近期，我校信息与电气工程学院卢明课题组陈祖国副教授、卢明副教授与中国科学院大学周翊民研究员合作在《Information Sciences》（IF:6.795，中科院一区）期刊上发表论文“Information synergy entropy based multi-feature information fusion for the operating condition identification in aluminium electrolysis”。于2021年8月和2022年3月两次进入ESI高被引。

▲多视觉特征信息融合的铝电解槽况辨识方法研究取得新进展

在陈祖国与卢明的研究中，从机理上阐述了铝电解槽的火眼视觉特征信息随铝电解槽工况状态变化的规律。采用基于信息协同熵实现铝电解火眼视觉特征信息与机理模型的融合，并采用区间直觉模糊TOPSIS实现铝电解槽况状态的辨识。该方法对铝电解槽工况识别精度都在86%以上。最高准确率为92%，平均为89.2%。解决了铝电解生产过程中无法在线检测铝电解工况，而长期依赖于工人经验进行判断工况状态，以及经验丰富的工艺人员频繁流动造成对异常槽况判断决策准确性下降的问题。能够有效提高铝电解生产过程中工况稳定性，提高产品质量一致性、降低能源消耗。对推动我国“双碳”战略的实施具有重要的意义。

铝电解工业作为典型的传统流程行业是具有战略意义的国民经济支撑性产业，在双碳目标的大背景下，实施“铝电解过程智能制造”是中国智能制造2025的战略需要，也是铝电解行业节能增效，实现可持续发展的必然趋势。为推动铝电解技术进步和高质量发展，实现铝电解行业安全高效、节能降耗、绿色循环的发展目标，需要研究铝电解生产过程工况智能辨识与决策方法是提升我国铝电解行业抢占新一轮制造技术制高点的重要手段, 也是重塑我国铝电解行业新优势, 实现转型升级的必然选择。

该工作得到了国家自然科学基金（61903137），湖南省自然科学基金（2020JJ5201）等项目的资助。

信息与电气工程学院机器视觉与复杂智能系统团队立足于智慧矿山、复杂工业系统、机器人等领域的发展，围绕机器视觉、边缘计算、分布式智能终端、复杂动态网络系统等实际应用需求。与哈佛大学、波士顿大学、中科院、南方电网、中煤电气、中南大学、中广核等单位合作，开展机器视觉、人工智能、工况识别、大数据、复杂网络、非线性系统控制等方法研究与技术研发。

论文链接：https://www.sciencedirect.com/science/article/pii/S0020025520306915