天津大学!自动化导师

王浩名 王宏星 姚星辰 王 鹏
电气工程领域（专业型）——电力系统与绝缘技术方向
总排名
1 2 3 4 5 6 7 8 9 10 11
考 生 编 号
100564000101202 100564000101154 100564013112528 100564000101224 100564000101210 100564032017858 100564000101211 100564000101153 100564000101158 100564000101215 100564008811155
拟录取形式
专业型录取 专业型录取 专业型录取 专业型录取 专业型录取 专业型录取 专业型录取 专业型录取 专业型录取 专业型录取 复试未通过，未录取，可参加跨专 业调剂复试
周宝柱 王 迪
胡启安 陈令英 张云柯 陈浩然 易乐钊 赵涌泉 高 博
宋艳霞
2
拟录取形式
学术型录取 学术型录取 学术型录取 学术型录取 学术型录取 学术型录取 学术型录取 学术型录取 学术型录取 学术型录取 学术型录取 学术型录取 学术型录取 学术型录取 学术型录取 学术型录取 学术型录取 方向内调剂，专业型录取 方向内调剂，专业型录取 未录取，可参加跨专业调剂复试 未录取，可参加跨专业调剂复试 未录取，可参加跨专业调剂复试 未录取，可参加跨专业调剂复试 未录取，可参加跨专业调剂复试 未录取，可参加跨专业调剂复试 未录取，可参加跨专业调剂复试 未录取，可参加跨专业调剂复试 未录取，可参加跨专业调剂复试
总成绩
165.8 163.8 163.4 161.0 159.8 159.0 158.6 157.7 157.6 156.7 156.2 155.5 155.1 154.9 154.6 154.0 154.0 153.1 151.3 150.9 150.6 148.2 148.2 145.0 144.2 144.0 143.0 143.0

林滨
硕导
18
机械制造及其自动化专业(080201)
陈永亮
硕导
19
机械制造及其自动化专业(080201)
吴振勇
硕导
20
机械制造及其自动化专业(080201)
牛文铁
硕导
21
机械制造及其自动化专业(080201)
王国锋
硕导
22
机械制造及其自动化专业(080201)
杨志永
硕导
23
机械制造及其自动化专业(080201)
硕导
秦旭达
硕导
24
机械制造及其自动化专业(080201)
梅江平
硕导
25
机械制造及其自动化专业(080201)
冷永刚
硕导
26
机械制造及其自动化专业(080201)
何改云
硕导
27
机械制造及其自动化专业(080201)
田延岭
硕导
28
机械制造及其自动化专业(080201)
赵兴玉
硕导
29
机械制造及其自动化专业(080201)
6
机械制造及其自动化专业(080201)
胡仕新
博导
7
机械制造及其自动化专业(080201)
任成祖
博导
8
机械制造及其自动化专业(080201)
张连洪
博导
9
机械制造及其自动化专业(080201)
殷玲
博导
10
机械制造及其自动化专业(080201)
房丰洲
博导
11
机械制造及其自动化专业(080201)
李佳
博导
12
机械制造及其自动化专业(080201)

38 李凭力 副研究员
博士 1961。12
39 王化淳 研究员
学士 1944。01
40 汪宝和 副研究员
硕士 1964。09
41 宋光复 研究员
学士 1945。07
42 刘 成
副教授
硕士 1964。11
43 高瑞昶 副研究员
博士
1965.12
2.海水淡化 1.传质与分离工程 2.非牛顿流体中的气泡行为及 传质特性 3。新分离技术 4。化工热力学及流体力学 1.现代传质理论 2.复合新分离过程 1.酶工程 2.制药工程 1.传质与分离工程 2.双膜萃取技术 3.精细化工 1.传质过程 2.计算流体力学 3.多级分离 1.传质与分离工程 2.精细化工产品及其新分离过
强化。 2．分子印迹（合） 1。环境水化学 2.微量元素物理化学 1． 传质与分离工程 2． 环境化学工程 3． 化工热力学基础数据 1。膜分离技术
2。海水淡化技术
57 王纪孝 副教授
博士
196404
58 齐崴
副教授
