复杂过程建模、智能优化控制方法及应用

个人简介

严爱军，男，银河集团9873.cσm人工智能与自动化学院，教授，博士生导师，2006年于东北大学自动化研究中心获得工学博士学位。数字社区教育部工程研究中心副主任、中国环境感知与保护自动化专业委员会委员、中国人工智能学会科普工作委员会委员。主持国家自然科学基金面上项目3项，北京市自然科学基金面上项目2项。发表学术论文80余篇，SCI/EI收录50余篇，2010年出版著作《过程控制系统》。在人工智能技术应用领域的研究工作分别发表于Information Sciences、Expert Systems with Applications、Neural Computing & Applications等期刊和学术会议，获得多项授权国家发明专利和软件著作权。

教育简历

1993年东北大学自动化专业本科毕业；2000年武汉科技大学计算机应用技术专业硕士研究生毕业；2006年于东北大学自动化研究中心获工学博士学位。

工作履历

1993年至武汉钢铁集团公司；2006年至今北京工业大学。

学术兼职

数字社区教育部工程研究中心技术委员会委员。

课程教学

本科生教学：《过程控制系统》

研究生教学：《案例推理》

科研项目

[1] 2019.1-2022.12，国家自然科学基金面上项目“城市生活垃圾焚烧参数设定值的群决策案例推理优化方法研究(61873009)”，75.6万，主持。

[2] 2014.1-2017.12，国家自然科学基金面上项目“群决策案例推理系统的动态学习模型及应用研究(61374143)”，80万，主持。

[3] 2010.1-2012.12，国家自然科学基金面上项目“基于多目标评价的竖炉焙烧过程智能优化设定方法的研究(60974133)”，31万，主持。

[4] 2019.1-2021.12，北京市自然科学基金面上项目“城市生活垃圾焚烧过程关键参数设定建模方法(4192009)”，20万，主持。

[5] 2015.1-2017.12，北京市自然科学基金面上项目“案例修正与存储的动态学习模型及应用研究(4152010)”，18万，主持。

荣誉和获奖

2005年获张钟俊青年优秀论文二等奖；2006年获国家教育部科技进步一等奖(项目参加人员)；2007年获北京优秀青年工程师标兵称号和第9届北京青年优秀论文三等奖；2016年获吴文俊人工智能科学技术一等奖(项目参加人员)。2014年-2019年北京工业大学优秀硕士学位论文指导教师。

代表性研究成果

在理论方法层面，以案例推理等智能技术为方法基础，围绕案例推理在问题求解领域中的开放性问题研究一种动态学习型推理模型；在方法的应用层面，将案例推理等智能方法应用于工业过程的智能控制、多目标优化、故障诊断、参数软测量中。

主要论文论著

[1] Yan Aijun, Guo Jingcheng, Wang Dianhui. Robust stochastic configuration networks for industrial data modelling with Student’s-t mixture distribution. Information Sciences, 2022, 607(8): 493-505. (JCR Q1)

[2] Yan Aijun, Guo Jingcheng, Wang Dianhui. Heterogeneous feature ensemble modeling with stochastic configuration networks for predicting furnace temperature of a municipal solid waste incineration process. Neural Computing & Applications, 2022, 34(18): 15807-15819. (JCR Q2)

[3] 严爱军, 胡开成. 城市生活垃圾焚烧炉温控制的多目标优化设定方法.控制理论与应用,2022录用.

https://kns.cnki.net/kcms/detail/44.1240.TP.20220429.1751.064.html

[4] 严爱军, 王英杰, 王殿辉. Tennessee-Eastman过程的学习型案例推理故障诊断方法. 控制理论与应用, 2017, 34(9): 1179-1184. (EI收录)

[5] Yan Aijun, Zhang Kuanhong, Yu Yuanhang, Wang Pu. An attribute difference revision method in case-based reasoning and its application. Engineering Applications of Artificial Intelligence, 2017, 65(10): 212-219. (JCR Q1)

[6] Yan Aijun, Yu Hang, Wang Dianhui. Case-based reasoning classifier based on learning pseudo metric retrieval. Expert Systems with Applications, 2017, 89(12): 91-98. (JCR Q1)

[7] 严爱军, 赵辉, 王普. 基于可信度阈值优化的案例推理评价分类方法. 控制与决策, 2016, 31 (7): 1253-1257. (EI收录)

[8] Yan Aijun, Song Hairuo, Wang Pu. Case-based reasoning model with genetic algorithms, group decision-making and template reduction. International Journal on Artificial Intelligence Tools, 2016, 25(2): 1-19. (JCR Q4)

[9] Yan Aijun, Wang Dianhui. Trustworthiness evaluation and retrieval-based revision method for a case-based reasoning classifier. Expert Systems with Applications, 2015, 42(21): 8006-8013. (JCR Q1)

[10] Yan Aijun, Shao Hongshan, Wang Pu. A soft-sensing method of dissolved oxygen concentration by group genetic case-based reasoning with integrating group decision making. Neurocomputing, 2015, 169(12): 422-429. (JCR Q2)