Activities
近日，中國(guó)知網(wǎng)（CNKI）學(xué)術(shù)精要數(shù)據(jù)庫(kù)基于中國(guó)知網(wǎng)資源總庫(kù)遴選各學(xué)科代表性論文，發(fā)布了2011-2022年高影響力論文?！蹲詣?dòng)化學(xué)報(bào)》共有1543篇論文入選，占本刊同期發(fā)表論文量的60.4%；其中，Top1% 高被引論文399篇、Top1% 高下載論文277篇、Top1% 高PCSI論文453篇。限于篇幅，以下為發(fā)表于2021-2022年、同時(shí)入選“高被引、高下載、高PCSI”的9篇論文，歡迎閱覽。
基于生理信號(hào)的情感計(jì)算研究綜述
情感計(jì)算是現(xiàn)代人機(jī)交互中的一個(gè)重要研究方向, 旨在研究與開(kāi)發(fā)能夠識(shí)別、解釋、處理和模擬人類(lèi)情感的理論、方法與系統(tǒng)。腦電、心電、皮膚電等生理信號(hào)是情感計(jì)算中重要的輸入信號(hào). 本文總結(jié)了近年來(lái)基于腦電等生理信號(hào)的情感計(jì)算研究所取得的進(jìn)展.首先介紹情感計(jì)算的相關(guān)基礎(chǔ)理論, 不同生理信號(hào)與情感變化之間的聯(lián)系, 以及基于生理信號(hào)的情感計(jì)算工作流程和相關(guān)公開(kāi)數(shù)據(jù)集.接下來(lái)介紹生理信號(hào)的特征工程和情感計(jì)算中的機(jī)器學(xué)習(xí)算法, 重點(diǎn)介紹適合處理個(gè)體差異的遷移學(xué)習(xí)、降低數(shù)據(jù)標(biāo)注量的主動(dòng)學(xué)習(xí)和融合特征工程與學(xué)習(xí)器的深度學(xué)習(xí)算法。最后, 指出基于生理信號(hào)的情感計(jì)算研究中面臨的一些挑戰(zhàn).
權(quán)學(xué)良, 曾志剛, 蔣建華, 張亞倩, 呂寶糧, 伍冬睿. 基于生理信號(hào)的情感計(jì)算研究綜述. 自動(dòng)化學(xué)報(bào), 2021, 47(8): 1769?1784
基于區(qū)塊鏈的電子醫(yī)療病歷可控共享模型
電子醫(yī)療病歷共享能夠提高醫(yī)療診斷的準(zhǔn)確性, 促進(jìn)公共醫(yī)療領(lǐng)域的發(fā)展. 針對(duì)目前普遍存在的不同醫(yī)院之間病歷共享困難、病人無(wú)法掌握其病歷的使用情況等問(wèn)題, 本文提出了病人可控、云鏈協(xié)同的病歷共享模型.各級(jí)醫(yī)院組成聯(lián)盟區(qū)塊鏈, 病歷數(shù)據(jù)實(shí)行鏈上、鏈下混合存儲(chǔ).病歷共享模型利用聚類(lèi)算法, 改進(jìn)實(shí)用拜占庭共識(shí)算法, 使得各節(jié)點(diǎn)可以更高效地達(dá)成共識(shí)。將基于屬性的加密方案與多關(guān)鍵詞加密方案結(jié)合進(jìn)行病歷加密, 實(shí)現(xiàn)了數(shù)據(jù)可控共享, 病人可自主定義訪問(wèn)策略, 同時(shí)用戶可以對(duì)加密病歷進(jìn)行安全、精確檢索. 考慮到用戶屬性的動(dòng)態(tài)更新, 本文設(shè)計(jì)了屬性更新子協(xié)議。最后評(píng)估了模型的安全性和性能, 并分析了模型的優(yōu)劣勢(shì).