博士
1973.09
59 徐世昌 副研究员
硕士 1966。12
60 崔现宝 副教授
博士 1971。11
1.酶工程
58
2.药物控制释放技术
1.燃料电池 2.传质与分离 3.膜分离 4.酶工程 5.生物分离 1.传质与分离工程 2.化工过程系统工程 1.精细化工分离技术及设备 2.分批精馏、反应精馏、特殊精馏
及萃取结晶过程 1.传质与分离工程 2.精馏基础理论 3.新型精馏设备 1. 传质与分离工程 2. 环境化学工程 3. 生物分离工程 4.人工器官传递过程
天津大学化工学院化学工程专业导师研究方向介绍
序 姓名

天津大学各学院面向本校以硕博连读方式选拔(类型I)拟录取公示名单
学号 2017207015 2017207014 2017207018 2017207042 2017207137 2017207087 2016207150 2016207134 2016207162 2017207037 2017207145 2016207070 2017207123 2017207034 2017207045 2017207119 姓名 郭灿 付元杰 刘玉东 陈艺夫 张嘉兴 马祎明 张帅 徐永胜 朱佳兴 车明达 赵术春 兰美超 燕方正 曹传鹏 戴佳宇 吴迪 考核 总成绩 89.0 90.3 90.6 93.1 92.9 92.9 92.5 91.3 91.2 91.2 91.2 90.9 90.6 90.1 90.1 90.0 拟录取学院 化工学院 化工学院 化工学院 化工学院 化工学院 化工学院 化工学院 化工学院 化工学院 化工学院 化工学院 化工学院 化工学院 化工学院 化工学院 化工学院 博士专业代码 080706 080706 080706 081701 081701 081701 081701 081701 081701 081701 081701 081701 081701 081701 081701 081701 第 6 页，共 18 页 博士专业名称 化工过程机械 化工过程机械 化工过程机械 化学工程 化学工程 化学工程 化学工程 化学工程 化学工程 化学工程 化学工程 化学工程 化学工程 化学工程 化学工程 化学工程 接收博导姓名 陈旭 陈旭 王一平 龚俊波 齐崴 王静康 刘春江 辛峰 卫宏远 苏荣欣 张金利 李保安 王志 王越 尹秋响 范晓彬
天津大学各学院面向本校以硕博连读方式选拔(类型I)拟录取公示名单

收稿日期:２０２０－０９－１５基金项目:天津市科技计划项目(１６ＹＦＺＣＧＸ００７６０).作者简介:张㊀涛(１９７５－)ꎬ男ꎬ黑龙江北安人ꎬ天津大学副教授ꎬ博士生导师.第４２卷第５期２０２１年５月东北大学学报(自然科学版)ＪｏｕｒｎａｌｏｆＮｏｒｔｈｅａｓｔｅｒｎＵｎｉｖｅｒｓｉｔｙ(ＮａｔｕｒａｌＳｃｉｅｎｃｅ)Ｖｏｌ.４２ꎬＮｏ.５Ｍａｙ２０２１㊀ｄｏｉ:１０.１２０６８/ｊ.ｉｓｓｎ.１００５－３０２６.２０２１.０５.００３一种基于卷积神经网络的区域调光技术张㊀涛ꎬ刘天威ꎬ杜文丽(天津大学电气自动化与信息工程学院ꎬ天津㊀３０００７２)摘㊀㊀㊀要:由于光线串扰ꎬ像素补偿算法难以根据提取出的背光信息进行准确补偿ꎬ同时ꎬ单一补偿曲线难以适应具有不同亮度特点的图像内容ꎬ导致补偿图像的平均质量不高.为了提高像素补偿算法对复杂图像内容的适应性ꎬ本文引入神经网络中的编码和解码思想ꎬ通过编码网络提取图像深层特征ꎬ在解码网络中利用浅层特征的信息对深层特征进行解码ꎬ提出了一种联合分类回归的液晶像素补偿神经网络.实验结果表明ꎬ此网络得到的像素补偿图像不仅可以提高图像的主观质量ꎬ还在对比度㊁峰值信噪比等客观指标上取得了较好的效果.关㊀键㊀词:区域调光ꎻ背光提取ꎻ像素补偿ꎻ卷积神经网络ꎻ液晶显示器中图分类号:ＴＮ２７ꎻＴＮ８７３㊀㊀㊀文献标志码:Ａ㊀㊀㊀文章编号:１００５－３０２６(２０２１)０５－０６２４－０９ＡＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋＢａｓｅｄＬｏｃａｌＤｉｍｍｉｎｇＴｅｃｈｎｏｌｏｇｙＺＨＡＮＧＴａｏꎬＬＩＵＴｉａｎ￣ｗｅｉꎬＤＵＷｅｎ￣ｌｉ(ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇꎬＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙꎬＴｉａｎｊｉｎ３０００７２ꎬＣｈｉｎａ.Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ:ＤＵＷｅｎ￣ｌｉꎬＥ￣ｍａｉｌ:ｄｕｗｅｎｌｉ０２１０＠１２６.ｃｏｍ)Ａｂｓｔｒａｃｔ:Ｄｕｅｔｏｔｈｅｌｉｇｈｔｓｐｒｅａｄｉｎｇｐｒｏｂｌｅｍꎬｐｉｘｅｌｃｏｍｐｅｎｓａｔｉｏｎａｌｇｏｒｉｔｈｍｓａｒｅｄｉｆｆｉｃｕｌｔｔｏａｃｃｕｒａｔｅｌｙｃｏｍｐｅｎｓａｔｅｂｒｉｇｈｔｎｅｓｓａｃｃｏｒｄｉｎｇｔｏｔｈｅｅｘｔｒａｃｔｅｄｂａｃｋｌｉｇｈｔｉｎｆｏｒｍａｔｉｏｎ.Ｂｅｓｉｄｅｓꎬａｓｉｎｇｌｅｃｏｍｐｅｎｓａｔｉｏｎｃｕｒｖｅｉｓｄｉｆｆｉｃｕｌｔｔｏａｄａｐｔｔｏｔｈｅｃｏｍｐｌｅｘｉｍａｇｅｃｏｎｔｅｎｔꎬｒｅｓｕｌｔｉｎｇｉｎｕｎｓａｔｉｓｆａｃｔｏｒｙｉｍａｇｅｑｕａｌｉｔｙ.Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅａｄａｐｔａｂｉｌｉｔｙｏｆｐｉｘｅｌｃｏｍｐｅｎｓａｔｉｏｎꎬｔｈｅｉｄｅａｏｆｅｎｃｏｄｉｎｇａｎｄｄｅｃｏｄｉｎｇｉｎｎｅｕｒａｌｎｅｔｗｏｒｋｗａｓｉｎｔｒｏｄｕｃｅｄ.Ｔｈｅｄｅｅｐｆｅａｔｕｒｅｏｆｉｍａｇｅｗａｓｅｘｔｒａｃｔｅｄｂｙｅｎｃｏｄｉｎｇｎｅｔｗｏｒｋꎬａｎｄｉｔｗａｓｄｅｃｏｄｅｄｂｙｕｓｉｎｇｔｈｅｉｎｆｏｒｍａｔｉｏｎｏｆｓｈａｌｌｏｗｆｅａｔｕｒｅｉｎｄｅｃｏｄｉｎｇｎｅｔｗｏｒｋ.Ａｋｉｎｄｏｆｃｌａｓｓｉｆｉｃａｔｉｏｎ￣ｒｅｇｒｅｓｓｉｏｎｃｏｍｐｅｎｓａｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ(ＣＲＣＮＮ)ｗａｓｐｒｏｐｏｓｅｄ.Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｉｘｅｌｃｏｍｐｅｎｓａｔｉｏｎｉｍａｇｅｏｂｔａｉｎｅｄｂｙｔｈｉｓｎｅｔｗｏｒｋｃａｎｎｏｔｏｎｌｙｉｍｐｒｏｖｅｔｈｅｓｕｂｊｅｃｔｉｖｅｑｕａｌｉｔｙｏｆｔｈｅｉｍａｇｅꎬｂｕｔａｌｓｏａｃｈｉｅｖｅｇｏｏｄｒｅｓｕｌｔｓｉｎｃｏｎｔｒａｓｔꎬｐｅａｋｓｉｇｎａｌ￣ｔｏ￣ｎｏｉｓｅｒａｔｉｏａｎｄｏｔｈｅｒｏｂｊｅｃｔｉｖｅｉｎｄｉｃａｔｏｒｓ.Ｋｅｙｗｏｒｄｓ:ｌｏｃａｌｄｉｍｍｉｎｇꎻｂａｃｋｌｉｇｈｔｅｘｔｒａｃｔｉｏｎꎻｐｉｘｅｌｃｏｍｐｅｎｓａｔｉｏｎꎻｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋꎻｌｉｑｕｉｄｃｒｙｓｔａｌｄｉｓｐｌａｙ㊀㊀图像对比度(ｃｏｎｔｒａｓｔｒａｔｉｏꎬＣＲ)是衡量显示性能中至关重要的客观指标ꎬ近年发展起来的有机发光二极管显示技术[１]由于其自发光特性ꎬ有效抑制了图像暗区的漏光现象[２]ꎬ显著提高了图像对比度ꎬ但该技术主要应用于智能手机和平板电脑等小尺寸显示器ꎬ难以大尺寸化.基于发光二极管(ｌｉｇｈｔｅｍｉｔｔｉｎｇｄｉｏｄｅꎬＬＥＤ)的液晶显示技术是适用于计算机和电视等大尺寸液晶显示器(ｌｉｑｕｉｄｃｒｙｓｔａｌｄｉｓｐｌａｙꎬＬＣＤ)的主要显示技术.基于ＬＥＤ背光源的液晶显示器(ＬＣＤ－ＬＥＤ)主要由背光面板和液晶面板组成ꎬ背光面板由背光单元组成.在早期的显示技术中ꎬ背光单元的亮度较高且均匀恒定ꎬ但当显示图像亮度较低时ꎬ这种显示方式功耗较高且极易造成漏光现象ꎬ造成图像整体对比度降低ꎬ进而降低图像的显示质量.为解决这一问题ꎬ动态调光算法被提出ꎬ其原理是通过显示图像内容来动态调节背光源的亮度ꎬ同时为了保证显示屏的亮度不变ꎬ显示图像中每个像素的像素值也要进行适当调整.动态调光算法主要分为全局调光和区域调光.全局调光[３]指背光单元的亮度根据图像内容进行统一调整ꎻ区域调光[４]指的是将背光进行分区控制ꎬ每个区域的背光亮度由对应图像内容的特征信息决定.区域调光相对全局调光技术来说更能根据图像局部特征确定该区域背光ꎬ因而可以对一幅图像实现不同程度㊁不同区域的调光ꎬ降低功耗的同时提高图像对比度.