<?xml version="1.0" encoding="UTF-8"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:prism="http://prismstandard.org/namespaces/basic/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:syn="http://purl.org/rss/1.0/modules/syndication/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns="http://purl.org/rss/1.0/">
  <channel rdf:about="https://www.aas.net.cn/">
    <title>自动化学报</title>
    <link>https://www.aas.net.cn/</link>
    <description>ACTA AUTOMATICA SINICA</description>
    <dc:creator>aas_editor@ia.ac.cn</dc:creator>
    <dc:publisher>aas_editor@ia.ac.cn</dc:publisher>
    <dc:language>en</dc:language>
	<prism:rightsAgent>aas_editor@ia.ac.cn</prism:rightsAgent>
    <prism:issn>0254-4156</prism:issn>
    <items>
		<rdf:Seq>
		<rdf:li rdf:resource="https://www.aas.net.cn/article/id/72de13c4-03d4-4c2d-b4d2-506115b7c005"/><rdf:li rdf:resource="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250263?pageType=en"/>
  		<rdf:li rdf:resource="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250449?pageType=en"/>
  		<rdf:li rdf:resource="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250173?pageType=en"/>
  		<rdf:li rdf:resource="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250403?pageType=en"/>
  		<rdf:li rdf:resource="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250341?pageType=en"/>
  		<rdf:li rdf:resource="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250408?pageType=en"/>
  		<rdf:li rdf:resource="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250367?pageType=en"/>
  		<rdf:li rdf:resource="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250762?pageType=en"/>
  		<rdf:li rdf:resource="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250596?pageType=en"/>
  		<rdf:li rdf:resource="https://www.aas.net.cn/article/doi/10.16383/j.aas.c260016?pageType=en"/>
  		<rdf:li rdf:resource="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250725?pageType=en"/>
  		<rdf:li rdf:resource="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250703?pageType=en"/>
  		<rdf:li rdf:resource="https://www.aas.net.cn/article/doi/10.16383/j.aas.c260078?pageType=en"/>
  		<rdf:li rdf:resource="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250747?pageType=en"/>
  		<rdf:li rdf:resource="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250457?pageType=en"/>
  				</rdf:Seq>
    </items>
  </channel>
    <item rdf:about="https://www.aas.net.cn/article/id/72de13c4-03d4-4c2d-b4d2-506115b7c005?pageType=en">
    <title><![CDATA[目录]]></title>
    <link>https://www.aas.net.cn/article/id/72de13c4-03d4-4c2d-b4d2-506115b7c005</link>    <description>
		<![CDATA[  自动化学报. 2026 52(9): 0-0.]]>
	</description>
    <content:encoded>
		<![CDATA[  自动化学报. 2026 52(9): 0-0.]]>
	</content:encoded>
    <dc:title><![CDATA[目录]]></dc:title>
    <dc:creator><![CDATA[]]></dc:creator>
    <dc:date>2026-09-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>自动化学报. 2026 52(9): 0-0.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:</dc:identifier>
    <prism:doi></prism:doi>
    <prism:publicationName>自动化学报</prism:publicationName>
    <prism:volume>52</prism:volume>
    <prism:number>9</prism:number>
    <prism:publicationDate>2026-09-01</prism:publicationDate>
	<prism:url>https://www.aas.net.cn/article/id/72de13c4-03d4-4c2d-b4d2-506115b7c005</prism:url>	<prism:startingPage>0</prism:startingPage>
  </item>
    <item rdf:about="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250263?pageType=en">
    <title><![CDATA[面向集群机器人作业的通信−控制−计算融合系统综述]]></title>
    <link>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250263?pageType=en</link>
	    <description>
		<![CDATA[何佳闻, 颜志, 王耀南, 江一鸣, 王涛, 贺文斌, 方峥 在集群机器人系统中, 通信、控制与计算模块的协同设计已成为提升系统整体性能的关键, 对推动离散制造自动化向智能化、集成化方向发展具有重要促进作用. 首先, 从集群机器人“通−控−算”联合系统架构出发, 通过梳理国内外在“通−控”、“通−算”、“控−算”融合技术方面的研究现状, 揭示子系统之间的耦合关系, 强调“通−控−算”联合设计对提升集群机器人整体作业性能的重要性. 接着, 以集群机器人系统在“通−控−算”软件仿真、硬件在环仿真及实物测试验证平台为例, 总结具体实施中的关键技术. 最后, 对集群机器人“通−控−算”系统联合设计的未来研究方向进行总结与展望. 自动化学报. 2026 52(9): 1821-1845.]]>
	</description>
    <content:encoded>
