针对随机分布控制教学中理论抽象、仿真脱离真实工业约束及实验资源不足等问题，研制了立式盘磨过程纯实物实验系统，构建了平台、数据、建模与控制一体化实验架构。系统以自主研制的立式盘磨装置为核心，集成精细喂料、磨盘间隙与转速调节单元，并通过自动间歇取样和干式激光粒度仪实现粉体粒度分布的实时采集。采用径向基函数与逆积分实现输出概率密度函数的参数化，结合迭代学习和子空间辨识建立“操作量-权值向量”线性预测模型，设计带约束控制器实现输入受限和扰动条件下的目标分布跟踪。实验结果表明，该系统运行稳定、交互性较强，能够支撑随机分布控制及相关课程实验教学。

研究具有未知输入时滞的一类线性系统的无记忆反馈镇定控制问题。针对开环极点位于虚轴的一类不稳定线性系统，当输入时滞存在且未知时，提出了一种有限维的无记忆反馈控制方案。通过设计一个无记忆的截尾预估器反馈(truncated predictor feedback, TPF)控制器，避免了由传统的无限维控制方案带来的实现问题。当未知的输入时滞在一定范围内时，闭环系统的全局渐近稳定得到了保证，且给出了未知输入时滞的变化范围的显式表达式。最后，将设计的无记忆截尾预估反馈控制器应用到延迟双振子系统和高速双体船的减纵摇控制中，通过MATLAB仿真验证了它的有效性。

针对水泥烧成系统中协同处置垃圾的分解炉，研究了基于MISO Hammerstein模型的建模及预测控制的方法。模型以分解炉出口温度为输出，喂煤量和垃圾流量为输入，其非线性环节采用多项式来近似，线性环节采用ARMAX模型来描述，结合过参数化法和奇异值分解法辨识模型中线性和非线性环节的参数。控制方法采用两步预测控制，先针对线性环节利用广义预测控制算法求解出中间变量，再利用非线性环节逆模型求解出控制量。仿真实验结果表明，基于MISO Hammerstein模型的分解炉出口温度模型具有较好的拟合效果，两步预测控制使得分解炉出口温度对于设定值的跟踪性能良好，且具有一定的抗干扰能力。

为提高自适应光学系统在复杂环境下的校正效率和精度，提出了一种融合随机并行梯度下降算法和卷积神经网络的自适应光学系统控制算法。算法通过卷积神经网络对波前像差进行分类，优化了初始估计，减少了迭代次数，加快了收敛速度。实验结果表明，与原始随机并行梯度下降算法相比，新算法在混频效率斯特列尔比上从0.80提升至0.90，迭代次数从280次减少至140次，误码率在158次迭代后降至10−10，均方根值从0.2~1.2降至0~0.6区间，有效提升了自适应光学系统在大气湍流环境下的像差校正效率和校正精度。创新性地将随机并行梯度下降算法与卷积神经网络相结合，并引入Dropout机制，增强模型的泛化性，为自适应光学系统的波前校正提供了一种快速有效的新方法。

为提高工业生产线中金属零件表面瑕疵检测精度，提出了一种基于改进Faster R-CNN的缺陷检测网络。首先，在特征提取阶段增加多个感受野，以提取到更细致的特征信息；在区域建议阶段使用级联RPN网络和自适应卷积结构，逐步细化建议框的位置；在感兴趣区域特征提取阶段，聚合FPN所有输出层的特征信息，以充分利用获取到的缺陷特征信息，这些改进从网络结构上提高了模型对小瑕疵和形状不规则瑕疵的检测能力。最后，实验结果表明，与当前最优的目标检测网络相比，此方法具有更高的精度，可以广泛应用于检测金属零件表面的腐蚀、划痕、划伤、积屑瘤等缺陷。

