Search | Engineering

订阅投稿

首页工程期刊工程焦点工程成就工程前沿关于我们 English

资源类型

期刊论文 1163

会议视频 80

会议信息 32

年份

2024 2

2023 140

2022 143

2021 144

2020 92

2019 101

2018 71

2017 87

2016 44

2015 20

2014 19

2013 23

2012 26

2011 27

2010 31

2009 18

2008 37

2007 42

2006 36

2005 37

展开︾

关键词

大数据 29

机器学习 27

人工智能 20

深度学习 15

数学模型 13

2020 12

多目标优化 11

神经网络 11

能源 11

数值模拟 10

模型 10

数据挖掘 9

模型试验 9

智能制造 7

工程管理 6

过程强化 6

2019 4

COVID-19 4

不确定性 4

展开︾

检索范围：

排序：展示方式：

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

摘要：现有机动目标跟踪方法在杂波环境中强机动目标的跟踪性能并不令人满意。本文提出一种混合驱动方法，利用数据驱动和基于模型算法的优点跟踪多个高机动目标。将时变恒速（CV）模型集成到在线学习的高斯过程（GP）中，提高高斯过程的预测性能。进一步与广义概率数据关联（GPDA）算法相结合，实现多目标跟踪。通过仿真实验可知，与广泛使用的机动目标跟踪算法如交互式多模型（IMM）和数据驱动的高斯过程运动跟踪器（GPMT）相比，提出的混合驱动方法具有显著的性能优势。

关键词：目标跟踪；高斯过程；数据驱动；在线学习；模型驱动；概率数据关联

HTML PDF 收藏

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

摘要：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。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。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。本文重点介绍了混合建模在多尺度材料和过程设计中的重要性。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。

关键词：数据驱动代理模型机器学习混合建模材料设计过程优化

HTML PDF 收藏

高炉炼铁过程数据驱动软测量技术研究综述 Review Article

罗月阳1,张新民1,Manabu Kano2,邓龙3,杨春节1,宋执环1

《信息与电子工程前沿（英文）》 2023年第24卷第3期页码 327-354 doi: 10.1631/FITEE.2200366

摘要：在高能耗、高污染、极为复杂的冶炼过程中，高炉是极为重要的反应器。软测量技术是在线实时预测反映高炉能耗和运行稳定性质量指标的关键技术，在节能减排、提高产品质量和带来经济效益方面发挥着重要作用。随着物联网、大数据和人工智能的发展，高炉炼铁过程中的数据驱动软测量技术受到越来越多关注，但目前尚无关于高炉炼铁过程数据驱动软测量技术的系统性总结与评价。本文详细总结了高炉炼铁过程数据驱动软测量技术的最新研究成果与发展现状。具体而言，首先对高炉炼铁中使用的各种数据驱动软测量建模方法（如多尺度方法、自适应方法、深度学习等）进行了全面分类总结与分析。其次，对高炉炼铁中数据驱动软测量技术的应用现状（如硅含量、熔铁温度、气体利用率等）作对比分析。最后，展望了数据驱动软测量技术在高炉数字孪生、多源信息融合、碳达峰与碳中和等方面的潜在挑战和未来发展趋势。

关键词：软测量；数据驱动建模；机器学习；深度学习；高炉；炼铁过程

HTML PDF 收藏

数据驱动选矿过程优化研究进展

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

摘要：

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

HTML PDF 收藏

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

摘要：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。

关键词：智慧发电机器学习数据驱动控制系统工程

HTML PDF 收藏

数据和模型驱动的可信系统国际研讨会

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

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

摘要：

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。

关键词：计算机数控加工异常检测果蝇优化算法数据驱动方法

HTML PDF 收藏

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

摘要：

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。

关键词：抗体纯化多尺度优化抗原结合片段混合整数规划数据驱动模型分段线性回归

HTML PDF 收藏

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

摘要：

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。

关键词：大数据数据驱动机器学习材料筛选材料设计

HTML PDF 收藏

基于随机有限集的非齐次马尔可夫链联合概率数据关联滤波器 Research Articles

朱昀1,2,梁爽3,吴晓军1,2,杨红红1,2

《信息与电子工程前沿（英文）》 2021年第22卷第8期页码 1114-1126 doi: 10.1631/FITEE.2000209

摘要：提出一种启发式方法，通过随机有限集理论优化数据关联跟踪算法的后验密度。具体而言，提出一种改进的联合概率数据关联滤波方法，即最近邻集合联合概率数据关联方法（NNSJPDA）。为提高边缘化的准确性，利用一种基于Kullback-Leibler散度的最近邻方法，对所有可能的数据关联事件中的目标标签进行转换。此外，进一步考虑目标标签向量的分布。后验密度转换后，可得到目标标签向量的转移矩阵。该转移矩阵随时间变化，使得目标标签向量分布的传播遵循非齐次马尔可夫链。证明了该链本质上是双随机的，并推导了相应定理。本文结果可推广到相同随机有限集框架下的其他数据关联方法。

