工业智能优化控制研究及应用

doi:10.12267/j.issn.2096-5931.2026.05.010

信息通信技术与政策 ›› 2026, Vol. 52 ›› Issue (5): 75-79.doi: 10.12267/j.issn.2096-5931.2026.05.010

工业智能优化控制研究及应用

Research and applications of industrial intelligent optimization control

张东¹, 乔岩², 孙德润³

¹ 中国电信集团有限公司, 北京 100020
² 天翼物联科技有限公司, 上海 200120
³ 香港科技大学, 中国香港 999077

收稿日期:2025-10-23 出版日期:2026-05-25 发布日期:2026-05-28
作者简介:
张东，中国电信集团有限公司政企信息服务事业群产业互联网创新专家办公室技术总监,工业互联网产业联盟副秘书长,高级工程师,长期从事工业自动化、政府/企业数字化转型等方面的研究工作
乔岩，天翼物联科技有限公司工程师,长期从事模型算法、智能控制等方面的研究工作
孙德润，香港科技大学本科生在读,主要从事数据科学与人工智能相关领域的研究工作

ZHANG Dong¹, QIAO Yan², SUN Derun³

¹ China Telecom Group Co., Ltd., Beijing 100020, China
² China Telecom IoT Technology Co., Ltd., Shanghai 200120, China
³ The Hong Kong University of Science and Technology, Hongkong 999077, China

Received:2025-10-23 Online:2026-05-25 Published:2026-05-28

摘要/Abstract

摘要：

人工智能作为新型工业化的重要推动力,引领着新一轮科技革命和产业变革。深度学习、强化学习、大模型等人工智能技术的持续发展,以及视觉质检、生产调度、机器人控制等需求场景的不断涌现,促使制造业全面迈向智能化新阶段。以人工智能赋能工业现场自动化的方式为研究点,梳理了工业优化控制方法、智能优化控制算法、人工智能技术和工业优化控制的结合思路,并介绍了部分行业的应用探索及局限。

关键词: 优化控制, 智能系统, 机器学习

Abstract:

Artificial Intelligence (AI) acts as a significant driving force for new-type industrialization, leading a new round of technological revolution and industrial transformation. The continuous development of AI technologies such as deep learning, reinforcement learning, and large models, along with the increasing emergence of application scenarios like visual quality inspection, production scheduling, and robot control, is driving the manufacturing industry towards a new stage of comprehensive intelligence. This paper focuses on the empowerment of industrial site automation through AI, reviews the integration of industrial optimization control methods, intelligent optimization control algorithms, AI technologies, and industrial optimization control, and introduces application explorations in some industries.

Key words: optimal control, intelligent systems, machine learning

中图分类号:

TP393.08

张东, 乔岩, 孙德润. 工业智能优化控制研究及应用[J]. 信息通信技术与政策, 2026, 52(5): 75-79.

ZHANG Dong, QIAO Yan, SUN Derun. Research and applications of industrial intelligent optimization control[J]. Information and Communications Technology and Policy, 2026, 52(5): 75-79.

导出引用管理器 EndNote|Ris|BibTeX

链接本文:

http://ictp.caict.ac.cn/CN/10.12267/j.issn.2096-5931.2026.05.010

http://ictp.caict.ac.cn/CN/Y2026/V52/I5/75

参考文献 9

[1]	工业互联网产业联盟. 新型工业控制蓝皮书[R], 2024.
[2]	柴天佑. 工业人工智能与工业互联网协同实现生产过程智能化及其未来展望[J]. 控制工程, 2023, 30(8):1378-1388.
[3]	柴天佑, 程思宇, 李平, 等. 端边云协同的复杂工业过程运行控制智能系统[J]. 控制与决策, 2023, 38(8):2051-2062.
[4]	柴天佑, 周正, 郑锐, 等. 端边云协同的PID整定智能系统[J]. 自动化博览, 2023, 40(9):34-43.
[5]	JONAS D, FEDERICO F, JONAS B, et al. Magnetic control of tokamak plasmas through deep reinforcement learning[J]. Nature, 2022, 602(7897):414-419. doi: 10.1038/s41586-021-04301-9
[6]	葛磊蛟, 金雨含, 李小平, 等. 人工智能赋能电力电容器运行状态感知及优化控制技术综述[J]. 电气工程学报, 2024, 19(4):1-12.
[7]	ZHANG M, TAO F, ZUO Y, et al. Top ten intelligent algorithms towards smart manufacturing[J]. Journal of Manufacturing Systems, 2023, 71:158-171. doi: 10.1016/j.jmsy.2023.09.006 URL
[8]	ZHANG T, CHEN J, LI F, et al. Intelligent fault diagnosis of machines with small & imbalanced data: a state-of-the-art review and possible extensions[J]. ISA Trans, 2022:119-152,71.
[9]	LINARDATOS P, PAPASTEFANOPOULOS V, KOTSIANTIS S. Explainable AI: a review of machine learning interpretability methods[J]. Entropy, 2020, 23(1):18. doi: 10.3390/e23010018 URL

[1]	李志芳, 成苈委, 周洁. 基于脑电图的情绪识别机器学习方法比较分析[J]. 信息通信技术与政策, 2025, 51(3): 59-67.
[2]	张健, 朱丹. 软件定义网络DDoS攻击问题研究[J]. 信息通信技术与政策, 2025, 51(1): 56-63.
[3]	陈晓朋, 许可欣, 梁宇栋. 人工智能促进数据中心绿色节能研究[J]. 信息通信技术与政策, 2024, 50(2): 33-39.
[4]	崔铭泽. 人工智能赋能循环经济建设的技术手段与应用模式研究[J]. 信息通信技术与政策, 2024, 50(12): 89-96.
[5]	李静雯, 王令珑, 赵阳光, 崔伟男. 机器学习在眼科疾病辅助诊疗中的应用及监管^*[J]. 信息通信技术与政策, 2023, 49(9): 87-91.
[6]	张子婷, 曾宇, 任宏丹, 孟锐. 数据中心不间断电源蓄电池智能预维系统及技术研究[J]. 信息通信技术与政策, 2022, 48(3): 55-63.
[7]	陈磊, 李雅静. 人工智能系统安全综述*[J]. 信息通信技术与政策, 2021, 47(8): 56-63.
[8]	朱康奇, 华楠, 李艳和, 郑小平, . 数字孪生技术在光网络中的应用与问题*[J]. 信息通信技术与政策, 2021, 47(12): 69-.
[9]	辛冉, 高深, 阮博男. 5G 核心网网元服务异常检测*[J]. 信息通信技术与政策, 2021, 47(11): 89-.
[10]	郭亮, 齐旭, 刘水旺, 蔡永顺. 基于机器学习的数据中心参数自动优化关键技术研究[J]. 信息通信技术与政策, 2020, 46(6): 21-24.
[11]	吕博. 一种机器学习数据集半自动标注方法研究*[J]. 信息通信技术与政策, 2019, 45(7): 44-50.
[12]	贾斐, 张彦坤. 人工智能在医疗领域的应用[J]. 信息通信技术与政策, 2019, 45(7): 62-64.
[13]	陈曦, 宫政, 刘垚. 人工智能在物流领域的发展研究[J]. 信息通信技术与政策, 2019, 45(6): 40-45.
[14]	刘海滨. 历史工单分析研判与（资产）智能维护的探索[J]. 信息通信技术与政策, 2019, 45(2): 91-96.
[15]	刘海滨. 历史工单分析与智能派单的探索[J]. 信息通信技术与政策, 2018, 44(6): 68-74.

工业智能优化控制研究及应用

Research and applications of industrial intelligent optimization control

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献 9

相关文章 15

编辑推荐

Metrics

本文评价