		<![CDATA[何佳闻, 颜志, 王耀南, 江一鸣, 王涛, 贺文斌, 方峥 在集群机器人系统中, 通信、控制与计算模块的协同设计已成为提升系统整体性能的关键, 对推动离散制造自动化向智能化、集成化方向发展具有重要促进作用. 首先, 从集群机器人“通−控−算”联合系统架构出发, 通过梳理国内外在“通−控”、“通−算”、“控−算”融合技术方面的研究现状, 揭示子系统之间的耦合关系, 强调“通−控−算”联合设计对提升集群机器人整体作业性能的重要性. 接着, 以集群机器人系统在“通−控−算”软件仿真、硬件在环仿真及实物测试验证平台为例, 总结具体实施中的关键技术. 最后, 对集群机器人“通−控−算”系统联合设计的未来研究方向进行总结与展望. 自动化学报. 2026 52(9): 1821-1845.]]>
	</content:encoded>
    <dc:title><![CDATA[面向集群机器人作业的通信−控制−计算融合系统综述]]></dc:title>
    <dc:creator><![CDATA[何佳闻, 颜志, 王耀南, 江一鸣, 王涛, 贺文斌, 方峥]]></dc:creator>
    <dc:date>2026-09-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>自动化学报. 2026 52(9): 1821-1845.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.16383/j.aas.c250263</dc:identifier>
    <prism:doi>10.16383/j.aas.c250263</prism:doi>
    <prism:publicationName>自动化学报</prism:publicationName>
    <prism:volume>52</prism:volume>
    <prism:number>9</prism:number>
    <prism:publicationDate>2026-09-01</prism:publicationDate>
	<prism:url>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250263?pageType=en</prism:url>
		<prism:startingPage>1821</prism:startingPage>
  </item>
    <item rdf:about="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250449?pageType=en">
    <title><![CDATA[基于时序大数据的飞行安全状态评估方法综述]]></title>
    <link>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250449?pageType=en</link>
	    <description>
		<![CDATA[杨洁, 唐荻音, 马泽珊, 刘宝鼎, 贡欣宇, 文正旭, 于劲松, 卢劲鹏, 康锐, 韩丹阳, 陶来发, 冯灿, 刘涛 随着全球航班规模与运行密度提升, 传统人工监控方法在应对复杂动态飞行环境方面逐渐显现出局限性. 近年来, 数据驱动的智能监控方法成为提升飞行安全与运行效率的研究热点. 本文对基于时序大数据的飞行安全状态评估方法进行综述, 从飞行数据的时序特性出发, 梳理三类面向不同时间维度的关键评估方法: 异常检测、征兆挖掘以及趋势跟踪与预测, 涵盖飞行异常状态的识别与潜在风险事件的早期预警与预测. 首先, 对上述三类评估方法进行系统定义, 可覆盖“过去−现在−未来”的安全保障. 其次, 介绍各类方法的代表性研究进展与存在问题; 以高风险进近阶段为典型场景, 分析评估方法的应用现状与协同机制, 并回顾其技术支撑, 包括数据通信和软件平台. 最后, 总结当前挑战和未来方向, 包括异常检测的可解释性、征兆事件的动态表征与定位、趋势预测与因果推理的融合, 以及大模型应用潜力等. 自动化学报. 2026 52(9): 1846-1867.]]>
	</description>
    <content:encoded>
		<![CDATA[杨洁, 唐荻音, 马泽珊, 刘宝鼎, 贡欣宇, 文正旭, 于劲松, 卢劲鹏, 康锐, 韩丹阳, 陶来发, 冯灿, 刘涛 随着全球航班规模与运行密度提升, 传统人工监控方法在应对复杂动态飞行环境方面逐渐显现出局限性. 近年来, 数据驱动的智能监控方法成为提升飞行安全与运行效率的研究热点. 本文对基于时序大数据的飞行安全状态评估方法进行综述, 从飞行数据的时序特性出发, 梳理三类面向不同时间维度的关键评估方法: 异常检测、征兆挖掘以及趋势跟踪与预测, 涵盖飞行异常状态的识别与潜在风险事件的早期预警与预测. 首先, 对上述三类评估方法进行系统定义, 可覆盖“过去−现在−未来”的安全保障. 其次, 介绍各类方法的代表性研究进展与存在问题; 以高风险进近阶段为典型场景, 分析评估方法的应用现状与协同机制, 并回顾其技术支撑, 包括数据通信和软件平台. 最后, 总结当前挑战和未来方向, 包括异常检测的可解释性、征兆事件的动态表征与定位、趋势预测与因果推理的融合, 以及大模型应用潜力等. 自动化学报. 2026 52(9): 1846-1867.]]>
	</content:encoded>
    <dc:title><![CDATA[基于时序大数据的飞行安全状态评估方法综述]]></dc:title>
    <dc:creator><![CDATA[杨洁, 唐荻音, 马泽珊, 刘宝鼎, 贡欣宇, 文正旭, 于劲松, 卢劲鹏, 康锐, 韩丹阳, 陶来发, 冯灿, 刘涛]]></dc:creator>
    <dc:date>2026-09-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>自动化学报. 2026 52(9): 1846-1867.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.16383/j.aas.c250449</dc:identifier>
    <prism:doi>10.16383/j.aas.c250449</prism:doi>
    <prism:publicationName>自动化学报</prism:publicationName>
    <prism:volume>52</prism:volume>
    <prism:number>9</prism:number>
    <prism:publicationDate>2026-09-01</prism:publicationDate>
	<prism:url>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250449?pageType=en</prism:url>
		<prism:startingPage>1846</prism:startingPage>
  </item>
    <item rdf:about="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250173?pageType=en">
    <title><![CDATA[面向自动驾驶的鸟瞰视图目标检测研究综述]]></title>
    <link>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250173?pageType=en</link>
	    <description>
		<![CDATA[汪凌峰, 但啟涛, 朱耀辉, 陈思涵, 张瀚清, 王坤峰 鸟瞰视图(BEV)表征基于统一的空间坐标系, 能够实现多传感器时空对齐与特征融合, 在自动驾驶领域三维目标检测任务中展现出显著优势. 首先, 阐述BEV表征的优势以及常用自动驾驶3D目标检测数据集与评价指标. 其次, 不同于现有综述文献的输入模态特性或模态特征融合的分析视角, 基于BEV表征, 从其稠密程度切入, 分别从稀疏表示、稠密表示、稀疏−稠密混合表示角度系统梳理现有研究工作, 指出现有方法在时空消耗与表征完备性之间的权衡困境. 最后, 从全天候鲁棒感知、相机参数无关的自适应几何建模、自动驾驶开放世界检测等角度, 指出实现低成本、高精度自动驾驶BEV目标检测的研究趋势, 为从事BEV感知研究的学者提供启发, 推动自动驾驶技术的发展. 自动化学报. 2026 52(9): 1868-1902.]]>
	</description>
    <content:encoded>
		<![CDATA[汪凌峰, 但啟涛, 朱耀辉, 陈思涵, 张瀚清, 王坤峰 鸟瞰视图(BEV)表征基于统一的空间坐标系, 能够实现多传感器时空对齐与特征融合, 在自动驾驶领域三维目标检测任务中展现出显著优势. 首先, 阐述BEV表征的优势以及常用自动驾驶3D目标检测数据集与评价指标. 其次, 不同于现有综述文献的输入模态特性或模态特征融合的分析视角, 基于BEV表征, 从其稠密程度切入, 分别从稀疏表示、稠密表示、稀疏−稠密混合表示角度系统梳理现有研究工作, 指出现有方法在时空消耗与表征完备性之间的权衡困境. 最后, 从全天候鲁棒感知、相机参数无关的自适应几何建模、自动驾驶开放世界检测等角度, 指出实现低成本、高精度自动驾驶BEV目标检测的研究趋势, 为从事BEV感知研究的学者提供启发, 推动自动驾驶技术的发展. 自动化学报. 2026 52(9): 1868-1902.]]>
	</content:encoded>
