✦ 点击蓝字，关注我们！✦
欢迎阅读IEEE Transactions on Industrial Informatics2025年issue10文章推送（第2期/共7期）。本期精选的10篇论文聚焦于智能系统与能源技术的前沿研究，涵盖视觉位置识别、偏振导航、工业入侵检测、物联网通信、微电网控制、可再生能源优化等多个重要领域。这些研究通过创新的算法框架和系统设计，显著提升了复杂环境下的系统鲁棒性、安全性和能源效率，为自动驾驶、工业物联网和智能电网等关键应用提供了重要技术支撑。
本期目录
📖 第一篇：变视角条件下鲁棒视觉位置识别新方法
📖 第二篇：恶劣环境下鲁棒弹性的偏振并发定向模型
📖 第三篇：联邦工业入侵检测系统中抵御数据重构攻击的鲁棒防御方法
📖 第四篇：RapDAD：基于6TiSCH资产追踪网络的低延迟去同步方法
📖 第五篇：面向恒功率负载直流微电网的隐私保护自适应二次控制
📖 第六篇：基于物理嵌入深度库普曼建模的风力发电机疲劳载荷减载控制
📖 第七篇：物理数据驱动的波浪能转换器经济模型预测控制
📖 第八篇：基于大语言模型辅助深度强化学习的综合能源系统能量与碳排放优化
📖 第九篇：基于GNN-FNO多源时空数据学习的在线电力系统动态安全评估
📖 第十篇：基于混沌同步的电力线通信噪声抑制方法研究
📖 第1篇
📌 变视角条件下鲁棒视觉位置识别新方法
Robust Visual Place Recognition Under Variational Views
作者：Junlang Huang，Defu Lin，Jie Du，Xinyu Jiang，Chuangquan Chen，Xieyuanli Chen，Yimin Zhou，Chi-Man Vong
在移动机器人和自动驾驶领域，视觉位置识别(VPR)技术在过去十年中发挥着至关重要的作用。该技术通过将当前观测视图与视图数据库进行匹配，实现全局定位和闭环检测，是同步定位与建图(SLAM)系统的关键组成部分。针对现有VPR方法在视角变化时误识别问题的局限，本文提出了VPR-VV创新框架，集成了序列编码器、分层视图检索模块和增强排序反馈平均精度损失函数，有效提升鲁棒性和识别准确性。
框架中，序列编码器基于3D卷积和特征金字塔网络充分挖掘视图序列的时空信息；分层视图检索通过图卷积神经网络实现多层次特征聚合；损失函数结合归一化折损累积增益指标，精准评估相似度排序，抑制高相似度错误视图。训练过程优化了对视角变化的适应力，确保了实时推理效率，无需额外计算资源。
实验证明，VPR-VV在微软7-Scenes室内和KITTI室外数据集上Recall@1指标提升9.4%。同时，方法对40度以上大角度旋转的视角变化表现出特征相似度保持90%以上的优异鲁棒性。该研究为自动驾驶和移动机器人提供了强大技术支撑，未来将扩展至多模态信息融合，进一步提升环境适应能力。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11052616
📖 第2篇
📌 恶劣环境下鲁棒弹性的偏振并发定向模型
Robust Resilient Polarization Concurrent Orientation Model in Harsh Environments
作者：Donghua Zhao，Song Guan，Kuaikuai Yu，Chong Shen
全球导航卫星系统(GNSS)虽广泛应用于工业巡检与安全监控，但在恶劣环境中获取实时航向信息表现不足。本文提出鲁棒弹性的全自主偏振并发定向策略，结合多尺度动态核主成分分析（MDKPCA）和并发定向模型，实现实时、高精度航向估计。
在建模中，通过附加时间门的分层弹性反Hebbian长短期记忆网络有效补偿低频状态下航向误差，采用弹性时频峰值滤波方法去除混合状态噪声。此外，引入MDKPCA结合核密度估计实现对动态航向数据的实时监测与分离。
实验数据显著提升了导航性能，旋转实验中HR-TGLSTM补偿使均方根误差从3.8729°降至0.2679°（提升93.1%）；粉尘静态实验RETFPF去噪使误差下降88.5%；无人机综合实验整体提升81.3%。该方法为恶劣环境下自主导航提供理论与技术支持，适用性强。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11062357
📖 第3篇
📌 联邦工业入侵检测系统中抵御数据重构攻击的鲁棒防御方法
Robust Defense Against Data Reconstruction Attack in Federated Industrial Intrusion Detection Systems
作者：Areeb Ahmed Bhutta，Adnan Noor Mian
