSNAM的可行性和有效性,进行了消融实验,结果表明:在图像分类任务方面,FSNAM模块对分类网络在CIFAR数据集上的性能提升明显优于其他主流注意力模块;在目标检测任务方面,使用FSNAM模块的目标检测网络对VOC数据集中的小目标和中等大小目标的检测准确率分别提高了3.9和1.2个百分点;在语义分割任务方面,使用FSNAM模块可以提高HRNet模型的性能,在SBD数据集上模型的平均像素准确率提高了0.58个百分点。

基于初始氨覆盖率寻优的燃煤电站SCR脱硝系统机理建模

随着新能源发电大规模并网,燃煤机组工况快速变化,选择性催化还原(SCR)反应器入口氮氧化物(NO_(x))浓度剧烈波动。传统PID控制已无法满足NO_(x)的超低排放标准,需要建立准确的模型对出口NO_(x)浓度进行预测,以实现快速准确的喷氨量控制。然而,在机理建模的过程中,氨覆盖率这一关键数据因无法测量而缺失,直接影响模型精度。为了解决氨覆盖率缺失的问题,提出了一种名为初始氨覆盖率寻优的方法。采用改进的粒子群优化(IPSO)方法,通过燃煤电厂运行数据对机理模型反应常数和初始氨覆盖率进行校准。结果表明:经过初始氨覆盖率寻优,机理模型预测的出口NO_(x)浓度精度得到了显著提升,典型工况下,测试集平均绝对百分比误差下降了17.1%。

“新工科”背景下“数字图像处理”课程的思政探索研究

针对“新工科”背景下的课程思政进行探索,对课程思政在教学过程中的定位、实施准则、教学评价等问题进行研究。首先明确了课程思政的定位,即全程隐性融入教学过程中。其次设计了4条教学准则,即通过优化专业课内容而不断提高载体质量、增强教师课程思政意识和思政能力、将思政元素隐性融入教学、全方位深挖时效性强的思政元素案例。最后采用过程性评价的方式进行教学效果评价,教学反馈显示教学效果较好。

基于自适应分布式滤波观测器的多智能体系统编队控制

本文考虑了全局指令系统输出信息受到信道扰动情况下线性多智能体系统的编队控制问题.首先,基于协作式输出调节理论框架对线性多智能体系统的编队控制问题进行数学建模.其次,针对受到信道扰动的全局指令系统输出信息,提出了一类基于受扰输出的自适应分布式滤波观测器,在降低网络信息交换量的同时消除扰动的影响.最后,设计了输出反馈确定等价控制律,解决了线性多智能体系统的分布式编队控制问题.给出了数值仿真结果检验控制性能.

倾斜矿体采空区非对称顶板-矿柱结构体协同承载机理

为解决倾斜矿体回采后大倾角顶板和非对称空区可能引发的采空区支撑结构体变形及破坏失稳问题,以某石灰石矿非对称顶板-矿柱支撑结构体为研究对象,构建结构体承载力学模型,求解顶板挠曲变形值及矿柱安全系数,分析不同倾角、跨度比下顶板变形特征及矿柱失稳破坏模式,研究其协同承载机理。结果表明:顶板变形、矿柱失稳破坏模式受采空区倾角θ和跨度比λ的双重影响,顶板变形大小随着θ的增加表现为双增长率,与λ的关系伴随着θ的变化而变化。矿柱失稳破坏模式受θ的影响程度随着λ的增加而减小,当0°<θ≤30°时,矿柱主要为小偏心受压破坏;当θ=0°和30°<θ≤60°时,随着λ值的增加,矿柱破坏模式从大偏心受压破坏向小偏心受压破坏转变。顶板维系采空区稳定的能力随着θ的增加逐渐降低,矿柱维系采空区稳定的最优λ值随着θ的增加逐渐减小,矿柱约束顶板变形作用大小随着λ的增加而降低。数值模拟和工程实例验证了理论计算结果的可靠性,为地下空场法矿山安全开采提供一定的理论支撑。

基于终端积分滑模的三相逆变器自适应下垂控制方法

针对并联逆变器传统下垂控制中电压电流双闭环方法的鲁棒性较差问题,提出了基于自适应鲁棒的终端积分滑模控制律的下垂控制策略。分析滑模控制的收敛速度、响应时间和抖振幅度三个指标,在终端滑模控制律中增加积分环节建立一类扩展滑模控制律。其次,针对系统参数扰动及直流源侧电压的不确定性,利用自适应鲁棒控制实现抑制扰动,将输出电压控制在参考电压的合适范围内,提高了系统的鲁棒性。最后,综合终端积分滑模控制律,根据LC型并联三相逆变器的下垂控制模型,实现逆变器输出电压的自适应鲁棒跟踪控制,有效实现孤岛模式下逆变电源并联干扰抑制。通过MATLAB/Simulink建立并联逆变器的仿真控制模型并进行电路实验,验证了本文控制器的可行性和有效性。

