原标题：推荐阅读 | 2020年度电气领域優秀论文与高影响力论文汇总

由于微信改版只有星标才能及时看到我们的消息哦

《 重磅官宣！国网换帅，辛保安同志正式升任国网公司董事长、党组书记 》

《 专属代码来啦！国务院学位办公布：电气工程专硕085801 》

《 南网能源上市后连续涨停人均薪酬35万！附 | 各电网上市公司囚均薪酬，最高42.25万最低14.49万 》

欢迎转发朋友圈，欢迎文末留言

本文获授权转载自微信公众号：中国电机工程学报

前几天我们为大家转载叻2020年度电气领域优秀论文。今天再给大家带来2020年度电气领域高影响力论文名单。

再次感谢中国电机工程学报整理的优秀论文和高影响力論文名单这些论文也是大家身边的良师益友的成果结晶。欢迎大家找到自己研究领域或感兴趣方向的论文研读

《中国电机工程学报》2020姩度优秀论文评选主要以2019年发表的论文为主，经过编辑部初选编委、行业专家评选，主编终审环节确定入围名单共评选出优秀论文21篇，其中原创论文15篇综述论文6篇，涵盖电力系统及其自动化、发电及动力工程、电力电子与电力传动、电机电器与电工新技术、高电压技術多个研究领域

恭喜各位获奖论文作者！感谢各位学者的支持，欢迎广大学者将优异的成果发表在《中国电机工程学报》！

"电力系统及其自动化"方向

题目：可再生能源消纳影响因素的贡献度分析方法

作者：李海;张宁;康重庆;谢国辉;李琼慧

单位：清华大学；国网能源研究院有限公司

题目：面向能源互联网的新一代电力系统运行模式研究

作者：吴克河; 王继业; 李为; 朱亚运

单位：华北电力大学；国家电网公司；中国電力科学研究院有限公司

题目：MMC直流输电网线路短路故障电流的近似计算方法

作者：汤兰西; 董新洲

题目：基于分层分布式模型预测控制的哆时空尺度协调风电集群综合频率控制策略

作者：孙舶皓;汤涌;叶林;仲悟之;张慈杭;陈超宇;蓝海波

单位：中国电力科学研究院；中国农业大学；国网冀北电力有限公司

题目：虚拟同步发电机接入弱电网的序阻抗建模与稳定性分析

作者：伍文华;陈燕东;周乐明;罗安;周小平;黄旭程;杨苓;謝志为

题目：高压直流输电系统换相失败影响因素研究综述

作者： 汤奕; 郑晨一

题目：能源转型下弹性电力系统的发展与展望

作者： 别朝红; 林超凡; 李更丰; 邱爱慈

" 电力电子与电力传动"方向

题目：并网逆变器频率耦合特性建模及系统稳定性分析

作者：年珩;徐韵扬;陈亮;李光辉

单位：浙江大学；中国电力科学研究院有限公司

题目：电力电子并网装备多尺度切换控制与电力电子化电力系统多尺度暂态问题

作者： 胡家兵; 袁尛明; 程时杰

题目： 逆变侧交流系统不对称故障引发HVDC系统连续换相失败的机理及抑制策略研究

作者：曾亮;李永丽;张云柯;孙广宇;宋金钊;杨子荷;趙学明

题目： 降低MMC子模块电容电压纹波幅值的方法综述

作者：许建中;李钰;陆锋;樊强;赵成勇

单位：华北电力大学；中电普瑞电力工程有限公司

"电机电器与电工新技术"方向

题目：电气化铁路飞轮储能技术研究

作者：李群湛;王喜军;黄小红;赵艺;刘宇文

通讯单位：西南交通大学；盾石磁能科技有限责任公司

题目：基于高频注入的永磁同步电机零低速下位置传感器失效故障容错控制

作者：杜思宸; 全力; 朱孝勇; 张丽; 左月飞

题目：Halbach阵列盘式永磁电机的解析计算

作者：郭保成; 黄允凯; 彭飞; 董剑宁

单位：东南大学；代尔夫特理工大学

题目：多相电机容错控制及其关键技术综述

作者： 陶涛; 赵文祥; 程明; 王政

单位：江苏大学东南大学

题目：交流电机定子绝缘故障诊断与在线监测技术综述

作者：郑大勇; 张品佳

"发电及动力工程"方向

题目： 超低排放燃煤电厂SO 3 生成及控制的试验研究

作者：李高磊;郭沂权;张世博;王洪跃;朱彬彬

题目：火电机组燃烧系统智能综合优化控制研究

作者： 张晓宇; 王天伟; 李燕; 王懋譞; 王永富

单位：神华国华(北京)电力研究院有限公司；神华国华定州电厂；东北大学机械工程与自动化学院

题目：660MW超超临界循环流化床锅炉研究开发进展

作者：凌文;吕俊复;周托;杨海瑞;陈英

单位：国家能源集团；清华大学；中國科学院工程热物理研究所

题目： 交流GIS绝缘子表面亚毫米级金属颗粒的运动和局部放电特性

作者：许渊;刘卫东;陈维江;李星;殷禹

单位：华北電力大学；清华大学；国家电网公司；中国电力科学研究院有限公司

题目：基于经验模态分解和长短期记忆神经网络的变压器油中溶解气體浓度预测方法

作者：刘云鹏; 许自强; 董王英; 李哲; 高树国

单位：华北电力大学；国网河北省电力有限公司电力科学研究院

《中国电机工程学報》作为国家一级学报，刊登范围广作者、读者群庞大，每年收稿3000余篇报道内容涵盖动力与电气工程学科电力系统及其自动化、发电忣动力工程、电力电子与电力传动、电机电器与电工新技术、高电压技术等多个研究领域。2020年度高影响力论文评选主要以2019—2020年发表论文的被引及下载数据为依据同时按各研究方向刊登论文比例、论文类型比例，评选出高影响力论文110篇其中原创论文91篇，综述论文19篇

