新学期伊始，2026 年也已悄然进入第三个月。

我们想邀请你——走在科研最前线的探索者，来做一个前瞻性的预测：

2026年，工程领域哪个细分方向最有可能迎来新的突破与关注？

在科研不断演进的进程中，研究热点持续迭代，前沿风向也在不断变化。从去年的“AI for Science” 到当下的“具身智能”，下一个引发广泛关注的前沿热点，会出现在哪个方向？  

扫码花费1分钟完成 2026年工程领域前沿方向预测，我们将抽取 10 位幸运参与者，送出价值 60 元的 Wiley 定制拓展坞！

在参与之前，不妨先一起回顾 2025 年的研究热点，也许能为你的判断带来一些灵感。

2025 年工程研究热点分享

数据来源与分析方法

以 Clarivate（科睿唯安）提供的分析评价工具 —— Essential Science Indicators[1]（基本科学指标，简称ESI）为标准，我们在Wiley旗下工程（Engineering）类期刊中选取了JCR（Journal Citation Reports）1区和2区的33本期刊作为数据统计源。它们在 2025年1月1日—12月31日 共刊发6517篇文章，通过对文章的关键词与文章发布180天后的使用量情况进行分析，本文梳理并总结了2025年工程领域的学术热点，现与读者共享。

[1] Essential Science Indicators（基本科学指标，简称ESI）是Clarivate（科睿唯安）提供的分析评价工具，来自于Web of Science 核心合集（SCI & SSCI）收录的近10年文献记录（article & review）及其引文数据，揭示新兴的科学态势，分析22个学科领域中有影响力的科学家、机构、论文、期刊以及国家。

关键词与学术热点

通过对33本工程期刊文章的42829个关键词进行统计，数据表明工程类期刊发布文章2025年的学术研究热点集中在“跟踪控制”(Tracking Control) 关键词使用量频次1336次，紧跟其后是“深度学习” (Deep Learning)、“机器学习”(Machine Learning)、“人工智能”(Artificial Intelligence)、“多智能体系统” (Multi-agent Systems) 这些关键词的被使用量均在600次以上。

除此之外，热门的关键词还包括 “自适应控制”（Adaptive Control）、“仿真”(Simulation)、“识别” (Identification)、 “能源” (Energy)等。

热点延伸阅读

01

“跟踪控制”(Tracking Control)

跟踪控制作为本次工程领域关键词分析中出现频次最高的关键词，共计1336次。主要聚焦于各类复杂动态系统的轨迹跟踪与性能保障问题，研究对象涵盖机器人系统、飞行器系统、车辆系统以及多输入多输出系统等。相关工作通常结合非线性控制、自适应控制与鲁棒控制方法，针对系统不确定性、外部扰动及时延等因素，设计高精度、高可靠性的跟踪控制策略。

文章精选

如Adaptive Practical Prescribed-Time Control for Stochastic Nonlinear Systems With Input Saturation 本文针对存在输入饱和和状态不可测的随机非线性系统，研究了一种实用的预设时间控制方法。通过设计改进的时变约束函数并结合基于观测器的自适应控制策略，在无需先验饱和界信息且不依赖分数阶反馈的情况下，实现了跟踪误差在预设时间内收敛至可调精度范围内，其有效性通过仿真结果得到验证。

“跟踪控制”主题下被浏览次数前五的文章   

Adaptive Practical Prescribed-Time Control for Stochastic Nonlinear Systems With Input Saturation

http://dx.doi.org/10.1002/rnc.70103

Control Oriented Reinforcement Learning: A Survey of Recent Progress and Applications

http://dx.doi.org/10.1002/rnc.70152

Research on Steering Path Tracking Performance of Articulated Quad-Tracked Vehicle Based on Fuzzy PID Control

http://dx.doi.org/10.1002/rob.22589  

Intelligent vehicle path planning and obstacle avoidance control based on path following and stability coordination

http://dx.doi.org/10.1002/asjc.3686  

Distributed Fixed-Time Event-Triggered Formation Consensus Control for Multiple AUV System Based on RBF Disturbance Observer

http://dx.doi.org/10.1002/rob.70070

02

“深度学习” (Deep Learning) 

