（通讯员 鲁仕祥 摄影 杨雨剑 记者 丁悦）依托新能源战略，促进智能控制与诊断技术高质量发展。4月22日，新能源复杂系统数字化及智能诊断中心在东北石油大学召开第一届智能诊断与控制及新能源研讨会。合肥工业大学管理学院许启发教授、中国自动化学会生物控制论与生物医学工程专业委员会委员王俊松教授、合肥工业大学管理学院何耀耀教授、东北电力大学自动化工程学院武英杰副教授，深圳技术大学刘小旭副教授，齐鲁工业大学信息与自动化学院张芳芳副教授、清华大学自动化系金海浪博士后7位新能源系统、人工智能和故障诊断等领域专家作主题报告。我校校长董宏丽出席。大会主席、长江学者讲座教授高志伟和组委会成员刘远红副教授分阶段主持会议。
董宏丽致欢迎词，对受邀参会的专家、教师表示热烈欢迎和诚挚问候，介绍了我校历史沿革、发展战略、办学布局、育人特色和专业建设情况。她指出，本次研讨会为与会者提供了展示研究成果、交流思想、拓展合作机会的绝佳机会，为推动智能诊断与控制及新能源领域的发展做出积极贡献，深度契合我校“强陆—拓海—壮新”的发展战略，希望借助研讨会的召开，推进新能源复杂系统数字化与智能诊断中心的快速发展。
电气信息工程学院院长邵克勇致辞，他表示，智能诊断与控制技术作为现代科技发展的重要标志，正深刻改变着生活。新能源的开发与利用是人类应对环境挑战、实现可持续发展的关键所在。此次会议汇聚各方智慧，必将为智能诊断与控制及新能源技术的发展注入新的活力，推动相关产业创新与发展。
高志伟教授致辞，感谢校、院领导对大会的支持。他表示，本次会议旨在为研究人员和从业人员提供学术交流平台，分享新能源、数字经济和智能控制等领域的最新研究进展，促进对智能诊断、智能控制和新能源系统的深入研究。
许启发作报告，从迁移学习的含义、应用场景展开，针对不同工况产生的域移位问题，提出一种用于智能故障诊断的深度混合域泛化网络(DMDGN)，对不同的工作载荷和机器执行不同的泛化任务。
王俊松作报告，回顾了正反馈和负反馈对生物系统的动力学、振荡特性以及信息处理性能的重要调节作用，提出了一种对数正态结构的类脑回声状态网络模型—LNESN，研究发现LNESN 在Griffiths临界态时具有最优的性能和良好的鲁棒性。
何耀耀作报告，针对风电功率和电力负荷预测问题展开，重点介绍分位数深度神经网络和随机权神经网络的概率性预测方法，设计了一个能够同时提供区间预测和点预测的风电功率预测模型，一个直接连接小波神经网络双输出电力负荷区间预测模型。
武英杰作报告，从电源和电网不同角度，从风电场运维辅助生态链以及低温运行可靠性方面进行探讨，分享了在实际运用场景中的诸多项目经历。
刘小旭作报告，针对不同系统的特点，介绍基于模型、数据、双驱三种诊断与控制方法，详细介绍了对实际系统的建模方法，如何用数据驱动进行状态估计和基于残差触发的故障分类，以及如何将小模型机器学习与控制框架结合。
张芳芳作报告，针对混沌理论进行系统讲述，报告从混沌系统的基本数学模型、动力学特性、同步控制、应用情况等几方面展开，介绍了复混沌系统的丰富动力学特性、同步与控制及其在神经网络、保密通信等应用情况。
金海浪作报告，从我国临近空间探测任务对无人飞行器能源系统安全可靠运行提出的紧迫需求出发，重点介绍飞行器能源系统自身特性限制和复杂空间环境约束，从机理模型与数据驱动结合的角度进行提出了一系列的故障诊断方法。
参会同学反响热烈，在报告会期间踊跃提问，与主讲专家进行了深入、充分探讨。
大会上，新能源复杂系统数字化及智能诊断中心和电气信息工程学院研究生进行了海报展示，汇报研究成果，与会专家进行评分与颁奖。
（部分图片由电气信息工程学院提供）