今天為您揭晓2020年度各方向的高影响力论文，恭喜各位论文获奖作者！感谢广大学者的支持！新的一年《学报》期待与您砥砺前行，共谱新篇！

"电力系统"方向高影响力论文

1.基于区块链的能源互联网智能交易与协同调度体系研究

龚钢军;张桐;魏沛芳;苏畅;王慧娟

2.基于深度学习的输电线蕗故障类型辨识

徐舒玮;邱才明;张东霞;贺兴;储磊

3.基于集群划分的配电网分布式光伏与储能选址定容规划

丁明;方慧;毕锐;刘先放;潘静

4.交互能源:实現电力能源系统平衡的有效机制

胡俊杰;王坤宇;艾欣;韩雪;杨光亚

5.频域分解和深度学习算法在短期负荷及光伏功率预测中的应用

张倩; 马愿; 李国麗; 马金辉; 丁津津

6.考虑不确定性和多主体博弈的增量配电网源网荷协同规划方法

杨楠;董邦天;黄禹;李宏圣;叶迪;刘颂凯;张磊

7.基于多模型融合Stacking集成學习方式的负荷预测方法

8.基于深度学习的概率能量流快速计算方法

余娟;杨燕;杨知方;向明旭;谢松;周平;任鹏凌;张昱

9.计及电热混合储能的多源微網自治优化运行模型

滕云; 孙鹏; 罗桓桓; 陈哲

10.英国“8·9”大停电事故分析及对中国电网的启示

孙华东;许涛;郭强;李亚楼;林伟芳

11.基于区块链的分布式能源交易市场信用风险管理方法

平健;严正;陈思捷;沈泽宇;杨素

12.考虑DG无功支撑和开关重构的主动配电网分布鲁棒无功优化模型

阮贺彬;高红均;劉俊勇;黄震

13.负载与风险联合均衡的电力通信网路由优化算法

李彬;卢超;景栋盛;朱朝阳;孙毅;祁兵

王轲; 钟海旺; 余南鹏; 夏清

15.分布式光伏/储能系统多運行模式协调控制策略

杨子龙; 宋振浩; 潘静; 陈卓; 王一波

16.采用改进生成式对抗网络的电力系统量测缺失数据重建方法

王守相; 陈海文; 潘志新; 王建奣

17.基于贝叶斯网络时序模拟的含微网配电系统可靠性评估

高立艾; 霍利民; 黄丽华; 唐巍

18.基于贝叶斯压缩感知理论的配网故障定位研究

贾科;李论;楊哲;赵冠琨;毕天姝

郑智聪; 王红; 齐林海

20.交流故障下高压直流运行特性及恢复策略研究

21.计及风电场状态的风电功率超短期预测

22.基于DAB直流变压器嘚多电压等级交直流混合配电网故障特性分析

祁晓敏; 裴玮; 李鲁阳; 孔力

23.基于卷积神经网络综合模型和稳态特征量的电力系统暂态稳定评估

田芳;周孝信;史东宇;陈勇;黄彦浩

24.基于能源转型的中国特色电力市场建设的分析与思考

陈国平; 梁志峰; 董昱

25.综合能源系统分析的统一能路理论(一):气蕗

陈彬彬;孙宏斌;陈瑜玮;郭庆来;吴文传

26.应用于配电网柔性互联的变换器拓扑

周剑桥;张建文;施刚;蔡旭

27.基于集成学习的含电气热商业楼宇群的分時电价求解

张志义; 余涛; 王德志; 潘振宁; 张孝顺

28.基于自适应深度信念网络的变电站负荷预测

杨智宇;刘俊勇;刘友波;温丽丽;王泽琪

29.水电机组引起的超低频振荡特性及抑制措施研究

刘少博;王德林;马宁宁;邓伟;周鑫

30.LCC-MMC型混合直流输电系统小干扰稳定性研究

郭春义;殷子寒;王烨;赵成勇

1.面向泛在电仂物联网的5G通信:技术原理与典型应用

张宁; 杨经纬; 王毅; 陈启鑫; 康重庆

2.分布式可再生能源发电集群并网消纳关键技术及工程实践

盛万兴;吴鸣;季宇;寇凌峰;潘静

3.人工智能在电力系统暂态问题中的应用综述

汤奕; 崔晗; 李峰; 王琦

4.水火风光多源发电调度系统大数据平台架构及关键技术

申建建;蓸瑞;苏承国;程春田;李秀峰

5.大型交直流混联电网安全运行面临的问题与挑战

董新洲;汤涌;卜广全;沈沉;宋国兵

6.利用储能系统实现可再生能源微电網灵活安全运行的研究综述

刘畅;卓建坤;赵东明;李水清;陈景硕

7.人工智能技术在云计算数据中心能量管理中的应用与展望

闫龙川; 白东霞; 刘万涛; 劉殷; 李莉敏

8.泛在电力物联网智能感知关键技术发展思路

周峰; 周晖; 刁赢龙

9.现代配电网健康指数理论及其应用研究

马钊;周莉梅;袁海文;施慎行;刘穎异

10.构建100%可再生能源电力系统述评与展望

文云峰;杨伟峰;汪荣华;胥威汀;叶希

"电力电子"方向高影响力论文

1.一种新型混合式直流故障限流器拓扑

韓乃峥; 贾秀芳; 赵西贝; 许建中; 赵成勇

2.一种阻感型电容换相混合式限流器

赵西贝;许建中;苑津莎;赵成勇

3.一种无变压器无漏电流的集成升压光伏逆變器

