唐山市产教融合发展研究中心

 物联网技术团队依托唐山市物联网与移动互联新技术重点实验室。研究方向：物联网、智能家居、嵌入式系统、无线智能传感器、机器视觉；人员：王建国、叶涛、王晓东；职称结构：教授、副教授。

一、授权专利：

1. 一种可指定区域和进行门外实时物品监视的电子猫眼；

2. 一种烧结混合料采样检测装置；

3. 机器人视觉定位方法和装置；

4. 激光功率控制系统及激光轮廓测量装置；

二、论文

1．激光结构光测量连续调节智能光源控制器设计；

2. 基于STM32硬件的USBHID双向传输通信接口设计；

3. 基于DSP和CPLD的激光雷达图像采集和显示集成系统；

4. 数字投影三维数字成像的并行DSP实现；

5. 无链表SPIHT图像提升小波编码的硬件算法；

三、研究成果

1. 远程LoRa无线传感器监测装置；

2. 机器视觉几何量测量系统和算法；

3. 机器视觉装配运动对位系统；

4. 机器视觉装配缺陷检测；

四、横向课题

1.      基于物联网云平台的楼宇单元智能调控软件；

 

                                                 负 责 人：王建国

                                                 联系电话：13832877061

                                                 邮箱地址：wjgfwjg@163.com

                                                 单位信息：唐山学院人工智能学院

                                                 地    址：唐山市大学西道11号

 

网络信息安全团队

网络信息安全团队依托河北省智能数据信息处理与控制重点实验室和唐山市智能信息处理基础创新团队，研究方向包括智能安全与对抗、隐蔽通信、网络攻防等，团队成员7人，其中核心成员3人，教授2人，副教授1人，讲师4人。研究内容包括：面向移动网络的实时交互应用隐通道的安全对抗机制和面向黑盒模型的图像识别智能对抗技术；针对实时语音及视频业务的隐通道构建技术以及隐通道的网络节点主动攻击的识别与对抗方法；数据包时间戳的还原及应用，网络条件的自适应及运行参数优化，隐蔽通信原型系统开发与评测，车联网访问控制的智能对抗与防护。

近五年团队共发表网络信息安全方向相关研究论文16篇，其中SCI收录8篇，EI收录6篇，核心期刊2篇；授权发明专利7项，其中国家发明专利4项，国际发明专利3项；完成市级以上科研项目7项，完成横向课题5项，现承担两项与北京理工大学合作研究的国家自然科学基金项目；成果转化3项。

团队具有代表性的科研项目、论文和发明专利成果如各表所示。

表1 团队代表性科研项目

 

表2 团队代表性论文

 

表3 团队代表性专利

 

                                                  负 责 人：张小松

                                                  联系电话：13784097979

                                                  邮箱地址：zxs0224@163.com

                                                  单位信息：唐山学院人工智能学院

                                                  地    址：唐山市大学西道11号

 

先进计算团队

先进计算团队依托河北省智能数据信息处理与控制重点实验室、唐山市物联网与移动互联新技术重点实验室、唐山市室内定位技术重点实验室、系统可信性自动验证国家地方联合工程实验室，唐山研究中心开展科研活动，研究方向为多目标优化。

团队成员构成人员：

赵志伟，博士研究生，教授

熊志坚，博士研究生，讲师

张壮，硕士研究生，助理讲师

先进计算团队受国家自然科学基金、河北省自然科学基金、 河北省教育厅、唐山市科技局、唐山市人社局等的支持，从事进化算法、 多目标优化的理论研究和应用工作，取得了一定的研究成果。

先进计算团队主要研究成果：针对多目标进化算法在处理多目标优化问题中经常面临多样性和收敛性难以平衡的问题，利用个体之间的向量角度来反映个体搜索方向上的相似性，采用聚类策略，对个体进行聚类生成新类，提出一种基于向量角度和聚类的多目标进化算法。针对基于分解的多目标进化算法难以求解复杂帕累托前沿的超多目标优化问题，设计一种角度聚合函数，根据种群进化的过程，在不同阶段动态平衡种群的收敛性和多样性，提出一种基于最大向量角度选择和参考向量自适应的超多目标进化算法。针对单目标进化算法控制参数固定的问题 ，结合 Symmetric Latinhy PercubeDesign(SLHD)技术，提出了基于 SLHD 的自适应差分进化算法。针对多目标进化算法 Pareto 前沿分布性差的问题，引入角度邻域，提出了基于角度邻域的多目标差分进化算法。针对差分进化算法控制参数与寻优目标高灵敏度问题，提出了基于一次指数平滑法的自适应差分进化算法。针对高维多目标优化问题，提出了基于参考点和差分变异策略的高维多目标进化算法。针对初始种群多样性问题，提出了基于方向学习的差分进化算法。此外，项目组还在粒子群算法、蜂群算法、遗传算法等进化算法上取得了丰富的研究成果。