在工业控制中，PID控制器因结构简单、使用方便而被广泛应用，95%以上的工业控制器采用PID控制。其PK、IK、DK参数直接影响控制性能，传统PID整定方法周期长、难度高、稳定性差，难以满足工业现场的需求。为此，提出基于改进哈里斯鹰优化(improved Harris hawks optimization, IHHO)算法的PID参数自整定方法。通过引入自适应惯性权重、强化正余弦优化算子、非线性逃逸能量因子和Tent混沌映射，改善了原哈里斯鹰优化(Harris hawks optimization, HHO)算法收敛慢、易陷入局部最优等问题。实验表明，IHHO算法在寻优精度和收敛性上优于多种智能算法。将该方法应用于直流电机调速，MATLAB的仿真结果显示，基于IHHO算法的PID整定能显著提升系统的响应速度与稳定性，使转速输出平稳，可广泛用于PID参数自整定。

针对数据不足且存在非线性的间歇过程的产品质量预测问题进行研究。多源域适应学习中，源域和目标域数据量的差异造成数据不平衡，同时该过程存在非线性，进一步导致无法进行精准建模。为此，首先采用SMOTE算法消除数据不平衡对模型预测结果的不利影响。然后，提出一种基于RBF网络的非线性MDAJYPLS算法来捕捉非线性特性，并充分利用多个相似源域的信息辅助目标域过程建模。进一步，提出了一种基于SMOTE的非线性MDAJYPLS的间歇过程质量预测方法，以提高模型的预测精度。最后，通过青霉素发酵过程质量预测的仿真实验，验证了所提方法的有效性。

由于风能的随机性，风电场会出现弃风保稳现象且并网时给电网造成严重的冲击，风电机组之间也缺少通信交流。针对此问题，提出双模态分布式经济模型预测控制策略。首先，在分析带储能风电场系统特征的基础上，建立一机一储型分布式储能型风电场系统模型。然后，设计双模态分布式经济模型预测控制策略，提出全局经济优化控制目标，实现子系统的协作控制。最后，仿真表明，双模态分布式经济模型预测控制不仅能有效提高系统的闭环稳定性和整体经济性，而且能实现子系统之间的相互通信，降低损耗，其控制效果明显优于集中式和分散式经济模型预测控制。

Stewart平台被广泛应用于各类运动模拟器中，其中，位姿误差决定了模拟器的逼真程度。因此，针对平台在运动过程中因铰链间隙误差导致的位姿误差，设计了基于优化算法的误差补偿方案。首先，利用运动学反解求得在给定位姿轨迹下的驱动杆伸长量。其次，利用矢量法构建位姿误差模型，研究位姿误差与驱动杆之间的关系，将位姿误差设计为以驱动杆为变量的目标函数，在此基础上，提出了融合莱维飞行和空间金字塔匹配混沌映射的改进型广义正态分布优化(improved generalized normal distribution optimization, IGNDO)算法，并求得目标函数最优值以及驱动杆最优解。最后，将最优解代入误差模型输出新的位姿误差，并与理论误差进行对比，验证了算法的有效性。同时，将IGNDO算法与现有算法进行比较，发现位姿误差能减小1-2个量级。

针对一类二阶多智能体系统，提出了一种准复位控制算法。通过设计一类连续的非线性函数替代了传统复位算法在零点处的“复位”行为，即保证了控制算法的连续性，同时改善了系统响应的暂态性能。通过构造合适的Lyapunov-Krasovskii泛函证明了每个智能体的速度能实现平均一致性，并进一步保证了在最差的情况下系统响应的暂态性能，证明了积分项的有界性。最后，通过仿真比较了不同算法下的系统响应，验证了所提理论的正确性。

针对含非线性死区的双电机驱动伺服系统，设计了一种基于有限时间扩张状态观测器(finite time extended state observer, FTESO)的漏斗(Funnel)跟踪控制与滑模同步控制方法。将系统的非线性摩擦、间隙和外部干扰看作系统的总扰动，通过设计FTESO对其进行估计，并将估计值嵌入到控制器中对其进行补偿。通过设计Funnel函数对跟踪误差进行约束并转换为新的误差，并将其引入到动态面控制中，以保证系统中跟踪误差的瞬态和稳态响应被很好地限制在给定的Funnel边界内。在此基础上设计了一种基于均值偏差耦合策略的滑模同步控制策略，以保证双电机的同步运行。最后，通过仿真实验验证了所提控制算法的有效性。

