2025年我校复杂机电系统智能运维与控制团队取得重要成果

本网讯（通讯员 刘强） 近日，我校机械与动力学院“复杂机电系统智能运维与控制”科研团队在机器人视觉导航、多单元系统维护与备件库存联合优化等方向取得重要研究进展。

成果一：以《Joint Sparse Optical Flow Estimation and Keypoint Detection via Dual-task Imperative Learning》为题，发表于人工智能领域国际顶级期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（IEEE TPAMI）。该研究聚焦机器人视觉导航中的高精度稀疏数据关联问题，创新性提出基于可微分高斯牛顿求解器的双任务指令式学习框架，在确保实时计算性能同时，显著提升稀疏数据关联方法的精度与泛化能力。该论文第一作者为刘强博士，通讯作者为陈保家教授，为我校首次以第一完成单位在TPAMI上发表研究成果。

TPAMI在中国计算机学会认定的人工智能领域四个A类期刊中排名第一，是计算机视觉及模式识别领域最顶尖的期刊，五年平均影响因子20.4，2025校内成果认定分级T2。根据Google Scholar Citation统计，TPAMI在所有计算机工程、电子工程及人工智能相关期刊榜单上以165分的h5-index排序第1，主要收录人工智能、模式识别、计算机视觉及机器学习领域的原创性科研成果。

论文链接：https://ieeexplore.ieee.org/document/11223094

成果二：以《Joint optimization of imperfect preventive opportunistic maintenance and spare parts inventory for multi-unit systems considering spare parts reuse》为题，发表于可靠性工程与系统安全领域国际权威期刊《Reliability Engineering and System Safety》。该研究针对多单元系统中维护策略与备件库存管理的协同优化问题，创新性提出基于动态时间窗口的不完全预防性机会维修与备件库存联合优化模型，在考虑备件重复利用与维修效果差异的基础上，显著提升其多单元系统维修的经济性。该论文第一作者为黎新龙博士，陈保家教授、陈法法教授、安友军博士等为共同作者。

《Reliability Engineering and System Safety》是工业工程、系统可靠性与安全领域的国际顶级期刊，2024年影响因子11，五年平均影响因子9.2，在中科院分区中列为工程技术大类一区TOP期刊，主要收录系统可靠性分析、维修策略优化、风险评估与安全管理等方面的原创性研究成果。

论文链接：https://doi.org/10.1016/j.ress.2025.111162

此次两项成果的发表，标志着我校机械与动力学院在智能运维、智能装备与人工智能交叉研究方面的学术影响力持续提升，为相关学科发展注入了新的创新动能。