李莉,同济大学

复杂制造系统在生产过程中存在诸多的内外部风险。作为一个对初始条件极为敏感的混沌系统，即便是微小的风险，随着生产制造过程的推进，这些风险也会不断被传递、累计、放大，最终将极大拖延生产进度，或者是系统制造生产稳定性下降，严重时甚至造成整个复杂制造系统生产的混乱和中断。通过针对典型的复杂制造系统仿真数据，引入神经网络学习机制，建模系统风险因子与模型；基于熵理论和临界慢化理论完成复杂制造系统临界态物理指标的提取，采用基于自注意力机制的深度学习方法实现系统临界态辨识；基于全局-局部属性的节点影响力算法搜寻系统网络关键节点，采用关键节点免疫策略延迟系统临界态的开始，从而控制复杂制造系统风险传播；结合牵制控制和自适应策略，通过对少数节点施加控制的方式来对整个复杂制造系统网络施加控制，使系统从临界态恢复至稳定态，实现复杂制造系统风险传播的控制。提出的方法在多种情况下都被证明是有效的，可以广泛用于复杂系统的风险传播预测与控制。