在基于ＬＣＤ－ＬＥＤ的区域调光系统中ꎬ背光面板属于低分辨率面板ꎬ用于控制不同区域图像的显示亮度ꎬ液晶面板属于高分辨率面板ꎬ用于显示图像细节信息.区域调光技术主要包括背光提取和像素补偿.背光提取技术指根据图像内容提取出适合该内容显示的背光亮度ꎻ像素补偿技术是指在对图像进行背光提取后ꎬ为了保证图像在实际显示时的显示亮度与背光全亮时尽可能保持不变ꎬ需调节显示图像的像素大小来改变透光量.像素补偿技术对每个像素按照补偿曲线进行逐点调整ꎬ因此若要利用背光信息进行像素补偿ꎬ则需要得到每个像素点后的背光亮度ꎬ即背光矩阵的分辨率需调整到与输入图像分辨率相同.考虑到在实际显示中光线的扩散现象以及背光模块中由于背光值分布不均匀导致的 块效应 [５]ꎬ在对低分辨率背光矩阵进行尺度变换的过程中需对背光矩阵进行混光处理以便实现精确补偿ꎬ该过程称为背光平滑.常用的背光平滑方法有光扩散函数(ｌｉｇｈｔｓｐｒｅａｄｆｕｎｃｔｉｏｎꎬＬＳＦ)法[６]㊁模糊－扩散(ｂｌｕｒｍａｓｋａｐｐｒｏａｃｈꎬＢＭＡ)法[７]㊁改进的模糊－扩散(ｉｍｐｒｏｖｅｄｂｌｕｒｍａｓｋａｐｐｒｏａｃｈꎬＩＢＭＡ)法[８].ＬＳＦ法采用光扩散函数对背光进行平滑处理ꎬ因计算量较大而很少被采用.ＢＭＡ法利用低通滤波模板来模拟光线扩散的过程ꎬ虽降低了计算量ꎬ但并未考虑到背光矩阵中的边缘背光与中间背光在扩散时不同的扩散范围ꎬ因此ＩＢＭＡ被提出.ＩＢＭＡ对不同类别的背光采用不同的滤波模板进行背光平滑ꎬ使平滑结果可以更好地反映光扩散后的实际光强.在区域调光技术中ꎬ提取的背光是低分辨率信息ꎬ而像素补偿后的图像属于高分辨率图像ꎬ是图像细节信息的体现ꎬ因而提高像素补偿算法的性能是提高区域调光系统显示性能的重要研究课题.随着机器学习的普及与应用ꎬ用训练神经网络模型的方式完成特定任务已经成为不同领域学者研究的热点问题.卷积神经网络通过局部连接和权值共享ꎬ利用多层神经元对输入图像进行卷积操作来提取图像特征ꎬ最小化损失函数进而得到所需模型.２０１９年ꎬＳｏｎｇ等[９]率先将神经网络应用在区域调光技术中ꎬ在Ｕ－Ｎｅｔ[１０]网络思想的基础上ꎬ利用端到端的网络直接得到了像素补偿图像.本文同样利用卷积神经网络实现图像的像素补偿ꎬ结合Ｕ－Ｎｅｔ网络编码与解码的思想ꎬ对图像进行编码ꎬ得到深层特征之后ꎬ在解码的过程中利用浅层特征来还原图像细节ꎬ实现端到端的网络结构.与文献[９]以输入图像为标签数据不同ꎬ为了提高网络对复杂图像内容的适应性ꎬ本文利用现有的像素补偿算法对同一图像进行像素补偿后ꎬ通过比较主观显示质量和对比度㊁峰值信噪比等客观指标来标定该图像对应的样本图像ꎬ并将样本图像作为网络训练的标签.每幅图像对应的样本图像都结合了某种现有像素补偿算法的优点ꎬ利用该数据集训练得到的网络模型对不同图像的适应性也会相应提高.此外ꎬ本文采取了一种分类和回归加权结合的思想来计算网络的损失值ꎬ并获取预测的像素补偿图像ꎬ保证了网络输出图像边缘细节信息和图像整体的平滑性.相对现有像素补偿算法而言ꎬ在对图像进行像素补偿之前ꎬ需要经过背光提取算法和背光平滑算法ꎬ而性能较好的算法往往具有实现复杂㊁计算量大的缺点ꎬ因此本文算法的优点还在于利用训练好的模型来获取像素补偿图像可以大大提高算法效率.１㊀相关工作区域调光技术原理框图如图１ａ所示ꎬ基于ＬＥＤ－ＬＣＤ的区域调光系统实现框图如图１ｂ所示.由图１ｂ可知ꎬ图像由背光面板提供的亮度通过液晶面板进行显示ꎬ背光面板中背光单元的亮度和输入液晶面板的图像取决于背光提取算法和像素补偿算法.现有的区域调光算法首先通过背光提取获取低分辨率背光信息ꎬ再通过像素补偿得到用于显示的高分辨率图像.常见的背光提取算法主要包括最大值法[１１]㊁平均值法[１１]㊁累积分布函数(ｃｕｍｕｌａｔｉｖｅｄｉｓｔｒｉｂｕｔｉｏｎｆｕｎｃｔｉｏｎꎬＣＤＦ)法[１２]㊁映射函数反转(ｉｎｖｅｒｓｅｏｆｍａｐｐｉｎｇｆｕｎｃｔｉｏｎꎬＩＭＦ)法[１３]㊁误差修正法[１４]㊁ＰＳＮＲ法[１５]㊁高斯函数分布法[１６]㊁基于动态阈值法[１７]㊁主客观结合的背光提取算法[１８]等.ＣＤＦ法的主要思想是先根据输入图像各分区的灰度直方图得到对应的概率密度曲线ꎬ然后求得累积分布函数ꎬ最后根据预设的阈５２６第５期㊀㊀㊀张㊀涛等:一种基于卷积神经网络的区域调光技术㊀㊀㊀㊀值在累积分布函数上映射出对应的灰度值作为相应分区的背光亮度值.