申请项目：

1.冷轧过程建模及负荷分配高维多目标优化技术研究（河北省自然科学基金钢铁联合基金，10万），河北省自然科学基金委员会，结项，2022.10

2.高维多目标进化算法理论与方法研究（河北省高等学校科学技术研究重点项目，5万），河北省教育厅，结项，2022.6

3.差分进化算法的改进研究及其在冷轧负荷分配优化中的应用（河北省科技计划项目），河北省科技厅，结项，2018.4

4.基于Pareto前沿的高维多目标进化算法研究（唐山市科技计划项目），2021.06至今，7.5万元

5.面向超多目标优化问题的进化算法研究（唐山市人才资助项目），2022.09至今，2万元

6.鈥�1+4鈥澛寥攘�轧负荷分配建模及高维多目标进化算法技术研究（河北省高等学校科学技术研究青年基金项目，2.5万元），河北省教育厅，结项，2019.1；

7.唐山市物联网与移动互联新技术重点实验室（市级重点实验室，10万），唐山市科技局，2020.12

8.高维多目标进化算法收敛性与多样性研究（唐山市人才资助项目），2022.09至今，5万元

发表论文：

[1] Xiong Zhijian, et al. Maximum angle evolutionary selection for many-objective optimization algorithm with adaptive reference vector [J]. Journal of Intelligent Manufacturing, 34, 961–984 (2023). (SCI中科院一区TOP, IF:7.136)

[2] Xiong Zhijian, et al. Evolutionary many-objective optimization algorithm based on angle and clustering [J]. Applied Intelligence, 51, 2045–2062 (2021). (SCI中科院二区, IF:5.019)

[3] Zhao Zhiwei,* et al. An approach of robust power control for cognitive radio networks based on chance constraints[J]. Peer-to-Peer Networking and Applications, 2019, 12(1): 280-290. (SCI检索)

[4] Zhiwei Zhao*, et al. A Differential Evolution Algorithm with Self-adaptive Strategy and Control Parameters based on Symmetric Latin Hypercube Design for Unconstrained Optimization Problems[J]. European Journal of Operational Research, 2016, 250(1): 30-45（SCI检索，被引用61次）

[5] Zhao Zhiwei*, et al. Application of artificial bee colony algorithm to select architecture of a optimal neural network for the prediction of rolling force in hot strip rolling process[J]. Journal of Chemical and Pharmaceutical Research, 2013, 5(9): 563-570. (EI检索)

[6] 熊志坚,王晓晶,杨景明等.基于粒子群与聚类的多目标优化算法[J].计量学报,2023,44(02):252-257.

[7] 赵志伟,杨景明,呼子宇,车海军.基于角度邻域的多目标差分进化算法[J].控制理论与应用,2017,34(01):22-32.

[8] 赵志伟,杨景明,呼子宇,车海军.基于一次指数平滑法的自适应差分进化算法[J].控制与决策,2016,31(05):790-796.

[9] 赵志伟,杨柳,谢立典,葛超.具有采样控制和量化的不确定模糊系统稳定性和镇定研究[J].计量学报,2022,43(03):392-398.

[10] 赵志伟,刘月,熊志坚,杨秀伟.基于多子种群和密度估计的高维多目标进化算法的冷轧负荷分配[J].计量学报,2022,43(01):65-71.

[11] 赵志伟,侯宇浩,王伟志,么洪波.基于参考点和差分变异策略的高维多目标冷轧负荷分配[J].计量学报,2017,38(06):730-734.

[12] 赵志伟.基于反向学习的差分进化算法的冷轧负荷分配[J].计量学报,2017,38(04):453-458.