張磊, 鄭志勇, 袁勇. 基于區(qū)塊鏈的電子醫(yī)療病歷可控共享模型. 自動(dòng)化學(xué)報(bào), 2021, 47(9): 2143?2153
平行礦山: 從數(shù)字孿生到礦山智能
針對(duì)新時(shí)代下我國(guó)礦區(qū)智能化發(fā)展訴求與礦山無(wú)人化進(jìn)程中遇到的復(fù)現(xiàn)難、協(xié)同難的技術(shù)問(wèn)題, 本文融合智慧礦山理念、ACP (Artificial societies + computational experiments + parallel execution)平行智能理論和新一代智能技術(shù), 設(shè)計(jì)并實(shí)現(xiàn)了智慧礦山操作系統(tǒng) (Intelligent mine operation system, IMOS), 為平行礦山智能管理與控制一體化提出了解決方案.本文首先分析露天煤礦產(chǎn)業(yè)發(fā)展趨勢(shì); 國(guó)內(nèi)外露天礦山智能化發(fā)展情況; 面向露天礦山無(wú)人化與智能化需求, 深度融合數(shù)字四胞胎理論, 設(shè)計(jì)了虛實(shí)融合的IMOS架構(gòu); 詳細(xì)闡述了IMOS子系統(tǒng)架構(gòu)與功能, 包括: 單車(chē)作業(yè)系統(tǒng)、多車(chē)協(xié)同系統(tǒng)、車(chē)路協(xié)同系統(tǒng)、無(wú)人駕駛智能系統(tǒng)、調(diào)度管理系統(tǒng)、平行系統(tǒng)、監(jiān)管系統(tǒng)、遠(yuǎn)程接管系統(tǒng)和通信系統(tǒng); 并探討了IMOS關(guān)鍵技術(shù), 即平行礦山仿真建模技術(shù)、無(wú)人駕駛技術(shù)、礦區(qū)通信技術(shù)和協(xié)同作業(yè)技術(shù).該操作系統(tǒng)是國(guó)內(nèi)首套露天礦山無(wú)人化與智能化的一體化解決方案, 并能夠遷移到不同礦區(qū)不同作業(yè)場(chǎng)景, 推動(dòng)礦區(qū)智能化無(wú)人化發(fā)展, 減少人工干預(yù)從而降低安全風(fēng)險(xiǎn), 大幅度降低人工成本, 提高生產(chǎn)作業(yè)效率, 并可結(jié)合社會(huì)發(fā)展要素為實(shí)現(xiàn)綠色可持續(xù)發(fā)展礦區(qū)提供支撐.
陳龍, 王曉, 楊健健, 艾云峰, 田濱, 李宇宸, 滕思宇, 王健, 曹東璞, 葛世榮, 王飛躍. 平行礦山: 從數(shù)字孿生到礦山智能. 自動(dòng)化學(xué)報(bào), 2021, 47(7): 1633?1645
基于參數(shù)優(yōu)化 VMD 和樣本熵的滾動(dòng)軸承故障診斷
針對(duì)滾動(dòng)軸承故障特征提取不豐富而導(dǎo)致的診斷識(shí)別率低的情況, 提出了基于參數(shù)優(yōu)化變分模態(tài)分解(Variational mode decomposition, VMD)和樣本熵的特征提取方法, 采用支持向量機(jī)(Support vector machine, SVM)進(jìn)行故障識(shí)別.VMD方法的分解效果受限于分解個(gè)數(shù)和懲罰因子的選取, 本文分析了這兩個(gè)影響參數(shù)選取的不規(guī)律性, 采用遺傳變異粒子群算法進(jìn)行參數(shù)優(yōu)化, 利用參數(shù)優(yōu)化的VMD方法處理故障信號(hào). 樣本熵在衡量滾動(dòng)軸承振動(dòng)信號(hào)的復(fù)雜度時(shí), 得到的熵值并不總是和信號(hào)的復(fù)雜度相關(guān), 故結(jié)合滾動(dòng)軸承的故障機(jī)理, 提出基于滾動(dòng)軸承故障機(jī)理的樣本熵, 此樣本熵衡量振動(dòng)信號(hào)的復(fù)雜度與機(jī)理分析的結(jié)果一致. 仿真實(shí)驗(yàn)表明, 利用本文提出的特征提取方法, 滾動(dòng)軸承的故障診斷準(zhǔn)確率有明顯的提高.
