针对工业机器人末端负载与外界环境接触力的感知需求，在机器人法兰与负载之间设置六维力传感器，并研究一套标定与计算方法，综合考虑负载重力作用、传感器零点、机器人安装倾角等因素，利用不少于3个机器人姿态下的力传感器数据，可求得传感器零点、机器人安装倾角、负载重力大小、负载重心坐标等参数，进一步可消除传感器零点及负载重力对受力感知的影响，精确得到机器人末端负载所受的外部作用力与力矩.实验得到对于重量从320N到1917N的负载，在静态条件下，感知外力的误差在负载重力的0.28%以内，感知外力矩的误差在负载对传感器力矩的0.59%以内.

提出了一种基于非均匀环境建模与三阶Bezier曲线的平滑路径规划算法，以指导工装的运动.在环境建模方面，利用四叉树建立环境的非均匀模型，能够有效压缩环境信息，提高搜索效率；在路径搜索方面，以非均匀环境模型为基础，提出一种距离启发搜索和信息素混合更新的蚁群算法，能够得到工装的安全可行路径点；在路径平滑方面，基于三阶Bezier曲线，提出能够连接任意位置和任意方向两点的转弯单元的设计方法，利用转弯单元连接路径搜索算法得到的路径点，能够获得满足工装非完整性约束的平滑路径.最后，以大型激光驱动器的靶场环境为对象，对本文算法的有效性和可靠性进行验证，并利用DELMIA平台进一步验证了规划路径的运动平滑性和安全性.

首先分析工业过程全流程运行监控的内涵与行业现状；其次，阐述基于模型的控制系统故障诊断与容错控制方法，以及数据驱动的异常工况诊断与自愈控制方法的研究现状，并指明信息物理系统（Cyber-physical systems，CPS）时代智能安全运行监控与自优化的发展机遇；最后，论述工业过程运行监控与自优化研究的新方向和最新进展，包括：1）数据驱动的决策、协同控制、底层控制多层面联合监控；2）基于机理、数据、知识多源动态信息融合的异常工况诊断；3）专家知识与控制手段相结合的协同层自愈控制；4）数据驱动的运行动态性能分析与自优化；5）支撑运行监控与自优化系统的实现技术.

技术创新是社会经济发展的核心驱动力. 继以物联网、云计算、大数据和移动互联网为代表的信息技术之后, 以深度学习为代表的人工智能技术蓬勃发展, 被公认是社会经济发展的新动能和新引擎, 有望在农业生产、工业制造、经济金融、社会管理等众多领域产生颠覆性变革. 生成式对抗网络作为一种新的生成式模型, 已成为深度学习与人工智能技术的新热点, 在图像与视觉计算、语音语言处理、信息安全等领域中展现出巨大的应用和发展前景.

结合中国自动化科学与技术的发展状况和中国绝大多数大学设有自动化专业的现状，借鉴自动化科学与技术发展历程中的成功经验，结合国家社会经济发展和国家安全对自动化系统的未来需求，以生产制造系统、重要运载工具和人参与的信息物理系统为主要对象，以自动化系统的发展方向—智能自主控制系统、智能优化决策系统和智能优化决策与控制一体化系统的愿景功能为目标，以研究实现愿景功能的建模、控制与优化新算法和新的自动化系统的设计方法和实现技术以及结合重大应用领域开展的应用研究为主线，提出了自动化科学与技术的发展方向，并结合新兴应用领域对自动化科学与技术的需求与挑战，提出了未来自动化科学与技术的发展方向.