    <dc:title><![CDATA[面向自动驾驶的鸟瞰视图目标检测研究综述]]></dc:title>
    <dc:creator><![CDATA[汪凌峰, 但啟涛, 朱耀辉, 陈思涵, 张瀚清, 王坤峰]]></dc:creator>
    <dc:date>2026-09-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>自动化学报. 2026 52(9): 1868-1902.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.16383/j.aas.c250173</dc:identifier>
    <prism:doi>10.16383/j.aas.c250173</prism:doi>
    <prism:publicationName>自动化学报</prism:publicationName>
    <prism:volume>52</prism:volume>
    <prism:number>9</prism:number>
    <prism:publicationDate>2026-09-01</prism:publicationDate>
	<prism:url>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250173?pageType=en</prism:url>
		<prism:startingPage>1868</prism:startingPage>
  </item>
    <item rdf:about="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250403?pageType=en">
    <title><![CDATA[气象领域中的自动化技术新进展]]></title>
    <link>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250403?pageType=en</link>
	    <description>
		<![CDATA[葛泉波, 陆振宇, 朱凤增, 董建平, 智协飞, 张恒德 随着人工智能、大数据分析等新一代信息技术的快速发展, 气象领域正加速向智能化转型. 气象科学的创新需求推动自动化技术不断革新, 自动化技术的深度应用也为气象服务智能化转型提供了重要支撑. 本文总结近几年应用于气象领域中的自动化新技术, 并从气象感知、气象预报和决策服务三个方面进行介绍. 在气象感知方面, 总结智能组网观测、分布式协同感知与无人集群技术的应用, 分析控制理论、系统建模等技术对提升高时空分辨率观测能力的作用. 在气象预报方面, 梳理深度学习、强化学习等方法在短临预报和模式优化中的应用, 以及流程自动化与系统工程在提升预报效率中的价值. 在决策服务方面, 探讨知识图谱、智能推理及自主决策等技术在灾害预警和应急响应中的应用. 目前, 无人集群气象观测、AI大模型预报与智能决策正推动气象科学与自动化深度融合, 为构建高效智能的气象服务体系提供关键技术支撑. 自动化学报. 2026 52(9): 1903-1919.]]>
	</description>
    <content:encoded>
		<![CDATA[葛泉波, 陆振宇, 朱凤增, 董建平, 智协飞, 张恒德 随着人工智能、大数据分析等新一代信息技术的快速发展, 气象领域正加速向智能化转型. 气象科学的创新需求推动自动化技术不断革新, 自动化技术的深度应用也为气象服务智能化转型提供了重要支撑. 本文总结近几年应用于气象领域中的自动化新技术, 并从气象感知、气象预报和决策服务三个方面进行介绍. 在气象感知方面, 总结智能组网观测、分布式协同感知与无人集群技术的应用, 分析控制理论、系统建模等技术对提升高时空分辨率观测能力的作用. 在气象预报方面, 梳理深度学习、强化学习等方法在短临预报和模式优化中的应用, 以及流程自动化与系统工程在提升预报效率中的价值. 在决策服务方面, 探讨知识图谱、智能推理及自主决策等技术在灾害预警和应急响应中的应用. 目前, 无人集群气象观测、AI大模型预报与智能决策正推动气象科学与自动化深度融合, 为构建高效智能的气象服务体系提供关键技术支撑. 自动化学报. 2026 52(9): 1903-1919.]]>
	</content:encoded>
    <dc:title><![CDATA[气象领域中的自动化技术新进展]]></dc:title>
    <dc:creator><![CDATA[葛泉波, 陆振宇, 朱凤增, 董建平, 智协飞, 张恒德]]></dc:creator>
    <dc:date>2026-09-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>自动化学报. 2026 52(9): 1903-1919.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.16383/j.aas.c250403</dc:identifier>
    <prism:doi>10.16383/j.aas.c250403</prism:doi>
    <prism:publicationName>自动化学报</prism:publicationName>
    <prism:volume>52</prism:volume>
    <prism:number>9</prism:number>
    <prism:publicationDate>2026-09-01</prism:publicationDate>
	<prism:url>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250403?pageType=en</prism:url>
		<prism:startingPage>1903</prism:startingPage>
  </item>
    <item rdf:about="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250341?pageType=en">
    <title><![CDATA[视听多模态学习综述]]></title>
    <link>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250341?pageType=en</link>
	    <description>
		<![CDATA[宣寒宇, 陈强, 吴之亮, 韩向敏, 董文祥, 马楠 在人类信息获取过程中, 视听感知扮演着重要角色, 大脑通过整合视听信息, 形成统一、连贯且稳定的知觉体验. 视听多模态学习旨在模拟人类的视听多感官整合能力, 近年来受到研究者的广泛关注. 然而, 该领域在应用场景、任务目标和技术方法上呈现出显著的多样性, 目前尚缺乏对视听多模态学习领域系统性回顾和分析的中文综述. 基于人类的多感官整合机制在视听认知中的重要性以及不同视听多模态学习任务间的内在关联性, 提出一个统一框架, 将现有研究归纳为三类: 视听增强通过引入音频或视觉信息实现对初始单模态任务的增强效应; 跨模态交互旨在探索视听信息间的相互转换; 视听协作致力于探索视听信息的综合理解方法及其协同效应. 在此基础上, 对该领域中的最新研究进展进行系统性综述和总结. 此外, 深入剖析当前视听多模态学习研究所面临的五大核心共性问题和挑战——视听表征、对齐、转换、融合和共同学习; 探讨大模型背景下视听多模态学习的发展现状. 自动化学报. 2026 52(9): 1920-1963.]]>
	</description>
    <content:encoded>
		<![CDATA[宣寒宇, 陈强, 吴之亮, 韩向敏, 董文祥, 马楠 在人类信息获取过程中, 视听感知扮演着重要角色, 大脑通过整合视听信息, 形成统一、连贯且稳定的知觉体验. 视听多模态学习旨在模拟人类的视听多感官整合能力, 近年来受到研究者的广泛关注. 然而, 该领域在应用场景、任务目标和技术方法上呈现出显著的多样性, 目前尚缺乏对视听多模态学习领域系统性回顾和分析的中文综述. 基于人类的多感官整合机制在视听认知中的重要性以及不同视听多模态学习任务间的内在关联性, 提出一个统一框架, 将现有研究归纳为三类: 视听增强通过引入音频或视觉信息实现对初始单模态任务的增强效应; 跨模态交互旨在探索视听信息间的相互转换; 视听协作致力于探索视听信息的综合理解方法及其协同效应. 在此基础上, 对该领域中的最新研究进展进行系统性综述和总结. 此外, 深入剖析当前视听多模态学习研究所面临的五大核心共性问题和挑战——视听表征、对齐、转换、融合和共同学习; 探讨大模型背景下视听多模态学习的发展现状. 自动化学报. 2026 52(9): 1920-1963.]]>
	</content:encoded>
    <dc:title><![CDATA[视听多模态学习综述]]></dc:title>
    <dc:creator><![CDATA[宣寒宇, 陈强, 吴之亮, 韩向敏, 董文祥, 马楠]]></dc:creator>
    <dc:date>2026-09-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>自动化学报. 2026 52(9): 1920-1963.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.16383/j.aas.c250341</dc:identifier>