劉建昌, 權(quán)賀, 于霞, 何侃, 李鎮(zhèn)華. 基于參數(shù)優(yōu)化 VMD 和樣本熵的滾動(dòng)軸承故障診斷. 自動(dòng)化學(xué)報(bào), 2022, 48(3): 808?819
基于深度強(qiáng)化學(xué)習(xí)的多機(jī)協(xié)同空戰(zhàn)方法研究
多機(jī)協(xié)同是空中作戰(zhàn)的關(guān)鍵環(huán)節(jié), 如何處理多實(shí)體間復(fù)雜的協(xié)作關(guān)系、實(shí)現(xiàn)多機(jī)協(xié)同空戰(zhàn)的智能決策是亟待解決的問(wèn)題. 為此, 提出基于深度強(qiáng)化學(xué)習(xí)的多機(jī)協(xié)同空戰(zhàn)決策流程框架(Deep-reinforcement-learning-based multi-aircraft cooperative air combat decision framework, DRL-MACACDF), 并針對(duì)近端策略?xún)?yōu)化(Proximal policy optimization, PPO)算法, 設(shè)計(jì)4種算法增強(qiáng)機(jī)制, 提高多機(jī)協(xié)同對(duì)抗場(chǎng)景下智能體間的協(xié)同程度. 在兵棋推演平臺(tái)上進(jìn)行的仿真實(shí)驗(yàn), 驗(yàn)證了該方法的可行性和實(shí)用性, 并對(duì)對(duì)抗過(guò)程數(shù)據(jù)進(jìn)行了可解釋性復(fù)盤(pán)分析, 研討了強(qiáng)化學(xué)習(xí)與傳統(tǒng)兵棋推演結(jié)合的交叉研究方向.
施偉, 馮旸赫, 程光權(quán), 黃紅藍(lán), 黃金才, 劉忠, 賀威. 基于深度強(qiáng)化學(xué)習(xí)的多機(jī)協(xié)同空戰(zhàn)方法研究. 自動(dòng)化學(xué)報(bào), 2021, 47(7): 1610?1623
基于移動(dòng)機(jī)器人的揀貨系統(tǒng)研究進(jìn)展
基于移動(dòng)機(jī)器人的揀貨系統(tǒng)(Robotic mobile fulfillment systems, RMFS)作為一種新型物至人的揀貨系統(tǒng), 相比人工揀貨系統(tǒng)和AS/RS揀貨系統(tǒng)(下文統(tǒng)稱(chēng)傳統(tǒng)揀貨系統(tǒng))具有更高的揀貨效率、更好的系統(tǒng)可擴(kuò)展性和柔性. 為全面了解RMFS的運(yùn)行模式及其優(yōu)化方向, 本文首先回顧了RMFS的工作流程及優(yōu)化理論框架, 然后對(duì)RMFS的貨位指派、訂單分批、任務(wù)分配、路徑規(guī)劃以及建模方法等問(wèn)題進(jìn)行了文獻(xiàn)回顧和總結(jié), 并指出了RMFS與傳統(tǒng)揀貨系統(tǒng)在揀貨過(guò)程方面的異同及當(dāng)前研究的不足. 最后, 討論了RMFS的幾個(gè)重要研究方向, 為RMFS的理論研究和應(yīng)用實(shí)踐提供參考.
