前言

冶金、化工、煉油、電力、造紙、建材等大批量連續(xù)生產(chǎn)的過(guò)程工業(yè)(process industry,也稱流程工業(yè))是我國(guó)國(guó)民經(jīng)濟(jì)建設(shè)的重要支柱.工業(yè)自動(dòng)化作為過(guò)程工業(yè)不可缺少的組成部分,一直是實(shí)現(xiàn)生產(chǎn)安全、平穩(wěn)、優(yōu)質(zhì)、高效的基本條件和重要保證.近年來(lái),隨著人工智能技術(shù)的飛速發(fā)展,以機(jī)器學(xué)習(xí)、工業(yè)大數(shù)據(jù)、工業(yè)互聯(lián)網(wǎng)、數(shù)字孿生等為代表的新興信息技術(shù)正深刻改變傳統(tǒng)過(guò)程工業(yè)自動(dòng)化的感知、分析、決策和執(zhí)行過(guò)程,并正在向工業(yè)智能化邁進(jìn).在可預(yù)見(jiàn)的未來(lái),在人工智能技術(shù)的驅(qū)動(dòng)下,工業(yè)自動(dòng)化的信息系統(tǒng)將能夠認(rèn)知和理解過(guò)程工業(yè)的物理系統(tǒng),并實(shí)現(xiàn)建模、監(jiān)測(cè)、控制、優(yōu)化、決策的知識(shí)型工作自動(dòng)化;而物理系統(tǒng)的執(zhí)行單元將逐漸與人共融,最終實(shí)現(xiàn)人、機(jī)、物的有機(jī)融合,也即實(shí)現(xiàn)工業(yè)智能.

本?？劢谷斯ぶ悄茯?qū)動(dòng)的過(guò)程工業(yè)自動(dòng)化與智能化的最新理論與應(yīng)用成果,旨在為研究人員提供一個(gè)展示工業(yè)自動(dòng)化與智能化新成果的平臺(tái).?？彩盏接行陡?8篇,通過(guò)編輯部預(yù)審、同行專家初審和復(fù)審、主編終審等嚴(yán)格評(píng)審流程,最終錄用21 篇研究論文.內(nèi)容涉及人工智能驅(qū)動(dòng)的過(guò)程工業(yè)建模、監(jiān)測(cè)、控制與優(yōu)化等多個(gè)方面,其中: 人工智能驅(qū)動(dòng)的過(guò)程工業(yè)建模論文11篇,人工智能驅(qū)動(dòng)的過(guò)程工業(yè)控制與優(yōu)化論文6篇,人工智能驅(qū)動(dòng)的過(guò)程工業(yè)圖像分析與處理、知識(shí)圖譜構(gòu)建等論文4篇.具體而言,這些論文的主要貢獻(xiàn)如下:

1) 在人工智能驅(qū)動(dòng)的過(guò)程工業(yè)建模理論方法方面,浙江大學(xué)陸思潔、郜傳厚等針對(duì)最優(yōu)超球體支持向量機(jī)缺乏可解釋性和透明性的問(wèn)題,提出一種集成數(shù)據(jù)挖掘知識(shí)的可解釋最優(yōu)超球體支持向量機(jī)算法;西安科技大學(xué)張昭昭等針對(duì)傳統(tǒng)回聲狀態(tài)網(wǎng)絡(luò)難以有效應(yīng)對(duì)高階非線性復(fù)雜建模問(wèn)題,提出雙儲(chǔ)層結(jié)構(gòu)誤差補(bǔ)償回聲狀態(tài)網(wǎng)絡(luò)建模算法;太原理工大學(xué)霍海丹、閻高偉等提出基于超圖正則化的域適應(yīng)多工況預(yù)測(cè)建?？蚣?提高了模型的精度和泛化性能.此外,沈陽(yáng)航空航天大學(xué)于洋等針對(duì)在線魯棒隨機(jī)權(quán)神經(jīng)網(wǎng)絡(luò)計(jì)算中的矩陣不適定問(wèn)題,提出奇異值分解下的在線魯棒正則化隨機(jī)網(wǎng)絡(luò)算法;上海交通大學(xué)牟天昊、李少遠(yuǎn)等針對(duì)在過(guò)程工業(yè)預(yù)測(cè)中知識(shí)構(gòu)建與知識(shí)挖掘成本高的問(wèn)題,提出一種基于知識(shí)協(xié)同進(jìn)化的增強(qiáng)圖卷積網(wǎng)絡(luò)預(yù)測(cè)建模方法.