    <prism:doi>10.16383/j.aas.c250341</prism:doi>
    <prism:publicationName>自动化学报</prism:publicationName>
    <prism:volume>52</prism:volume>
    <prism:number>9</prism:number>
    <prism:publicationDate>2026-09-01</prism:publicationDate>
	<prism:url>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250341?pageType=en</prism:url>
		<prism:startingPage>1920</prism:startingPage>
  </item>
    <item rdf:about="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250408?pageType=en">
    <title><![CDATA[狭窄空间下基于高维构型快速碰撞检测的机械臂路径规划]]></title>
    <link>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250408?pageType=en</link>
	    <description>
		<![CDATA[赖希睿, 王润花, 王耀南, 张雪波, 杨磊, 李帅 针对机械臂在狭窄空间中路径规划效率与成功率低、碰撞检测耗时占比高的问题, 提出一种基于高维构型空间快速碰撞检测的狭窄空间在线路径规划算法. 该算法以RRT-Connect为基线路径搜索框架, 并行运行基于高维构型在线聚类的快速碰撞检测模块. 其中, 后者包括高维构型数据集均衡采样与快速碰撞检测模型在线训练两个阶段. 具体而言, 数据集在线构建阶段通过引入启发式策略以充分挖掘狭窄通道内的自由构型, 克服仅通过均匀采样获取的数据集中碰撞构型、自由构型数量不均衡的问题, 为后续快速碰撞检测模型训练提供可靠的数据支撑; 数据集构建完成后, 通过对碰撞、自由构型在线聚类, 以簇的形式表征高维构型空间下两类构型的分布; 基于训练得到的簇模型, 将基线算法中基于包围盒的碰撞检测转化为采样构型与聚类簇间的距离计算, 极大降低单次碰撞检测耗时, 进而有效提升算法整体搜索效率. 通过在简单、开放、封闭三类狭窄环境下的仿真测试与实验验证, 表明所提算法在路径搜索效率和成功率方面具有显著优势. 自动化学报. 2026 52(9): 1964-1978.]]>
	</description>
    <content:encoded>
		<![CDATA[赖希睿, 王润花, 王耀南, 张雪波, 杨磊, 李帅 针对机械臂在狭窄空间中路径规划效率与成功率低、碰撞检测耗时占比高的问题, 提出一种基于高维构型空间快速碰撞检测的狭窄空间在线路径规划算法. 该算法以RRT-Connect为基线路径搜索框架, 并行运行基于高维构型在线聚类的快速碰撞检测模块. 其中, 后者包括高维构型数据集均衡采样与快速碰撞检测模型在线训练两个阶段. 具体而言, 数据集在线构建阶段通过引入启发式策略以充分挖掘狭窄通道内的自由构型, 克服仅通过均匀采样获取的数据集中碰撞构型、自由构型数量不均衡的问题, 为后续快速碰撞检测模型训练提供可靠的数据支撑; 数据集构建完成后, 通过对碰撞、自由构型在线聚类, 以簇的形式表征高维构型空间下两类构型的分布; 基于训练得到的簇模型, 将基线算法中基于包围盒的碰撞检测转化为采样构型与聚类簇间的距离计算, 极大降低单次碰撞检测耗时, 进而有效提升算法整体搜索效率. 通过在简单、开放、封闭三类狭窄环境下的仿真测试与实验验证, 表明所提算法在路径搜索效率和成功率方面具有显著优势. 自动化学报. 2026 52(9): 1964-1978.]]>
	</content:encoded>
    <dc:title><![CDATA[狭窄空间下基于高维构型快速碰撞检测的机械臂路径规划]]></dc:title>
    <dc:creator><![CDATA[赖希睿, 王润花, 王耀南, 张雪波, 杨磊, 李帅]]></dc:creator>
    <dc:date>2026-09-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>自动化学报. 2026 52(9): 1964-1978.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.16383/j.aas.c250408</dc:identifier>
    <prism:doi>10.16383/j.aas.c250408</prism:doi>
    <prism:publicationName>自动化学报</prism:publicationName>
    <prism:volume>52</prism:volume>
    <prism:number>9</prism:number>
    <prism:publicationDate>2026-09-01</prism:publicationDate>
	<prism:url>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250408?pageType=en</prism:url>
		<prism:startingPage>1964</prism:startingPage>
  </item>
    <item rdf:about="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250367?pageType=en">
    <title><![CDATA[数据驱动的城市固废焚烧过程多变量自适应预测控制]]></title>
    <link>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250367?pageType=en</link>
	    <description>
		<![CDATA[蒙西, 徐光辉, 岳思铭, 乔俊飞 针对城市固废焚烧(MSWI)过程炉膛温度、烟气含氧量等关键工艺参数难以精准控制的问题, 提出一种数据驱动的多变量自适应预测控制方法. 首先, 通过引入操作变量约束和设计加权障碍函数, 构造无约束形式的目标函数以降低优化求解的复杂度; 其次, 提出一种稀疏在线牛顿算法, 通过稀疏分解海森矩阵, 实现控制律的高效求解; 同时, 设计针对多变量控制的加权系数动态分配策略, 能够根据实际运行状态自适应调整炉膛温度和烟气含氧量的权重, 进一步提升控制性能; 此外, 对所提控制方法的可行性和稳定性进行分析, 以确保其在实际应用中的可靠性; 最后, 采用MSWI厂实际运行数据验证了所提控制方法的可行性和有效性. 自动化学报. 2026 52(9): 2019-2031.]]>
	</description>
    <content:encoded>
		<![CDATA[蒙西, 徐光辉, 岳思铭, 乔俊飞 针对城市固废焚烧(MSWI)过程炉膛温度、烟气含氧量等关键工艺参数难以精准控制的问题, 提出一种数据驱动的多变量自适应预测控制方法. 首先, 通过引入操作变量约束和设计加权障碍函数, 构造无约束形式的目标函数以降低优化求解的复杂度; 其次, 提出一种稀疏在线牛顿算法, 通过稀疏分解海森矩阵, 实现控制律的高效求解; 同时, 设计针对多变量控制的加权系数动态分配策略, 能够根据实际运行状态自适应调整炉膛温度和烟气含氧量的权重, 进一步提升控制性能; 此外, 对所提控制方法的可行性和稳定性进行分析, 以确保其在实际应用中的可靠性; 最后, 采用MSWI厂实际运行数据验证了所提控制方法的可行性和有效性. 自动化学报. 2026 52(9): 2019-2031.]]>
	</content:encoded>
    <dc:title><![CDATA[数据驱动的城市固废焚烧过程多变量自适应预测控制]]></dc:title>
    <dc:creator><![CDATA[蒙西, 徐光辉, 岳思铭, 乔俊飞]]></dc:creator>
    <dc:date>2026-09-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>自动化学报. 2026 52(9): 2019-2031.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.16383/j.aas.c250367</dc:identifier>
    <prism:doi>10.16383/j.aas.c250367</prism:doi>
    <prism:publicationName>自动化学报</prism:publicationName>
    <prism:volume>52</prism:volume>
    <prism:number>9</prism:number>
    <prism:publicationDate>2026-09-01</prism:publicationDate>
	<prism:url>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250367?pageType=en</prism:url>