基于时间序列建模思想，集成采用多输出自回归移动平均（M-ARMAX）建模、因子分析、Pearson相关分析、基于赤池信息准则（AIC）与模型拟合优度联合定阶等混合技术，提出一种模型结构简单、精度较高且易于工程实现的十字测温中心温度在线估计方法.首先，提出利用因子分析与Pearson相关分析相结合的稳健特征选择方法选取多输出建模输入变量.然后，采用样本均值消去法预处理采集的高炉样本数据，使其成为离散随机数.基于离散随机数，建立算法简单、易于工程实现的M-ARMAX温度模型：为了克服传统基于AIC阶数确定造成模型阶次高、结构复杂的问题，提出在AIC准则基础上进一步引入模型拟合优度来选取模型最小阶，可保证模型估计精度的同时降低模型阶次；同时，采用可快速收敛的递推最小二乘算法辨识M-ARMAX模型参数，并用残差分析方法检验模型.工业试验和比较分析表明：建立的M-ARMAX模型能够根据实时数据同时对十字测温装置多个中心温度点进行准确和稳定估计，且模型估计误差符合高斯白噪声特性.

设计了一个基于实用拜占庭容错算法（PBFT）的联盟式医疗区块链系统，该系统是一个多节点共同维护与共享的，并且能够防止医疗数据被篡改、泄露的医疗系统，可用来解决这些医疗难题.与现有医疗区块链系统相比，本系统具有一定的优越性与较好的适用性.

综述了强化学习和深度强化学习方法的原理, 提出学习系统的闭环控制框架, 分析了多智能体深度强化学习中存在的若干重要问题和解决方法, 包括多智能体强化学习的算法结构、环境非静态和部分可观性等问题, 对所调查方法的优缺点和相关应用进行分析和讨论. 最后提供多智能体深度强化学习未来的研究方向, 为开发更强大、更易应用的多智能体强化学习控制系统提供一些思路.

首先应用莱维飞行算法对樽海鞘群优化算法进行改进, 将多阈值Otsu函数作为优化算法的适应度函数, 利用改进后的LSSA寻找适应度函数的最大值, 同时获得相对应的多阈值.其次, 通过对几幅基本图像、伯克利大学图像分割库中的图像和实际污油图像进行多阈值Otsu分割研究, 在最佳适应度值、PSNR、SSIM指标以及算法耗时方面进行对比分析.实验结果表明本文提出的算法可以获得更为准确的分割阈值和更高的分割效率.

针对目前机车、动车牵引系统中主回路接地故障的精确定位问题, 提出了一种基于特征相关性的故障诊断方法. 该方法通过在线计算与故障关联的特征变量, 提取相关故障特征指标, 并考虑各故障特征指标间的相关性, 利用典型相关分析得到残差, 以实现快速故障检测. 进一步, 构建基于残差方向的故障隔离方法, 实现准确地故障定位. 现场实验表明, 与传统基于相关性的故障诊断方法以及实际工程应用方法相比, 在存在较大测量噪声与暂态工况变化时, 本文所提方法能实现更好的故障检测与隔离性能, 具有良好的应用价值.

面向数字化、智能化的新一代网络发展目标, 本文首次系统化提出了 “数字孪生网络(DTN: Digital twin network)” 的概念, 给出了系统架构设计, 分析了DTN的关键技术. 通过对DTN发展挑战的分析, 指出了未来 “数字孪生网络” 的发展方向.

针对PID控制器的整定问题, 提出了自耦PID (SC-PID)控制方法.该方法将系统动态和内外不确定性定义为总和扰动, 从而将非线性不确定系统变换为线性不确定系统, 进而构建了总和扰动反相激励下的误差动态系统, 据此设计了SC-PID控制律模型和整定规则, 进而设计了自适应速度因子(ASF)模型.数值仿真结果表明, SC-PID具有快的响应速度、高的控制精度、良好的抗总和扰动鲁棒性等诸多优点. SC-PID整定规则为现有PID整定结果的技术评估与技术升级提供了科学的理论依据, 在国防和工业控制领域具有广泛的应用价值.

从D-S证据理论出发, 针对Dempster组合规则存在的“反直觉”问题和组合爆炸, 主要围绕置信分布理论系统地梳理了证据理论的发展过程, 总结分析了国内外典型文献, 最后从实际应用对证据理论进行了简要的评述和展望.