2023年1月，工程中心耿志强教授团队在工业信息学领域顶刊《IEEE Transactions on Industrial Informatics》（中科院一区TOP，影响因子12.3）发表开创性研究“Novel Feature-Disentangled Autoencoder integrating Residual Network for Industrial Soft Sensor”（卷10期9，页10299-10308，DOI: 10.1109/TII.2023.3240923）。
为了克服现有深度自编码器（AE）用于软传感器建模的鲁棒性低、泛化能力弱的问题，研究首创“特征解耦自编码器-残差网络框架（FDAE-ResNet）”，FDAE可以通过一种新的趋势-周期长短期记忆网络（TPLSTM）和一种新型动态自注意力卷积神经网络（DSACNN）获得包括趋势特征、周期特征和空间特征的解纠缠多源特征，并将输入变量分解的趋势和周期信号分别馈入TPLSTM，在时域和频域学习趋势和周期特征。利用DSACNN通过添加新的注意力机制来捕获空间域中的动态空间特征。此外，通过将趋势特征、周期特征和空间特征连接在一起，获得解结的多源特征。最后，利用Resnet通过建立解结多源特征和输出之间的关系来构建软传感器模型。实验结果表明，与其他最先进的方法相比，FDAE-Resnet在改变工况下平均可将均方根误差降低26.2%，平均绝对百分误差降低38.2%。
第一作者为武昊，北京化工大学信息学院博士研究生，研究方向人工神经网络、迁移学习等。通讯作者为韩永明，教授，博士生导师，国家优青，计算机系系主任；耿志强，教授，博导，现为智能过程系统工程教育部工程研究中心主任、北京化工大学数据科学与工程研究中心主任、中国自动化学会理事过程监控与优化领域权威学者；朱群雄，教授，博士生导师，中国自动化学会会士，现任北京市科协常委等，研究方向为计算智能与工业应用、过程建模与系统优化、故障诊断与报警管理、虚拟现实与数字孪生等。
《IEEE Transactions on Industrial Informatics》是工业4.0核心技术领域旗舰期刊，连续8年位居JCR-Q1区首位，聚焦工业物联网、数字孪生、智能制造等前沿方向，以严苛的工程落地标准（年均录用率15%）引领产业智能化变革。