ＩＭＦ法在ＣＤＦ法的基础上ꎬ通过ＣＤＦ曲线获得映射反转曲线ＩＭＦꎬ然后通过ＩＭＦ曲线对各分区的最大值或其他参数进行映射ꎬ得到相应分区的背光值.误差修正法利用最大值法与平均值法得出的背光矩阵之间的差值对平均值法背光进行增加调整.高斯函数法利用图像的亮度平均值和方差来提取背光信息.图１㊀区域调光技术原理及系统实现框图Ｆｉｇ １㊀Ｐｒｉｎｃｉｐｌｅａｎｄｓｙｓｔｅｍｉｍｐｌｅｍｅｎｔａｔｉｏｎｂｌｏｃｋｄｉａｇｒａｍｏｆｌｏｃａｌｄｉｍｍｉｎｇｔｅｃｈｎｏｌｏｇｙ(ａ) 区域调光技术原理框图ꎻ(ｂ) 区域调光系统实现框图.㊀㊀ＰＳＮＲ法在保证图像质量ꎬ将图像失真限制在一定范围的前提下ꎬ采用倒推法得到背光值.动态阈值法基于最大类间方差法[１９]来提取背光亮度值.其中主客观结合的背光提取算法结合其他背光提取算法的优点ꎬ在如图２所示的ＬＣＤ－ＬＥＤ双调制结构显示器上根据图像的显示质量来调节不同图像区域对应的背光亮度ꎬ该方法提取的背光有效反映了图像内容的特点ꎬ显著提高了图像的实际显示质量.在图２所示的双调制结构显示器中ꎬ背光矩阵大小为６６ˑ３６ꎬ液晶面板支持输入的图像大小为１９２０ˑ１０８０的彩色图像.图２㊀ＬＣＤ－ＬＥＤ双调制结构显示器Ｆｉｇ ２㊀ＬＣＤ￣ＬＥＤｄｕａｌｍｏｄｕｌａｔｉｏｎｓｔｒｕｃｔｕｒｅｄｉｓｐｌａｙ(ａ) 正面显示ꎻ(ｂ) 背面结构.在像素补偿过程中ꎬ常用的像素补偿技术主要有线性补偿法[２０]㊁非线性补偿法[２１]㊁分段补偿法[２２]㊁对数函数补偿法[８]以及基于Ｓ曲线和对数曲线的液晶像素补偿两步法[１７](以下简称 两步法 ).其中线性补偿和非线性补偿算法虽然计算简单㊁复杂度低ꎬ但容易引起图像失真ꎬ降低图像质量ꎻ而其他三种算法计算复杂度相对较高ꎬ但均可在不同程度上提高图像对比度ꎬ保持纹理细节信息.分段法首先对图像亮度进行分区ꎬ然后利用不同曲线对不同区域的像素值进行补偿.分段法适用于亮度较低的图像ꎬ对该图像的色度信息保持较好.对数函数补偿法利用人眼在感知信号的过程中存在的对数关系来提高补偿图像质量ꎬ这种方法对中高亮度的图像处理效果较好ꎬ对低亮度图像容易过度补偿而降低图像对比度.两步法首先利用Ｓ曲线提高图像的对比度ꎬ再利用对数函数对图像进行进一步增强ꎬ该方法补偿后的图像更加生动逼真ꎬ但是容易造成图像暗区和亮区细节信息的丢失ꎬ出现曝光不足和过度曝光的现象.随着深度学习的普遍应用ꎬＳｏｎｇ等[９]以Ｕ－Ｎｅｔ为基础ꎬ结合跳跃连接和残差网络结构提出了一个端到端的基于深度学习的像素补偿网络ꎬ由输入图像直接输出补偿图像.在传统的液晶像素补偿算法中ꎬ主要原理是给出液晶像素补偿曲线ꎬ根据提取的背光信息对输入图像进行像素级亮度调整.由于图像内容的复杂性ꎬ单一像素补偿方法很难同时提高单幅图像中具有不同亮度特点内容的显示质量ꎬ比如对于液晶像素补偿算法在补偿图像暗区亮度的同时需要防止图像亮区亮度的溢出这一问题ꎬ分段补偿法不会造成亮度溢出ꎬ但是两步法容易使图像亮区过度曝光.在深度学习领域ꎬＳｏｎｇ等[９]提出的像素补偿网络在训练过程中利用光扩散函数获取背光平滑信息ꎬ将网络预测结果与平滑后的背光信息相乘ꎬ利用均方误差函数对乘积结果与输入图像求损失ꎬ虽然无需标签数据ꎬ但是当平滑后背光信息全为１时ꎬ该网络相当于使输出图像直接趋近于输入图像ꎬ不仅利用了计算量较大的光扩散函数ꎬ而且输出图像的质量并不会得到有效提高.本文提出的联合分类回归的液晶像素补偿网络基于自行构建的数据集进行训练ꎬ构建的数据集中包含不同场景的图像及其对应的样本补偿图像ꎬ通过数据增强进一步确保网络输出图像的有６２６东北大学学报(自然科学版)㊀㊀㊀第４２卷效性ꎬ采用编码和解码思想搭建网络结构ꎬ结合分类和回归思想ꎬ不仅有效提高了补偿图像质量ꎬ相对传统像素补偿算法更提高了算法效率.２㊀一种联合分类回归的神经网络液晶像素补偿技术㊀㊀在语义分割任务中ꎬ图像的每个像素都被分配上语义信息ꎬ即语义分割可以看作是逐像素分类的任务[２３].从这个角度出发ꎬ区域背光提取中０到２５５的亮度级别可以看作２５６个类别ꎬ液晶像素补偿任务可被视为一个分类任务ꎬ以预测每个像素亮度的类别.分类可以实现较高的精度ꎬ但其缺点是容易造成网络预测的像素值出现较大差异从而造成补偿图像离散程度过高.从另一个角度看ꎬ输入图像与输出图像的大小相同ꎬ可利用卷积操作回归出所需要的补偿图像ꎬ因此像素补偿任务可以看作是一个回归任务.