检索范围：
排序： 展示方式：
机器学习和数据驱动算法在智慧发电系统中的应用——一种不确定性处理的视角 Review
孙立, Fengqi You
《工程（英文）》 2021年 第7卷 第9期 页码 1239-1247 doi: 10.1016/j.eng.2021.04.020
由于人们对气候变化和环境保护的日益关注，智慧发电已成为常规火力发电厂和可再生能源系统经济安全运行的关键。面对日益增长的系统规模及其各种不确定性，传统的基于模型的第一定律方法已难以满足系统控制的要求。机器学习（ML）和数据驱动控制（DDC）技术的蓬勃发展为这些传统方法提供了一种替代方案。本文回顾了机器学习和数据驱动控制技术在发电系统监测、控制、优化和故障检测方面的典型应用，特别着重于揭示这些方法在评价、消除或耐受相关不确定性影响方面的作用。本文为智慧发电控制技术提供了一个从调节层到规划层的总体视角，分别从可见性、机动性、灵活性、经济性和安全性（简称“五性”）方面对机器学习和数据驱动控制技术的优势进行阐释。
会议日期： 2019年08月19日
会议地点： 英国
主办单位： De Montfort University, IEEE CIS, Dalian University
基于多智能体微分博弈的数据驱动协同一致控制 Research Article
石宇1,化永朝2,于江龙1,董希旺1,2,任章1
《信息与电子工程前沿（英文）》 2022年 第23卷 第7期 页码 1043-1056 doi: 10.1631/FITEE.2200001
信息物理——社会系统视角下的智能城市 Perspective
Christos G. Cassandras
《工程（英文）》 2016年 第2卷 第2期 页码 156-158 doi: 10.1016/J.ENG.2016.02.012
新兴智慧城市是城市环境的新一代创新服务，包括交通、能源分布、医疗、环境监测、商务、商业、紧急响应和社会活动。要想实现这种为城市场景服务的各项技术，需要将智慧城市视为一个整体的信息物理融合系统(CPS)，这其中包括新的移动软件平台和对治安、安全、隐私和大量信息处理的严格要求。本文旨在确定智慧城市的关键特征，进而讨论了一些由CPS 观点出发而得出的经验教训，并概述了一些空白领域的基础研究内容。
丁进良, 杨翠娥, 柴天佑
《工程（英文）》 2017年 第3卷 第2期 页码 183-187 doi: 10.1016/J.ENG.2017.02.015
在全球化的市场环境下，经济和环境的因素对复杂工业生产过程综合生产指标的优化提出了更高的要求，如提高生产效率、提高产品质量和产量，以及降低能源和资源的利用。本文简述了基于数据驱动的混合智能优化方法和技术在提高选矿过程全流程运行指标性能方面的最新进展。首先描述了选矿工业过程全流程综合指标优化问题，进而对涉及的数据驱动的优化方法进行总结。最后，本文给出了选矿过程数据驱动优化的未来研究方向。
关键词： 数据驱动的优化方法 生产全流程的全局优化 选矿过程 勘查
多尺度材料与过程设计的数据驱动和机理混合建模方法 Perspective
周腾, Rafiqul Gani, Kai Sundmacher
《工程（英文）》 2021年 第7卷 第9期 页码 1231-1238 doi: 10.1016/j.eng.2020.12.022
世界人口的不断增长要求加工业以更高效和更可持续的方式生产食品、燃料、化学品和消费品。功能性过程材料是这一挑战的核心。传统上，人们根据经验或者通过反复试验的方法来发现新型先进材料。随着理论方法和相关工具的不断改进和计算机能力的提高，现在流行使用计算方法来指导材料选择和设计，这种方法也非常有效。由于材料选择与材料使用的过程操作之间存在很强的相互作用，必须同时进行材料设计和过程设计。尽管有这种重要联系，但由于通常需要使用不同规模的多个模型，材料和过程的集成设计并不容易。混合建模为解决此类复杂的设计问题提供了一个有前景的选择。在混合建模中，用数据驱动模型描述原本计算成本高昂的材料特性，而用机理模型表示众所周知的过程相关原理。对于选定的每个领域，讨论了使用混合建模进行多尺度材料和过程设计的最新研究。最后，本文给出了结论，指出当前研究的局限性和未来的发展空间。
数据驱动的加工过程异常诊断 Article
Y.C. Liang, S. Wang, W.D. Li, X. Lu
《工程（英文）》 2019年 第5卷 第4期 页码 646-652 doi: 10.1016/j.eng.2019.03.012
为了在计算机数控（CNC）加工过程中实现零缺陷生产，开发有效的异常检测诊断系统势在必行。然而，由于加工过程中机床和工装的动态条件限制，目前在工业生产中采用的相关诊断系统所能发挥的作用往往非常有限。为了解决这个问题，本文提出了一种全新的异常数据驱动的诊断系统。在该系统之中，我们持续收集随动态加工过程而产生的状态监测功率数据，并以此支持在线诊断分析。为了便于分析，我们设计了预处理机制对所监视的数据进行去噪、标准化以及校准。随后我们即从监控数据中提取关键特征，并定义阈值以识别异常。考虑到加工过程中机床和工装的动态条件，用于识别异常的阈值可以调整。我们还可以基于历史数据利用果蝇优化（FFO）算法优化阈值，以实现更准确的检测。通过实践验证，我们证明了该系统在工业应用中的有效性和巨大前景。
