权学良,  曾志刚,  蒋建华,  张亚倩,  吕宝粮,  伍冬睿.  基于生理信号的情感计算研究综述.  自动化学报,  2021,  47(8): 1769−1784

张磊, 郑志勇, 袁勇. 基于区块链的电子医疗病历可控共享模型. 自动化学报, 2021, 47(9): 2143−2153

针对新时代下我国矿区智能化发展诉求与矿山无人化进程中遇到的复现难、协同难的技术问题, 本文融合智慧矿山理念、ACP (Artificial societies + computational experiments + parallel execution)平行智能理论和新一代智能技术, 设计并实现了智慧矿山操作系统 (Intelligent mine operation system, IMOS), 为平行矿山智能管理与控制一体化提出了解决方案. 本文首先分析露天煤矿产业发展趋势; 国内外露天矿山智能化发展情况; 面向露天矿山无人化与智能化需求, 深度融合数字四胞胎理论, 设计了虚实融合的IMOS架构; 详细阐述了IMOS子系统架构与功能, 包括: 单车作业系统、多车协同系统、车路协同系统、无人驾驶智能系统、调度管理系统、平行系统、监管系统、远程接管系统和通信系统; 并探讨了IMOS关键技术, 即平行矿山仿真建模技术、无人驾驶技术、矿区通信技术和协同作业技术. 该操作系统是国内首套露天矿山无人化与智能化的一体化解决方案, 并能够迁移到不同矿区不同作业场景, 推动矿区智能化无人化发展, 减少人工干预从而降低安全风险, 大幅度降低人工成本, 提高生产作业效率, 并可结合社会发展要素为实现绿色可持续发展矿区提供支撑.

针对滚动轴承故障特征提取不丰富而导致的诊断识别率低的情况, 提出了基于参数优化变分模态分解(Variational mode decomposition, VMD)和样本熵的特征提取方法, 采用支持向量机(Support vector machine, SVM)进行故障识别. VMD方法的分解效果受限于分解个数和惩罚因子的选取, 本文分析了这两个影响参数选取的不规律性, 采用遗传变异粒子群算法进行参数优化, 利用参数优化的VMD方法处理故障信号. 样本熵在衡量滚动轴承振动信号的复杂度时, 得到的熵值并不总是和信号的复杂度相关, 故结合滚动轴承的故障机理, 提出基于滚动轴承故障机理的样本熵, 此样本熵衡量振动信号的复杂度与机理分析的结果一致. 仿真实验表明, 利用本文提出的特征提取方法, 滚动轴承的故障诊断准确率有明显的提高.

基于移动机器人的拣货系统(Robotic mobile fulfillment systems, RMFS)作为一种新型物至人的拣货系统, 相比人工拣货系统和AS/RS拣货系统(下文统称传统拣货系统)具有更高的拣货效率、更好的系统可扩展性和柔性. 为全面了解RMFS的运行模式及其优化方向, 本文首先回顾了RMFS的工作流程及优化理论框架, 然后对RMFS的货位指派、订单分批、任务分配、路径规划以及建模方法等问题进行了文献回顾和总结, 并指出了RMFS与传统拣货系统在拣货过程方面的异同及当前研究的不足. 最后, 讨论了RMFS的几个重要研究方向, 为RMFS的理论研究和应用实践提供参考.

运用数据挖掘技术进行铁路事故类型预测及成因分析, 对于建立铁路事故预警机制具有重要意义. 为此, 本文提出一种基于梯度提升决策树(Grandient boosting decision tree, GBDT)的铁路事故类型预测及成因分析算法. 针对铁路事故记录数据缺失的问题, 提出一种基于属性分布概率的补全算法, 最大程度保持原有数据分布, 从而降低数据缺失对事故类型预测造成的影响. 针对铁路事故记录数据类别失衡的问题, 提出一种集成的GBDT模型, 完成对事故类型的鲁棒性预测. 在此基础上, 根据GBDT预测模型中特征重要度排序, 实现事故成因分析. 通过在开放数据库上进行实验, 验证了本文模型的有效性.

利用无人机载的热红外图像开展行人及车辆检测, 在交通监控、智能安防、防灾应急等领域中, 具有巨大的应用潜力. 热红外图像能够在夜间或者光照条件不理想的情况对场景目标清晰成像, 但也往往存在对比度低、纹理特征弱的缺点. 为此, 本文提出使用热红外图像的显著图来进行图像增强, 作为目标检测器的注意力机制, 并研究仅使用热红外图像和其显著图提高目标检测性能的方法. 此外, 针对无人机内存不足、算力有限的特点, 设计使用轻量化网络YOLOv3-MobileNetv2作为目标检测模型. 在实验中, 本文训练了YOLOv3网络作为检测的评价基准网络. 使用BASNet生成显著图, 通过通道替换和像素级加权融合两种方案将热红外图像与其对应的显著图进行融合增强, 比较了不同方案下YOLOv3-MobileNetv2模型的检测性能. 统计结果显示, 行人及车辆的平均精确度(Average precision, AP)相对于基准分别提升了6.7%和5.7%, 同时检测速度提升了60%, 模型大小降低了58%. 该算法模型为开拓无人机载热红外图像的应用领域提供了可靠的技术支撑.

近年来, 深度学习技术已在滚动轴承故障检测和诊断领域取得了成功应用, 但面对不停机情况下的早期故障在线检测问题, 仍存在着早期故障特征表示不充分、误报警率高等不足. 为解决上述问题, 本文从时序异常检测的角度出发, 提出了一种基于深度迁移学习的早期故障在线检测方法. 首先, 提出一种面向多域迁移的深度自编码网络, 通过构建具有改进的最大均值差异正则项和Laplace正则项的损失函数, 在自适应提取不同域数据的公共特征表示同时, 提高正常状态和早期故障状态之间特征的差异性; 基于该特征表示, 提出一种基于时序异常模式的在线检测模型, 利用离线轴承正常状态的排列熵值构建报警阈值, 实现在线数据中异常序列的快速匹配, 同时提高在线检测结果的可靠性. 在XJTU-SY数据集上的实验结果表明, 与现有代表性早期故障检测方法相比, 本文方法具有更好的检测实时性和更低的误报警数.

指标说明

高被引论文：同年度同学科同种文献类型（研究型、综述型文献）的国内期刊、会议论文中，总被引频次排名前1%的论文，即高被引论文Top1%。

高下载论文：同年度同学科同种文献类型（研究型、综述型文献）的国内期刊、会议论文中，总下载频次排名前1%的论文，即高下载论文Top1%。

高PCSI论文：同年度同学科同种文献类型（研究型、综述型文献）的国内期刊、会议论文中，PCSI指数排名前1%的论文，即高PCSI论文Top1%。PCSI指数（论文引证标准化指数）为将（PCSI统计源）被引频次进行归一化处理后所得到的相对影响力评价指标，能够表征论文被“控制后统计源”引用的次数与同学科同年度论文平均水平的差距，该指标可以实现不同学科不同年度论文之间的比较。