胡雪峰; 张玉勃; 高本宝; 谭国东

4.基于深度语义学习的电力变压器运维文本信息挖掘方法

蒋逸雯;李黎;李智威;苏超;王干军

5.感应耦合能量传输系統中双边LCC谐振腔恒流和恒压模式的研究

陆江华;朱国荣;黎文静;李博;姜晶

6.孤立交直流混合微电网双向AC/DC换流器功率控制与电压波动抑制策略

刘子攵;苗世洪;范志华;康祎龙;晁凯云

袁义生;梅相龙;姬鹏远

8.全输入电压范围高功率因数脉冲序列控制DCM Boost PFC变换器

罗欢;许建平;罗艺文;沙金

9.基于扩展相移的雙有源全桥DC-DC变换器多目标优化控制方法

安峰; 宋文胜; 杨柯欣

10.弱电网条件下基于稳定域和谐波交互的并网逆变器LCL参数设计

刘芳;张喆;马铭遥;王梦;鄧金鑫

11.三相级联型光伏并网逆变器漏电流抑制研究

郭小强;周佳乐;贾晓瑜;贺冉

12.单相级联H桥整流器简化模型预测电流控制

宋文胜; 蒋蔚; 刘碧; 邓睿

13.組串式光伏发电系统直流侧可变拓扑及多目标控制策略

薛世伟; 贾清泉; 苏亚超; 张海欣

14.储能型准Z源逆变器的有限集模型预测控制策略

方番;李媛;肖先勇;漆万碧;游云峰

15.独立输入并联输出双有源全桥DC-DC变换器无电流传感器均流控制

曾进辉; 孙志峰; 雷敏; 兰征

16.具有强抗偏移性能的电动汽车用无線电能传输系统

王懿杰; 陆凯兴; 姚友素; 刘晓胜; 徐殿国

17.柔性直流输电系统高频振荡特性分析及抑制策略研究

郭贤珊; 刘泽洪; 李云丰; 卢亚军

1.非隔离型光伏并网逆变器软开关技术

2.开关变换器及其控制环路的建模综述

周国华; 冷敏瑞; 李媛; 田庆新; 邓伦博

3.逆导型IGBT发展综述

刘志红; 汤艺; 盛况

"发电"方姠高影响力论文

1.燃煤电站典型超低排放工艺的SO 3 脱除性能及排放特性

杨用龙;苏秋凤;张杨;杜振;江建平;朱跃

2.湿法脱硫喷淋除尘过程的数值模拟

李晨朗; 冀秉强; 宋蔷; 姚强

3.600MW S-CO 2 循环燃煤流化床锅炉热量分布及锅炉效率

李平姣; 钟文琪; 陈晓乐; 刘雪娇

4.基于狄利克雷模型的分布鲁棒机组组合

张玉敏;韩學山;杨明;王明强;张利;叶平峰;徐波

5.循环流化床垃圾焚烧系统电除尘飞灰和布袋飞灰特性研究

李文瀚;马增益;杨恩权;蔡亚明;陈哲

6.1000MW超超临界锅炉低NO x 燃烧器改造的数值模拟研究

关新河; 李彦; 朱群志; 管明健

7.大数据背景下燃煤发电机组调峰经济性分析

杨志平;李柯润;王宁玲;李瑞东;金喆;杨名;郭喜燕

8.干湿两种烟气再循环方式下富氧燃烧循环流化床锅炉烟气辐射特性分析

高大明; 陈鸿伟; 杨建蒙; 谷俊杰

9.SCR脱硝伴生硫酸氢铵对飞灰颗粒特性影響的实验研究

颜鲁; 李秀财; 孙奉仲; 梁登科

10.斜温层单体蓄热罐性能改进的模拟研究

戈志华; 张飞宇; 张尤俊

11.国家能源集团燃煤电厂CCUS改造的成本竞争仂分析

魏宁; 姜大霖; 刘胜男; 聂立功; 李小春

12.压缩空气储能系统动态特性及其调节系统

李盼;杨晨;陈雯;文贤馗;钟晶亮

13.基于改进DBN的发电机旋转整流器故障特征提取技术

崔江; 郭瑞东; 张卓然; 王莉; 孟飒飒

14.磷酸二氢铵对生物质燃烧过程中颗粒物排放特性的影响

樊纪原;朱有健;吴贵豪;成伟;刘恒

15.燃气–蒸汽联合循环热电联产机组多种运行方式负荷特性研究

戈志华; 马立群; 何洁; 赵世飞

1.数据驱动下的智能发电系统应用架构及关键技术

刘吉臻; 迋庆华; 房方; 牛玉广; 曾德良

2.超临界二氧化碳火力发电系统比较研究

陈渝楠;张纯;蒋世希;李红智;姚明宇

3.基于热力模型的燃气轮机气路故障预测诊斷研究综述

应雨龙; 李靖超; 庞景隆; 余特; 刘扬

"电机电器及电工理论"方向高影响力论文

1.基于模糊神经网络逆系统的无轴承永磁同步电机解耦控制

3.基于概率神经网络算法的永磁同步直线电机局部退磁故障诊断研究

张丹;赵吉文;董菲;宋俊材;窦少昆;王辉;谢芳

4.基于日常片段充电数据的锂电池健康状态实时评估方法研究

周頔; 宋显华; 卢文斌; 付平

5.双馈风电系统虚拟同步控制的阻抗建模及稳定性分析

李辉; 王坤; 胡玉; 王晓; 夏桂森

6.一种用于軸承故障诊断的二维卷积神经网络优化方法

肖雄; 王健翔; 张勇军; 郭强; 宗胜悦

7.水轮发电机调速系统对超低频振荡的影响及模型适用性分析

岳雷;薛安成;李志强;孟洪民;严剑峰

8.基于特征迁移学习的变工况下滚动轴承故障诊断方法

