自动化专业实践类课程思政育人教学模式的构建与实施

结合《高等学校课程思政建设指导纲要》,根据学校办学定位、行业服务、自动化专业的人才培养要求和服务国家重大需求,明确了“三思维(系统化思维、工程化思维和创新性思维)、八要素(工程伦理、工匠精神、家国情怀、使命担当、学思结合、知行统一、勇于探索、团队合作)”的建设目标。提出了“教师主导、学生主体”的建设原则,并确定了相应的实现路径,开发了自动化专业实践类课程思政育人效果评价系统。最后,以“自动化生产线实训”课程为例,介绍了课程思政教学模式改革的具体实施及建设成果。经过近2年的实践,思政育人目标达成度不断提升,有效促进了自动化专业的快速发展。

自动编码器与典型相关分析方法联合驱动的工业过程质量监测

本文将自动编码器(AE)特征提取方法和典型相关分析方法(CCA)有机结合,提出了一种联合驱动的质量监测模型及其质量相关的故障检测方法.首先,利用AE算法对输入样本进行无监督自动学习和重构,实现数据的特征提取和降维;其次,利用CCA算法实现特征与质量变量关联最大化,建立质量变量与特征变量的关系模型;根据监测模型的潜结构投影,构建T2统计量和SPE统计量及其相应控制限.将提出的方法用于分析带钢热连轧过程现场实际数据,结果表明,基于自动编码器–典型相关分析方法(AE–CCA)的质量监测方法能够准确的检测出故障,并且检测效果优于传统的核典型相关分析(KCCA)算法.

异构无人系统协同控制研究进展

面对复杂化、多样化和立体化的任务需求,异构无人系统将空、地、海跨域优势互补,最大化提升系统各方面能力,为未来协同作战和智慧民生提供有力的技术保障.首先,梳理了国内外在跨域协同领域出台的推动性文件,介绍了异构无人系统在军用、科研院所和民用等三方面的实际应用.其次,针对异构无人系统关键技术之一的协同控制,分别阐述了异构无人系统协同控制在一致性、轨迹跟踪和编队‒合围等三方面的最新进展.此外,还特别讨论了在不同通信条件下协同控制所面临的挑战和解决方案.其中,由于一致性和轨迹跟踪存在上层控制理论性和下层控制可行性的区别,进一步从滑模控制、自适应控制、反步控制和自适应动态规划等四方面对轨迹跟踪研究展开阐述.然后,为了更好地促进异构无人系统协同控制在实际中的应用,通过总结前人相关工作,讨论了其在多约束控制与实时性、多任务切换控制和跨域通信下稳定性等三方面亟需解决的技术瓶颈.最后,综合异构无人系统协同控制研究现状和实际需求来看,指出了其在深度强化学习与分布式博弈、人机交互以及反群体智能等三方面的发展趋势.

基于深度置信网络的多模态过程故障评估方法及应用

传统的多模态过程故障等级评估方法对模态之间的共性特征考虑较少,导致当被评估模态故障信息不充分时,评估的准确性较低.针对此问题,首先,提出一种共性–个性深度置信网络(Common and specific deep belief network,CS-DBN),该网络充分利用深度置信网络(Deep belief network,DBN)的深度分层特征提取能力,通过度量多模态数据间分布的相似性和差异性,进一步得到能够反映多模态过程共有信息的共性特征以及反映每个模态独有信息的个性特征;其次,基于CS-DBN,利用多模态过程的已知故障等级数据生成多模态共性–个性特征集,通过加权逻辑回归构建故障等级评估模型;最后,将所提方法应用于带钢热连轧生产过程的故障等级评估中.应用结果表明,随着多模态故障等级数据的增加,所提方法的评估准确率逐渐增加,当故障信息充足时,评估准确率可达98.75%;故障信息不足时,与传统方法相比,评估准确率提升近10%.