徐翔斌, 馬中強(qiáng). 基于移動(dòng)機(jī)器人的揀貨系統(tǒng)研究進(jìn)展. 自動(dòng)化學(xué)報(bào), 2022, 48(1): 1?20
基于 GBDT 的鐵路事故類(lèi)型預(yù)測(cè)及成因分析
運(yùn)用數(shù)據(jù)挖掘技術(shù)進(jìn)行鐵路事故類(lèi)型預(yù)測(cè)及成因分析, 對(duì)于建立鐵路事故預(yù)警機(jī)制具有重要意義. 為此, 本文提出一種基于梯度提升決策樹(shù)(Grandient boosting decision tree, GBDT)的鐵路事故類(lèi)型預(yù)測(cè)及成因分析算法. 針對(duì)鐵路事故記錄數(shù)據(jù)缺失的問(wèn)題, 提出一種基于屬性分布概率的補(bǔ)全算法, 最大程度保持原有數(shù)據(jù)分布, 從而降低數(shù)據(jù)缺失對(duì)事故類(lèi)型預(yù)測(cè)造成的影響. 針對(duì)鐵路事故記錄數(shù)據(jù)類(lèi)別失衡的問(wèn)題, 提出一種集成的GBDT模型, 完成對(duì)事故類(lèi)型的魯棒性預(yù)測(cè). 在此基礎(chǔ)上, 根據(jù)GBDT預(yù)測(cè)模型中特征重要度排序, 實(shí)現(xiàn)事故成因分析. 通過(guò)在開(kāi)放數(shù)據(jù)庫(kù)上進(jìn)行實(shí)驗(yàn), 驗(yàn)證了本文模型的有效性.
鐘敏慧, 張婉露, 李有儒, 朱振峰, 趙耀. 基于 GBDT 的鐵路事故類(lèi)型預(yù)測(cè)及成因分析. 自動(dòng)化學(xué)報(bào), 2022, 48(2): 470?478
基于顯著圖融合的無(wú)人機(jī)載熱紅外圖像目標(biāo)檢測(cè)方法
利用無(wú)人機(jī)載的熱紅外圖像開(kāi)展行人及車(chē)輛檢測(cè), 在交通監(jiān)控、智能安防、防災(zāi)應(yīng)急等領(lǐng)域中, 具有巨大的應(yīng)用潛力. 熱紅外圖像能夠在夜間或者光照條件不理想的情況對(duì)場(chǎng)景目標(biāo)清晰成像, 但也往往存在對(duì)比度低、紋理特征弱的缺點(diǎn). 為此, 本文提出使用熱紅外圖像的顯著圖來(lái)進(jìn)行圖像增強(qiáng), 作為目標(biāo)檢測(cè)器的注意力機(jī)制, 并研究?jī)H使用熱紅外圖像和其顯著圖提高目標(biāo)檢測(cè)性能的方法. 此外, 針對(duì)無(wú)人機(jī)內(nèi)存不足、算力有限的特點(diǎn), 設(shè)計(jì)使用輕量化網(wǎng)絡(luò)YOLOv3-MobileNetv2作為目標(biāo)檢測(cè)模型. 在實(shí)驗(yàn)中, 本文訓(xùn)練了YOLOv3網(wǎng)絡(luò)作為檢測(cè)的評(píng)價(jià)基準(zhǔn)網(wǎng)絡(luò). 使用BASNet生成顯著圖, 通過(guò)通道替換和像素級(jí)加權(quán)融合兩種方案將熱紅外圖像與其對(duì)應(yīng)的顯著圖進(jìn)行融合增強(qiáng), 比較了不同方案下YOLOv3-MobileNetv2模型的檢測(cè)性能. 統(tǒng)計(jì)結(jié)果顯示, 行人及車(chē)輛的平均精確度(Average precision, AP)相對(duì)于基準(zhǔn)分別提升了6.7%和5.7%, 同時(shí)檢測(cè)速度提升了60%, 模型大小降低了58%. 該算法模型為開(kāi)拓?zé)o人機(jī)載熱紅外圖像的應(yīng)用領(lǐng)域提供了可靠的技術(shù)支撐.
