王铂韬, 罗敬, 王新年. 大语言模型启发的物联网多模态决策框架研究[J]. 智能物联技术, 2026, 58(8): 12-16.
WANG Botao, LUO Jing, WANG Xinnian. Research on Large Language Model Inspired Multimodal Decision Framework for Internet of Things[J]. Technology of IoT&AI, 2026, 58(8): 12-16.
针对物联网(Internet of Things,IoT)场景中日志、图像与传感器时序难以统一建模、决策成本不对称的问题,提出一种大语言模型启发的轻量化多模态决策框架MindIoT。该框架借鉴低秩适应(Low-Rank Adaptation,LoRA)、检索增强生成(Retrieval-Augmented Generation,RAG)与层次化提示思想,构建“多模态编码—门控融合—知识增强推理—贝叶斯动作选择—闭环反馈”流程,在不直接部署完整大语言模型(Large Language Model,LLM)的条件下增强边缘决策能力。实验在智能家居、工业故障预警及智慧交通3类仿真场景上进行,准确率分别达到95.0%、88.5%、92.0%。消融结果表明,RAG与LoRA分别带来了3.9、1.6个百分点增益。实验结果表
明,利用LLM的轻量化机制增强传统多模态模型是可行路径,而“先校准、再决策”应作为IoT智能决策系统的基本原则。
苑志刚, 尹鹤松, 赵强, 闫安, 李奇. 基于物联网监测的光伏支架PHC管桩施工缺陷控制技术[J]. 智能物联技术, 2026, 58(8): 17-22.
YUAN Zhigang, YIN Hesong, ZHAO Qiang, YAN An, LI Qi. Control Technology of Construction Defects of PHC Pipe Piles for Photovoltaic Supports Based on Internet of Things Monitoring[J]. Technology of IoT&AI, 2026, 58(8): 17-22.
丁伯军. 工业物联架构下机电系统状态异常检测研究[J]. 智能物联技术, 2026, 58(8): 23-27.
DING Bojun. Research on Anomaly Condition Identification of Electromechanical Systems Under Industrial Internet of Things Framework[J]. Technology of IoT&AI, 2026, 58(8): 23-27.
聂祥谦, 李启蒙, 肖帆. 基于数据融合的电力系统信息通信数字化能力评估模型[J]. 智能物联技术, 2026, 58(8): 32-35.
NIE Xiangqian, LI Qimeng, XIAO Fan. Evaluation Model of Power System Information Communication Digitization Capability Based on Data Fusion[J]. Technology of IoT&AI, 2026, 58(8): 32-35.
黄博增, 陈相辉. 基于物联网的智能水表检定数据自动采集技术[J]. 智能物联技术, 2026, 58(8): 36-40.
HUANG Bozeng, CHEN Xianghui. Data Automatic Collection Technology for Smart Water Meter Calibration Based on Internet of Things[J]. Technology of IoT&AI, 2026, 58(8): 36-40.
张振, 武小宇, 李卓, 刘嘉怡. 基于物联网的工厂供电电压自动调节系统设计[J]. 智能物联技术, 2026, 58(8): 41-45.
ZHANG Zhen, WU Xiaoyu, LI Zhuo, LIU Jiayi. Design of Automatic Voltage Regulation System for Factory Power Supply Based on Internet of Things[J]. Technology of IoT&AI, 2026, 58(8): 41-45.
彭卫佳, 黎青青. 面向医疗物联网的改进小波-自适应VMD联合优化生物医学信号降噪与特征提取方法[J]. 智能物联技术, 2026, 58(8): 46-58.
PENG Weijia, LI Qingqing. Improved Wavelet-Adaptive VMD Joint Optimization Method for Biomedical Signal Denoising and Feature Extraction in IoMT[J]. Technology of IoT&AI, 2026, 58(8): 46-58.