深度学习在工程领域关键词中保持着极高的出现频次，已成为推动工程研究智能化的重要技术手段。被广泛关注的相关研究多集中于复杂系统建模、特征提取与非线性映射问题，应用场景包括控制系统建模、状态估计、故障诊断以及预测分析等。研究者通过将深度学习模型与传统工程方法相结合，有效缓解了复杂系统难以精确建模的问题，显著提升了工程系统的建模精度与控制性能。

文章精选

如文章Benchmarking YOLO Variants for Enhanced Blood Cell Detection 本研究采用卷积神经网络（CNN）对血细胞检测进行自动化建模，系统比较了多种 YOLO 模型（包括 YOLO v5、v7、v8、v9c 和 v10）在红细胞、白细胞和血小板检测任务中的性能。实验结果表明，YOLO v5 在总体检测精度上表现最佳（mAP50 达 93.5%），各版本 YOLO 模型均展现出较高的检测准确性和实用潜力，为提升医学影像分析效率和临床诊断准确性提供了有效技术路径。

“深度学习”主题下被浏览次数前五的文章  

Benchmarking YOLO Variants for Enhanced Blood Cell Detection

http://dx.doi.org/10.1002/ima.70037  

Recent Advances in Automatic Modulation Classification Technology: Methods, Results, and Prospects

http://dx.doi.org/10.1155/int/4067323  

Geometry-Aware 3D Point Cloud Learning for Precise Cutting-Point Detection in Unstructured Field Environments

http://dx.doi.org/10.1002/rob.22567

Challenges and Advances in Underwater Sonar Systems and AI-Driven Signal Processing for Modern Naval Operations: A Systematic Review

http://dx.doi.org/10.1002/rob.70077

Predictive Maintenance Strategies for Aero-Engines Considering Remaining Useful Life Prediction Interval

http://dx.doi.org/10.1002/qre.70043

03

“机器学习”（Machine learning）

机器学习作为工程研究中应用最为广泛的数据驱动方法之一，在本次关键词统计中同样位居前列。高频文献多关注机器学习在系统识别、性能预测、参数优化及决策支持等方面的工程应用。相关研究通常面向复杂、不确定或强耦合系统，通过监督学习、强化学习等技术手段，实现对系统行为的学习与优化，为工程控制和管理提供更加灵活和高效的解决方案。  

文章精选

如文章An Efficient PINN–Based Calibration Method for Mesoscale Peridynamic Concrete Models 本文针对中尺度模型参数难以高效、准确标定的问题，提出了一种基于物理信息神经网络（PINN）的中尺度模型标定方法，通过引入物理约束建立材料参数与宏观结构力学行为之间的映射关系。以周观动力学混凝土模型为例的数值验证表明，该方法尤其是反向 PINN 模型在计算效率和标定精度方面均表现出显著优势。

“机器学习”主题下被浏览次数前五的文章  

An Efficient PINN–Based Calibration Method for Mesoscale Peridynamic Concrete Models

http://dx.doi.org/10.1155/stc/6641629

A Decade of Inverse Kinematics Methods for Serial Manipulators: A Systematic Review

http://dx.doi.org/10.1002/rob.70014

Screening for Anomalous Safety Condition Among Existing Buildings Using Explainable Machine Learning

http://dx.doi.org/10.1155/stc/6695396

Cloud-Based Control System with Sensing and Actuating Textile-Based IoT Gloves for Telerehabilitation Applications

http://dx.doi.org/10.1002/aisy.202400894  

Multifunctional Metasurface Design via Physics-Simplified Machine Learning

http://dx.doi.org/10.1155/int/1492020

04

“人工智能”(Artificial Intelligence)

人工智能在工程领域中的整体热度持续攀升，是本次关键词分析中的核心主题之一。相关高关注度研究往往从系统层面出发，探讨人工智能技术在工程系统感知、决策与控制中的综合应用。研究内容涵盖智能控制、智能运维、智能制造及自主系统等多个方向，体现出工程研究由传统方法向智能化、自动化和自主化发展的整体趋势。

