博文

【封面合集】Automation 2026 上半年 | 机器人、智能控制、自动驾驶重磅成果一览

已有 217 次阅读 2026-10-15 15:52 |个人分类:封面文章合集|系统分类:论文交流

数字驱动自动化时代飞速迭代，智能控制、机器人系统、AI 传感、工业数字孪生、智慧交通、农业自动化等前沿领域成果持续涌现。MDPI 国际开放获取期刊Automation (EISSN 2673-4052) 2026 年第 7 卷 1、2、3 期已完整上线，本期为大家精选三期刊登全部封面代表性文章，覆盖多学科交叉创新成果，全文开放获取，免费下载研读！

期刊实力速览

检索收录：Web of Science (ESCI)、Scopus、CNKI、EBSCO 等全球主流数据库

期刊指标：2025 IF 2.9，CiteScore 4.5，JCR Q2 自动化控制领域期刊

出版优势：平均 24.8 天首轮审稿，录用后 5.6 天极速上线，作者完整保留版权

收稿范围：智能控制、机器人、智能制造、自动驾驶、农业自动化、工业能源系统、数字孪生等自动化交叉方向

分卷封面文章亮点导读

第七卷，第一期 (2026 年 2 月，35 篇收录) 本期 35 篇文章围绕智能控制算法、数字孪生智能制造、深度学习机器视觉、无人交通载具、特种机器人、电力能源自动化、嵌入式测控硬件七大方向，聚焦工业再制造、自动驾驶、风电电网、智慧楼宇、农业无人机、环境安全监测工程落地，以模型预测控制、滑模控制、轻量化 YOLO、强化学习、数字孪生为核心技术主线，理论算法与实物实验验证结合，覆盖自动化全主流交叉领域。

本期封面文章创新融合数字孪生 + 模型预测控制，攻克锈蚀螺栓自动拆解难题，实现动力电池机器人无损高效再制造。

Gbadebo, A.; Altumi, F.; Liang, C.; Pham, D.T. Digital Twin with Model Predictive Control for Screw Unfastening by Robots. Automation 2026, 7, 20. https://doi.org/10.3390/automation7010020

第七卷，第二期 (2026 年 4 月，30 篇收录)

本期共收录 30 篇开放获取前沿文章，聚焦智能控制理论、机器人系统、工业机器视觉、无人机 / 无人载具、能源电力自动化、智慧农业、交通自动化、工业故障诊断、数字仿真平台九大核心赛道，融合模糊控制、模型预测、深度学习、强化学习、数字孪生、ROS 联合仿真等主流技术，覆盖制造、光伏电网、轨道交通、自动驾驶、航空风洞、精准农业、医疗辅具、海事监测、智能变电站多落地场景，同时包含 IEC 61850、电动汽车优化等重磅系统性综述，兼顾控制理论创新与工程实物验证，理论算法与行业应用双向均衡，适合自动化、机器人、电气、智能制造、AI 感知领域科研从业者研读。

本期封面文章提出PD + 自适应模糊 PI/PD 混合并行控制架构，解决两轮自平衡机器人非线性、欠驱动、易失稳难题，直线、急弯、坡道全工况自适应调节控制增益，抗噪声与扰动能力大幅提升，低成本单片机即可部署落地。

Rojas-Galván, R.; Romero-Moreno, J.A.; Carrillo-Serrano, R.V.; García-Martínez, J.R.; Martínez-Sánchez, T.; Trejo-Perea, M.; Ríos-Moreno, J.G.; Rodríguez-Reséndiz, J. A Classic and Fuzzy Parallel Hybrid Controller of PD-PI Type for a Two-Wheeled Self-Balancing Robot. Automation 2026, 7, 49. https://doi.org/10.3390/automation7020049

第七卷，第三期 (2026 年 6 月，34 篇收录)

本期共收录 34 篇高质量开放获取文章，聚焦智能控制理论、数字孪生全场景应用、自动驾驶车联网安全、无人机 / 移动机器人、工业智能制造、电力电网自动化、智慧农业、工业 AI 视觉、工业信息安全、多目标优化算法十大核心方向，融合模型预测控制 MPC、模糊鲁棒控制、强化学习、联邦学习、物理信息神经网络 PINSE、SLAM、深度学习缺陷检测等前沿技术，覆盖自动驾驶、储能虚拟电厂、船舶电力、智能变电站、矿山调度、消防机器人、油气工业、温室农业、轨道交通、建筑感知等多元工程落地场景，原创算法与综述文献兼备，既有基础控制理论创新，也有面向产业的完整工程验证，适配控制、机器人、电气、智能制造、智能交通、AI 安全领域科研人员阅读引用。

本期封面文章面向车联网对抗威胁，构建鲁棒联邦学习，提升网络异常检测性能。

Md Jalal Uddin, A.Z.; Nayeem, A.; Bhuiyan, T. Robust Federated Learning for Anomaly Detection in Connected Autonomous Vehicle Networks Under Adversarial Attacks. Automation 2026, 7, 80. https://doi.org/10.3390/automation7030080