工业入侵检测系统(IIDS)中，数据隐私保护面临挑战。针对联邦学习(FL)中数据重构攻击与高开销问题，本文提出联邦神经网络梯度提升(FNGB)方法，结合GradProtect隐私保护机制和DynamicLR自适应学习率，实现高效又安全的分布式训练。
FNGB通过预训练GB树转换原始数据，生成最大距离转换样本，模糊梯度信息防止隐私泄露；DynamicLR利用卷积滤波器动态调整各客户端学习率，实现非独立同分布环境下优异全局收敛，降低通信与计算负担。
在六个含工业物联网数据集上评测，FNGB攻击成功率低于5%，隐私得分约90%，准确率、召回率及F1均超0.95，计算开销显著优于基线。此方法适合跨行业部署，显著提升工业网络安全，具备广泛实用价值。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11063410
📖 第4篇
📌 RapDAD：基于6TiSCH资产追踪网络的低延迟去同步方法
RapDAD: A Low Latency Desynchronization Approach for 6TiSCH-Based Asset Tracking Networks
作者：Tengfei Chang，Osama Khan
6TiSCH工业物联网协议通过时隙信道跳变技术保证设备同步，但在移动资产追踪中，RPL响应迟缓导致设备断开网络延时长。本文提出RapDAD快速移动感知方法，运行于MAC层绕过RPL路由，实现快速检测设备移动，显著提升网络切换效率。
RapDAD基于设备同步质量指标syncness设计，通过父节点传递和定时器递减机制判断网络状态，当syncness降至零时设备自动脱离当前网络并重新加入新网络。此机制无需修改6TiSCH协议本体，兼容性良好。
实验在含100个设备的五层钢架测试床上验证，根节点失效后的断开时间由原先的数小时缩短至2分钟，极大提升资产追踪场景下的网络灵活性和可靠性，满足工业场所复杂覆盖需求。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11078752
📖 第5篇
📌 面向恒功率负载直流微电网的隐私保护自适应二次控制
Privacy-Preserving Adaptive Secondary Control for DC Microgrids With Constant Power Loads
作者：Han Wu，Si-Min Zhu，Zhen-Hua Zhu，Hou-Sheng Su，Gong-Ping Wu，Wen-Bo Zhao
直流微电网的分布式二次控制在电压恢复中表现优越，但恒功率负载(CPL)的负阻抗特性增加了稳定性分析难度。针对此，本文提出无需直流母线电压直接反馈的自适应二次控制方法，通过局部电流信息和模型估算母线电压，实现电压恢复与电流分配协同控制。
为满足稳定性条件，开发了多速率采样策略和最小二乘估计算法，分别估算发电机电流和全局负载，并通过在传输信息中嵌入白噪声实现隐私保护，防止敏感数据泄露。
仿真验证显示，在负载突变和发电机插拔工况下，系统快速恢复电压，电流分配精准。白噪声机制对比传统差分隐私显著提升了隐私保护性能，攻击者难以推断实时电流，体现了该控制方案的实用性和安全性。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11078379
📖 第6篇
📌 基于物理嵌入深度库普曼建模的风力发电机疲劳载荷减载控制
Physics-Embedded Deep Koopman Modeling for Wind Turbine Fatigue Load Reduction Control
作者：Runze Tian，Peng Kou，Zhihao Zhang，Mingyang Mei，Zhihao He，Yuanhang Zhang，Deliang Liang
风力发电场疲劳载荷严重影响运维成本，复杂非线性动力学带来控制难题。本文创新结合库普曼算子理论与深度学习技术，提出物理嵌入深度库普曼建模框架，捕获高维全局线性动态特性，提升模型精度和泛化能力。
基于模型建立协调模型预测控制(MPC)方案，设计面向疲劳载荷减载的成本函数，协调每台风机的有功输出与桨距角，实现双目标优化，降低载荷且保证功率跟踪。
相比传统方法，框架在建模精度、控制性能和计算复杂度方面具有显著优势。通过疲劳载荷后评估指标设计DEL引导成本，实验验证控制有效性，展示了良好工程应用价值与拓展潜力。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11062336
📖 第7篇
📌 物理数据驱动的波浪能转换器经济模型预测控制