文章精选

如文章Applied Artificial Intelligence in Materials Science and Material Design本文综述了人工智能，尤其是机器学习技术，在材料科学中的最新应用进展，系统总结了其在材料预测建模、表征分析及实验数据处理中的关键作用。研究表明，AI 正通过加速材料发现、优化材料设计并推动实时实验分析，深刻重塑材料科学研究范式，为高效材料研发和跨领域突破提供了新路径。

“人工智能”主题下被浏览次数前五的文章

Applied Artificial Intelligence in Materials Science and Material Design

http://dx.doi.org/10.1002/aisy.202400986  

Deep-learning-based vehicle trajectory prediction: A review

http://dx.doi.org/10.1049/itr2.70001  

Towards a Data-Driven Digital Twin AI-Based Architecture for Self-Driving Vehicles

http://dx.doi.org/10.1049/itr2.70017  

Artificial Intelligence in Fault Diagnosis of Industrial Machinery: A Comprehensive Review

http://dx.doi.org/10.1155/stc/4640227  

A Maturity Model for Practical Explainability in Artificial Intelligence-Based Applications: Integrating Analysis and Evaluation (MM4XAI-AE) Models

http://dx.doi.org/10.1155/int/4934696

05

“多智能体系统” (Multi-agent Systems)

多智能体系统是近年来工程领域研究中的重要热点，在关键词统计中占据显著位置。主要围绕多智能体系统的协同控制、一致性分析与分布式决策问题展开，应用对象包括无人机集群、机器人群体、联网车辆及能源网络系统等。相关研究通过引入分布式控制与协同算法，有效提升了系统在复杂环境下的协作能力与整体性能。 

文章精选

如文章Adaptive Predefined-Time Consensus Control for Stochastic Multi-Agent Systems本文针对随机多智能体系统，研究了一种自适应预定义时间一致性控制方法，通过扩展 Bihari 不等式并建立随机非线性系统的预定义时间稳定性理论，设计了分布式一致性控制协议。理论分析与数值算例验证表明，该方法能够在预先设定的时间内实现系统一致性。

“多智能体系统”主题下被浏览次数前五的文章  

Adaptive Predefined-Time Consensus Control for Stochastic Multi-Agent Systems

http://dx.doi.org/10.1002/rnc.70014

Independent Soft Actor-Critic Deep Reinforcement Learning for UAV Cooperative Air Combat Maneuvering Decision-Making

http://dx.doi.org/10.1002/rob.22538  

Sliding Mode Consensus Tracking Control for Multi-Agent Systems Under Hybrid Cyber Attacks Based on Dynamic Event-Triggered

http://dx.doi.org/10.1002/acs.4059

Event-triggered iterative learning formation control for a class of nonlinear multi-agent systems under deception attack

http://dx.doi.org/10.1002/asjc.3675  

Adaptive Fixed-Time Consensus of Uncertain Multi-Agent Systems With Event/Self-Triggered Strategy Under Directed Graphs

http://dx.doi.org/10.1002/rnc.7910

01

参与方式

扫描二维码，提交有效预测即有机会获得价值60元Wiley 定制拓展坞。

02

活动时间

即日起至2026年3月31日，24:00

03

活动说明

1.为感谢您参与本次活动，我们将在活动结束后在所有完成并提交预测的参与者中抽取10位幸运参与者， 为每位中奖人送上价值60元的Wiley定制拓展坞一个！

2. Wiley将会在2026年4月1日起的五个工作日内通过填写在问卷中的邮箱与中奖用户取得联系（具体发货时间将与您沟通确认，中国大陆地区邮寄产生的费用由Wiley进行承担）。

3. 若我们无法通过预留的联系方式联系到您、您明确表示放弃，或是您未在通知邮件告知的时间内回复确认，则视为您主动放弃礼品。

如对活动有任何疑问，可与Wiley工作人员联系：叶女士（yiye@wiley.com）或刘女士（yliu@wiley.com）。

也欢迎转发分享给你的科研朋友，一起参与讨论！