CCF@U1154：CCF工业控制计算机专委走进西安理工大学

CCF走进高校第1154场

敬请关注

由中国计算机学会（CCF）主办，CCF工业控制计算机专业委员会、西安理工大学承办的CCF走进高校活动，将于2024年11月1日在西安理工大学召开，敬请关注。

活动时间：2024年11月1日（星期五）14:30-16:30

活动地点：西安理工大学学科2号楼二层学术报告厅

报告信息：

报告题目：新一代机载计算机平台面临的挑战

报告摘要：机载计算机是飞机航空电子系统中不可或缺的关键装备之一。机载计算机要承受在恶劣环境下正常运行，其安全性、可靠性非常重要。随着航空电子系统高度综合化的推进，机载计算机面临严重挑战。本文首先分析了驱动机载计算机不断升级的因素，介绍了航空电子系统发展历程。其次，针对第四代综合化航空电子系统对机载计算机需要，论述了IMA计算机平台相关技术。最后，提出了未来机载计算机平台发展的目标，论述了降低SWaP的方法，总结了未来机载计算机平台所面临的几项挑战，可供相关人员开展研究。

报告嘉宾：

叶宏，男，研究员，西北工业大学特聘教授，原航空工业西安航空计算技术研究所（631所）副总工程师，集团特级专家、享受国务院政府特殊津贴专家，中国计算机学会（CCF）杰出会员。长期从事高安全嵌入式系统的研发工作。主要研究方向包括嵌入式系统、航空电子系统、操作系统、软件工程、安全攸关系统及安全性、可靠性等技术。

曾主持30余项国家重点预先研究、国家重点自然基金、国家“核高基”专项以及航空装备型号任务。研究内容涉及嵌入式系统、操作系统、编译系统、安全攸关软件、容错与软件工程、软件安全性可靠性等。主持多项军用基础软件的研制工作，其产品已被大规模应用于国防装备中。主持研制了多个系列的天脉操作系统产品，并已在我国多型军机、民用飞机规模应用。曾获得部级国防科技成果一、二、三等奖9项，局级（集团、省）科技成果一、二、三等奖13项，个人荣立航空集团一、二、三等功7项，获国家发明专利12项，发表学术论文（合编、专著、国军标等）30余篇。

报告题目：面向极地航空冰雷达的实时成像处理方法及处理平台原型设计

报告摘要：极地航空高分辨率冰雷达能够对冰盖的内部信息进行高分辨率成像，冰下分辨率达到厘米量级，已成为冰盖研究不可缺少的仪器设备，对获取的雷达数据进行成像处理是实现航空冰雷达图像解译和应用的前提和基础。针对极地航空冰雷达面临的复杂电磁波传播场景以及实时成像处理需求，提出结合移动相关算法的距离-多普勒聚焦SAR成像算法，该算法适用于多层媒质且包含方位向调频率的估计，能够获得准确的冰盖中间层和基岩界面的剖面图，同时充分考虑了实时成像工程化处理模块的特点，设计了基于商用DSP芯片TMS320C6678的实时成像工程化处理模块，完成算法的流式处理，并采用南极科考探测数据验证了处理方法和处理平台的有效性和先进性。

报告嘉宾：

稂时楠，副教授，2015年6月博士毕业于中国科学院电子学研究所，2015年7月至今在北京工业大学工作。研究方向为智能信号处理与应用、雷达理论与技术等。主持完成国家自然科学基金、装备预先研究领域基金以及中国博士后科学基金在内的多项国家级项目，参与完成国家重点研发项目、探月工程项目以及国家南北极环境综合考察专项等多项重大项目。自2015年中国首架极地固定翼飞机“雪鹰601”列装中国极地考察开始，作为数据处理负责人完成了2015-2023六个季度的航空冰雷达数据处理与分析工作，是极地航空科学调查团队的核心成员。在国内外发表学术论文40多篇，其中被SCI收录30多篇，获得国家发明专利授权20多项，完成海洋行业标准《极地冰雷达观测数据处理规范》。研究成果获得央视新闻直播间、“国之重器”节目、科学网等多平台特写报道，提出的航空冰雷达数据高质量成像新算法获得自然资源部网站以及学习强国平台报道。

报告题目：面向工业过程关键指标预测的深度慢特征提取方法

报告摘要：

工业过程数据通常涉及复杂的物化原理，体现为非平稳慢变和快变特征耦合的形式，使得传统基于单一模型的方法难以建立令人满意的关键指标软测量模型。为了解决该问题，我们提出了一种基于孪生网络的慢速和非平稳快速特征（TS-SNFF）提取的双流模型。该模型包括慢速特征流（SF-stream）和非平稳快速特征流（NFF-stream）。在SF-stream中，使用基于孪生网络的编码器-解码器和线性映射层进行慢速特征提取，而NFF-stream则利用差分LSTM进行非平稳快速特征提取，进而对得到的特征进行融合，并使用多层感知器作为预测器，所提出的模型可有效解决工业过程非平稳条件下的慢变和快变动态特征提取问题并通过工业过程实例验证了该方法在关键指标预测方面的有效性和优越性。

讲者简介：

姚乐，杭州师范大学数学学院副教授，浙江大学博士/博士后。长期致力于数据驱动的工业过程监测领域，在关键指标软测量和故障诊断等方向提出了一系列新方法，其中一项成果作为典型应用案例写入了国家工业互联网产业联盟发布的《工业智能白皮书2020》，博士论文获“2020年中国电子学会优秀博士学位论文奖”。目前主持了国家自然科学基金面上和青年项目、中国博士后科学基金特别资助和面上项目等。现为中国自动化学会数据驱动控制、学习与优化专业委员会委员、中国机械工程学会工业大数据与智能系统专委会委员。研究工作累计在国际高水平期刊发表论文50余篇，其中5篇入选“ESI高被引论文”；授权和公开国家发明专利15项；多次获得IEEE DDCLS、CPCC、CCC等会议最佳论文奖/提名奖，研究成果受到国内外学者大量引用和正面评价。

报告题目：面向飞机制造智能车间的协同感知与数据管理方法研究

报告摘要：

以飞机制造为代表的高端制造业，在数字化升级的基础上，仍面临海量分散的感知数据、人工低效的数据管理、孤立滞后的风险预警等痛点问题，亟待向智能化转型。在国家自然科学基金联合基金资助下，紧密围绕航空制造智能化的关键问题，在充分挖掘智能车间感知数据特征的基础上，从基于分布式软总线的感知数据协同、基于图数据库的时序层次异质数据管理、基于图学习的业务关联与演化分析三个方面开展研究工作，并构建智能车间协同感知与数据管理原型系统。目前，已在时序数据的高效并行计算框架、大规模数据关联数据集、可解释的异常检测、良好数据分布的数据标签生成等方面取得研究进展。如何形成原型系统仍需进一步探讨。

讲者简介：

王瑀屏，北京理工大学计算机学院，长聘副教授，中国计算机学会（CCF）高级会员，工业控制计算机专委常委。研究兴趣包括多模数据库、机器人操作系统。在国内外知名期刊会议上发表相关论文40余篇，其中包括编程语言领域的顶级会议OOPSLA，操作系统领域顶级会议USENIX ATC，计算机系统领域顶级期刊IEEE TOC，机器人系统领域顶级会议ICRA、IROS，计算机图形学领域顶级期刊IEEE TVCG等。曾获IEEE COMPSAC大会最佳论文奖。曾获得北京市青年英才计划资助，承担多项国家自然科学基金青年、面上项目、联合基金重点项目。

CCF微信公众号，欢迎关注