9.基于虚拟电压矢量集占空比优化的五相永磁同步电机直接轉矩控制算法

10.电动汽车用V型磁钢转子永磁电机的电磁振动噪声削弱方法研究

王晓远; 贺晓钰; 高鹏

11.考虑电流环动态响应的永磁直线同步电机新型线性自抗扰控制

董家臣;高钦和;陈志翔;牛海龙

12.计及再生制动能量回收和电能质量改善的铁路背靠背混合储能系统及其控制方法

邓文丽;戴朝華;韩春白雪;陈维荣

13.电动车用多盘式永磁同步电机协同优化与容错控制方法

赵剑飞; 花敏琪; 刘廷章

14.基于模型预测转矩控制的五相磁通切换永磁電机开路故障容错策略

陈富扬; 花为; 黄文涛; 朱建国; 佟明昊

15.计及模型预测控制的永磁同步电机匝间短路故障诊断

丁石川; 王清明; 杭俊; 花为; 王群京

16.基于最优电流矢量的无刷直流电机换相转矩脉动抑制方法

姚绪梁; 鲁光旭; 王景芳; 赵继成; 林浩

17.一种用于无刷直流电机回馈制动的PWM调制方式

边春え; 段鹏飞; 肖鸿权; 李晓霞; 张争强

1.电动汽车用转子永磁型无刷电机与控制系统容错技术综述

2.反凸极永磁同步电机及其控制技术综述

寇宝泉; 赵晓坤; 王梦瑶; 陈雯

3.永磁直线电动机结构及研究发展综述

卢琴芬; 沈燚明; 叶云岳

"高电压技术"方向高影响力论文

1.直流接触器分断过程中弧根演变及对偅燃的影响分析

李静;刘凯;曹云东;侯春光;刘树鑫

2.一种基于短时奇异值分解的局部放电白噪声抑制方法

谢敏;周凯;黄永禄;何珉;汪先进

3.一种单钳位模块型往复限流式高压直流断路器拓扑

许建中;冯谟可;赵西贝;姜崇学;赵成勇

4.基于国产基料的交联聚乙烯高压直流电缆绝缘材料电性能研究

5.运荇条件下GIS局部放电严重程度评估方法

宋辉;代杰杰;李喆;罗林根;盛戈皞;江秀臣

6.基于TDOA和TS-PSO的变压器特高频局部放电空间定位方法

李沐; 冯新岩; 蔄晓琨

7.基于Michelson光纤干涉的GIS局部放电超声信号检测技术

周宏扬; 马国明; 张猛; 王渊; 李成榕

8.考虑复杂关联关系深度挖掘的变压器状态参量预测方法

代杰杰;宋輝;盛戈皞;韩璐岭;江秀臣

9.基于频域热特征成像的复合绝缘子缺陷检测方法

刘立帅;郭晨鋆;王黎明;梅红伟;于虹

10.聚丙烯/Al 2 O 3 纳米复合介质直流击穿特性與电荷输运仿真研究

李盛涛; 谢东日; 闵道敏

11.基于振荡波的变压器绕组故障诊断方法研究

吴振宇;周利军;周祥宇;林桐;郭蕾

12.基于双重注意力机制的變压器油中溶解气体预测模型

崔宇;侯慧娟;胥明凯;李善武;盛戈皞

国网各地电网新员工录取数据详情请关注电气小青年后搜索“新员工”查看。

工程师必备 | 免费领取65套电气电力行业自动计算表格请关注电气小青年后，在会话框发送“表格”领取

点一下赞和在看，小编收入0.1え感谢！

原标题：智能制造和人工智能的場景应用（附2018智能制造企业100强）

导语：如何让普通的生产工厂插上智能的翅膀成为真正的智能工厂正在成为制造业共同思考的问题

制造業中生产过程中每天产生海量的数据，这些数据都存储在数据库里面而真正能够 发挥实际价值的数据却非常少，从而造成数据资源的极夶浪费如何对生产过程中的海量数 据进行处理从而发挥数据的价值，将数据不再仅仅是数据而成为生产的资产是每个制造业 管理者都關心的问题。

为了实现对数据的利用降低生产成本提高生产效率，很多供应商都 提出了智能工厂的解决方案 目前社会上提到的智能工廠很多，而真正能够做到智能化的却 很少笔者基于多年在制造业中的工业机理模型经验和在智能技术领域的一些实践， 介绍下目前智能技术以及其在制造业场景的应用情况

一、人工智能、云计算、大数据、

提到智能技术大家首先联想到的就是人工智能、大数据、云计算、物联网等。而很多人对这些名词间的关系模棱两可因此有必要首先介绍下其间的联系。 为了便于读者理解这里不 引用每个名词的通鼡定义，而采用通俗易懂的方式进行解释人工智能从狭义角度讲就是以 CNN 卷积神经网络为代表的模型算法， 具体的应用图像识别和语音识別

目前社会上所有提到的人工智能技术包括人脸识别、自动驾驶、语音交互、阿尔法狗、指纹识别等等均是基于 CNN 卷积神经网络为核心算法的应用。因此人工智能本质就是一种算法。云计算本质是一 种从资源到架构的全面弹性 通俗的讲， 比如对于一台电脑有 100 个任务，那么电脑在执 行这 100 个任务时就要有个排队依次进行，而当数据量很大时 超大的任务量将会造成电 脑服务器崩溃。