发明专利：

1.一种计算机键盘检测装置，2020.6；

2.一种居家用物联网自动晾干毛巾装置，2020.10

  

                                                 负 责 人：熊志坚

                                                 联系电话：15076525866

                                                 邮箱地址：xiongshipaper@163.com

                                                 单位信息：唐山学院人工智能学院

                                                 地    址：唐山市大学西道11号

 

工业信息处理团队

工业信息处理团队依托智能信息数据处理与控制河北省重点实验室和现代冶金技术教育部重点实验室组建的联合实验室，研究方向为冶金大数据分析、炼铁智能化，具体包括：烧结、炼铁系统中原料、过程工艺参数及产、质量指标的智能监测及预警模型研发，混合料水分的在线监测及控制、基于机器视觉的混合料粒度组成实时监测；烧结配料优化系统等。

近五年团队主持了唐山市应用基础研究科技计划项目鈥溁�于机器视觉和深度学习算法的烧结混合料粒度监测及预警模型研究鈥潱�21130233C）和省教育厅青年拔尖人才项目鈥溁�于烧结生产过程大数据的质量智能监测与优化模型研究鈥潱�BJ2021099）；参与了国家自然科学基金重点支持项目鈥湼呗�喷煤新技术的研究鈥潱�U1360205）、河北省自然科学基金项目鈥溁�于大数据技术的烧结全产线质量智能控制系统研究鈥潱�E2019209314）以及多项横向课题（包括鈥満痈旨�团高炉大数据智能炼铁（800 万）鈥潯� 鈥溙�前运行状态智能监测及预警系统研究（85 万）鈥澓外�溁�于大数据与人工智能技术的高炉智能化操作系统开发与应用（390 万）鈥澋龋┑难芯俊�

近五年来团队在烧结、炼铁工序的大数据分析、智能应用模型研发方面开展了系统性研究，找到了数据处理、特征选择、机器学习、深度学习和智能优化算法等技术与炼铁工程实践问题之间相互沟通的桥梁，具有原创性，对相关领域的研究工作起到了引领和推动作用。初步的研究成果如下：

1.1 采用计算机视觉和Re-Unet网络构建了烧结混合料粒度识别模型

 

图1  烧结混合料粒度识别模型组图

合理的烧结混合料粒度分布是影响烧结矿产量和质量的重要因素，当前采用人工离线、低频的混合料粒度筛分检测方法，存在严重的时间滞后性，已无法满足钢铁企业高质量发展的需求，为了实现对烧结过程的精确控制，采用计算机视觉技术结合Re-Unet网络建立了烧结混合料粒度识别模型。通过加权平均灰度处理、滤波降噪和直方图均衡化增强等技术进行了图像预处理，获得了构建混合料粒度识别模型所需的基础数据集，以跳连接方式优化网络结构降低特征损失对Re-Unet网络进行搭建，应用可视化技术实现了烧结混合料粒度分布计算。测试结果表明，模型在各个粒级的识别误差与实际误差间的差距不超过2%，可用于对烧结混合料粒度的精准识别。

1.2 采用k均值聚类和Adaboost集成算法构建了铁水温度预测模型

准确、连续地监测高炉铁水温度状态是一项具有挑战性的工作。结合高炉的实际生产数据，提出了一种基于Adaboost集成算法的铁水温度预测模型，模型准确度达到±5℃误差下90%以上的命中率，实现了铁水温度的准确预报（Zhao Jun, Li Xin, Liu Song, et al. HIGH TEMP MAT PR-ISR, 2021, 40: 87-98）。

 

图2  铁水温度预测模型组图

1.3 采用梯度提升树算法和决策规则构建了烧结终点预报模型

 

图3  烧结终点预报模型组图

根据烧结过程的特点和终点位置测量困难的问题，选用梯度提升树算法分别建立了终点位置预测模型和终点温度预测模型，并对预报模型的输出结果添加了相应的决策规则。在 1.25m误差范围内，添加决策规则模型的预报命中率能达到 85.6%，相比于传统基于废气温度判断终点对应风箱编号的方法缩减误差约 3 倍（Liu Song, Lyu Qing, Liu Xiaojie, et al. ISIJ INT, 2019, 59(12): 2156-2164.）。该模型已在河钢承钢360m²烧结机上投入使用，改善了烧结终点的稳定性，提高了烧结矿的转鼓指数和筛分指数。

1.4 构建了基于集成学习算法的烧结矿质量综合预测模型，提高了质量预报的精度及泛化能力

 

图4  烧结矿质量综合预测模型组图

采用烧结全流程参数数据，将聚类算法与烧结工艺相结合，创建了一套烧结矿质量综合评价方法，并利用Extremely randomized trees算法建立了烧结矿质量综合指标分类模型、转鼓指数和筛分指数回归模型，实现了烧结矿质量指标的在线、准确预报（Liu Song, Lyu Qing, Liu Xiaojie, et al. IRONMAK STEELMAK, 2020, 47(7): 828-836）。