关键词：目标跟踪；滤波理论；随机有限集理论；贝叶斯方法；马尔可夫链

HTML PDF 收藏

裂缝性储层数据驱动模型证伪与不确定性量化 Article

方军龄, 龚斌, Jef Caers

《工程（英文）》 2022年第18卷第11期页码 116-128 doi: 10.1016/j.eng.2022.04.015

摘要：然后，我们采用近似贝叶斯计算（ABC）方法，结合基于决策树的代理模型来拟合生产历史。

关键词：贝叶斯证据学习证伪裂隙性储层随机森林近似贝叶斯计算

HTML PDF 收藏

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

摘要：提出系统化的多智能体微分博弈构建和分析方法，同时给出一种基于强化学习技术的数据驱动方法。首先论证了由于网络交互的耦合特性，典型的分布式控制器无法充分保证微分博弈的全局纳什均衡。构造了一种无需系统模型信息的离轨策略强化学习算法，利用在线邻居交互数据对控制器进行优化更新，并证明控制器的稳定性和鲁棒性。进一步提出一种基于改进耦合指标函数的微分博弈模型及其等效的强化学习求解方法。与现有研究相比，该模型解决了多智能体所需信息的耦合问题，并实现分布式框架下全局纳什均衡和稳定控制。构造了与此纳什解对应的等价并行强化学习方法。最后，仿真结果验证了学习过程的有效性和一致控制的稳定性。

关键词：多智能体系统；微分博弈；一致控制；数据驱动；强化学习

HTML PDF 收藏

智能过程制造中的数据解析与机器学习——大数据时代的最新进展与展望 Perspective

尚超、 Fengqi You

《工程（英文）》 2019年第5卷第6期页码 1010-1016 doi: 10.1016/j.eng.2019.01.019

摘要：

安全、高效、可持续的运行是工业生产过程控制的主要目标。然而，目前的技术严重依赖人为干预，因此在实际应用中体现出明显的局限性。蓬勃发展的大数据时代对流程工业产生了巨大的影响，为实现智能制造提供了前所未有的机遇。这种新的生产方式不仅要求机器能够帮助人类减轻繁重的体力劳动，还要能有效地承担智力劳动，甚至能够实现自主创新。为了实现这一目标，数据分析与机器学习扮演着不可或缺的角色。在本文中，我们回顾了数据分析和机器学习在工业生产过程监控、控制和优化方面的最新进展，着重分析机器学习模型的可解释性和功能性。

关键词：大数据机器学习智能制造过程系统工程

HTML PDF 收藏

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

摘要：

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。

关键词：数据科学人工智能数据权利数据定价隐私计算

HTML PDF 收藏

面向多目标跟踪的关联相似度神经网络学习 Research Articles

马良,钟巧勇,张营营,谢迪,浦世亮

《信息与电子工程前沿（英文）》 2021年第22卷第9期页码 1194-1206 doi: 10.1631/FITEE.2000272

摘要：为解决视频多目标跟踪问题，提出一种特征和度量联合学习的深度神经网络架构，称为关联相似度网络。关联相似度网络以端到端的方式学习跟踪轨迹和检测结果之间的关联相似度。针对有缺陷的检测结果，关联相似度网络同时学习矩形框回归、目标分类和相似度回归3个任务。不同于现有基于对比排序思想的方法，我们直接训练一个二分类器来学习跟踪轨迹与检测结果的关联相似度，同时设计了损失函数来约束匹配集合元素的个数。得益于上述设计，关联相似度网络不仅能够解决多目标跟踪问题中的匹配问题，还可以进行单目标跟踪。基于提出的关联相似度网络，设计了一个简单的多目标跟踪算法，在MOT16和MOT17测试集上的实验结果表明其有效性。

关键词：多目标跟踪；深度神经网络；相似度学习