回归中补偿图像直接通过全卷积网络得到ꎬ因而连续性较强ꎬ但其容易模糊图像中的边界.为了实现补偿图像的精确预测ꎬ本文将二者结合起来提出一种联合分类回归的液晶像素补偿神经网络(ｃｌａｓｓｉｆｉｃａｔｉｏｎ￣ｒｅｇｒｅｓｓｉｏｎｃｏｍｐｅｎｓａｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋꎬＣＲＣＮＮ).所提网络结构如图３所示ꎬ共享分支结构Ｓ分别与分支Ｒ和分支Ｃ构成回归网络和分类网络.图３㊀联合分类回归的液晶显示器像素补偿网络示意图Ｆｉｇ ３㊀Ｓｃｈｅｍａｔｉｃｄｉａｇｒａｍｏｆｌｉｑｕｉｄｃｒｙｓｔａｌｐｉｘｅｌｃｏｍｐｅｎｓａｔｉｏｎｎｅｔｗｏｒｋｂａｓｅｄｏｎｊｏｉｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎｒｅｇｒｅｓｓｉｏｎ２ １㊀共享网络结构网络结构将直接决定网络的特征提取能力ꎬＵ－Ｎｅｔ网络由于在生物医学图像方面取得了良好效果而被广泛应用于语义分割的各个方向.编码网络结构由卷积和下采样操作组成ꎬ负责特征提取ꎬ解码结构主要利用跳跃连接把提取出的特征图恢复成原始分辨率.在ＣＲＣＮＮ的共享网络结构中ꎬ由于本文的输入图像是２５６ˑ２５６ꎬ因而一个浅层次的网络即可满足学习图像边缘纹理信息的需要ꎬ为了加快网络训练的速度ꎬ保证每批训练数据的分布相同ꎬ提高网络的泛化能力ꎬ本文使用批量归一化(ｂａｔｃｈｎｏｒｍａｌｉｚａｔｉｏｎꎬＢＮ)解决在训练过程中ꎬ中间层数据分布发生改变的情况ꎬ并使用ＲｅＬＵ激活函数来提高模型的表达能力.在下采样的过程中ꎬ为避免池化操作在提取区域特征时带来的信息损失ꎬ本文采用步长为２的卷积操作来实现图像尺寸的变换ꎬ因而ＣＲＣＮＮ是一个全卷积的网络结构.此外ꎬ本文利用跳跃连接将编码过程中的特征信息用于解码过程中ꎬ有助于解码网络获取更多图像细节信息ꎬ从而恢复出质量较高的图像.从图３中可以看出ꎬ在解码网络结构第五层和第七层中ꎬ本文采用ｃｏｎｃａｔ操作在融合编码网络中的特征信息前ꎬ分别进行了两次卷积操作ꎬ这是为了在浅层次网络结构中通过增加卷积数目来尽可能多地提取图像特征ꎬ便于网络对图像细节信息进行全面的学习ꎬ之后采用ｃｏｎｃａｔ操作将两次卷积后得到的特征图和通过跳跃连接得到的编码结构中的特征图进行融合.特别地ꎬｃｏｎｃａｔ操作是在特征通道维度进行特征融合的ꎬ若特征图之间的差异较大ꎬ则直接输入至下层卷积中ꎬ容易造成数据分布不一致影响网络性能ꎬ因而在输入至下一卷积层之前ꎬ本文对融合后的特征先进行了卷积操作㊁批量归一化操作以及激活操作ꎬ再对ｃｏｎｃａｔ后的特征图进行通道数上的合并来保证网络训练后的性能.２ ２㊀回归网络结构在分支Ｒ中ꎬ经过共享部分的特征图首先经过卷积操作来改变输出图像通道数ꎬ然后进行Ｓｉｇｍｏｉｄ激活.Ｓｉｇｍｏｉｄ函数如式(１)所示:７２６第５期㊀㊀㊀张㊀涛等:一种基于卷积神经网络的区域调光技术㊀㊀Ｓ(ｘ)＝１１＋ｅ－ｘ.(１)因为Ｓｉｇｍｏｉｄ函数取值范围为(０ꎬ１)ꎬ可以将一个实数映射到(０ꎬ１)区间ꎬ同时像素亮度值非负ꎬ因而相比于ＲｅＬｕ激活函数来说ꎬＳｉｇｍｏｉｄ激活函数会使预测结果更加准确.在像素补偿过程中ꎬ为提高补偿图像的对比度ꎬ需要适当降低图像暗区的亮度ꎬ提高图像亮区的亮度ꎬ这样的补偿曲线称为Ｓ曲线ꎬＳ曲线在像素补偿算法中应用广泛.Ｓｉｇｍｏｉｄ作为激活函数的另一个优点是其函数曲线与传统像素补偿算法中的Ｓ曲线趋势相同ꎬ因而可以有效提高回归分支输出图像的质量.２ ３㊀分类网络结构在分支Ｃ中ꎬ共享部分的特征图经过一次卷积之后进入分类器中.卷积操作的目的是改变图像通道数ꎬ最终用于分类的特征图有２５６个通道ꎬ因而卷积层共有２５６个卷积核ꎬ输出特征图的通道数为２５６.对于每一个背光像素点ꎬ本文将其对应的２５６个通道中最大值的位置作为最终的预测结果ꎬ例如ꎬ对补偿图像中第ｉ行ꎬ第ｊ列的像素预测值来说ꎬ在２５６个通道中相同位置的值记为ｘｃｉꎬｊꎬｃ的取值为每个通道的索引值ꎬ即为０~２５５ꎬ所以２５６个通道中相同位置处的取值为{ｘ０ｉꎬｊꎬｘ１ｉꎬｊꎬ ꎬｘ２５５ｉꎬｊ}ꎬ最终预测的像素值计算如式(２)所示ꎬｐｃ(ｉꎬｊ)表示第ｉ行ꎬ第ｊ列的分类像素预测值.