1.5 基于烧结过程大数据样本集和深度学习模型，实现了对烧结矿成分的在线监测与精准预报

针对人工定期取样，检化验频次低，存在时间滞后的问题，采用深度学习与烧结工艺相结合建立了化学成分综合预报模型，实现了烧结矿成分的在线监测及提前预报。本研究模型的拟合优度（R²）达到 0.92 以上，且均方误差（MSE）、平均绝对误差（MAE）趋近于零值（Song Liu, Xiaojie Liu, Qing Lyu, et al. APPL SOFT COMPUT, 95 (2020) 106574）。

 

图5  烧结矿成分在线监测与预报模型组图

目前在国内外发表相关学术论文 20 余篇，其中 SCI 论文 6 篇，并有 1 篇发表于二区 top 期刊；授权国家发明专利 3 项，实用新型专利 1 项。

1）相关研究成果发表的学术论文如表1所示。

表1  发表的相关学术论文

序号	论文题目	作者及排名	发表时间	刊物名称	他引 次数	影响 因子	类别
1	Comprehensive prediction system of sinter composition based on DNN and LSTM	Song Liu/1	2020-07	Applied Soft Computing	17	6.725	SCI(JCR Q1)
2	An Online Sintering Batching System Based on Machine Learning  and Intelligent Algorithm	Song Liu/1	2021-08	ISIJ International	0	1.739	SCI(JCR Q2)
3	Synthetically predicting the quality index of sinter using machine learning model	Liu Song/1	2019-05	Ironmaking & Steelmaking	13	1.679	SCI(JCR Q2)
4	A Prediction System of Burn through Point Based on Gradient Boosting Decision Tree and Decision Rules	Liu Song/1	2019-12	ISIJ International	7	1.739	SCI(JCR Q2)
5	Prediction of hot metal temperature based on data mining	Liu Song/3	2021-04	HIGH TEMPERATURE MATERIALS AND PROCESSES	1	0.677	SCI(JCR Q4)
6	Study on the Appropriate Production Parameters of a Gas-injection Blast Furnace	Liu Song/1	2020-02	HIGH TEMPERATURE MATERIALS AND PROCESSES	5	0.826	SCI(JCR Q4)
7	Study on the Mechanism of CeO2 as Combustion Improver in PCI	Song Liu/2	2016-09	Austria: 7th European Coke and Ironmaking Congress	--	--	国际会议
8	基于改进Canny算子的烧结混合料粒度检测方法	刘颂/2	2022-06	烧结球团	0	0.962	核心期刊
9	基于集成学习的高炉压差预报模型研究	刘颂/1	2022-01	电子测量技术	0	1.313	核心期刊
10	烧结系统智能制造与大数据技术应用探讨	刘颂/1	2021-10	钢铁	4	2.744	核心期刊
11	融合大数据技术和工艺经验的高炉参数优化	刘颂/1	2019-11	钢铁	11	2.744	核心期刊
12	基于大数据技术的烧结全产线质量智能控制系统	刘颂（通讯）/2	2018-07	钢铁	28	2.744	核心期刊
13	高炉喷吹煤气工艺中炉顶煤气循环的变化规律	刘颂/1	2018-02	钢铁	7	2.744	核心期刊

 

2）发明专利：

1. 刘颂, 赵亚迪, 赵志伟, 刘小杰, 等. 基于大数据和深度学习的烧结矿成分预报模型, CN202010956793.X（审中-实质审查）；

2. 刘颂, 赵亚迪, 卜象平, 杨秀伟, 等. 一种实时定量判定烧结终点状态的软测量方法, CN202011127923.5（授权日：2022.07.01）；

3. 刘小杰, 刘颂, 吕庆, 孙艳芹, 等. 基于大数据和机器学习的烧结终点预测系统的建立方法, CN201810311140.9（授权日：2020.07.21）；

4. 孙艳芹, 刘颂, 郄亚娜, 刘小杰, 等. 一种熔体物性测头悬挂装置, CN201710006762.6 (授权日：2019.11.22)；

3）实用新型专利：

1. 刘颂, 赵亚迪, 赵志伟, 冯伟, 等. 一种烧结混合料采样检测装置, CN 217765625 U （授权日：2022.11.08）；

 

 

                                                  负 责 人：刘颂

                                                  联系电话：15732525552

                                                  邮箱地址：neversettle0722@163.com

                                                  单位信息：唐山学院人工智能学院

                                                  地    址：唐山市大学西道11号