✦ 点击蓝字，关注我们！✦
欢迎阅读IEEE Transactions on Industrial Informatics期刊2026年issue2推送（第3期/共9期）。本期推送共包含10篇研究论文，内容覆盖了硬件加速与资源优化、智能电网安全、状态估计、机器人控制、人工智能建模、计算机视觉、工业检测以及能源系统控制等多个前沿领域。这些研究聚焦于通过创新的算法、控制策略和硬件设计，解决复杂系统在效率、安全、实时性和精度等方面的核心挑战，展现了跨学科技术在工业物联网、智能制造、新能源等关键领域的应用潜力。总体而言，这些成果有助于推动工程系统向更高效、更安全、更可部署的方向发展，可直接服务于边缘计算、现场控制与工业检测等实际场景。
本期目录
📖 第1篇：面向HLS FPGA设计的大规模矩阵运算资源复用策略
📖 第2篇：基于反向拍卖的雾计算资源分配策略：面向智能电网DDoS攻击缓解
📖 第3篇：基于单步优化的运动学控制器：实现腿式机器人实时路径跟踪
📖 第4篇：配电网中数值稳定状态估计与虚假数据注入攻击检测的统一框架
📖 第5篇：基于跨任务注意力多任务学习的锂离子电池单体级数字孪生AI建模
📖 第6篇：自适应核选择模块与特征增强感知网络相结合的伪装目标检测
📖 第7篇：Amcf-ResNet：基于多模态自适应学习与交叉反馈的漏磁检测高精度三维缺陷重构
📖 第8篇：基于增强型自适应滤波控制的BES-风能驱动双馈感应发电机微电网
📖 第9篇：基于LU分解算法模拟求解器设计以加速公开彩色水印技术
📖 第10篇：基于约束结构的污水处理过程自适应模糊可调最优控制
📖 第1篇
📌 面向HLS FPGA设计的大规模矩阵运算资源复用策略
A Resource Reuse Strategy for Large-Scale Matrix Operations in HLS-Based FPGA Design
作者：Zhihang Lei，Chubo Liu，Zheng Xiao，Baixuan Wu，Anthony Theodore Chronopoulos，Kenli Li
本文聚焦于在资源受限的FPGA上部署深度学习矩阵运算时的资源/延迟权衡，提出基于高层次综合（HLS）流程的系统化设计方法。研究在分析传统复用控制的基础上，构建了面向卷积层的设计框架，输入为各层的计算矩阵与平台资源约束，输出为各层的复用因子配置与延迟估计。核心方法采用了ILP优化来求解复用因子的全局分配问题；研究揭示了显著的复用比现象，即随复用因子增大，DSP占用近似反比下降而延迟近似线性上升。与以往局部启发式策略不同，本文通过数学建模将资源约束和延迟瓶颈联合考虑，从而系统化探索硬件設計空间并减少人为经验调整。
在实现层面，作者首先为每个卷积层枚举可行的复用因子并构建延迟与资源估计模型，随后将整体复用配置转化为一个约束下的整数规划问题，目标为搜索空间内的最大延迟最小化。具体实现包括基于hls4ml工具链的HLS建模、延迟/资源的解析估计、以及以ILP求解器生成最终配置。为了提高实际可部署性，文中对延迟估计误差、HLS流水线化影响与通信开销进行了量化，并将关键约束（如平台DSP预算与数据依赖）纳入求解器约束集合中，保证所得方案可直接用于合成与实现。
实验在Xilinx VU19P上，采用定制VGG-16与ResNet-18网络进行对比与评估，基线包括现有的AIgean方法与默认HLS配置。关键实验结果显示：在ResNet上，ILP方法在最好情况下实现了2.21倍延迟降低并使每次推理能耗下降约2.14倍；在VGG上，延迟降低约1.45倍，同时DSP利用率从43%提升至57%。这些数据表明，基于全局优化的差异化分配能有效缓解系统瓶颈，达到在不显著增加总功耗的前提下提升吞吐和能效的工程目标，适用于边缘平台与多模型协同部署场景。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11298245
📖 第2篇
📌 基于反向拍卖的雾计算资源分配策略：面向智能电网DDoS攻击缓解
A Reverse Auction-Driven Fog Resource Allocation Strategy for DDoS Mitigation in Smart Grids
作者：Jun Chen，Xin Sun，Wen Tian，Miao Du，Xiaoming He，Guangjie Liu
本文聚焦于智能电网中高级计量基础设施（AMI）面临的DDoS威胁，提出在雾计算层引入市场化资源分配机制以提升防御效率。系统框架包含多个雾节点，每节点部署监控与溯源模块，整体采用反向拍卖机制动态分配防御任务。核心设计以经济激励与分配最优性为目标，提出了保证诚实出价和个体理性的反向VCG拍卖算法，解决了传统固定分配在弹性与效率上的不足；同时为降低计算复杂度，提出近似且可扩展的SPSA算法。