一种面向复杂非平稳工业过程的质量相关分布式故障检测方法

由于复杂工业过程通常受到生产条件的变化,未知的外部干扰及其他因素的影响,其过程数据时间序列的统计特征随时间变化,呈现出非平稳特性。而工业过程的故障可能会被过程的非平稳特性所掩盖,这给复杂工业过程的质量相关故障检测带来巨大挑战。本文提出了一种基于动静特征融合且面向复杂非平稳工业过程的分布式质量相关故障检测方法。首先,利用最小冗余最大相关算法揭示和量化过程变量与质量变量之间的线性和非线性关系,并选择最具代表性的过程变量,消除所选过程变量之间的冗余性。其次,利用增广迪基–富勒检验(ADF)检验方法将所选的过程变量划分为平稳变量和非平稳变量。再次,利用工业过程的机理知识将复杂工业过程划分为多个有物理意义的子块,子块之间的信息交互通过公共变量实现,构建局部子块模型,该模型包括来自其邻居子块的信息。然后,通过偏最小二乘和长短期记忆网络方法分别提取子块中平稳变量及非平稳变量的静态特征和动态特征,并进行特征融合;利用规范变量分析算法来最大化融合后的动静态特征与质量变量之间的相关性,构建局部质量异常检测的统计量和控制限。最后,通过贝叶斯推理将局部检测结果进行融合,实现全局质量相关的故障检测。为了验证所提方法的有效性,采用河北某公司浮法玻璃生产过程的实际数据进行了实验。实验结果表明:本文所提质量相关分布式故障检测方法能够准确检测复杂非平稳过程的故障,故障检测率为100%,误报率为4%,比规范变量分析方法等具有更好的故障检测性能。综上所述,所提方法有效融合了动静特征以充分利用过程信息,在提高故障检测率同时显著降低了误报率,能够为复杂非平稳工业过程提供可靠技术支持。

一种面向多工序复杂制造过程的质量软测量方法

复杂制造过程关键质量变量的精准感知,是实现系统优化控制和保障系统安全稳定运行的必要前提。考虑复杂制造过程具有生产工序众多、回路互联耦合、工序质量遗传、数据时空分布等复杂特性,使得对过程质量的精准感知面临诸多困难。在此背景下,本文提出一种考虑过程时延的基于mRMR–GA–ResNet的多工序复杂制造过程质量软测量建模方法。首先,构建了一种考虑过程变量与质量变量间时延的基于最小冗余最大相关(mRMR)和遗传算法(GA)的多传感器过程变量筛选方法,以确定最优特征子集;其次,基于各工序的最优特征子集,设计了一种3维(特征–时间–工序)样本空间表征方法,工序内部以2维(特征–时间)形式表征,将工序作为通道构建3维(特征–时间–工序)样本,通过残差网络进行时间–空间特征提取,进而通过局部–全局特征融合得到最终的质量预测值;最后,通过一个实际制造过程——浮法玻璃生产过程,进行了实验验证。结果表明:在选择特征数相同的前提下,相较于其他4种基于相关性的特征选择方法(PCC、SCC、MI、MIC),本文所提多传感器过程变量筛选方法对于模型有更好的预测性能。以残差网络作为预测模型,本文所提3维样本构造方法,相较于传统的2维样本构造方法,对于模型的预测精度有了一定的提升,均方根误差ERMS、平均绝对误差EMA、对称平均绝对百分比误差E_(SMAP)分别提升9.2%、10.8%、9.8%,验证了所提方法的有效性。

中频真空电弧边缘击穿现象及仿真研究

为深入掌握航空变频(360~800 Hz)电力系统中真空电器电弧特性,该文围绕中频灭弧室弧后发生的边缘击穿现象,以双温磁流体动力学仿真结合实验的研究方法,得到了以下结论:中频真空电弧离子数密度的最大值为2.6×10^(19)m^(-3),离子温度的范围为0.30~0.91eV,电子温度的范围为1.50~2.43 eV;电子与离子之间存在能量交换,电子温度的变化会引起离子温度的变化;最高离子温度出现在阳极触头边缘处,与实验发现的边缘击穿位置重合,证明了此处确实存在能量集中;中频真空电弧是超声速流体,速度在边界处减慢,根据动能热能互换原理,中频真空电弧的质量流运动规律是边缘击穿的本质原因。