趙興科, 李明磊, 張弓, 黎寧, 李家松. 基于顯著圖融合的無(wú)人機(jī)載熱紅外圖像目標(biāo)檢測(cè)方法. 自動(dòng)化學(xué)報(bào), 2021, 47(9): 2120?2131
一種基于深度遷移學(xué)習(xí)的滾動(dòng)軸承早期故障在線檢測(cè)方法
近年來(lái), 深度學(xué)習(xí)技術(shù)已在滾動(dòng)軸承故障檢測(cè)和診斷領(lǐng)域取得了成功應(yīng)用, 但面對(duì)不停機(jī)情況下的早期故障在線檢測(cè)問(wèn)題, 仍存在著早期故障特征表示不充分、誤報(bào)警率高等不足. 為解決上述問(wèn)題, 本文從時(shí)序異常檢測(cè)的角度出發(fā), 提出了一種基于深度遷移學(xué)習(xí)的早期故障在線檢測(cè)方法. 首先, 提出一種面向多域遷移的深度自編碼網(wǎng)絡(luò), 通過(guò)構(gòu)建具有改進(jìn)的最大均值差異正則項(xiàng)和Laplace正則項(xiàng)的損失函數(shù), 在自適應(yīng)提取不同域數(shù)據(jù)的公共特征表示同時(shí), 提高正常狀態(tài)和早期故障狀態(tài)之間特征的差異性; 基于該特征表示, 提出一種基于時(shí)序異常模式的在線檢測(cè)模型, 利用離線軸承正常狀態(tài)的排列熵值構(gòu)建報(bào)警閾值, 實(shí)現(xiàn)在線數(shù)據(jù)中異常序列的快速匹配, 同時(shí)提高在線檢測(cè)結(jié)果的可靠性. 在XJTU-SY數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明, 與現(xiàn)有代表性早期故障檢測(cè)方法相比, 本文方法具有更好的檢測(cè)實(shí)時(shí)性和更低的誤報(bào)警數(shù).
毛文濤, 田思雨, 竇智, 張迪, 丁玲. 一種基于深度遷移學(xué)習(xí)的滾動(dòng)軸承早期故障在線檢測(cè)方法. 自動(dòng)化學(xué)報(bào), 2022, 48(1): 302?314
指標(biāo)說(shuō)明
高被引論文：同年度同學(xué)科同種文獻(xiàn)類(lèi)型（研究型、綜述型文獻(xiàn)）的國(guó)內(nèi)期刊、會(huì)議論文中，總被引頻次排名前1%的論文，即高被引論文Top1%。
高下載論文：同年度同學(xué)科同種文獻(xiàn)類(lèi)型（研究型、綜述型文獻(xiàn)）的國(guó)內(nèi)期刊、會(huì)議論文中，總下載頻次排名前1%的論文，即高下載論文Top1%。
高PCSI論文：同年度同學(xué)科同種文獻(xiàn)類(lèi)型（研究型、綜述型文獻(xiàn)）的國(guó)內(nèi)期刊、會(huì)議論文中，PCSI指數(shù)排名前1%的論文，即高PCSI論文Top1%。PCSI指數(shù)（論文引證標(biāo)準(zhǔn)化指數(shù)）為將（PCSI統(tǒng)計(jì)源）被引頻次進(jìn)行歸一化處理后所得到的相對(duì)影響力評(píng)價(jià)指標(biāo)，能夠表征論文被“控制后統(tǒng)計(jì)源”引用的次數(shù)與同學(xué)科同年度論文平均水平的差距，該指標(biāo)可以實(shí)現(xiàn)不同學(xué)科不同年度論文之間的比較。
來(lái)源：自動(dòng)化學(xué)報(bào)