实现上，研究先将任务分配问题形式化为0-1整数规划并证明了经济属性，随后在仿真环境中实现拍卖流程：节点提交私有出价并附带资源能力估计，拍卖者基于约束（带宽、计算能力、延迟预算）执行分配。为提升实用性，对算法的复杂度进行了优化，并添加了激励相容性校验與支付计算模块。关键实现要点包括对节点出价策略的建模、拍卖中用到的约束/支付规则以及在线重分配机制，保证了在节点加入/离开场景下系统稳定性。
仿真评估在模拟智能电网场景下进行，比较对象包括VCG最优分配、传统三层分配与随机分配等基线。结果显示：在防御效用方面，提出的SPSA算法与VCG仅存在4.1%差距，但运行时间相比VCG缩短了超过30倍，展现出显著的可扩展性；此外，经济分析表明参与节点的收益非负，能有效激励诚实报价。工程上该方法可显著降低防御成本并提升资源利用率，适合大规模分布式智能电网部署。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11257851
📖 第3篇
📌 基于单步优化的运动学控制器：实现腿式机器人实时路径跟踪
A Single-Step Optimization-Based Kinematic Controller for Real-Time Path Tracking of Legged Robots
作者：Nestor Nahuel Deniz，Fernando A. Auat Cheein
本文针对腿式机器人在实时路径跟踪中受限于计算资源与复杂约束的问题，提出了一种基于单步预测的OBQAC控制器（优化的拟代数控制器）。系统采用运动学模型作为核心，结合底层步态控制器，将路径跟踪问题每个控制周期转化为一个带约束的最优化问题，输入为当前状态与下一时刻参考位姿，输出为电机/关节的速度指令。该方法相比长时域MPC与深度强化学习，具有无需训练、几乎零参数调优的工程优势。
在实现方面，控制器在每个控制周期内解一个带执行器速度与加速度约束的二次或凸优化问题，采用在线求解器保证实时性。关键实现点包括对机器人正交非线性模型的线性化处理、约束的严格表达、以及对实时因子（RTF）与求解时间的优化。文中详细说明了用于部署的求解器配置、优化精度与步频设置，并展示了对噪声与执行器饱和的鲁棒性设计。
在仿真及Unitree Go1四足机器人上的实测中，OBQAC与非线性MPC、LTV-LQR及深度RL进行了对比。结果表明，OBQAC在跟踪精度上与MPC接近甚至优于，且实时因子远小于1，保证了嵌入式平台下的在线运行。另外，实测平均功耗较MPC下降显著，轨迹跟踪在圆形/矩形/∞字形路径上的误差和稳定性均满足工程应用需求，证明了该方法在资源受限场景中的实用性与高效性。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11200010
📖 第4篇
📌 配电网中数值稳定状态估计与虚假数据注入攻击检测的统一框架
A Unified Framework for Numerically-Stable State Estimation and False Data Injection Attack Detection in Distribution Networks
作者：Dongliang Xu，Zaijun Wu，Qinran Hu，Junjun Xu，Rushuai Han，Gang Ma
针对配电网中虚假数据注入攻击（FDIA）检测面临的数值不稳定与伪影问题，本文提出一个将数值稳定状态估计与几何不一致性检测结合的统一框架。首先提出基于UD-CKF（U-D分解容积卡尔曼滤波）的数值稳定预测辅助估计方法，通过传播协方差的U-D因子而非完整矩阵，保证协方差的正定性，从而根本上降低估计伪影。其次基于稳定估计，设计了侧重于创新向量方向性的几何不一致性检测（GID），以区分随机噪声与具有方向性的隐蔽FDIA。
在实现上，文中详细给出UD-CKF的协方差因子传播、预测辅助观测融合与创新协方差统计一致性检验流程，并对GID的子空间跟踪与方向性偏差统计量进行了构造。关键实现要点包括对创新子空间的在线估计、异常方向性的阈值设定和鲁棒性校准；同时文中讨论了算法在三相不平衡与低X/R比条件下的数值稳定性保障措施，以提高在配电网真实运行环境下的可用性。
在IEEE测试馈线上的验证表明，该框架能检测出传统幅值/时序方法难以发现的细微FDIA，且在估计一致性与误报率方面均有显著改善。具体数值方面，框架在若干隐蔽攻击场景中将误报率显著降低，并显著提高检测的召回率（实验结果显示在复杂工况下检测率提升明显）。工程上，该方法强调了保证底层估计器数值稳定性的必要性，为配电网的在线安全监测提供了更可靠的工具。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11236721
📖 第5篇
📌 基于跨任务注意力多任务学习的锂离子电池单体级数字孪生AI建模