针对医疗物联网(Internet of Medical Things,IoMT)分布式采集与传输环境下生物医学信号非平稳非线性特征微弱、多源复合噪声干扰严重、传统算法难以在去噪能力与特征保真度之间取得有效平衡、计算冗余度偏高等问题,提出一种改进小波阈值与自适应变分模态分解(Variational Mode Decomposition,VMD)联合优化算法。首先,构建IoMT场景下生理信号复合干扰数学模型,推导非线性连续可调小波阈值函数,在抑制多源噪声的同时实现对关键病理特征的自适应保留;其次,提出基于皮尔逊相关系数与信息熵双准则驱动的自适应VMD分解策略,完成模态数K与中心频率的自动寻优,从机理层面解决模态混叠、基线漂移及运动伪影的分离问题;最后,构建基于互信息贡献度的多域动态特征融合机制,有效提升病理特征的表征能力与分类识别精度。实验结果表明,本文算法降噪后输出信噪比(Signal-to-Noise Ratio,SNR)达28.64 dB,均方误差降低,波形相似度为0.986,心搏分类综合准确率达98.72%,单帧时延仅9.4 ms,在IoMT低带宽、低功耗、高干扰的严苛约束条件下表现出显著性能优势。相关结论可为智慧医疗远程监护与病理智能筛查提供理论依据与算法支撑。
尹鹤松, 赵强, 马岩, 朱博涵, 李轶男. 基于高精度定位技术的沙壤土光伏管桩沉桩施工控制技术[J]. 智能物联技术, 2026, 58(8): 59-64.
YIN Hesong, ZHAO Qiang, MA Yan, ZHU Bohan, LI Yinan. Construction Control Technology of Photovoltaic Pipe Pile Driving in Sandy Loam Based on High-Precision Positioning Technology[J]. Technology of IoT&AI, 2026, 58(8): 59-64.
邱星潼, 李雨大川. 基于大数据分析的用户收视行为特征提取技术研究[J]. 智能物联技术, 2026, 58(8): 65-68.
QIU Xingtong, LI Yudachuan. Research on User Viewing Behavior Feature Extraction Technology Based on Big Data Analysis[J]. Technology of IoT&AI, 2026, 58(8): 65-68.
王鹏远, 秦开敏, 禚晟. 基于多智能体协同的发电企业数字化决策方法[J]. 智能物联技术, 2026, 58(8): 75-79.
WANG Pengyuan, Qin Kaimin, ZHUO Sheng. Digital Decision-Making Method of Power Generation Enterprises Based on Multi-agent Collaboration[J]. Technology of IoT&AI, 2026, 58(8): 75-79.
发电企业运行涉及机组调度、设备运维及生产优化。传统经验式决策难以满足快速响应和多数据源分析需求。构建基于多智能体协同的决策支撑体系,采用分层结构对数据采集与监视控制(Supervisory Control And Data Acquisition,SCADA)系统、分布式控制系统(Distributed Control System,DCS)、企业资源计划(Enterprise Resource Planning,ERP)系统及设备监测数据进行采集、清洗和融合,生成统一数据结构。调度、运维、分析及优化智能体分别处理任务数据,并在统一框架下计算候选方案评分,生成综合决策结果。结果表明,智能体协同方法在决策响应时间、调度效率、运维准确率及运行成本控制方面均优于传统方法,为发电企业提供了决策支撑。
邱淑. 分布式应急风险预警终端联动控制技术研究[J]. 智能物联技术, 2026, 58(8): 80-83.
QIU Shu. Research on linkage Control Technology of Distributed Emergency Risk Warning Terminals[J]. Technology of IoT&AI, 2026, 58(8): 80-83.
姚相宇. 基于多尺度特征融合的深度学习物联摄像头图像处理方法[J]. 智能物联技术, 2026, 58(8): 84-88.
YAO Xiangyu. Deep Learning Image Processing Method for Internet of Things Cameras Based on Multi-scale Feature Fusion[J]. Technology of IoT&AI, 2026, 58(8): 84-88.
针对物联摄像头图像在复杂场景下存在的细节缺失与噪声干扰问题,提出一种基于多尺度特征融合的Transformer图像处理方法。通过构建特征金字塔结构并引入注意力机制,实现跨尺度特征动态融合。实验结果表明,所提方法在峰值信噪比(Peak Signal to Noise Ratio,PSNR)与结构相似性(Structural Similarity,SSIM)指标上均优于传统方法,能够有效提升图像细节恢复能力与复杂场景健壮性。
秦开敏, 禚晟, 荆华. 基于机器学习的发电企业接口适配研究[J]. 智能物联技术, 2026, 58(8): 98-101.