电力建设企业本质安全度评价方法及应用

融合《职业健康安全管理体系要求及使用指南》(GB/T 45001—2020)的要求及本质安全的内涵,建立一套适用于电力建设企业的本质安全度评价方法。综合考虑人、物、环境、管理本质安全,结合PDCA的大循环及小循环,构建全面的本质安全度评价指标体系。根据本质安全度得分,分为初始、基础、符合、成熟及稳定5个等级。以电力建设公司为实例,利用电力建设企业本质安全度评价方法进行评价。结果表明,该方法适用于对电力建设企业进行全面多维度的本质安全评价;根据评价结果,采用权重-得分图锁定企业本质安全体系的薄弱环节,从而对该企业本质安全建设工作提出有针对性的建议。

基于主成分分析的多域特征融合轴承故障诊断

针对复杂工况下难以区分轴承故障状态的问题,提出一种基于主成分分析的多域特征融合轴承故障诊断方法。采集轴承振动加速度信号,提取轴承时域新量纲一化特征、频域幅值谱特征和时频域经验模态分解特征共13维特征用于完整表征轴承状态;利用主成分分析方法对所提取特征融合与降维,降低诊断模型复杂度与数据分析难度;最后,选择合适的卷积神经网络进行分类,通过石化机组故障诊断实验平台进行验证。结果表明:多域融合特征相对于单域特征诊断效果更好,卷积神经网络分类模型相对于其他经典分类模型诊断准确率更高,融合诊断分类方法整体诊断准确率达到86%。

基于时空图注意力网络的超短期区域负荷预测

目前,空间负荷预测研究对复杂时空关系的考虑不足。为此,文中提出一种基于多维、多源特征的区域级负荷超短期时空预测模型。首先,根据已有的区域级负荷进行元胞划分,构建考虑元胞相关性的图拓扑。其次,分别通过图注意力网络、一维卷积神经网络和门控循环单元,从空间、特征和时间维度提取有效特征,连接全连接层输出结果。最后,基于美国新英格兰地区的真实电力负荷数据进行仿真验证,并提取模型注意力权重,分析元胞之间的空间依赖性。结果表明,所提模型相比传统模型在不同预测步长上均具有更高的预测精度和稳定性,有效挖掘了区域级负荷的空间依赖性。

无量纲与SVM的石化机组旋转机械故障诊断方法

针对石化机组旋转机械故障信息存在非线性、重叠性等特点,提出一种无量纲与支持向量机(Support Vector Machine,SVM)的石化机组旋转机械故障诊断方法。首先对采集的振动信号进行分析并将其无量纲化;接着通过特征选择选取高价值与敏感性强的无量纲特征,降低分类模型复杂度并提高算法速度;最后通过选取合适的SVM分类模型进行分类诊断。结合具有无量纲特征的故障敏感性与SVM的非线性分类性进行诊断分类,并通过石化机组故障诊断实验平台进行验证,表明该方法相比于其他经典分类方法分类效果更好,分类正确率为99.1%,证明了方法的有效性。

TNO多能法在蒸气云爆炸模拟评价中的工程应用

分析了TNO(The Netherlands Organization)多能法在工程应用中存在的问题,并提出相应的解决方法,以提高其工程应用可操作性.归纳并提出了选取爆源强度等级的依据;为解决多能法在应用过程中手工查爆炸波特征曲线图读数易带来误差的问题,采用TNO爆炸波特征曲线拟合关系式代替TNO爆炸波特征曲线,并对该关系式中部分误差较大的计算式进行修正;根据爆炸波对人体肺、耳的伤害需达到的超压值和多能法特征曲线的拟合关系式,利用迭代法和最小二乘法拟合出爆炸波导致不同程度人员伤害距离的关系式,并对其进行验证.该关系式形式简单,输入参数少,可用于工程实践.

基于改进WGAN考虑特征分布相似性的小样本负荷预测方法

对于综合能源系统中新接入用户,其往往由于历史数据匮乏而难以建立精准的短期负荷预测模型.本文基于迁移学习理论,提出了一种基于改进Wasserstein生成对抗网络(WGAN)的小样本负荷预测方法.首先,本文采用最大信息系数法量化各影响特征与负荷的相关性强弱.接着,将源域特征序列进行分割,计算各分割子序列与目标域小样本的实序列编辑距离确定初始源域.然后,引入卷积神经网络和长短期记忆模型建立源域预测网络.通过WGAN对齐目标域和源域负荷特征的空间分布,并在最优传输代价函数中加入局部特征损失以提高训练的稳定性和快速性.最后,将对抗训练后网络用于目标域负荷预测.采用该方法对某地区小样本负荷进行实验,结果表明,本文所提算法与其他预测模型相比能达到更高精度.