综合新闻

恭喜中心黄瑞副教授获得中国自动化学会智能自动化专委会“年度突出贡献奖”。恭喜中心2024级硕士生方卓在中国智能自动化领域著名会议Chinese Intelligent Automation Conference (CIAC)发表题为“Freezing of Gait Recognition via Deterministic Learning and Electromyography”的研究性论文，并获得“Best Student Paper Award”（最佳学生论文奖）。该成果为电子科技大学人机智能技术与系统教育部工程研究中心程洪教授团队完成，方卓为文章第一作者，张静婷为通讯作者，共同作者还有黄宗海、黄瑞、程洪。

图1  中国自动化学会智能自动化专委会2025年度突出贡献颁奖仪式。最右为黄瑞

图2 CIAC-2025最佳学生论文获奖证书

图3  CIAC-2025会议最佳学生论文颁奖仪式。中间为方卓（论文第一作者）

肌电信号（EMG）作为反映人体肌肉活动的重要生理信息，是连接人类神经控制机制与行为输出的关键桥梁。在多任务人机交互与运动控制研究中，深入挖掘EMG信号中的时空特征，有助于揭示个体运动协调与神经调控的动态规律。面向下肢步态分析与异常识别等复杂任务，肌电信号的非线性建模与精细化表征成为当前人机智能融合研究的热点方向。机器人中心程洪教授团队聚焦于动作协同机制的建模研究，创新性地提出了一种融合确定学习理论的EMG相轨迹建模方法，能够从双腿EMG信号中学习个体在步态过程中展现的非线性动力学特征，为实现人类运动行为的建模、预测与智能识别提供了全新思路。该方法可精准识别步态异常状态，并具备良好的泛化能力与实时性，能够广泛应用于康复训练评估、神经疾病监测与下肢辅助系统等多个关键场景。

图4  人机交互中的多任务注意力分配

本论文面向“如何建立冻结步态的潜在神经肌肉动力学模型”以及“如何充分表征冻结步态相关神经肌肉退化的非线性、非平稳动力学”这两大核心科学问题开展研究，通过将肌电信号分解为模态分量并分析其相空间动力学，有效地捕获到冻结步态的神经肌肉模式。本文提出了一种基于确定学习和肌电图的冻结步态识别方法，可基于绘制出的相轨迹对冻结步态是否发生进行较为准确的判断。基于构建的动力学模型，引入了确定学习方法与径向基函数（RBF）神经网络对原始相轨迹进行时空映射重构，进一步提取重构相轨迹的最大李雅普诺夫指数及其频谱特征，全面表征双腿协调控制过程中的动态稳定性与频率分布特征，为理解肌电信号中潜在的神经调控机制提供了新视角，同时为下肢运动障碍的智能辅助诊断系统研发和运动控制建模奠定了重要理论基础与方法支持。

图4  基于确定学习的冻结步态动力学建模框架

中国智能自动化大会（Chinese Intelligent Automation Conference ，CIAC）是我国智能自动化领域最具影响力的高水平学术会议之一，由中国自动化学会主办，旨在推动智能控制、机器人技术、人工智能与系统自动化等交叉前沿领域的研究进展与学术交流。自创办以来，CIAC已成功举办多届，逐步发展成为集学术研究、产业融合与技术创新于一体的重要交流平台。2025年，该会议于7月4日至6日在中国合肥举行，吸引了来自全国各地众多科研院所、高校、企业机构的专家学者与工程技术人员参会。大会设置大会报告、主题演讲、分论坛论文交流、专题研讨等多个环节，围绕智能感知、智能决策、类脑计算、人机协同等热点议题，集中展示智能自动化领域的最新科研成果与发展趋势，推动我国在该领域的自主创新与国际合作。