大语言模型研究现状与趋势

在过去20年中,语言建模(Language models,LM)已经成为一种主要方法,用于语言理解和生成,同时作为自然语言处理(Natural language processing,NLP)领域下游的关键技术受到广泛关注.近年来,大语言模型(Large language models,LLMs),例如ChatGPT等技术,取得了显著进展,对人工智能乃至其他领域的变革和发展产生了深远的影响.鉴于LLMs迅猛的发展,本文首先对LLMs相关技术架构和模型规模等方面的演进历程进行了全面综述,总结了模型训练方法、优化技术以及评估手段.随后,分析了LLMs在教育、医疗、金融、工业等领域的应用现状,同时讨论了它们的优势和局限性.此外,还探讨了大语言模型针对社会伦理、隐私和安全等方面引发的安全性与一致性问题及技术措施.最后,展望了大语言模型未来的研究趋势,包括模型的规模与效能、多模态处理、社会影响等方面的发展方向.本文通过全面分析当前研究状况和未来走向,旨在为研究者提供关于大语言模型的深刻见解和启发,以推动该领域的进一步发展.

基于动态贝叶斯网络的多无人机集群对抗策略

红蓝双方集群攻防对抗博弈问题是近年来复杂系统研究领域的热点和难点,在军事领域、网络安全领域和人工智能领域均具有重要的应用价值.在实际对抗中,环境的不确定性和智能体行为的多样性导致问题难以建模,而实战环境又要求智能体能够对态势的变化给出实时、高效的响应.为解决上述问题,本文提出了一种面向红蓝双方集群攻防对抗博弈问题的研究框架.首先,提出了一种基于改进后的兰彻斯特方程的对抗博弈模型,并在此基础上探讨了如何适应性改进Kuhn–Munkres(KM)算法以解决对抗博弈过程中的多目标任务分配问题.其次,为了提升无人机个体的环境适应性,提出了一种集群攻防对抗策略,利用动态贝叶斯网络对集群攻防对抗过程中产生的一系列不确定性因素进行实时、高效的推理和预测.该策略可有效降低对抗模型的复杂度和计算量,广泛提高决策的精确性和快速性.最后,基于上述对抗博弈模型搭建了仿真平台,实时展示红蓝双方无人机集群对抗过程,并对上述算法的有效性进行验证.仿真结果表明,所提出的上述理论框架可以实现红蓝双方对抗模拟演示过程,可有效解决红蓝双方打击对抗过程中的多目标任务分配问题,并对对抗过程中所产生的不确定性因素进行合理的预测和评估.

专刊评述:重大装备信息物理系统异常检测与安全控制

在国家加快推进质量强国建设、新质生产力发展的关键阶段,聚焦工业与制造领域的重大装备信息物理系统异常检测与安全控制,面向国家战略需求,坚持“安全可靠性优先”的原则,推进重大装备服役异常检测、健康状态评估、早期故障诊断、安全冗余控制等基础理论和核心技术发展,将有效提升重大装备运行的安全性与可靠性,服务国家在关键装备制造与维护中的创新应用需求,具有重要科学价值和工程意义。为此,四川大学主办的《工程科学与技术》期刊,专门开辟了“重大装备信息物理系统异常检测与安全控制”专栏,为国内外复杂装备可靠性领域学者提供了一流交流平台。