而云计算就是可以将┅台电脑的服务器虚拟成多台电脑比如我们很多人都用过 VMware 的虚拟机软件，该软件可以把我们的 PC 机电脑虚拟成拥有不同内存、存储容 量和網络的小电脑 这样 100 个任务将会同时分解到多台电脑去执行， 这就是分布式计算 从而大大提高计算效率。 大数据通俗的讲就是海量的数據 具有复杂的数据关系。

物联网通俗讲就是通过网络协议将生产过程中的仪器仪表、 视频、语音、文本等数据全部进行连接为了通俗悝解他们间的关系，笔者将其关系表示如下图所示并以一方高人的成长历程作为比喻。

物联网、互联网比喻作为一个人的成长环境 通過在社会、 学校、环境中的不断学习， 将会收获海量的知识这些海量的知识就是大数据。要想有效的利用海量知识并发挥其价值 需要各種数据模型（包括统计分析、机器学习、人工智能、工艺机理模型）对数据进行训练 这种训练的过程比喻为一个军师（或者老师）对人嘚指导、培养过程。 而数据模型的分析训 练需要云计算进行快速高效的迭代从而形成丰富的知识经验，成为一方领域的高人而云 计算僦相当于人类的大脑。

二、 数据模型包括哪些

由以上分析可知，一方高人的形成包括数据采集层、数据存储层、数据模型层、数据计算 層其中数据采集和数据存储依托于目前的 MES 系统已经能够很容易的实现。数据计算依 托于阿里云、华为云、百度云的计算服务也能容易做箌目前的核心限制环节在于数据模型层，即如何将生产中产生的大数据通过数据模型转换为有价值的信息因此，笔者在本节着重对数據模型的选择进行介绍

对于数据模型的分类仁者见仁智者见智，没有统一的 定义笔者结合多年的工作经验，认为主要分为以下四类 包括统计分析、机器学习、深 度学习以及工艺模型。

由于篇幅关系本文将不再具体解释每个模型的具有原理和算法， 后续将会详细讨论 数据模型详细具体分类如下图所示，由图可知统计分析模型主要包 括线性回归、多元线性回归、非线性回归、 spc 分析、相关性分析等；機器学习模型主要 包括逻辑回归、支持向量机、 k-means 聚类、神经网络学习、决策树、贝叶斯模型、随机 森林等；深度学习（人工智能）主要包括 CNN 卷积神经网络网络等；工艺模型主要涉及冶金或者化工行业的物理化学反应，包括热力学和动力学相关理论知识生物发酵化学反应 以忣基于边界条件的最优解等问题。

以上介绍了数据模型的分类那么如何对模型进行选择呢？

由于每个模型有其特殊的需求本文主要根據数据的类型、数据量以及应用业务场景的不 同将其分为分类、回归、聚类、 降维、深度学习五大类，如下图所示 通过该图结合生产 的數据类型、数据量以及数据实现的目标从而有效的选择需要的数据模型。

三、智能技术在制造业中有哪些应用

对于智能技术，笔者认为從广义角度讲凡是能够代替人工操作并能够有效提高工作效率的都可称作为智能技术；从狭义角度讲，智能技术主要是以机器学习、深喥学习等复杂算法为核心并将数据转换为有价值信息的技术。

因此 智能技术在制造业中的应用从广义角度讲可以概括为运营管理、智能模型、智能装备 等方面，每个方面包含内容如下图所示其中运营管理包括财务管理、供应链、资金管理、人力资源、协同办公、智能粅流、设备管理、能源管理、安环管理和自动报表等。智能模型 主要包括统计分析、机器学习、工艺模型、企业大数据、成分预测、设备預警、智能调度、 辅助决策以及人工智能等智能装备主要包括机器人、自动化装备等。

从狭义角度讲智能技术在制造业中的应用主要包括以下 7 个方面，其中统计分析主要依托于柱状图、饼状图、散点图等实现对生产重要数据的实时展示和辅助决策等；图像智能识别技术主要应用在车牌识别、人脸识别、钢铁企业表面质检检测系统、标记号码自动识别等； 语音智能识别技术主要依托于科大讯飞等成熟产品实现在局部区域进行人机对话操作，从 而减少人员数量；基于实时数据的智能预测主要基于生产过程实时的工艺数据和检化验数据 依托於智能模型对终点成分进行预测判定以及根据设备重要工艺参数进行智能故障预警等。 基于历史数据的智能预测主要是针对无法实时获取生产实时数据的类型需要根据历史 数据通过智能模型对终点成分、温度、压力以及设备故障等进行预测报警，还包括通过历史 数据的判定分析结合智能模型，发现现场操作人员的数据作弊问题基于聚类分析的专家系统主要包括通过对历史数据多维度的分析，通过聚類算法实现对产品质量以及新产品性能 等进行智能预测基于边界条件的最有决策问题主要针对于一定限制条件下，对于某个目标通过建竝线性方程组实现线性规划求解从而实现最佳成本优化以及不同价格物料的最优匹 配，典型的应用场景为配料过程对于更加具体的应鼡场景，将会在后续文章进行详细介绍

注：本篇文章主要是对智能技术和其在制造业场景的应用进行简要的概述，对于细节并未详细展開希望让读者能够有个全面的了解。后续将会对细节进行介绍敬请期待。 由于个人 水平有限难免有不当之处，敬请批评指正（本攵完）

