“人工智能驱动的过程工业自动化与智能化”专刊前言.pdfVIP

第41卷第3期控制理论与应用Vol.41No.3

2024年3月ControlTheoryApplicationsMar.2024

“““人人人工工工智智智能能能驱驱驱动动动的的的过过过程程程工工工业业业自自自动动动化化化与与与智智智能能能化化化”””专专专刊刊刊

前前前言言言

冶金、化工、炼油、电力、造纸、建材等大批量连续生产的过程工业(processindustry,也称流程工业)是我

国国民经济建设的重要支柱.工业自动化作为过程工业不可缺少的组成部分,一直是实现生产安全、平稳、

优质、高效的基本条件和重要保证.近年来,随着人工智能技术的飞速发展,以机器学习、工业大数据、工业

互联网、数字孪生等为代表的新兴信息技术正深刻改变传统过程工业自动化的感知、分析、决策和执行过

程,并正在向工业智能化迈进.在可预见的未来,在人工智能技术的驱动下,工业自动化的信息系统将能够认

知和理解过程工业的物理系统,并实现建模、监测、控制、优化、决策的知识型工作自动化;而物理系统的执

行单元将逐渐与人共融,最终实现人、机、物的有机融合,也即实现工业智能.

本专刊聚焦人工智能驱动的过程工业自动化与智能化的最新理论与应用成果,旨在为研究人员提供一

个展示工业自动化与智能化新成果的平台.专刊共收到有效投稿68篇,通过编辑部预审、同行专家初审和复

审、主编终审等严格评审流程,最终录用21篇研究论文.内容涉及人工智能驱动的过程工业建模、监测、控

制与优化等多个方面,其中:人工智能驱动的过程工业建模论文11篇,人工智能驱动的过程工业控制与优化

论文6篇,人工智能驱动的过程工业图像分析与处理、知识图谱构建等论文4篇.具体而言,这些论文的主要

贡献如下:

1)在人工智能驱动的过程工业建模理论方法方面,浙江大学陆思洁、郜传厚等针对最优超球体支持向量

机缺乏可解释性和透明性的问题,提出一种集成数据挖掘知识的可解释最优超球体支持向量机算法;西安科

技大学张昭昭等针对传统回声状态网络难以有效应对高阶非线性复杂建模问题,提出双储层结构误差补偿

回声状态网络建模算法;太原理工大学霍海丹、阎高伟等提出基于超图正则化的域适应多工况预测建模框

架,提高了模型的精度和泛化性能.此外,沈阳航空航天大学于洋等针对在线鲁棒随机权神经网络计算中的

矩阵不适定问题,提出奇异值分解下的在线鲁棒正则化随机网络算法;上海交通大学牟天昊、李少远等针对

在过程工业预测中知识构建与知识挖掘成本高的问题,提出一种基于知识协同进化的增强图卷积网络预测

建模方法.

2)在具体的复杂工业过程智能建模方面,大连理工大学金锋、赵珺等提出一种基于知识蒸馏的高炉煤气

系统建模方法,为后续能源系统优化调度提供有力支撑.针对类似的复杂冶金过程建模问题,东北大学周平

等提出基于稀疏表示剪枝集成建模的烧结终点位置智能预测方法,中南大学方怡静、蒋朝辉、桂卫华等提出

基于工况知识引导注意力时间卷积网络的烧结终点位置预测方法,均取得了较好的应用效果.此外,江西理

工大学张水平等提出基于多任务学习与多目标优化的稀土萃取过程多维度软测量建模方法,华侨大学宋江

婷、金福江等提出基于多组分透射光线性空间核学习的组分浓度建模方法,浙江大学王一航、赵春晖等提出

面向锂电池少量循环的二维支持域直推式健康状态预测方法,实现了锂电池充放电历史初期及再生点的较

好预测.

3)在人工智能驱动的过程工业控制与优化方面,北京工业大学孙剑、乔俊飞等针对固废焚烧过程的强非

线性和强不确定性问题,提出数据驱动的城市固废焚烧过程烟气含氧量智能预测控制方法;上海大学孙小

明、彭晨等针对复杂工况下选择性催化还原系统难以实现精确脱硝控制的问题,提出基于迁移强化学习的智

能控制方法,实现了复杂工况下燃煤机组NOx排放量的有效控制.此外,华中科技大学胡振涛等针对多技能

项目调度存在的组合爆炸问题,提出基于强化学习的多技能项目调度优化算法;昆明理工大学胡蓉等针对绿

374控制理论与应用第41卷

色分布式可重入作业车间调度问题,提出融