ｐｃ(ｉꎬｊ)＝ａｒｇｍａｘ{ｘ０ｉꎬｊꎬｘ１ｉꎬｊꎬ ꎬｘ２５５ｉꎬｊ}.(２)３㊀实验过程及结果分析３ １㊀数据集构建本文利用主客观结合的背光提取算法对２００幅像素为１９２０ˑ１０８０ꎬ包含室内外不同场景的图像进行背光提取ꎬ得到２００组６６ˑ３６的背光ꎬ再利用ＩＢＭＡ背光平滑方法对２００组背光分别进行背光平滑ꎬ得到２００张与输入图像大小相同的背光图像ꎬ本文对每张背光图像分别采用线性补偿法㊁非线性补偿法㊁分段补偿法㊁对数函数补偿法㊁两步法以及文献[２２]中细节保持法对其进行像素补偿ꎬ得到每张背光图像对应的６张像素补偿图像ꎬ然后对６张像素补偿图像进行主客观评价结合的方式来获得输入图像对应的样本图像.其中主观评价主要根据国际标准中定义的平均意见得分(ｍｅａｎｏｐｉｎｉｏｎｓｃｏｒｅꎬＭＯＳ)指标来选取显示质量较好的补偿图像ꎬ客观评价主要根据补偿图像的对比度(ＣＲ)㊁峰值信噪比(ｐｅａｋｓｉｇｎａｌ￣ｔｏ￣ｎｏｉｓｅｒａｔｉｏꎬＰＳＮＲ)[２４]㊁结构相似度(ｓｔｒｕｃｔｕｒａｌｓｉｍｉｌａｒｉｔｙꎬＳＳＩＭ)[２４]等客观指标结果来衡量补偿图像质量ꎬＣＲ主要用来衡量图像亮度的差异范围ꎬ但该值越大并不能绝对说明图像的质量越高ꎬ因此还需要其他客观指标进行评价.ＰＳＮＲ用来衡量补偿图像相比原图像引入的噪声大小ꎬＳＳＩＭ用来衡量补偿前后图像之间的结构信息的相似性.ＣＲꎬＰＳＮＲꎬＳＳＩＭ的计算如式(３)~式(５)所示:ＣＲ＝Ｈ９０Ｈ１０.(３)式中ꎬＨ９０和Ｈ１０分别表示图像亮度累积分布函数中９０％和１０％对应的亮度值.ＰＳＮＲ(Ｃ１ꎬＣ２)＝１０ˑｌｇ２５５２ＭＳＥ(Ｃ１ꎬＣ２)()ꎬＭＳＥ(Ｃ１ꎬＣ２)＝ðｈｉ＝１ðｗｊ＝１(Ｃ１(ｉꎬｊ)－Ｃ２(ｉꎬｊ))２ｗˑｈ.üþýïïïï(４)式中:Ｃ１和Ｃ２分别表示算法处理前后的图像ꎻｗ和ｈ分别表示图像的宽和高.一般地ꎬＰＳＮＲ的值越高ꎬ表示输出图像的质量越好.ＳＳＩＭ(Ｃ１ꎬＣ２)＝(２μＣ１μＣ２＋ε１)(２σＣ１Ｃ２＋ε２)(μＣ１＋μＣ２＋ε１)(σＣ１＋σＣ２＋ε２).(５)式中:μＣ１和μＣ２分别是图像Ｃ１和Ｃ２的均值ꎻσＣ１和σＣ２分别是图像Ｃ１和Ｃ２方差ꎻσＣ１Ｃ２表示图像Ｃ１和Ｃ２之间的协方差ꎻε１和ε２为常数ꎬ避免分母为零.以图像Ｃ１为例ꎬ其均值㊁方差以及协方差的计算公式如下:μＣ１＝ðｈｉ＝１ðｗｊ＝１Ｃ１(ｉꎬｊ)ｗˑｈꎬσ２Ｃ１＝ðｈｉ＝１ðｗｊ＝１(Ｃ１(ｉꎬｊ)－μＣ１)２ｗˑｈ－１ꎬσＣ１Ｃ２＝ðｈｉ＝１ðｗｊ＝１(Ｃ１(ｉꎬｊ)－μＣ１)(Ｃ２(ｉꎬｊ)－μＣ２)ｗˑｈ－１.üþýïïïïïïïï(６)在求得以上三个客观指标后ꎬ本文对其进行加权平均得到衡量补偿图像客观质量的综合评价标准ꎬ记为Ｅ(Ｏ).Ｅ(Ｏ)＝ｗ１ＣＲ＋ｗ２ＰＳＮＲ＋ｗ３ＳＳＩＭꎬ(７)ｗ１＋ｗ２＋ｗ３＝１.(８)为避免客观评价结果与图像实际显示效果相悖的情况ꎬ本文引入主观评价ＭＯＳ对补偿图像进行质量打分ꎬ为减小主观实验误差ꎬ提高评价的准确性ꎬ本文仅对客观评价结果较好的两幅像素补偿图像进行打分.具体地ꎬ本文将利用主客观得８２６东北大学学报(自然科学版)㊀㊀㊀第４２卷㊀㊀㊀㊀到的背光信息输入到图１ｂ中的背光面板中ꎬ将两幅像素补偿图像分别输入到图１ｂ中的液晶面板中ꎬ根据图像显示质量选出样本图像ꎬ得到样本图像的最终表达式如式(９)所示:Ｉｃ＝{ａｒｇｍａｘ(φＩｃｐ)ꎬφＩｃｐ＝φ(Ｅ(Ｓ))｜Ｅ(Ｏ)}.(９)式中:φＩｃｐ指在客观评价下对补偿图像Ｉｃｐ进行主观评价Ｅ(Ｓ)得到的分数ꎻａｒｇｍａｘ(φＩｃｐ)表示选取主观评价得分高的Ｉｃｐ作为最终的样本图像Ｉｃ.φ(Ｅ(Ｓ))｜Ｅ(Ｏ)表示在客观评价的基础上进行主观评价.３ ２㊀数据增强本文对２００幅图像依次采取上述方式得到对应的２００张像素补偿样本图像ꎬ然后对该数据集合进行数据增强.具体地ꎬ本文对每张图像进行翻转和镜像来改变感兴趣物体的位置ꎬ从而提高模型的泛化能力ꎬ为了使网络能够有效处理图像的边缘细节特征ꎬ本文对每张图像进行ｐａｔｃｈ操作ꎬ每１２８个像素点进行一次ｐａｔｃｈ操作ꎬ图像块像素大小为２５６ˑ２５６ꎬ因此网络的输入和输出图像的像素大小为２５６ˑ２５６.在数据增强后ꎬ数据集中图像为２１０６００张ꎬ其中训练集和验证集的比例为９ʒ１.