基于混合驱动高斯过程学习的强机动多目标跟踪方法 Research Article
国强1,滕龙1,2,尹天祥3,郭云飞3,吴新良2,宋文明2
《信息与电子工程前沿（英文）》 2023年 第24卷 第11期 页码 1647-1656 doi: 10.1631/FITEE.2300348
欠驱动3D双足机器人步态切换控制策略 Research Articles
Hai-hui YUAN, Yi-min GE, Chun-biao GAN
《信息与电子工程前沿（英文）》 2019年 第20卷 第8期 页码 1026-1035 doi: 10.1631/FITEE.1800206
大数据为材料研究创造新机遇——材料设计的机器学习方法与应用综述 Review
周腾, Zhen Song, Kai Sundmacher
《工程（英文）》 2019年 第5卷 第6期 页码 1017-1026 doi: 10.1016/j.eng.2019.02.011
材料的发展在历史上是由人类的需求和欲望所驱动的，且在可预见的将来，这种情况应该会继续下去。新型功能材料是为目标属性或性能而定制的，这将是应对挑战的关键。从传统上讲，先进的材料都是通过经验或实验验证的方法发现的。因为现代实验和计算技术产生的大数据越来越容易获取，数据驱动或机器学习（ML）方法为发现和合理设计材料打开了新的蓝图。本文简要介绍了各种ML方法和相关的软件或工具。重点介绍了将ML方法应用于材料研究的主要思路和基本步骤。本文还总结了近期ML在多孔聚合材料、催化材料和含能材料的大规模筛选和优化设计中的重要应用。最后给出了结束语和展望。
面向CPG驱动的仿生机器鱼容错控制方法 Article
杨越麒, 王健, 吴正兴, 喻俊志
《工程（英文）》 2018年 第4卷 第6期 页码 861-868 doi: 10.1016/j.eng.2018.09.011
容错性能对于自推进仿生机器鱼在实际水下应用中的可操作性和生存能力至关重要。本文探讨了具有多个可活动关节和一个被卡住尾部关节的自由游动机器鱼的容错控制问题。提出的控制系统主要由两个部分组成：反馈控制器和前馈补偿器。具体而言，一方面，设计了基于生物启发中心模式发生器的反馈控制器用于使机器鱼对外部干扰具有鲁棒性；另一方面，引入了基于动力学模型的前馈补偿器来加速整个控制系统的收敛。在此基础上，开展了仿真实验来完成控制系统分析和故障机器鱼游动性能验证。最后，水下实验表明，所提出的容错控制方法能够有效调整故障机器鱼，使其能够在故障情况下完成所需运动，进而提高实际机器鱼系统的稳定性和寿命。
使用数据驱动模型优化抗体纯化策略 Article
刘松崧, Lazaros G. Papageorgiou
《工程（英文）》 2019年 第5卷 第6期 页码 1077-1092 doi: 10.1016/j.eng.2019.10.011
本工作致力于抗体片段纯化过程的多尺度优化。优化了生产过程中的色谱决策，包括色谱柱的数量及其大小，每批的循环数以及操作流速。使用基于微型实验数据的制造规模模拟数据集，建立了以负载质量、流速和柱床高度为输入的色谱通量数据驱动模型。与其他方法相比，分段线性回归建模方法具有简单、预测精度高的优点。提出了两种混合整数非线性规划（MINLP）模型，结合数据驱动模型，以最小化每克抗体纯化过程的总成本。然后，使用线性化技术和多参数分解将这些MINLP模型重新构造为混合整数线性规划（MILP）模型。研究了两个具有不同色谱柱尺寸替代品的工业相关案例，以证明所提出模型的适用性。
陈双叶
《中国工程科学》 2008年 第10卷 第7期 页码 69-72
以高性能单片机为核心，结合大规模可编程逻辑器件和在系统编程技术，设计了脉动真空灭菌控制系统的硬件和软件；采用模糊信息融合方法，设计了自适应模糊控制策略；针对包裹类灭菌物品，对系统进行了仿真试验研究，研究结果表明系统具有较好的控制效果和较强的抗干扰能力。
面向数据权利、数据定价和隐私计算的数据驱动学习 Review
徐基珉, 洪暖欣, 许哲宁, 赵洲, 吴超, 况琨, 王嘉平, 朱明杰, 周靖人, 任奎, 杨小虎, 卢策吾, 裴健, 沈向洋
《工程（英文）》 2023年 第25卷 第6期 页码 66-76 doi: 10.1016/j.eng.2022.12.008
近年来，数据已成为数字经济中最重要的生产要素之一。与传统生产要素不同，数据的数字化性质使其难以合同和交易。因此，建立一个高效和标准的数据交易市场体系将有利于降低成本，提高行业各方的生产力。尽管许多研究致力于数据法规和其他数据交易问题，如隐私和定价，但很少有工作对机器学习和数据科学领域的这些研究进行全面回顾。为了提供对这个主题的完整和最新的理解，本文涵盖了数据交易过程中的三个关键问题：数据权利、数据定价和隐私计算。通过厘清这些主题之间的关系，本文提供了一个数据生态系统的全貌，其中数据由个人、研究机构和政府等数据主体生成，而数据处理者出于创新或运营目的获取数据，并通过适当的定价机制根据数据主体各自的所有权分配收益。为了使人工智能（AI）能够长期有益于人类社会的发展，人工智能算法需要通过数据保护法规（即隐私保护法规）进行评估，以帮助构建日常生活中值得信赖的人工智能系统。
标题 作者 时间 类型 操作
数据和模型驱动的可信系统国际研讨会
2019年08月19日
会议信息
京公网安备 11010502051620号