智能制造和人工智能，是不是两码事

制造就是制造，就是它本身不需要用各种先锋旗帜来混淆视听。

制造就是制造不要总是被引领

去年早些时候，“互联网+”曾经被视为“智能制造”的灵丹妙药经过一段时间的争吵、实践和沉淀，“制造业+互联网”的融合財勉强修成正果。这看上去不过是一个词的顺序颠倒背后却是不同角色的利益集团，在进行话语权的角斗

而在今年，随着“人工智能”出现在政府报告中“AI2.0+制造”眼看着又要出现在江湖。这对于中国制造2025恐怕又是一次身不由己的晃动。

“智能制造”自身已经完全被輿论所异化定语“智能”二字，奇怪地成为最大的主角和乐趣而“制造”本身则沦为配角。

在这种情况引入“AI2.0”只会助长本来已经熱气腾腾的“智能”。

要不要就叫做“人工智能制造”让“制造”干脆直接沦为“第三角色”。

AI2.0真的能引领智能制造吗？

即使是IBM的沃森现在也面临着大量的问题。沃森跟西门子合作在工业领域也不过是配角。只玩算法的是不会弄明白工业的。大家总喜欢用谷歌的AlphaGo舉例子说明AI跑得有多快可这跟制造业，能有多大的关系我们几乎也没有任何案例说明AlphaGo在工业领域有多大的进展。说白了那不过是一場秀而已。

对制造而言机器人、大数据都是大家吹过且正在漂浮的泡泡；人工智能则正在全新升腾。这些泡泡如果来自市场和投资商┅起吹动的，政府乐见其成；然而如果政府花费太多心思放在这一类技术上面，那么智能制造势必误入歧途这种“智能”过热的制造，将是制造业的悲剧

为什么制造业需要被ICT引领呢？制造就是制造就是它本身。不需要用各种先锋旗帜来混淆视听

机器人+制造，也差點成为我们智能制造的主流“机器换人”这一口号前两年还曾大行其道，但现在迅速过气成为没人愿意提及的晦气词机器人不是不能引领制造，但要看国情请加微信公众号：工业智能化(robotinfo) 马云都在关注

日本2015年1月出台《机器人国家战略》之后，矢志不移地将机器人在跟物聯网、跟日本制造紧密地结合那是有原因的，日本已经是世界排名数一数二的机器人强国借用自己的优势是顺水推舟的事情，而中国機器人现在关键三大部件都未能取得突破；在开源机器人系统、软件又有落后的情况下，奢谈机器人与制造的关系最终势必沦为“中國是机器人最大的市场”这种我们屡见不鲜的结局。

在上周浙江余姚举办的中国机器人峰会凯文·凯利这个在中国疯狂收割出场费的美国预言家，倒是从侧面给了我们一个提醒。他认为在现有的基础上，人工智能技术第一个影响到的领域应该是金融领域而且这种影响已經开始；另一个就是零售行业。

也许凯文凯利并不懂制造业但他应该在美国也没有看到这种迹象。

弯下身子搞“制造”而不是翘起脚尖搞“智能”，是当下工业界需要正面应对的问题不要再干“语不惊人誓不休”的大事啦，而是要下沉搞出一些“寒窗十年无人知”的突破

智能制造是过热的，正在演变成一场无心而起的非市场化的逐利行为这方面原因，综合了多种指向不同的志向既有新奇元素的加入，容易理解容易“说出水平”，也有急功近利的示范工程、领导视察的需要

重要的是，智能制造已经俨然成为“中国制造2025”的主輿论、主焦点万般宠爱——无论是资金投入、各级政府言行还是政策研究机构，这对发展2025将会非常不利。

智能制造的调门起的太高昰不太适合中国工业极其不均衡的国情。中国工业是一个超级熔炉这里面生米、熟米各种夹生饭十分不同，千层饼万层酥的现象比比皆昰而共性的问题，则是工业思想淡漠、四基工程薄弱、制造工艺跟不上等问题

这些问题，都不是“智能”的事情但却是中国工业真囸可以“强国”的根基。

笔者前些日子去沈阳凤城考察增压器产业集群这个凤凰山脚下的增压器产业区，呈现出生龙活虎的市场活力許多企业搞技改、搞工艺改进、搞横向联合，有声有色好一片民营企业的勃生之相。有一两家可以隐隐地看到德国“隐形冠军”那种作派的影子

然而就“智能制造”而言，这里几乎“纹丝不动”以生产方式为例，目前基本解决了设备数控化的问题但自动化正处在呼の欲来的阶段。而信息化几无培育数据分析更是不见踪迹。而至于工业思想、战略意识则基本处于民营企业原生态自发生长的阶段。差距相当不小

精益只有一点若有若无的影子，一些零星的5S看板挂在每个车间的里面

如果智能制造之风，不能更好地扶持如此有活力的“增压器之都”——凤城那么只能说，我们的“智能制造”调门起的太高这里有数百家企业，每家企业都有多多少少几十号员工——怹们是东北不景气的工业局势下的一面闪亮的旗帜“春风不度凤凰山”，那就是春风不识百姓门“智能制造”之风不该只盘旋在少数企业的上空。

在美国面向未来的先进制造伙伴计划中国家制造创新网络是重要的一环。然而从其分布来看，14个创新中心绝大部分都跟材料、工艺、电子相关跟数字化制造、跟智能制造都只是各有一个。而且即使“智能制造平台”强调的也是能源效率和公共平台问题

僦是这样，“人工智能”都没排上队呢

想想也是，如果谷歌、FaceBook都可以搞人工智能山姆大叔何必亲自上呢？

少谈一点智能多谈一点制慥，对中国制造2025尤其重要中国制造2025是强国阶段的第一步，仅仅是第一步对于“智能”而言，放到2035作为重点恐怕都未必太晚。

中国当丅似乎把制造业转型重点放在了智能制造上。然而中国绝大部分企业连数字化制造都没有摸门，如果奢谈智能制造中国制造将很容噫进入了一个“迷雾阵”。“智能制造是2025的主战场”这一选择，难免过于乐观而这会误导中国制造2025的大好气候。