多无人艇固定时间自适应分布式协同编队控制

针对在实际海洋环境中由复杂恶劣海况导致的局部通讯条件下多无人艇协同编队控制问题,本文提出一种固定时间自适应分布式控制策略.首先,考虑只有部分跟随无人艇能够直接获取虚拟领航者的状态信息,为每艘跟随无人艇设计固定时间分布式观测器,在固定时间内实现对虚拟领航者位置和速度的估计.然后,在估计信息的基础上,采用反步法为每艘跟随无人艇设计固定时间自适应局部控制器,在固定时间内实现对由虚拟领航者产生的期望轨迹的跟踪.特别地,在局部控制器设计过程中,采用参数自适应机制对模型不确定和外界扰动进行补偿,在保证控制精度的同时避免抖振现象.同时,本文给出了所提出的固定时间观测器与局部控制器的稳定性分析,经数学证明,所提出的观测器和控制器能够保证每艘跟随无人艇均能够在固定时间内完成对虚拟领航者的位置和速度的估计并使位置和速度跟踪误差在固定时间内收敛至零的邻域内.最后,设计对比仿真,将本文所提控制策略和目前常用的PD控制器的控制性能进行对比,仿真结果表明所提出的控制策略在控制精度和收敛速度上具有更优越的表现.

从工博会看中国机器人走向

尽管中国并不能称为机器人技术的领导者,但是中国正在日益引领该行业的全球趋势。上海工博会上热闹的机器人场馆,展示了这一点。在过去的三年中,全球一半以上的机器人在中国销售。尽管中国并不能称为机器人技术的领导者,但是中国正在日益引领该行业的全球趋势。上海工博会上热闹的机器人场馆,展示了这一点。

煤矿地下毫米波雷达点云成像与环境地图导航研究进展

环境感知与地下空间导航是煤矿智能化信息领域的重要研究方向,对实现无人化、全自动化、智能化的煤矿生产作业至关重要。随着第五代移动通信技术(5th generation mobile networks,5G)和毫米波成像雷达软硬件日益紧密结合与成熟,毫米波探测与通讯应用到更多领域。5G通讯技术依托高速率、低延时、高带宽的特点给现有的无线电通讯技术带来巨大的变革;同时,毫米波雷达相比激光雷达,低成本、抗干扰、三维点云(3 dimension point cloud,3D)数量相对激光点云数量少1~2个数量级的特点,使得其在地下环境3D成像及同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)领域得到越来越多的关注。基于5G通讯的V2X(Vehicle to Everything)技术结合毫米波SLAM导航,为煤矿机器人的自主导航提供新的解决方案。系统综述了当下煤矿机器人自主导航以及实现煤矿智能化所面临的问题;近期国内外毫米波成像最新进展;地下环境毫米波雷达模块组通讯与信号获取方法;高分辨率成像遇到的稀疏特征提取问题;稀疏点云的处理策略与算法评估;深度学习在毫米波稀疏点云处理中的研究现状与发展方向;SLAM算法应用于不同环境的研究现状及SLAM导航算法。归纳了煤矿地下环境中应用SLAM地图构建、路径规划及避障的困难和挑战,并对未来煤矿复杂环境下毫米波通讯与导航兼容并蓄的新应用提出了展望。

基于数据驱动的高炉料面优化决策模型研究

高炉炼铁是一个典型的高能耗、高排放、高污染的工业环节.合理的炉料分布能够形成更加合理的煤气流分布,使得炉内的化学反应更加充分,对高炉长期稳顺运行和节能减排具有重要作用.本文针对基于经验的料面形状决策不能根据炉况变化做出准确和及时的调控的缺陷,提出了基于数据驱动的高炉料面形状优化决策模型.首先,基于现场采集的数据,在考虑高炉生产实际情况约束和变量上下限约束的情况下,建立了以煤气利用率为评价函数的料面优化模型.然后,为了提高模型的精度和决策性能,提出了一种误差补偿超限学习机(extreme learning machine,ELM)方法用于建立料面优化过程模型,以减少模型与实际生产过程之间的误差.在此基础上,采用带有约束条件的自适应粒子群算法对模型进行求解.最后,通过仿真实验验证了所建模型和优化方法的有效性,实验结果表明所构建的高炉料面优化决策模型能够及时根据生产情况的变化给出合理的料面形状,满足现场生产的需求,使高炉高效稳定运行.