QIN Kaimin, ZHUO Sheng, JING Hua. Research on Interface Adaptation of Power Generation Enterprises Based on Machine Learning[J]. Technology of IoT&AI, 2026, 58(8): 98-101.
陈振. 基于深度学习的水利水电施工进度与质量监控技术[J]. 智能物联技术, 2026, 58(8): 102-105.
CHEN Zhen. Water Resources and Hydropower Construction Progress and Quality Monitoring Technology Based on Deep Learning[J]. Technology of IoT&AI, 2026, 58(8): 102-105.
周科, 曹文琪. 基于GA-XGBoost的葡萄酒品质预测研究[J]. 智能物联技术, 2026, 58(8): 106-110.
ZHOU Ke, CAO Wenqi. Research on Wine Quality Prediction Based on GA-XGBoost[J]. Technology of IoT&AI, 2026, 58(8): 106-110.
殷立晨. 基于边缘计算架构的局域网网络风险监测系统设计[J]. 智能物联技术, 2026, 58(8): 115-118.
YIN Lichen. Design of Local Area Network Risk Monitoring System Based on Edge Computing Architecture[J]. Technology of IoT&AI, 2026, 58(8): 115-118.
[J]. 智能物联技术, 2026, 58(8): 119-122.
LI Hong. Intelligent Integration of Multi-channel Resource in Computer Networks Based on Multi-task Autoencoder[J]. Technology of IoT&AI, 2026, 58(8): 119-122.
盛丹宁. 5G在智能交通物联网中的应用与体系优化——以天津交通为例[J]. 智能物联技术, 2026, 58(8): 123-127.
SHENG Danning. Application and System Optimization of 5G in Intelligent Transportation Internet of Things—Case Study of Tianjin Transportation[J]. Technology of IoT&AI, 2026, 58(8): 123-127.
张铭志. 基于深度学习的物联网网络入侵检测技术[J]. 智能物联技术, 2026, 58(8): 133-136.
ZHANG Mingzhi. Internet of Things Network Intrusion Detection Technology Based on Deep Learning[J]. Technology of IoT&AI, 2026, 58(8): 133-136.
针对物联网终端异构、流量特征复杂及入侵行为隐蔽等问题,提出基于深度学习的物联网网络入侵检测技术。通过采集终端流量、协议字段、网关日志和访问行为数据,构建安全特征矩阵,并利用卷积神经网络-长短期记忆(Convolutional Neural Network - Long Short-Term Memory,CNN-LSTM)模型提取局部流量特征与时序关联特征,实现对扫描、爆破、拒绝服务和异常接入等攻击的识别。实验结果表明,所提技术可提高检测准确率,降低误报率与漏报率,增强物联网网络安全防护能力。
李清荣, 俞沛齐, 王葛, 刘彭飞, 卫津民, 黄和富. 基于振动信号有序聚类的AGV驱动系统健康评估[J]. 智能物联技术, 2026, 58(8): 137-143.
LI Qingrong, YU Peiqi, WANG Ge, LIU Pengfei, WEI Jinmin, HUANG Hefu. Health Assessment of AGV Drive System Based on Ordered Clustering of Vibration Signals[J]. Technology of IoT&AI, 2026, 58(8): 137-143.
张继鹏, 李碧政, 苏锦智, 王凯. 航空转台永磁电机自适应PID伺服控制系统研究[J]. 智能物联技术, 2026, 58(8): 144-148.
ZHANG Jipeng, LI Bizheng, SU Jinzhi, WANG Kai. Research on Adaptive PID Servo Control System for Permanent Magnet Motors in Aviation Turntables[J]. Technology of IoT&AI, 2026, 58(8): 144-148.
相志, 崔传旭. 煤矿智能化综掘工作面装备协同作业技术研究[J]. 智能物联技术, 2026, 58(8): 149-152.
XIANG Zhi, CUI Chuanxu. Research on Collaborative Operation Technology of Intelligent Comprehensive Mining Face Equipment in Coal Mines[J]. Technology of IoT&AI, 2026, 58(8): 149-152.
孙海南. 基于边缘计算的锅炉低氮稳燃实时优化系统设计与应用[J]. 智能物联技术, 2026, 58(8): 153-157.