AI-Enhanced Digital Twin Modeling of Cell-Level Lithium-Ion Batteries via Cross-Task Attention-Based Multitask Learning
作者：Lei Wang，Yigang He，Xue Ke，Yazhong Zhou，Haotian Wu
为解决电池电热耦合建模在动态负载下的精度与实时性矛盾，本文提出一种CTA-MTL（跨任务注意力多任务学习）框架，构建单体级数字孪生模型。整体方法先由等效电路与集总热模型生成物理基线预测，再以数据驱动模块进行联合残差校正，输入包括电流/电压/温度时序，输出为修正后的电压与温度预测。关键创新在于引入稀疏跨任务注意力，用于动态捕捉电压与温度预测误差间的相互依赖，从而实现双向信息传递与联合校正。
实现细节包括采用准循环神经网络作为共享时序编码器，辅以二维卷积用于时空特征增强，并在校正模块中使用残差学习以保持物理解释性。训练时采用联合损失函数（电压与温度的加权MSE），并使用正则化与稀疏注意力约束以防过拟合。关键超参数与实现要点为注意力稀疏率、共享编码维度与训练批量大小等，文中对不同放电工况下的学习率调度与数据增强策略作了详实说明，保证模型在嵌入式BMS上的可部署性。
在五种代表性放电场景（包括2C大倍率与脉冲放电）上的评估显示，CTA-MTL在电压与温度预测精度与泛化能力上均领先传统软参数共享与单任务校正方法。具体表现为在高动态负载下显著降低了误差，消融实验验证了共享表征学习、任务感知注意力等模块的有效性。工程结论是，该框架轻量且具物理可解释性，适合资源受限的电池管理系统实现实时数字孪生。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11230106
📖 第6篇
📌 自适应核选择模块与特征增强感知网络相结合的伪装目标检测
Adaptive Kernel Selection Module Combined With Feature Enhanced Perception Network for Camouflaged Object Detection
作者：Ruyu Liu，Guang Yang，Feng Xiao，Jianhua Zhang，Shengyong Chen
本文针对伪装目标检测中传统感受野与固定窗口提取特征的局限，提出一种双分支联合网络：参考分支用于从共现显著物体中学习提示，分割分支用于精细目标分割。网络核心包括可变形窗口交互机制、特征增强感知模块以及自适应感受野调整，旨在提高对不同形状、方向和尺度伪装目标的识别能力。
在实现上，可变形窗口机制将固定窗口替换为可学习的四边形窗口以捕获任意方向特征；特征增强模块通过并行空洞卷积与通道/空间注意力融合多尺度上下文；感受野调整模块则根据目标尺寸动态放缩卷积感受野。训练采用多任务损失（边界一致性与像素分割损失组合），并在数据增强上使用尺度/旋转变换以提升对方向与尺度变化的鲁棒性。关键实现要点包括可变形窗口设计与多尺度融合策略，确保模型既能捕获细节又不丢失全局上下文。
在COD10K、NC4K、CAMO与R2C7K基准上，模型在平均绝对误差、结构相似性、自适应E-measure及加权F-measure等指标上均优于主流方法。消融实验证明每个模块的独立贡献，且在多方向、多尺度目标上的检出与分割质量显著提升。工程上，该方法对工业质检、安防与生态监测等伪装目标识别场景具有较高实用价值与良好泛化能力。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11202305
📖 第7篇
📌 Amcf-ResNet：基于多模态自适应学习与交叉反馈的漏磁检测高精度三维缺陷重构
Amcf-ResNet: High-Precision 3-D Defect Reconstruction in Magnetic Flux Leakage Inspection via Multimodal Adaptive Learning and Cross-Feedback
作者：Zhujun Wang，Rongtai Ni，Tianhe Sun，Bin Liu
针对于油气管道漏磁检测中三维缺陷重构的挑战，本文提出Amcf-ResNet，一种融合原始表格磁场数据与伪彩色图像特征的自适应多模态深度网络。系统框架包括多模态跨尺度感知融合模块、双门互补融合模块与反馈回归层，以增强对缺陷长/宽/深等几何特征的刻画能力。
实现细节包括多尺度卷积核提取策略将表格与图像数据在特征层深度融合，并通过自适应门控生成权重以平衡不同模态贡献。训练采用分层自适应矩批处理优化器以解决大规模多模态训练中的梯度问题，关键超参数包括门控阈值与多尺度卷积配置。文中还针对梯度稳定性与训练时间做了优化，使训练时间较常规方法减少约30%。