针对独立驱动脚轮全向移动机器人的结构设计和模糊PID速度控制策略均未在实物平台中被验证的问题，设计了独立驱动脚轮全向移动机器人的运动机构及控制系统。首先，采用轮毂电机和集电环设计了一体式轮毂电机悬架，搭建了三轮结构的独立驱动脚轮全向移动机器人的机械结构。其次，使用工业级可编程逻辑控制器(programmable logic controller, PLC)作为主控制器，设计了机器人控制系统，通过CANopen通信协议同步控制3个电机，实现机器人的全向移动。最后，基于运动学模型提出三并联模糊PID速度控制策略，通过Simulink-Adams联合仿真验证建模和控制算法的正确性，并总结控制器整定规律，制定模糊规则库；基于联合仿真经验和搭建的实物平台进行实物实验。结果表明，搭建的实物平台机械结构稳定、控制算法有效。

针对机械臂视觉伺服系统控制精度不足、收敛速度较慢及易受外部扰动影响的问题，提出一种结合连续终端滑模控制(continuous terminal sliding mode control, CTSMC)与扩展状态观测器(extended state observer, ESO)的复合控制方法。首先，建立基于位置的机械臂视觉伺服运动学模型，并考虑系统不确定性及外部扰动；随后，利用ESO对总扰动进行实时估计，并将其前馈补偿至控制器；在此基础上设计连续终端滑模面，构造有限时间视觉伺服控制律；进一步，基于Lyapunov理论证明了闭环系统的稳定性。仿真与Diana机械臂的实验结果表明，相比于传统滑模控制，所提方法具有更快的收敛速度、更高的跟踪精度和更好的抗扰性能。

自主水下机器人(autonomous underwater vehicle, AUV)集群化是未来水下智能化战争的一个重要的发展趋势。为确保充分发挥AUV集群整体作战的优势，建立了以目标价值毁伤、集群损耗代价和相对路径长度为性能指标的水下对抗环境模型，并采用结合整数编码的改进狼群算法对目标分配问题进行求解。针对狼群算法易陷入局部最优的缺陷，在狼群更新机制中引入有效生成距离概念，提高算法的全局寻优能力。仿真结果表明，所提方法不仅对不同对抗态势有良好的适应性与稳定性，而且具有较强的鲁棒性，能显著提高收敛速度。

飞机结构疲劳试验是新机研制的主要环节之一。结构疲劳试验系统是多组件多通道系统。在疲劳试验装置运行之前，能够获知其动态特性对试验的顺利开展至关重要。因此，建立了试验系统各组件的数学模型并将其耦合形成试验系统半实物仿真模型，搭建了实时计算平台，通过离线与在线实时仿真，分析了试验系统的动态特性，得出试验件在加载情况下产生的位移量是整个系统的外扰量。试验系统多通道间的耦合作用主要影响输出信号的相位特性，相位差达到170°。离线与在线实时仿真交叉验证了所提方法的合理性和有效性。

针对当前电厂依赖人工经验的煤仓配煤方式非优化且未充分考虑磨煤机运行组合优化问题，提出基于串级优化策略的仓磨递进配煤动态过程方法。首先，构建煤仓自动一次配煤优化模型，以提升配煤效率、降低成本。其次，为解决忽略磨煤机组合优化的问题，建立二次优化模型，合理选择磨煤机投运组合与最优出力点，从而改进分布式控制系统(distributed control system, DCS)内进煤速率与负荷的函数关系。同时，考虑磨煤机防振需求，引入带弹性约束的线性模糊规划模型并给出相应求解方法。实验结果表明，该串级优化策略在一次优化基础上，进一步增强了磨煤机组合与出力对变负荷工况的适应能力。

针对高光谱遥感图像中大量的波段数据和传统特征的区分和分类困难，提出了一种基于半监督辅助分类器-生成对抗网络(semi-supervised subsidiary classifier-generative adversarial network, SSC-GAN)的高光谱图像分类方法。首先，将判别器发展成一个半监督的多分类器，并与判别器级联训练生成对抗网络(generative adversarial network, GAN)生成器；然后，为了扩展数据，判别器从生成的图像中提取更高层次的特征，并将辅助分类标签与生成的样本协调；最后，卷积神经网络取代了GAN中的判别器和生成器，并对两个升级的网络进行动态堆叠优化。与一些经典的高光谱遥感图像特征提取和分类方法相比，改进算法模型在经典数据集上达到了最佳的分类精度，在分类能力和鲁棒性方面更具优势。