2) 在具體的復(fù)雜工業(yè)過(guò)程智能建模方面,大連理工大學(xué)金鋒、趙珺等提出一種基于知識(shí)蒸餾的高爐煤氣系統(tǒng)建模方法,為后續(xù)能源系統(tǒng)優(yōu)化調(diào)度提供有力支撐.針對(duì)類似的復(fù)雜冶金過(guò)程建模問(wèn)題,東北大學(xué)周平等提出基于稀疏表示剪枝集成建模的燒結(jié)終點(diǎn)位置智能預(yù)測(cè)方法,中南大學(xué)方怡靜、蔣朝輝、桂衛(wèi)華等提出基于工況知識(shí)引導(dǎo)注意力時(shí)間卷積網(wǎng)絡(luò)的燒結(jié)終點(diǎn)位置預(yù)測(cè)方法,均取得了較好的應(yīng)用效果.此外,江西理工大學(xué)張水平等提出基于多任務(wù)學(xué)習(xí)與多目標(biāo)優(yōu)化的稀土萃取過(guò)程多維度軟測(cè)量建模方法,華僑大學(xué)宋江婷、金福江等提出基于多組分透射光線性空間核學(xué)習(xí)的組分濃度建模方法,浙江大學(xué)王一航、趙春暉等提出面向鋰電池少量循環(huán)的二維支持域直推式健康狀態(tài)預(yù)測(cè)方法,實(shí)現(xiàn)了鋰電池充放電歷史初期及再生點(diǎn)的較好預(yù)測(cè).

3) 在人工智能驅(qū)動(dòng)的過(guò)程工業(yè)控制與優(yōu)化方面,北京工業(yè)大學(xué)孫劍、喬俊飛等針對(duì)固廢焚燒過(guò)程的強(qiáng)非線性和強(qiáng)不確定性問(wèn)題,提出數(shù)據(jù)驅(qū)動(dòng)的城市固廢焚燒過(guò)程煙氣含氧量智能預(yù)測(cè)控制方法;上海大學(xué)孫小明、彭晨等針對(duì)復(fù)雜工況下選擇性催化還原系統(tǒng)難以實(shí)現(xiàn)精確脫硝控制的問(wèn)題,提出基于遷移強(qiáng)化學(xué)習(xí)的智能控制方法,實(shí)現(xiàn)了復(fù)雜工況下燃煤機(jī)組NOx排放量的有效控制.此外,華中科技大學(xué)胡振濤等針對(duì)多技能項(xiàng)目調(diào)度存在的組合爆炸問(wèn)題,提出基于強(qiáng)化學(xué)習(xí)的多技能項(xiàng)目調(diào)度優(yōu)化算法;昆明理工大學(xué)胡蓉等針對(duì)綠色分布式可重入作業(yè)車間調(diào)度問(wèn)題,提出融入概率學(xué)習(xí)的混合差分進(jìn)化優(yōu)化算法;桂林電子科技大學(xué)張懷權(quán)等提出考慮不確定生產(chǎn)因素的表面組裝生產(chǎn)線負(fù)載平衡優(yōu)化模型及求解方法;大連理工大學(xué)周帆、趙珺、王偉等針對(duì)綜合能源系統(tǒng)的配置優(yōu)化問(wèn)題,提出一種考慮源-網(wǎng)-荷多元不確定性的綜合能源系統(tǒng)多目標(biāo)-機(jī)會(huì)約束規(guī)劃方法,取得較好應(yīng)用效果.

4) 在人工智能驅(qū)動(dòng)的過(guò)程工業(yè)圖像分析與處理、知識(shí)圖譜構(gòu)建等方面,湖南科技大學(xué)盧明與中南大學(xué)謝永芳等針對(duì)多元圖像分析會(huì)丟失像素間空間關(guān)聯(lián)關(guān)系的問(wèn)題,提出基于圖像紋理特征的多元圖像構(gòu)造方法,在鋼鐵工業(yè)硅鋼條無(wú)損檢測(cè)中取得較好效果;昆明理工大學(xué)張大錦等針對(duì)邊緣模糊且方向多變煙塵在特征提取中邊緣方向細(xì)節(jié)信息提取困難、分割不準(zhǔn)確的問(wèn)題,提出頻域多方向C-UNet及動(dòng)態(tài)損失的工業(yè)煙塵圖像分割方法.此外,黑龍江大學(xué)于爽等采用D-S證據(jù)理論對(duì)傳感器給出的基本概率賦值的不確定性進(jìn)行量化分析,提出了基于改進(jìn)歸一化投影方法的投影不確定性廣義度量方法;廣東工業(yè)大學(xué)葛睿夫等將專家知識(shí)采用知識(shí)圖譜進(jìn)行表示,提出面向注塑產(chǎn)品缺陷的知識(shí)圖譜構(gòu)建方法,取得了較好效果.

作為客座編輯,我們希望本期?？恼撐募軌蚍从彻I(yè)自動(dòng)化與智能化的一些熱點(diǎn)問(wèn)題和前沿工作進(jìn)展,從而促進(jìn)該領(lǐng)域的學(xué)術(shù)交流與研討.最后,感謝作者們分享研究成果,感謝審稿專家們對(duì)審稿工作的支持以及提出的寶貴意見(jiàn),也特別感謝《控制理論與應(yīng)用》對(duì)本專刊給予的鼎力支持和幫助.