		<prism:startingPage>2019</prism:startingPage>
  </item>
    <item rdf:about="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250762?pageType=en">
    <title><![CDATA[基于自监督辅助CLIP与Transformer自注意力的提示引导式弱监督语义分割方法]]></title>
    <link>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250762?pageType=en</link>
	    <description>
		<![CDATA[魏龙生, 李唐强, 徐朗, 罗大鹏 针对传统图像级标注的弱监督语义分割方法仍依赖目标数据集的图像级标注, 进而难以获取精细空间监督信号的问题, 提出一种无需目标域标注的自监督对比语言−图像预训练提示引导方法. 主要解决三个问题: 一是传统弱监督缺乏像素级空间约束; 二是初始伪标签受限于分类特征的传导偏差; 三是预训练特征与分割任务存在语义失配. 对此, 提出三点解决方案: 1)设计自监督提示学习机制, 替代传统固定的文本模板, 利用跨模态注意力动态生成包含图像上下文的可学习提示向量; 2)提出基于损失响应梯度的动态裁剪策略, 利用深度神经网络的“早期记忆效应”过滤高梯度的噪声区域, 优化伪标签边界精度; 3)构建基于Transformer自注意力的类感知亲和图, 增强分割结果的空间一致性. 在PASCAL VOC 2012和MS COCO 2014数据集上的实验结果表明, 所提方法在未见目标域标注的设定下, mIoU指标优于现有的无人工标注弱监督语义分割方法, 且在边界保持与背景抑制方面具有显著优势. 自动化学报. 2026 52(9): 2032-2045.]]>
	</description>
    <content:encoded>
		<![CDATA[魏龙生, 李唐强, 徐朗, 罗大鹏 针对传统图像级标注的弱监督语义分割方法仍依赖目标数据集的图像级标注, 进而难以获取精细空间监督信号的问题, 提出一种无需目标域标注的自监督对比语言−图像预训练提示引导方法. 主要解决三个问题: 一是传统弱监督缺乏像素级空间约束; 二是初始伪标签受限于分类特征的传导偏差; 三是预训练特征与分割任务存在语义失配. 对此, 提出三点解决方案: 1)设计自监督提示学习机制, 替代传统固定的文本模板, 利用跨模态注意力动态生成包含图像上下文的可学习提示向量; 2)提出基于损失响应梯度的动态裁剪策略, 利用深度神经网络的“早期记忆效应”过滤高梯度的噪声区域, 优化伪标签边界精度; 3)构建基于Transformer自注意力的类感知亲和图, 增强分割结果的空间一致性. 在PASCAL VOC 2012和MS COCO 2014数据集上的实验结果表明, 所提方法在未见目标域标注的设定下, mIoU指标优于现有的无人工标注弱监督语义分割方法, 且在边界保持与背景抑制方面具有显著优势. 自动化学报. 2026 52(9): 2032-2045.]]>
	</content:encoded>
    <dc:title><![CDATA[基于自监督辅助CLIP与Transformer自注意力的提示引导式弱监督语义分割方法]]></dc:title>
    <dc:creator><![CDATA[魏龙生, 李唐强, 徐朗, 罗大鹏]]></dc:creator>
    <dc:date>2026-09-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>自动化学报. 2026 52(9): 2032-2045.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.16383/j.aas.c250762</dc:identifier>
    <prism:doi>10.16383/j.aas.c250762</prism:doi>
    <prism:publicationName>自动化学报</prism:publicationName>
    <prism:volume>52</prism:volume>
    <prism:number>9</prism:number>
    <prism:publicationDate>2026-09-01</prism:publicationDate>
	<prism:url>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250762?pageType=en</prism:url>
		<prism:startingPage>2032</prism:startingPage>
  </item>
    <item rdf:about="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250596?pageType=en">
    <title><![CDATA[基于深度模糊推理模型的烟气脱硫设备运行状态预测]]></title>
    <link>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250596?pageType=en</link>
	    <description>
		<![CDATA[王功明, 李欣怡, 王自鹏, 张梦华, 韩红桂, 乔俊飞 烟气脱硫处理是聚焦污染防治、实现节能减排的重要举措, 其设备的安全、稳定运行直接影响着经济社会可持续发展与居民生命健康. 然而, 长期运行下的烟气脱硫设备往往不可避免地出现故障且难以预测, 进而导致连锁反应甚至事故. 鉴于此, 提出一种基于深度模糊推理模型(DFIM)的烟气脱硫设备运行状态预测方法. 首先, 构建数据驱动的深度模糊信念网络, 通过模糊特征学习算法将传感器获取的原始数据映射为抗干扰的模糊语义特征, 并实现模糊特征的预测输出; 其次, 建立推理门控层, 进一步对输出模糊特征进行识别, 并聚焦设备故障模式; 然后, 结合操作经验和运行环境, 针对设备运行状态和故障模式, 给出处置方案; 最后, 以实际烟气脱硫系统循环泵内浆液pH值和轴承温度为设备运行状态变量, 测试DFIM在烟气脱硫设备运行状态预测中的有效性. 实验结果表明所提出的DFIM在预测精度、稳定性与快速性等方面均优于现有方法, 对设备运维与管理具有重要的指导意义. 自动化学报. 2026 52(9): 2046-2056.]]>
	</description>
    <content:encoded>
		<![CDATA[王功明, 李欣怡, 王自鹏, 张梦华, 韩红桂, 乔俊飞 烟气脱硫处理是聚焦污染防治、实现节能减排的重要举措, 其设备的安全、稳定运行直接影响着经济社会可持续发展与居民生命健康. 然而, 长期运行下的烟气脱硫设备往往不可避免地出现故障且难以预测, 进而导致连锁反应甚至事故. 鉴于此, 提出一种基于深度模糊推理模型(DFIM)的烟气脱硫设备运行状态预测方法. 首先, 构建数据驱动的深度模糊信念网络, 通过模糊特征学习算法将传感器获取的原始数据映射为抗干扰的模糊语义特征, 并实现模糊特征的预测输出; 其次, 建立推理门控层, 进一步对输出模糊特征进行识别, 并聚焦设备故障模式; 然后, 结合操作经验和运行环境, 针对设备运行状态和故障模式, 给出处置方案; 最后, 以实际烟气脱硫系统循环泵内浆液pH值和轴承温度为设备运行状态变量, 测试DFIM在烟气脱硫设备运行状态预测中的有效性. 实验结果表明所提出的DFIM在预测精度、稳定性与快速性等方面均优于现有方法, 对设备运维与管理具有重要的指导意义. 自动化学报. 2026 52(9): 2046-2056.]]>
	</content:encoded>
    <dc:title><![CDATA[基于深度模糊推理模型的烟气脱硫设备运行状态预测]]></dc:title>
    <dc:creator><![CDATA[王功明, 李欣怡, 王自鹏, 张梦华, 韩红桂, 乔俊飞]]></dc:creator>
    <dc:date>2026-09-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>自动化学报. 2026 52(9): 2046-2056.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.16383/j.aas.c250596</dc:identifier>
    <prism:doi>10.16383/j.aas.c250596</prism:doi>
    <prism:publicationName>自动化学报</prism:publicationName>
    <prism:volume>52</prism:volume>
    <prism:number>9</prism:number>
    <prism:publicationDate>2026-09-01</prism:publicationDate>
	<prism:url>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250596?pageType=en</prism:url>