为解决有噪环境下轴承故障特征提取难、诊断准确率低的问题，提出了一种结合改进金豺优化(golden jackal optimization, GJO)算法、变分模态分解(variational mode decomposition, VMD)和支持向量机(support vector machine, SVM)的轴承故障诊断方法。首先，针对GJO算法易陷入局部最优的问题，引入Tent混沌映射、非线性递减参数、反向学习策略和自适应权重对其进行改进；其次，针对故障信号易被噪声淹没和特征提取难的问题，利用VMD将经过奇异谱分析(singular spectrum analysis, SSA)降噪后的信号分解，对噪声进行抑制，接着采用t分布-随机邻域嵌入(t-distribution-random neighborhood embedding, t-SNE)对提取的特征进行筛选，挑选有用特征；最后，针对SVM参数设置问题，使用改进GJO算法解决并构造诊断模型。结果表明，在相同的实验条件下，该模型的诊断准确率高于其他算法优化的诊断模型。

针对汽车生产样车试验测试调度问题具有建模困难、计算复杂，存在多约束、不确定、非凸性、大规模、多目标、离散和连续变量耦合等难点，现有的研究成果存在譬如调度模型与实际问题差距较大、问题本质特性的研究不够深入、优化算法的研究不够系统等问题，且目前还没有文献针对样车测试阶段的测试问题进行建模或优化处理，难以有效服务于生产管理。本文从生产实际出发，深入调研测试调度问题，建立数学模型，系统探讨其本质特性及优化方法，提出一种改进的新车型研发测试阶段测试车辆混合智能调度方法，并进行了仿真和工业应用，结果表明该方法可以丰富和深化已有的优化调度理论与方法；并能直接服务于汽车工业，促进其生产管理水平和市场竞争力的提高。

棒材全倍尺剪切优化对提高成材率和生产效率有重要意义，预测轧件总长是实现全倍尺剪切优化的关键技术。传统的方法主要通过机理模型与单因素变量预测轧件总长，误差较大或预测滞后，难以满足优化的需求。基于数据驱动的预测模型通过关联多因素变量，采用广义线性回归算法，实现轧件总长的早期精准预测。首先，高速采集各轧机机架的测长数据；然后，计算各机架的轧出长度和末机架的轧出总长；最后，训练模型并滚动预测轧件的总长。采用某钢厂高棒生产数据进行测试，实现预测的最大绝对百分比误差为0.130 7%，相较于传统方法，预测精度提高了6倍以上，为全倍尺剪切优化提供了有效的技术支撑。

为准确掌握高速双馈并网型机组的实时健康运行状态，并及时对其进行维修，提出基于博弈论组合赋权模糊评价的风电机组健康运行状态评估模型。首先，通过层次分析法和CRITIC法，计算出评价指标的主客观权重，为消除单一赋权的片面性，采用博弈论将主客观权重进行线性组合并确定其权重占比；其次，根据岭型分布函数建立评价指标劣化隶属度函数；最后，利用博弈论组合赋权模糊评价法，构建风电机组健康运行状态评估模型，自下而上地对风机各层的健康运行状态进行评价。以新疆某风电场的高速双馈并网型机组为例，进行评估模型的应用分析，结果表明该模型可在故障发生前检测出劣化趋势，并能准确确定部件的劣化度。

2025年8月21日至8月24日，东北大学流程工业综合自动化全国重点实验室承办的第七届工业人工智能国际会议在沈阳召开。大会举办了关于学术服务的重要性及其如何开展的圆桌论坛，论坛由东北大学贾同教授主持，邀请到领域内六位知名学者：金耀初教授（西湖大学）、陈俊龙教授（华南理工大学）、宋永端教授（重庆大学）、黄廷文教授（深圳理工大学）、杨双华教授（英国雷丁大学、广州南方学院）、丁正桃教授（英国曼彻斯特大学），围绕学术服务的核心价值、实践路径、职业赋能、平衡策略及跨领域协同等关键问题展开深入研讨，为广大科研工作者，尤其是青年学者提供了兼具理论高度与实践指导的宝贵经验。