SUN Hainan. Design and Application of Real-Time Low-NOx Stable Combustion Optimization System for Boilers Based on Edge Computing[J]. Technology of IoT&AI, 2026, 58(8): 153-157.
李林平, 孟晓辉, 何彦龙. 数字孪生技术在机电系统故障数据生成中的应用[J]. 智能物联技术, 2026, 58(8): 158-161.
LI Linping, MENG Xiaohui, HE Yanlong. Application of Digital Twin Technology in Fault Data Generation of Electromechanical System[J]. Technology of IoT&AI, 2026, 58(8): 158-161.
针对机电系统故障样本获取成本高、工况覆盖不足等问题,提出数字孪生故障数据生成方法,并结合轴承磨损、转子不平衡、齿轮裂纹和绕组退化案例开展验证。结果表明,轴承磨损振动均方根值(Root Mean Square,RMS)由0.68g提高至1.57g,样本综合质量评分不低于0.86,诊断准确率均不低于91.5%。
刘伟, 张俊花. 基于数据驱动的高校网络入侵检测与异常行为预警技术[J]. 智能物联技术, 2026, 58(8): 162-165.
LIU Wei, ZHANG Junhua. Data-Driven Intrusion Detection and Anomalous Behavior Early Warning Technology for University Networks[J]. Technology of IoT&AI, 2026, 58(8): 162-165.
针对高校网络终端异构、业务长尾及隐蔽攻击难以感知的挑战,构建一种数据驱动的入侵检测与预警架构。融合自注意力与双向长短期记忆(Bidirectional Long Short-Term Memory,Bi-LSTM)网络级联的深度流语义提
取,实现双向流特征的细粒度解析;引入动态时序图刻画行为演化趋势,捕捉慢速扫描与横向移动等长周期威胁,并辅以自适应风险阈值,依据网络流量的“潮汐”特性弹性调节预警边界。现网验证表明,所提方法的检测率较常规机器学习方法提高23.2%以上,在慢速扫描、横向移动等复杂场景下,检测率达94.6%,综合误报率降为1.8%以下,显著优于主流图神经网络模型,有效提升了网络的主动感知与防御能力。
赵书振, 杜雪莹. 融合SIF和Doc2vec的主观题自动评分系统设计与实现[J]. 智能物联技术, 2026, 58(8): 166-171.
ZHAO Shuzhen, DU Xueying. Design and Implementation of Automatic Scoring System for Subjective Questions Integrating SIF and Doc2vec[J]. Technology of IoT&AI, 2026, 58(8): 166-171.
针对在线教育中主观题人工评分效率低、主观性强等问题,提出了一种融合平滑逆频率(Smooth Inverse Frequency,SIF)与文档向量模型(Document to Vector,Doc2vec)的文本向量化方法SIF-D2V,并基于该方法设计了一套主观题自动评分系统。SIF-D2V通过融合文本中局部关键词信息和全局的主题语义,提升了文本的语义表示质量。主观题自动评分系统基于浏览器/服务器(Browser/Server,B/S)架构实现,具有教师端考试管理和自动评分及学生端在线考试等功能。实验结果表明,SIF-D2V方法的平均绝对误差、均方根误差和准确性优于单一的SIF或Doc2vec方法。结果验证了该方法的有效性,为主观题自动评分研究与应用提供了参考。
潘鼎霖, 陶奕霖. 面向企业品牌传播的智能文案生成系统设计与实现[J]. 智能物联技术, 2026, 58(8): 172-176.
PAN Dinglin, TAO Yilin. Design and Implementation of Intelligent Copywriting System for Corporate Brand Communication[J]. Technology of IoT&AI, 2026, 58(8): 172-176.
为提高企业品牌传播文案生成效率与口径一致性,设计融合品牌知识库、基于Transformer的双向编码器表征(Bidirectional Encoder Representations from Transformer,BERT)向量索引、检索增强生成(Retrieval-Augmented Generation,RAG)和规则校验的智能文案生成系统。测试结果表明,相较通用大模型,所提系统的品牌一致性通过率提高26.4个百分点,人工修改率降低28.8个百分点;相较RAG增强生成,综合质量得分提高0.33分。