		<prism:startingPage>2046</prism:startingPage>
  </item>
    <item rdf:about="https://www.aas.net.cn/article/doi/10.16383/j.aas.c260016?pageType=en">
    <title><![CDATA[具有软、硬输出约束的不确定非线性系统漏斗控制: 一种直接修正方法]]></title>
    <link>https://www.aas.net.cn/article/doi/10.16383/j.aas.c260016?pageType=en</link>
	    <description>
		<![CDATA[左凰, 陶杰, 林明, 刘勇华, 苏春翌 本文研究一类同时存在软、硬输出约束的不确定非线性系统跟踪控制问题. 其中, 安全相关的输出约束被建模为不可违背的硬约束, 而期望的跟踪性能则通过可调节的软约束加以刻画. 针对软、硬约束可能发生冲突的情形, 引入一种光滑过渡函数, 并基于此构造凸组合算子对软约束边界进行直接修正, 从而保证其与硬约束的兼容性. 在此基础上, 将硬约束与修正后的软约束进行统一整合, 构造具有光滑边界的约束结构. 基于该约束结构并结合漏斗控制技术, 提出一种低复杂度鲁棒控制算法, 确保系统同时满足硬约束与修正后的软约束. 与现有基于辅助动态系统的软约束间接调整方法不同, 所提策略无需引入额外动态系统, 即可得到结构简洁、易于实现的静态控制器. 此外, 在软、硬约束冲突发生时, 该方法能够将软约束违背量严格限制在满足硬约束所需的最小违背量与预设容差之和以内, 且在有限时间内实现约束解耦, 优先确保硬约束的严格满足. 仿真结果验证了该方法的有效性. 自动化学报. 2026 52(9): 2057-2067.]]>
	</description>
    <content:encoded>
		<![CDATA[左凰, 陶杰, 林明, 刘勇华, 苏春翌 本文研究一类同时存在软、硬输出约束的不确定非线性系统跟踪控制问题. 其中, 安全相关的输出约束被建模为不可违背的硬约束, 而期望的跟踪性能则通过可调节的软约束加以刻画. 针对软、硬约束可能发生冲突的情形, 引入一种光滑过渡函数, 并基于此构造凸组合算子对软约束边界进行直接修正, 从而保证其与硬约束的兼容性. 在此基础上, 将硬约束与修正后的软约束进行统一整合, 构造具有光滑边界的约束结构. 基于该约束结构并结合漏斗控制技术, 提出一种低复杂度鲁棒控制算法, 确保系统同时满足硬约束与修正后的软约束. 与现有基于辅助动态系统的软约束间接调整方法不同, 所提策略无需引入额外动态系统, 即可得到结构简洁、易于实现的静态控制器. 此外, 在软、硬约束冲突发生时, 该方法能够将软约束违背量严格限制在满足硬约束所需的最小违背量与预设容差之和以内, 且在有限时间内实现约束解耦, 优先确保硬约束的严格满足. 仿真结果验证了该方法的有效性. 自动化学报. 2026 52(9): 2057-2067.]]>
	</content:encoded>
    <dc:title><![CDATA[具有软、硬输出约束的不确定非线性系统漏斗控制: 一种直接修正方法]]></dc:title>
    <dc:creator><![CDATA[左凰, 陶杰, 林明, 刘勇华, 苏春翌]]></dc:creator>
    <dc:date>2026-09-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>自动化学报. 2026 52(9): 2057-2067.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.16383/j.aas.c260016</dc:identifier>
    <prism:doi>10.16383/j.aas.c260016</prism:doi>
    <prism:publicationName>自动化学报</prism:publicationName>
    <prism:volume>52</prism:volume>
    <prism:number>9</prism:number>
    <prism:publicationDate>2026-09-01</prism:publicationDate>
	<prism:url>https://www.aas.net.cn/article/doi/10.16383/j.aas.c260016?pageType=en</prism:url>
		<prism:startingPage>2057</prism:startingPage>
  </item>
    <item rdf:about="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250725?pageType=en">
    <title><![CDATA[深度学习软测量模型对抗鲁棒性增强: 一种对抗训练与攻击检测融合的对抗防御方法]]></title>
    <link>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250725?pageType=en</link>
	    <description>
		<![CDATA[郭润元, 李安伦, 刘涵, 张友民, 刘丁 深度学习软测量(DLSS)已成为解决复杂工业过程关键变量测量难题的有效方法, 但其极易遭受肉眼难以察觉的对抗攻击而输出虚假预测结果, 进而危害生产安全. 现有对抗攻击检测方法对微小扰动对抗样本(SPAS)普遍难以检出, 且对抗训练防御方法仍广泛存在对抗鲁棒过拟合现象. 针对上述问题, 提出一种对抗训练与攻击检测融合(ATADI)的对抗防御方法: 首先, 理论证明仅采用SPAS进行对抗训练更有助于缓解对抗鲁棒过拟合. 其次, 在此基础上提出一种基于SPAS的特征锚定式对抗训练(FAAT)方案, 即SPAS-FAAT. ATADI中的攻击检测器在防御过程中仅检测较大扰动对抗样本(LPAS)以规避其难以检出SPAS的不足, SPAS则被输入SPAS-FAAT后的DLSS以获得最终软测量结果. 最后, 在转子热变形软测量对抗攻防案例上进行了实验. 结构消融实验结果显示, 将对抗训练与攻击检测相融合可作为DLSS对抗防御的有效手段, 各类攻击产生的LPAS均能以不低于98.42%的准确率被检出, 且SPAS-FAAT后的DLSS在SPAS与正常样本上的软测量结果均满足精度要求. ATADI方法显著增强了DLSS的对抗鲁棒性, 为对抗防御方法的研究提供了新思路. 自动化学报. 2026 52(9): 2068-2081.]]>
	</description>
    <content:encoded>
		<![CDATA[郭润元, 李安伦, 刘涵, 张友民, 刘丁 深度学习软测量(DLSS)已成为解决复杂工业过程关键变量测量难题的有效方法, 但其极易遭受肉眼难以察觉的对抗攻击而输出虚假预测结果, 进而危害生产安全. 现有对抗攻击检测方法对微小扰动对抗样本(SPAS)普遍难以检出, 且对抗训练防御方法仍广泛存在对抗鲁棒过拟合现象. 针对上述问题, 提出一种对抗训练与攻击检测融合(ATADI)的对抗防御方法: 首先, 理论证明仅采用SPAS进行对抗训练更有助于缓解对抗鲁棒过拟合. 其次, 在此基础上提出一种基于SPAS的特征锚定式对抗训练(FAAT)方案, 即SPAS-FAAT. ATADI中的攻击检测器在防御过程中仅检测较大扰动对抗样本(LPAS)以规避其难以检出SPAS的不足, SPAS则被输入SPAS-FAAT后的DLSS以获得最终软测量结果. 最后, 在转子热变形软测量对抗攻防案例上进行了实验. 结构消融实验结果显示, 将对抗训练与攻击检测相融合可作为DLSS对抗防御的有效手段, 各类攻击产生的LPAS均能以不低于98.42%的准确率被检出, 且SPAS-FAAT后的DLSS在SPAS与正常样本上的软测量结果均满足精度要求. ATADI方法显著增强了DLSS的对抗鲁棒性, 为对抗防御方法的研究提供了新思路. 自动化学报. 2026 52(9): 2068-2081.]]>
	</content:encoded>
    <dc:title><![CDATA[深度学习软测量模型对抗鲁棒性增强: 一种对抗训练与攻击检测融合的对抗防御方法]]></dc:title>
    <dc:creator><![CDATA[郭润元, 李安伦, 刘涵, 张友民, 刘丁]]></dc:creator>
    <dc:date>2026-09-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>自动化学报. 2026 52(9): 2068-2081.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.16383/j.aas.c250725</dc:identifier>
    <prism:doi>10.16383/j.aas.c250725</prism:doi>
    <prism:publicationName>自动化学报</prism:publicationName>
    <prism:volume>52</prism:volume>
    <prism:number>9</prism:number>
    <prism:publicationDate>2026-09-01</prism:publicationDate>