在3000组实验数据上验证，Amcf-ResNet将缺陷长度、宽度、深度的平均误差分别降低约47.7%、53.4%与27.6%，且长度/宽度量化误差均小于0.1毫米，深度误差低于材料厚度的0.15%。相较于先进算法平均误差降低了约1.8至7.5倍，工程上显著提升了漏磁检测的三维重构精度与可信度，利于预测性维护与安全评估。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11265934
📖 第8篇
📌 基于增强型自适应滤波控制的BES-风能驱动双馈感应发电机微电网
An Enhanced Adaptive Filter Controlled BES-Wind Driven DFIG Based Microgrid
作者：Sandeep Kumar Sahoo，Bhim Singh
本文提出了一种面向偏远多风地区的并网交互式微电网运行与控制方案，系统由DFIG风力发电、BES电池储能与柴油机组成并支持并网与孤岛切换。控制层创新性地引入UEHCRA（更新指数双曲余弦自适应）滤波器用于GFC电流控制，并提出T2FCSRF-PLL用于高精度频率/相角估计，以保证切换过程的快速与稳定。
具体实现结合了基带控制与滤波器设计，UEHCRA滤波器能在高度畸变电流中提取基波并对脉冲噪声表现出强鲁棒性。系统还实现了电源调度策略以优化资源使用：DFIG工作在MPPT区以最大化风能利用，柴油机仅在SOC低时启用以节约燃油。实现要点包括滤波器参数调优、PLL前向补偿结构与并网/孤岛切换逻辑的无缝衔接。
通过MATLAB/Simulink与OPAL-RT平台的仿真与实验验证，方案在负载突变与风速波动条件下能将电网或柴油发电机电流THD控制在2%以下，并在多种模式切换下维持公共连接点（PCI）电压与频率稳定，证明了系统在偏远地区提供高质量电能与不间断供电的工程可行性。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11298357
📖 第9篇
📌 基于LU分解算法模拟求解器设计以加速公开彩色水印技术
Analog Solver Design of LU Decomposition Algorithm for Accelerating Public Color Watermarking
作者：Pingdan Xiao，Meimei Ma，Haoyou Jiang，Zhen Huan，Sichun Du，Qinghui Hong
本文提出一种基于忆阻器阵列与闭环模拟电路的LU分解模拟求解器，用以加速大规模矩阵运算并应用于公开彩色水印嵌入/提取。设计利用模拟并行计算与神经动力学求解思想，将LU分解映射到电路动力学中实现快速并行收敛，核心贡献包括闭环模拟求解器架构与对器件偏差下的鲁棒性分析。
实现细节覆盖忆阻器阵列映射、闭环反馈控制、以及非理想噪声与编程误差的补偿。仿真表明，该电路对32阶矩阵的LU分解可达约95.90%精度。关键实现要点包括忆阻器校准、闭环反馈增益设计與噪声容忍策略，确保在实际器件误差下仍能稳定收敛。
在与Alveo U50 FPGA与CPU的对比中，所提加速器在延迟上实现约7倍加速且TOPS性能提升约48.4倍，用于公开彩色水印时可达到约98%求解精度。工程上，模拟求解器为实时图像安全与认证场景提供了高效、低能耗的硬件加速选项。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11229966
📖 第10篇
📌 基于约束结构的污水处理过程自适应模糊可调最优控制
Constraint Structure-Based Adaptive Fuzzy Adjustable Optimal Control in Wastewater Treatment Process
作者：Dingyuan Chen，Cuili Yang，Junfei Qiao
本文面向污水处理过程的多目标最优控制问题，提出基于约束结构的自适应模糊可调最优控制框架，以在保证出水水质（EQ）和降低能耗（EC）间取得平衡。系统以模糊神经网络（FNN）结合强化学习思想构建控制器，并创新性地将非对称障碍李雅普诺夫函数（ABLF）引入闭环约束设计，从而对关键污染物（如DON与NON）实施带有非对称边界的安全约束。
实现要点包括FNN的在线自适应权重更新、强化学习的策略迭代与约束符合性的在线校正。训练/调度时采用组合性能指标并在控制律中加入约束软化以保证可行性。关键超参数涉及ABLF边界设定、学习率调度与惩罚系数设计，文中通过反步法严格证明系统收敛性并展示在扰动下的鲁棒性分析方法。
在基准仿真模型I上的对比试验显示：该控制器在DON与NON跟踪精度上优于PID、传统FNN、自适应动态规划与MPC方法，积分绝对误差与积分平方误差均最小；在保证ENH與ETN指标不超标的前提下，实现了最低能耗。工程结论是，该方法在强约束、多目标与非线性系统下能有效兼顾水质安全与运行成本，具备较强的工程推广价值。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11231374
点击关注 获取更多精彩