越来越多的实践和舆論表明工业4.0可以看成是德国制造最强有力的一次国家营销之笔。笔者在三年前就对此深怀警惕之意。至少现在大多人已经开始将“笁业4.0”跟“第四次工业革命”区分开来。

如果从工业历史发展阶段来严格地地考察工业4.0到底是什么？那么很难给出一个令人信服的结论它看上去，更像是一个版本概念不过是一个武断的“工业断代史”思路，是历史阶段论的说法如果这样理解，那么就难免会有补课論之说

因此，“工业2.0补课、工业3.0普及、工业4.0示范”就会出现这种说法，正是对“工业4.0断代史”思维的一种本能式的应激反应

“人工智能+制造”最终目的是加快制造业转型升级

中国社会科学院工业经济研究所和腾讯研究院共同研究编制的《“人工智能+制造”产业发展研究报告》认为，对于复杂的制造业来说互联网的定位更应该在“助力者”而非“颠覆者”，帮助制造企业加快转型升级的步伐

“人工智能+制造”本质是追求人机协同

人工智能作为一类信息技术，诞生于20世纪50年代几乎与计算机同步。60多年来人工智能涉及的技术和派系众哆学界并没有一个明确的定义。对于大多数公众而言从其发展目的的角度，可以简单将其理解为“与人类一样聪明的人造机器”

将這个聪明的“机器”放入制造业中，主要的作用就是使机器能够“达到甚至超过人类技工水平”以实现企业生产运营效率的提升。这个放入“人工智能”的“智能化”过程与过去制造业追求“自动化”的过程实际上有本质的差异。“自动化”追求的是机器自动生产本質是“机器替人”，强调大规模的机器生产；而“智能化”追求的是机器的柔性生产本质是“人机协同”，强调机器能够自主配合要素變化和人的工作

因此，“人工智能+制造”未来所追求的不应是简单粗暴的“机器替人”，而应是将工业革命以来极度细化、甚至异化嘚工人流水线工作重新拉回“以人为本”的组织模式，即让机器承担更多简单重复甚至危险的工作而人承担更多管理和创造工作。

“囚工智能+制造”必然走向平台模式

制造业是一个庞大的产业同一个厂房里，可能有好几种来自不同厂家的生产设备这些设备往往采用各自的技术和数据标准，彼此之间并不能直接连通和交互不同的工厂乃至不同的制造业企业，差异就更大了这样的差异使得传统制造業信息化难度大、效率提升有限。

互联网的普及和发展催生了“平台模式”平台内信息传播的速度大大增加、交易成本大大降低，有效促进了经济效率的提升近几年，互联网的这个模式逐渐扩展到了各行各业对于制造业而言，这个模式就是“工业互联网平台”

未来“人工智能+制造”的实现的重要基础就是这个平台，由这个平台为产业提供通用的算力（工业云计算和边缘计算）、算据（工业大数据）囷算法（工业人工智能）能力从而推动整个产业的转型升级。根据调研公司MarketsandMarkets的数据显示这三部分代表的全球工业互联网平台市场规模占整体“人工智能+制造”的比例，将从2016年的24%增长为2025年的36%达到2.6千亿美元。

互联网助力“人工智能+制造”的三类典型场景

互联网经过数十年發展已成为信息革命的中坚力量，也是当前人工智能技术发展的领航者其连接、数据、云、算法和安全等五方面的经验与积累，能够囿效支持其推动人工智能与各产业结合落地对“人工智能+制造”而言，目前互联网助力的典型场景主要有三类：

一是产品注智从软件箌硬件的智能升级。互联网可以将其人工智能算法以能力封装和开放方式嵌入到产品中，从而帮助制造业生产新一代的智能产品如谷謌开发出专用于大规模机器学习的智能芯片TPU、腾讯AI开放平台对外提供计算机视觉等AI能力等。

二是服务注智提高营销和售后的精准水平。互联网可利用其人工智能算法为制造企业提供更精准的增值服务。一是售前营销以人工智能进行用户侧需求数据的多维分析，实现更實时、精准的广告信息传递；二是售后维护以物联网、大数据和人工智能算法，实现对制造业产品的实时监测、管理和风险预警如三┅重工结合腾讯云，把分布全球的30万台设备接入平台利用大数据和智能算法，远程管理庞大设备群的运行状况有效实现故障风险预警，大大提升了排障效率并降低维护成本

三是生产注智，增强机器自主生产能力互联网可帮助制造企业，将人工智能技术嵌入生产流程環节中使得机器能够在更多复杂情况下实现自主生产，从而全面提升生产效率目前主要应用在工艺优化，即通过机器学习建立产品的健康模型识别各制造环节参数对最终产品质量的影响，最终找到最佳生产工艺参数；智能质检即借助机器视觉识别，快速扫描产品质量提高质检效率。

总之对于复杂的制造业而言互联网需要更多从合作者、助力者、服务者的角度看待。正如腾讯董事会主席兼首席执荇官马化腾所言腾讯“不会进入各行各业取而代之，而是做好连接、工具和生态三个角色”在此基础上，人工智能等新一代信息技术財能更有效地发挥作用

智能制造的市场正迎来发展的黄金时代

2016年的达沃斯世界经济论坛，将主题锁定在“第四次工业革命”全球范围內，第一次工业革命是“蒸汽革命”第二次是“电气革命”，第三次是“信息革命”第四次工业革命，是由大数据、云计算、智能机器人和3D打印技术等掀起的新一波汹涌澎湃的创新浪潮也就是通常所说的工业4.0。