	<prism:url>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250725?pageType=en</prism:url>
		<prism:startingPage>2068</prism:startingPage>
  </item>
    <item rdf:about="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250703?pageType=en">
    <title><![CDATA[基于自适应混合网格划分的分布式粒子滤波算法]]></title>
    <link>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250703?pageType=en</link>
	    <description>
		<![CDATA[马家宁, 陈迪, 王建格, 李晓磊, 罗小元 在分布式网络中, 传统粒子滤波方法难以在估计精度与计算开销之间取得良好平衡. 为此, 提出一种自适应混合网格分布式粒子滤波算法. 首先, 引入一种基于信息论准则的自适应混合网格策略, 动态优化状态空间的划分方式, 使计算资源集中于后验分布的高概率区域, 从而提升表示效率. 其次, 针对分布式信息融合, 设计一种新的融合机制, 使节点能够直接融合以网格权重表示的局部后验分布, 有效避免参数化方法中常见的模型失配与信息损失问题, 并显著降低了通信开销. 此外, 为保障融合过程的鲁棒性, 采用对数域Gossip共识协议驱动融合迭代, 并从理论上证明其在概率域中的收敛性. 最后, 蒙特卡洛仿真结果表明, 相较于固定网格与高斯混合融合等基准方法, 所提算法在显著降低资源消耗的同时, 其估计精度最接近集中式性能上界, 展现出优越的估计精度与系统可扩展性. 自动化学报. 2026 52(9): 2082-2095.]]>
	</description>
    <content:encoded>
		<![CDATA[马家宁, 陈迪, 王建格, 李晓磊, 罗小元 在分布式网络中, 传统粒子滤波方法难以在估计精度与计算开销之间取得良好平衡. 为此, 提出一种自适应混合网格分布式粒子滤波算法. 首先, 引入一种基于信息论准则的自适应混合网格策略, 动态优化状态空间的划分方式, 使计算资源集中于后验分布的高概率区域, 从而提升表示效率. 其次, 针对分布式信息融合, 设计一种新的融合机制, 使节点能够直接融合以网格权重表示的局部后验分布, 有效避免参数化方法中常见的模型失配与信息损失问题, 并显著降低了通信开销. 此外, 为保障融合过程的鲁棒性, 采用对数域Gossip共识协议驱动融合迭代, 并从理论上证明其在概率域中的收敛性. 最后, 蒙特卡洛仿真结果表明, 相较于固定网格与高斯混合融合等基准方法, 所提算法在显著降低资源消耗的同时, 其估计精度最接近集中式性能上界, 展现出优越的估计精度与系统可扩展性. 自动化学报. 2026 52(9): 2082-2095.]]>
	</content:encoded>
    <dc:title><![CDATA[基于自适应混合网格划分的分布式粒子滤波算法]]></dc:title>
    <dc:creator><![CDATA[马家宁, 陈迪, 王建格, 李晓磊, 罗小元]]></dc:creator>
    <dc:date>2026-09-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>自动化学报. 2026 52(9): 2082-2095.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.16383/j.aas.c250703</dc:identifier>
    <prism:doi>10.16383/j.aas.c250703</prism:doi>
    <prism:publicationName>自动化学报</prism:publicationName>
    <prism:volume>52</prism:volume>
    <prism:number>9</prism:number>
    <prism:publicationDate>2026-09-01</prism:publicationDate>
	<prism:url>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250703?pageType=en</prism:url>
		<prism:startingPage>2082</prism:startingPage>
  </item>
    <item rdf:about="https://www.aas.net.cn/article/doi/10.16383/j.aas.c260078?pageType=en">
    <title><![CDATA[基于轻量化条件扩散模型的工业信号生成方法]]></title>
    <link>https://www.aas.net.cn/article/doi/10.16383/j.aas.c260078?pageType=en</link>
	    <description>
		<![CDATA[费蓉, 李向馨, 上官安琪, 黑新宏, 宋霄罡, 刘雅君 深度学习模型为缓解数据不均衡问题提供了有效途径, 然而, 现有方法难以兼顾生成质量与计算效率, 例如生成对抗网络存在训练不稳定问题、扩散模型的计算复杂度较高. 为提高工业信号的可用性, 提出基于轻量化条件扩散模型的工业信号生成方法, 在保持扩散模型生成优势的同时显著提高训练效率, 并降低模型推理计算量. 该方法主要分为自编码器信号降维与扩散模型样本生成两个阶段. 阶段一基于自编码器建立原始信号的隐变量分布结果, 构建轻量化的低维空间, 以提高整体模型的计算效率; 阶段二通过条件扩散模型的马尔科夫链噪声推理过程, 对阶段一的输出结果进行重建, 以获取高质量的工业信号. 针对轻量化空间取值有限导致的类别混叠问题, 以聚合同类并区分异类为目标, 设计对比学习损失来提高空间中的类别区分度. 考虑到故障幅值分布特征表现为周期性衰减冲击, 提出分解损失函数来挖掘信号隐藏特征并提升生成样本质量. 在两种数据集上的实验结果表明, 该方法能够为工业系统提供可靠的数据支持. 自动化学报. 2026 52(9): 2096-2117.]]>
	</description>
    <content:encoded>
		<![CDATA[费蓉, 李向馨, 上官安琪, 黑新宏, 宋霄罡, 刘雅君 深度学习模型为缓解数据不均衡问题提供了有效途径, 然而, 现有方法难以兼顾生成质量与计算效率, 例如生成对抗网络存在训练不稳定问题、扩散模型的计算复杂度较高. 为提高工业信号的可用性, 提出基于轻量化条件扩散模型的工业信号生成方法, 在保持扩散模型生成优势的同时显著提高训练效率, 并降低模型推理计算量. 该方法主要分为自编码器信号降维与扩散模型样本生成两个阶段. 阶段一基于自编码器建立原始信号的隐变量分布结果, 构建轻量化的低维空间, 以提高整体模型的计算效率; 阶段二通过条件扩散模型的马尔科夫链噪声推理过程, 对阶段一的输出结果进行重建, 以获取高质量的工业信号. 针对轻量化空间取值有限导致的类别混叠问题, 以聚合同类并区分异类为目标, 设计对比学习损失来提高空间中的类别区分度. 考虑到故障幅值分布特征表现为周期性衰减冲击, 提出分解损失函数来挖掘信号隐藏特征并提升生成样本质量. 在两种数据集上的实验结果表明, 该方法能够为工业系统提供可靠的数据支持. 自动化学报. 2026 52(9): 2096-2117.]]>
	</content:encoded>
    <dc:title><![CDATA[基于轻量化条件扩散模型的工业信号生成方法]]></dc:title>
    <dc:creator><![CDATA[费蓉, 李向馨, 上官安琪, 黑新宏, 宋霄罡, 刘雅君]]></dc:creator>
    <dc:date>2026-09-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>自动化学报. 2026 52(9): 2096-2117.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.16383/j.aas.c260078</dc:identifier>
    <prism:doi>10.16383/j.aas.c260078</prism:doi>
    <prism:publicationName>自动化学报</prism:publicationName>
    <prism:volume>52</prism:volume>
    <prism:number>9</prism:number>
    <prism:publicationDate>2026-09-01</prism:publicationDate>
	<prism:url>https://www.aas.net.cn/article/doi/10.16383/j.aas.c260078?pageType=en</prism:url>
		<prism:startingPage>2096</prism:startingPage>
  </item>
    <item rdf:about="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250747?pageType=en">