省级实验教学示范中心的持续创新发展

实验教学示范中心作为高校实践教学的重要组成部分,直接影响人才培养质量。介绍了信息工程北京市实验教学示范中心在已有成果基础上,融入卓越工程师培养计划、工程教育专业认证和新工科的教育理念,以学生为中心,提出了基于主动式项目的 CDIO-OODA工程教育理念。结合自动化专业人才培养定位,构建了多层次、立体化、递进式、不间断复合型创新人才培养体系,并设计了基于工程项目的课程内容。将多种先进教学方法融合应用于CDIO不同的阶段,形成了具有学校特色的教学方法和手段。通过教师、学生成果和示范效果展示了实验改革与实践的有效性,为新时期示范中心建设和持续改进提供了思路。

省级实验教学示范中心实验技术队伍建设与实践

采用"恩威并用、赏罚分明"的方式进行了实验技术队伍建设的改革和实践,为新时期实验教学示范中心建设和持续改进提供了思路。以实验教学示范中心建设为导向,制定了实验技术人员岗位职责及聘任办法,特别强调了工作实绩、工作态度和社会服务,明确了工作目标。基于自我发展理念,设计了个人发展规划和培养方案,增加了归属感。针对省级实验教学示范中心验收指标,设计了实验技术人员教学工作当量计算办法,保证了工作量和工作质量评价的公平性;最后,提出了实验教学成果激励办法,有效提升了实验技术人员的工作积极性和主观能动性。经过近3年的持续建设,成果显著,充分展示了实验技术队伍改革与实践的有效性。

多模态学习方法综述

大数据是多源异构的.在信息技术飞速发展的今天,多模态数据已成为近来数据资源的主要形式.研究多模态学习方法,赋予计算机理解多源异构海量数据的能力具有重要价值.本文归纳了多模态的定义与多模态学习的基本任务,介绍了多模态学习的认知机理与发展过程.在此基础上,重点综述了多模态统计学习方法与深度学习方法.此外,本文系统归纳了近两年较为新颖的基于对抗学习的跨模态匹配与生成技术.本文总结了多模态学习的主要形式,并对未来可能的研究方向进行思考与展望.

面向系统层级的复杂工业过程全息故障诊断

复杂工业过程具有长流程、系统层级多、故障潜在分布空间范围较广的特点,是当前故障诊断领域的热门研究方向。首先,对主流故障诊断技术进行了分类和概述;其次,采用定量与定性相结合思路,提出了面向系统层级的复杂工业过程全息故障诊断框架,为复杂工业全流程的过程监测提供一整套技术和解决方案。相比于目前的故障诊断方法,该框架不仅包括故障检测和故障辨识,还包括故障根源诊断、故障传播路径识别、故障的定量诊断与评估,可有效解决复杂工业过程系统的综合故障诊断问题,实用性强,能够有效地减少或避免故障发生、保证产品的质量、提高企业的生产效率与生产安全;最后对故障诊断技术的发展趋势和亟待解决的问题进行了展望。

基于深度学习的行人重识别方法综述

对深度学习在行人重识别领域的应用现状进行总结与评价.首先,对行人重识别进行介绍,包括行人重识别的应用场景、数据集与评价指标,并对基于深度学习的行人重识别的基本方法进行总结.之后,针对行人重识别的研究现状,将近年来国内外学者的研究工作归纳为基于局部特征、基于生成对抗网络、基于视频以及基于重排序4个方向,并对每个方向所使用的方法分别进行梳理、性能对比以及总结.最后,对行人重识别领域现存的问题进行了分析与讨论,并探讨了行人重识别未来的发展方向.

高炉料面形状双驱动模型研究

高炉料面形状是指导高炉布料决策的重要依据.本文在已开发的新型雷达检测手段的基础上将雷达检测数据和布料机理进行融合.首先根据牛顿运动规律计算炉料颗粒从料流调节阀至料面的运动过程,然后根据体积约束原则建立料面形状模型,最后通过高斯过程回归模型将机理模型和摆动雷达测量得到的料面信息融合,建立了基于雷达数据和机理模型双驱动的高炉料面形状模型.仿真结果表明,本文提出的数据融合的方法在结合雷达检测数据和机理模型的基础上能够更好的拟合出高炉料面形状,可以为高炉稳定运行,节能减排提供可靠指导.