Physics-Data-Driven Economic Model Predictive Control for Wave Energy Converters
作者：Yubin Jia，Fengji Luo，Jichao Bi，Yuchen Zhang，Zhao Yang Dong，Changyin Sun
全球能源短缺与气候变化愈加严峻，波浪能凭借储量大、能量密度高成为关键清洁能源。本文创新融合物理模型和数据驱动技术，提出物理数据驱动经济模型预测控制(EMPC)方法，显著提升波浪能转换器控制性能。
采用深度Koopman算子将系统误差转化为线性模型，兼顾物理可解释性和数据驱动的误差修正。EMPC策略以经济效益最大化为目标，考虑系统约束确保了稳定性和控制准确性。
仿真数据显示物理数据驱动模型在收敛速度(提升显著)和精度上优于纯数据驱动模型，使能量捕获效率提升7.1%。该方法为高效智能的可再生能源控制提供了创新思路。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11062351
📖 第8篇
📌 基于大语言模型辅助深度强化学习的综合能源系统能量与碳排放优化
Optimization of Energy and Carbon Emissions in Integrated Energy System Based on Deep Reinforcement Learning Assisted by Large Language Model
作者：Liang Zhang，Dong Yue，Gerhard P. Hancke，Chunxia Dou，Liang Yu，Zhiqiang Chen
综合能源系统(IES)多能耦合调度促进绿色低碳转型，面临多样化需求与碳排放政策挑战。本文提出融合大语言模型(LLM)与深度强化学习(DRL)的决策框架(LLM-DRL)，优化能源使用与碳排放。
框架设计了动态优先级交易策略和双向均衡定价机制，通过交互迭代提升DRL算法性能。构建了全生命周期碳排放核算模型，实现电、热、氢能源的协同调度与碳约束统一优化。
实验结果显示GLM MAAC和GPT MAAC算法经济收益提升区间为2.19%-135.24%，碳排放减少高达34.59%，显著提升决策效率和环保性能，为区域交易体系建设奠定基础。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11119653
📖 第9篇
📌 基于GNN-FNO多源时空数据学习的在线电力系统动态安全评估
Online Power System Dynamic Security Assessment: A GNN–FNO Approach Learning From Multisource Spatial–Temporal Data
作者：Genghong Lu，Siqi Bu
伴随可再生能源渗透率提升，电力系统动态安全评估(DSA)需求增加。本文提出融合图神经网络(GNN)和傅里叶神经算子(FNO)的在线DSA框架，解决多源时空数据处理和故障定位难题。
针对SCADA和PMU系统差异，分别对多源数据建模为图结构，采用定制GNN捕获时空特征。引入FNO预测动态轨迹，同时开发多层感知机故障识别器，提高DSA的准确性和可靠性。
在IEEE 39和118节点系统实测，GNN-FNO在轨迹预测中将平均绝对百分比误差降至0.18%，故障识别准确率达98%，表现优于多基线方法，展现出良好鲁棒性与广泛应用前景。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11050907
📖 第10篇
📌 基于混沌同步的电力线通信噪声抑制方法研究
On Chaotic Synchronization Noise Mitigation Method for Power Line Communication
作者：Zhou Yu，Bo Zhang
电力线通信(PLC)技术广泛应用于智能电网等领域，但受时变阻抗、多径效应和严重噪声影响，噪声成为通信可靠性的主要障碍。本文提出基于混沌同步的噪声抑制方法，从信号特性切入检测微弱PLC信号。
构建混沌同步噪声抑制系统(CSNMS)，借助扰动系统稳定性设计同步控制器，结合自适应混沌同步理论优化参数更新，采用Chua电路实现系统，提升噪声抑制能力。
该方法作为非参数化技术基于确定信号特性，适应各种噪声环境，结构简单且无需修改芯片，方便升级旧设备。在MATLAB和DSP平台实验中，在0dB信噪比下误码率显著降低，验证了其鲁棒性和有效性。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11062117
点击关注 获取更多精彩