    <title><![CDATA[复杂空间约束下多智能体预设时间一致性控制]]></title>
    <link>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250747?pageType=en</link>
	    <description>
		<![CDATA[杨柳, 尤龙龙, 宋文龙, 黄建平, 梁野, 吴立刚 多智能体系统在执行任务过程中需规避障碍、分布式交互信息, 以保证作业的安全性、可靠性, 使得其作业空间受到防碰撞及障碍躲避的安全区域和通信连通性保持的智能体间有限相对位置的约束. 为此, 研究在上述复杂空间约束下的多智能体预设时间一致性控制问题. 根据智能体与障碍物之间的安全距离, 区分多智能体系统作业过程为障碍规避模态及协同作业模态进行全作业过程描述. 在障碍规避模态, 除传统的智能体间及与障碍物碰撞安全距离约束外, 设计有通信距离约束的避障控制律, 保障在复杂空间障碍环境协同穿越情况下的作业安全性, 以及穿越障碍物后的分布式通信连通性, 防止协同避障后部分智能体断联、中断协同作业任务. 在协同作业模态, 针对传统有限时间稳定相关方法的收敛时间依赖系统初值的缺陷, 提出含时变增益的预设时间控制器设计方法, 实现在协同避障后初值不确定情况下的收敛时间预设, 提高了多智能体系统作业的可靠性. 最后, 以二阶多智能体系统为例进行数值仿真, 验证了提出方法的有效性. 自动化学报. 2026 52(9): 2118-2129.]]>
	</description>
    <content:encoded>
		<![CDATA[杨柳, 尤龙龙, 宋文龙, 黄建平, 梁野, 吴立刚 多智能体系统在执行任务过程中需规避障碍、分布式交互信息, 以保证作业的安全性、可靠性, 使得其作业空间受到防碰撞及障碍躲避的安全区域和通信连通性保持的智能体间有限相对位置的约束. 为此, 研究在上述复杂空间约束下的多智能体预设时间一致性控制问题. 根据智能体与障碍物之间的安全距离, 区分多智能体系统作业过程为障碍规避模态及协同作业模态进行全作业过程描述. 在障碍规避模态, 除传统的智能体间及与障碍物碰撞安全距离约束外, 设计有通信距离约束的避障控制律, 保障在复杂空间障碍环境协同穿越情况下的作业安全性, 以及穿越障碍物后的分布式通信连通性, 防止协同避障后部分智能体断联、中断协同作业任务. 在协同作业模态, 针对传统有限时间稳定相关方法的收敛时间依赖系统初值的缺陷, 提出含时变增益的预设时间控制器设计方法, 实现在协同避障后初值不确定情况下的收敛时间预设, 提高了多智能体系统作业的可靠性. 最后, 以二阶多智能体系统为例进行数值仿真, 验证了提出方法的有效性. 自动化学报. 2026 52(9): 2118-2129.]]>
	</content:encoded>
    <dc:title><![CDATA[复杂空间约束下多智能体预设时间一致性控制]]></dc:title>
    <dc:creator><![CDATA[杨柳, 尤龙龙, 宋文龙, 黄建平, 梁野, 吴立刚]]></dc:creator>
    <dc:date>2026-09-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>自动化学报. 2026 52(9): 2118-2129.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.16383/j.aas.c250747</dc:identifier>
    <prism:doi>10.16383/j.aas.c250747</prism:doi>
    <prism:publicationName>自动化学报</prism:publicationName>
    <prism:volume>52</prism:volume>
    <prism:number>9</prism:number>
    <prism:publicationDate>2026-09-01</prism:publicationDate>
	<prism:url>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250747?pageType=en</prism:url>
		<prism:startingPage>2118</prism:startingPage>
  </item>
    <item rdf:about="https://www.aas.net.cn/article/doi/10.16383/j.aas.c250457?pageType=en">
    <title><![CDATA[图像数据集知识效能评估方法]]></title>
    <link>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250457?pageType=en</link>
	    <description>
		<![CDATA[丁昕苗, 李好男, 刘雨帆, 刘彤飞, 张克卿, 李兵, 原春锋, 王坚, 胡卫明 当前数据交易面临价值评估难题, AI模型训练缺乏数据集选择标准, 其原因在于不同数据集在信息密度、质量结构与任务适配性上差异显著. 现有方法多聚焦于数据质量或模型性能的单一维度, 缺乏面向信息密度与多维价值的系统性量化框架, 限制了任务导向场景下数据集的科学选择与高效利用. 为此, 提出数据集知识效能评估框架, 其是综合衡量数据集的有效知识含量及其在特定任务中适应能力的量化方法, 包含三个维度: 1) 知识提炼: 将无损数据集蒸馏算法引入效能评估, 通过知识密度比量化数据集有效知识承载能力; 2) 知识质量分析: 构建多维质量指标体系, 深入分析和评估数据集的知识质量; 3) 知识任务适配: 创新性提出任务驱动的评估适配机制, 通过契合度分析与权重优化实现对特定任务适配性的评估. 在CIFAR-10/100、VGGFace2、ImageNet-1K和NABirds等典型数据集上的实验结果表明, 所提方法能够较为准确地评估知识密度与任务适配性, 为数据集选择与应用提供理论依据和技术支撑. 自动化学报. 2026 52(9): 2130-2148.]]>
	</description>
    <content:encoded>
		<![CDATA[丁昕苗, 李好男, 刘雨帆, 刘彤飞, 张克卿, 李兵, 原春锋, 王坚, 胡卫明 当前数据交易面临价值评估难题, AI模型训练缺乏数据集选择标准, 其原因在于不同数据集在信息密度、质量结构与任务适配性上差异显著. 现有方法多聚焦于数据质量或模型性能的单一维度, 缺乏面向信息密度与多维价值的系统性量化框架, 限制了任务导向场景下数据集的科学选择与高效利用. 为此, 提出数据集知识效能评估框架, 其是综合衡量数据集的有效知识含量及其在特定任务中适应能力的量化方法, 包含三个维度: 1) 知识提炼: 将无损数据集蒸馏算法引入效能评估, 通过知识密度比量化数据集有效知识承载能力; 2) 知识质量分析: 构建多维质量指标体系, 深入分析和评估数据集的知识质量; 3) 知识任务适配: 创新性提出任务驱动的评估适配机制, 通过契合度分析与权重优化实现对特定任务适配性的评估. 在CIFAR-10/100、VGGFace2、ImageNet-1K和NABirds等典型数据集上的实验结果表明, 所提方法能够较为准确地评估知识密度与任务适配性, 为数据集选择与应用提供理论依据和技术支撑. 自动化学报. 2026 52(9): 2130-2148.]]>
	</content:encoded>
    <dc:title><![CDATA[图像数据集知识效能评估方法]]></dc:title>
    <dc:creator><![CDATA[丁昕苗, 李好男, 刘雨帆, 刘彤飞, 张克卿, 李兵, 原春锋, 王坚, 胡卫明]]></dc:creator>
    <dc:date>2026-09-01</dc:date>
    <dc:rights>Personal use only, all commercial or other reuse prohibited</dc:rights>
    <dc:source>自动化学报. 2026 52(9): 2130-2148.</dc:source>
    <dc:type>article</dc:type>
    <dc:identifier>doi:10.16383/j.aas.c250457</dc:identifier>
    <prism:doi>10.16383/j.aas.c250457</prism:doi>
    <prism:publicationName>自动化学报</prism:publicationName>
    <prism:volume>52</prism:volume>
    <prism:number>9</prism:number>
    <prism:publicationDate>2026-09-01</prism:publicationDate>
	<prism:url>https://www.aas.net.cn/article/doi/10.16383/j.aas.c250457?pageType=en</prism:url>
		<prism:startingPage>2130</prism:startingPage>
  </item>
  </rdf:RDF>
