-
张友建1,2，曲之国1,2，杨海峰1,2，陈勇1,2，张志强1,2，李宝营1,2（日钢营口中板有限公司；辽宁省中厚板专业技术创新中心）.合金成本优化控制系统的开发及应用[J].冶金自动化,2022,第4期
-
张亦睿，陈波，李赵仪（华北理工大学电气工程学院）.能源环保设备监控系统的优化设计[J].冶金自动化,2022,第4期
-
高士中1，薛颖健2（山西晋城钢铁控股集团有限公司信息自动化处；北京京诚鼎宇管理系统有限公司）.钢铁企业数字化工厂建设实践[J].冶金自动化,2022,第4期
-
万成1，张欣雨2，茅心怡1，杨爱其1，韩中洋2（上海宝能信息科技有限公司研发部；大连理工大学工业装备智能控制与优化教育部重点实验室）.基于模糊聚类的钢铁企业多能流协同优化模型[J].冶金自动化,2022,第4期
-
本刊编辑部.《冶金自动化》第一届青年编委会成立大会顺利召开[J].冶金自动化,2022,第4期
-
赵志挺，朱亮宇，高珣洋，王力（沈阳化工大学机械与动力工程学院）.基于主成分分析协同深度神经网络的带钢板凸度预测[J].冶金自动化,2022,第3期
-
何心毅1，郎劲2，张颜颜3，赵赓楠4，赵祥5（上海宝信软件股份有限公司能环事业部；智能工业数据解析与优化教育部重点实验室(东北大学)；工业智能与系统优化国家级前沿科学中心；辽宁省制造系统与物流优化重点实验室；辽宁省智能工业数据解析与优化工程实验室）.基于改进长短期记忆神经网络的钢铁企业电力负荷预测方法[J].冶金自动化,2022,第3期
-
常婷婷1，张颜颜2，澈格乐根3，刘洪屾4（上海宝信软件股份有限公司能环事业部；智能工业数据解析与优化教育部重点实验室(东北大学)；辽宁省智能工业数据解析与优化工程实验室；辽宁省制造系统与物流优化重点实验室）.基于长短期时间序列网络的氧气需求量预测[J].冶金自动化,2022,第3期
-
朱亮宇，赵志挺，高珣洋，王力（沈阳化工大学机械与动力工程学院）.基于改进广义预测控制的带钢厚度优化控制策略[J].冶金自动化,2022,第3期
-
王浩丞1，白秉堃1，张勇军1，肖雄1，韩硕1，宋国明2（北京科技大学高效轧制与智能制造国家工程研究中心；台北科技大学电机工程系）.工业微电网中混合储能系统与负载电机协同控制[J].冶金自动化,2022,第3期
-
徐言东1，白金龙1，白英超2（北京科技大学国家板带生产先进装备工程技术研究中心；沈阳通用电子科技有限公司技术部）.新型断带监测抓捕自锁系统在散料上运胶带输送机上的应用[J].冶金自动化,2022,第3期
-
黄标彩1，蔡常青1，王龙飞1，方宇荣1，高涵2，何庆2（福建三钢闽光股份有限公司；东北大学信息科学与工程学院）.钢铁冶金工业激光三角法抗强热辐射干扰方法研究[J].冶金自动化,2022,第3期
-
黄标彩1，廖琳琳1，陈健健1，严海峰1，方宇荣1，张玖2（福建三钢闽光股份有限公司；东北大学信息科学与工程学院）.风冷段高速线材温度测量及其应用[J].冶金自动化,2022,第3期
-
徐端1，吕明宇2，刘士新2（上海宝信软件股份有限公司信息化事业本部；东北大学信息科学与工程学院）.求解冷轧精整并行机调度的多目标迭代贪心算法[J].冶金自动化,2022,第3期
-
刘晓玉，刘文红（东北大学信息科学与工程学院）.基于图形处理器加速的连铸坯实时凝固传热模拟[J].冶金自动化,2022,第3期
-
（鞍山钢铁集团有限公司）.数字鞍钢 向建设国际一流化验室目标迈进——走进鞍钢首个全自动炼钢化验室[J].冶金自动化,2022,第3期
-
（河钢集团）.河钢在业内率先发布WisCarbon碳中和数字化平台[J].冶金自动化,2022,第3期
-
冯力力1,2，彭军1，黄兆军3（中南大学计算机学院；湖南华菱涟源钢铁有限公司检修中心；湖南华菱涟源钢铁有限公司企业管理与规划部）.钢铁生产全流程智能协同管控系统设计与应用[J].冶金自动化,2022,第3期
-
陈欣（上海宝信软件股份有限公司智能装备事业本部）.基于双目视觉技术的钢卷坐标识别方法[J].冶金自动化,2022,第3期
-
（中冶集团）.凌源钢铁公司优特钢大棒材数字化建设项目将开工[J].冶金自动化,2022,第3期
-
（攀钢集团）.国内领先，首个钒钛行业MES系统在攀钢运行[J].冶金自动化,2022,第3期
-
赵梓焱1,2，李思怡2，刘士新1,2，刘硕2，赵亚峰3,4（东北大学流程工业综合自动化国家重点实验室；东北大学信息科学与工程学院；东北大学材料科学与工程学院；中国科学院金属研究所）.钢铁生产过程动态调度综述[J].冶金自动化,2022,第2期
-
杜胜1,2,3，陈聪1,2,3，胡杰1,2,3，陈略峰1,2,3，安剑奇1,2,3，陈鑫1,2,3，曹卫华1,2,3，吴敏1,2,3（中国地质大学(武汉)自动化学院；复杂系统先进控制与智能自动化湖北省重点实验室；地球探测智能化技术教育部工程研究中心）.钢铁冶金过程铁前工序绿色智能制造的进展与展望[J].冶金自动化,2022,第2期
|