人工智能驱动的智能制造专题序言.pdf

2024年7月控制工程Jul.2024

第31卷第7期ControlEngineeringofChinaVol.31,No.7

文章编号：1671-7848(2024)07-1153-02DOI:10.14107/j.cnki.kzgc.2024zt07

人工智能驱动的智能制造专题序言

123451

刘静，刘强，王杜娟，刘毅，王晗丁，黄婷

（1.西安电子科技大学广州研究院，广东广州510555；2.东北大学流程工业综合自动化全国重点实验室，

辽宁沈阳110004；3.四川大学，四川成都610065；4.浙江工业大学化工机械设计研究所，浙江杭州310014；

5.西安电子科技大学人工智能学院，陕西西安710068）

人工智能经历了从早期基于规则的专家系统、可能存在的粗大误差，并引入测量补偿机制，提出

机器学习的突破，到当前深度学习技术的快速发展。了一种基于粗大误差补偿的粒子滤波算法。为了提

这一系列技术的迭代与广泛应用，推动了人工智能升高速列车牵引系统的故障检测性能，程超等采用

在多个领域的发展。伴随着计算硬件性能的提升、非线性方法对数据进行预测，引入最小绝对值收缩

算法创新的加速和解决方案的不断完善，人工智能和选择算子中的惩罚项来提高预测精度，进而提出

在工业领域的深度融合得到了坚实的基础支撑。当了一种基于多层典型相关分析的故障诊断方法。

前，全球正处于新科技革命与产业变革的交汇点，在工业过程中采用合适的控制策略，可以提升

工业4.0浪潮席卷而来，其核心特征为工业生产的生产效率和产品质量，减少生产成本和能耗，使工

数字化转型、网络化集成与智能化升级，预示着第业生产更加安全、稳定、高效和智能化。针对多智

四次工业革命的全面展开。在此背景下，工业人工能体系统中智能体通信能力受限和多智能体强化学

智能作为新兴驱动力，逐步成为促进产业升级的关习中联合动作空间维数灾难问题，崔浩岩等采用集

键因素。通过利用大数据的全息感知能力，实现生中训练-分散执行框架，在集中训练阶段采用值分解

产流程的端到端智能化集成，以及深度的模型分析方法和一致性算法，在执行阶段使每个智能体只需

与优化，工业人工智能将普适性人工智能技术与工根据与自己动作有关的Q值函数来选择动作，从而

业实践的特定需求紧密结合，开辟了产品设计的创提出了一种基于一致性的多智能体Q学习算法。为

新路径，极大地提升了系统的智能诊断与维护能力，了提高水面无人艇在受到外界干扰或遇到障碍物时

并优化资源配置，实现生产效率与经济效益的双重完成水面作业的精度，敖邦乾等提出了基于神经网

提升。尽管工业人工智能尚处于发展的初期阶段，其络-比例积分微分控制的水面无人艇控制系统，提高

应用场景的多元化探索、技术特性的深度挖掘和产了水面无人艇的实时响应速度与定位精度。

业生态的构建尚在逐步成熟之中，但这一领域的研在工业制造中，优化决策是实现生产和成本优

究对推动生产效率提升、确保产品质量卓越和促进化的重要手段，尤其是在柔性作业车间调度和自主

设备性能优化等具有重大的现实意义与战略价值。移动机器人路径规划中。为了应对多目标柔性作业

在此背景下，《控制工程》特别举办本专题，旨车间调度问题的复杂度高、历史数据利用不足和解

在探索人工智能驱动的智能制造研究中的潜在问题策略单一的问题，丁云明等通过引入最大熵方法，

及其理论、方法和应用的前沿进展。该专题为相关提出了一种基于值的深度强化学习算法。针对当工

学者提供了一个展示与交流最新研究成果的平台。厂内自主移动机器人的工作环境发生变化时，单纯

经过同行评议，本专题共录用了11篇论文，涵盖了使用强化学习算法重新学习最优路径的速度慢的问

从锂电池测量补偿到多智能体系统控制，从高速列题，刘明阳等在Q学习算法的基础上提出了一种策

车故障检测到水面无人艇控制系统的多种工业应略迁移强化学习算法