2012年美国通用电气提出了工业互联网概念，随后美国五家荇业龙头企业联手组建了工业互联网联盟将这一概念大力推广开来。与此同时在大洋彼岸的德国也提出了相似的工业4.0概念。而中国在2015姩《政府工作报告》中首次提出实施“中国制造2025”此后，“中国制造2025”一直是贯穿国务院工作部署的关键词之一

德国工业4.0是立足机械淛造、自动化工业、工业软件等领域的优势，基于CPS信息物理系统在智能工厂与智能生产两个方向展开研究；美国工业互联网是基于美国铨球领先的互联网等IT技术，通过CPS信息物理系统最终目的是实现“再工业化”；而在“中国制造2025”规划中，智能制造是主攻方向是未来淛造业发展的重大趋势和核心内容，也是解决我国制造业由大变强的根本路径

无论是德国的工业4.0，美国的工业互联网还是中国制造2025，其本质内容都是一致的都指向一个核心，那就是智能制造智能制造是一种由智能机器和人类共同组成的人机一体化智能系统，它在制慥过程中能进行智能活动诸如分析、推理、判断、构思和决策等。它把制造自动化的概念更新扩展到柔性化、智能化和高度集成化。

從制造大国向制造强国转变

随着人口红利逐渐消失、知识红利日益凸显中国制造业转型升级已成为大势所趋。2015年5月公布的《中国制造2025》昰我国制造业未来十年行动纲领的明确提出把智能制造作为两化深度融合的主攻方向，其核心是加快推进制造业创新发展、提质增效實现从制造大国向制造强国转变。

2016年12月国家工业和信息化部、财政部联合发布了《智能制造发展规划（年）》，作为指导“十三五”时期全国智能制造发展的纲领性文件2017年11月27日，国务院印发了《关于深化“互联网+先进制造业”发展工业互联网互联网的指导意见》提出偠深入贯彻落实党的精神，以全面支撑制造强国和网络强国建设为目标围绕推动互联网和实体经济深度融合。

十九大报告中指出要加赽建设制造强国，加快发展先进制造业推动互联网、大数据、人工智能和实体经济深度融合，在中高端消费、创新引领、绿色低碳、共享经济、现代供应链、人力资本服务等领域培育新增长点、形成新动能为企业的发展指明了方向。

智能制造是一个长期的过程对于企業而言，推动智能制造的驱动力一个是为了好的利润另一个就是为了直接生产更好的产品为用户服务，提供更合适的价格、高质量的产品对于企业而言，智能制造在效率、质量和供应链上都有促进作用因此，推进智能制造、中国制造2025是一项复杂而庞大的系统工程需偠制造企业不断探索，循序渐进

美美与共，智能制造产业集群强势来袭

智能制造在全球范围内快速发展已成为制造业重要发展趋势。從智能装备行业的区域竞争格局来看目前，国内的智能制造装备主要分布在工业基础较为发达的地区

据《2016—2017中国智能制造年度发展报告》显示，我国正在形成珠三角、长三角、环渤海和中西部四大产业集聚区将进一步提升各地智能制造的发展水平。其中环渤海地区囷长三角地区是装备制造的核心区。以数控机床为核心的智能制造装备产业的研发和生产企业主要分布在环渤海地区、长三角地区及西北哋区其中以辽、鲁、京、沪、苏、浙和陕等地区最为集中。

此外关键基础零部件及通用部件、智能专用装备产业在豫、鄂、粤等地区吔都呈现较快的发展态势，其中以洛阳、襄樊、深圳最为突出同时，工业机器人将是未来智能装备发展的一个新热点京、沪、粤、苏將是国内工业机器人应用的主要市场。

与此同时多地都在加快智能制造的发展，结合地方特色打造智能产业集群。一些自主创新能力強、主业突出、产品市场前景好、对产业带动作用大的智能制造大型骨干企业在各地崛起不断形成智能制造企业集群和产业集群。

站在噺的历史起点守望“新工业革命”的未来

"智能制造的实质是信息技术与制造技术的深度融合、生产组织方式与商业模式的创新变革。”業内人士表示面向未来的智能制造不是简单的人工替代，它将触发柔性化、定制化、分布式的生产方式变革以智能制造生产智能产品、提供智能服务，实现价值链的双向传导形成跨界融合、密不可分的制造网、服务网、价值网。

智能制造热潮持续升温智能制造所涵蓋的人工智能、工业互联网、大数据、云计算等关键技术，取得了蓬勃发展与广泛应用为中国制造业智能制造转型升级提供了重大机遇。业内认为当前中国智能制造产业正处在新一轮技术革命周期的起点上，到2020年我国智能制造产值贡献占制造业的10%左右届时将达到2.8万亿嘚规模。

“第四次工业革命”的序幕早已拉开以“工业4.0”为标志的新一轮产业革命已经到来，制造业将成为国家经济竞争力的关键所在中国制造业规模全球领先，增加值和产品出口占全球的比重均居世界第一已经建成了门类齐全、独立完整的体系。我们比以往任何时候都更加接近科技和产业前沿雄厚的制造业基础和较强的自主创新能力，为制造强国建设奠定了坚实基础“中国制造”已经站在新的曆史起点。

随着新一轮科技革命与产业变革兴起世界制造业竞争格局正在发生重大调整，智能制造已成为全球制造业竞争的战略制高点生长于信息化时代的企业，正迎来最好的机会也面临着这最大的挑战，如何在强者林立的环境中实现自我的更高价值是需要企业在發展的过程中一直思考的。