３ ３㊀实验过程在实验过程中ꎬ初始学习率设置为０ ００１ꎬ为提高网络的收敛速度ꎬ同时避免网络损失值陷入局部最优解ꎬ本文设置图像的批大小为１６.由于网络的特征提取性能除了与网络结构有关之外ꎬ损失函数也起着至关重要的作用.在所提ＣＲＣＮＮ的训练过程中ꎬ本文对回归网络和分类网络分别采取不同的损失函数来计算各分支预测像素值的损失值.由于回归分支采用了Ｓｉｇｍｏｉｄ激活函数来使预测像素值在(０ꎬ１)区间内ꎬ为了缩小预测数据与样本图像之间的差异性ꎬ提高回归结果的准确性ꎬ当样本图像用于回归分支时ꎬ需要对其进行归一化处理ꎬ然后求损失值.本文选取均方误差(ｍｅａｎｓｑｕａｒｅｄｅｒｒｏｒꎬＭＳＥ)函数作为回归分支的损失函数来最小化回归预测像素值与样本图像像素值之间的误差ꎬ同时本文选取交叉熵损失(ｃｒｏｓｓｅｎｔｒｏｐｙｅｒｒｏｒꎬＣＥＥ)函数作为分类分支的损失函数来优化该分支预测的像素值.网络训练所用的损失值为回归分支与分类分支所得损失值的加权和.如图３中箭头所示ꎬ设权重因子为λ和λ１ꎬ则损失函数与网络最终预测图像表示为Ｌ＝(１－λ)∗ＬＭＳＥ＋λ∗ＬＣＥＥꎬ(１０)Ｉｐ＝λ１∗ＩｐＲ＋(１－λ１)∗ＩｐＣ.(１１)式中:Ｌ表示网络的总损失ꎻＬＭＳＥ表示回归网络中ＭＳＥ损失函数计算得到的损失值ꎻＬＣＥＥ表示分类网络中ＣＥＥ损失函数计算得到的损失值ꎻＩｐ为网络最终得到的预测背光图像ꎻＩｐＲ为回归分支得到的预测补偿图像ꎻＩｐＣ为分类分支得到的预测补偿图像.权重因子λ和λ１的值可调整ꎬ本文中λ＝λ１＝０ ８.３ ４㊀实验结果为分析像素补偿网络性能ꎬ本文将网络输出图像与传统算法所得像素补偿图像进行对比ꎬ本文选取补偿性能较好的两步法和对数函数补偿法作为像素补偿对比算法ꎬ对比算法使用的背光信息均由动态阈值法[２１]提取ꎬ使用的测试图像如图４所示.对数函数补偿结果ꎬ两步法补偿结果以及ＣＲＣＮＮ网络补偿结果图像分别如图５~图７所示.从不同补偿算法的实验结果可以看出ꎬ在整体显示效果上ꎬ对数函数补偿法补偿的图像亮度普遍较高ꎬ尤其是对于背景亮度较低的图像(图５ａ~图５ｄ)来说ꎬ暗背景处的亮度级得到了显著提升ꎬ使图像场景的逼真度和对比度明显低于两图４㊀测试图像Ｆｉｇ ４㊀Ｔｅｓｔｉｍａｇｅｓ９２６第５期㊀㊀㊀张㊀涛等:一种基于卷积神经网络的区域调光技术㊀㊀图５㊀对数函数补偿实验结果Ｆｉｇ ５㊀Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｆｌｏｇａｒｉｔｈｍｉｃｆｕｎｃｔｉｏｎｃｏｍｐｅｎｓａｔｉｏｎ图６㊀两步法补偿实验结果Ｆｉｇ ６㊀Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｆｔｗｏ￣ｓｔｅｐｃｏｍｐｅｎｓａｔｉｏｎ图７㊀ＣＲＣＮＮ网络补偿结果Ｆｉｇ ７㊀ＥｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｆＣＲＣＮＮｃｏｍｐｅｎｓａｔｉｏｎ步法和ＣＲＣＮＮ补偿结果.从两步法实验结果可以看出ꎬ该算法提高了图像亮区的亮度同时降低了图像暗区的亮度ꎬ提高了图像的逼真度ꎬ但容易出现亮度溢出ꎬ导致图像亮区过度曝光ꎬ如图６ｉ所示.对于图６ｊ中的亮区ꎬ两步法补偿后的图像偏暗ꎬ导致图像整体亮度偏低ꎬ视觉效果较差.同时ꎬ两步法在补偿图像亮度过程中ꎬ对暗区亮度降低较多ꎬ导致暗区细节出现丢失的情况ꎬ如图６ｆ和图６ｈ所示.从像素补偿网络实验结果可以看出ꎬ网络输出的补偿图像在整体视觉上既有效提高了图像的逼真度ꎬ又明显提高了图像的对比度(如图７ａ~图７ｄ所示)ꎬ不仅如此ꎬ补偿图像的亮区并没有出现过度曝光的现象ꎬ图像暗区的亮度也保证了暗区细节的显示ꎬ因此从主观视觉上看ꎬ该补偿网络的性能优于现有补偿算法.㊀㊀为了进一步对比算法的性能ꎬ本文选择不同０３６东北大学学报(自然科学版)㊀㊀㊀第４２卷。

姓名
宋凯
性别
女
出生年月
1975.12
职称
副教授
招生专业
化工过程机械
通信地址：天津大学化工学院过程装备与控制工程系，邮编：300072
联系电话：；办公室：20-712
EMAIL：ksong@
教育背景：
1998年7月获浙江大学学士学位(控制科学与工程)
2005年6月获浙江大学控制科学与工程学博士学位（硕博连读）
2、国家自然科学基金重点项目：“环境因素与细胞相互作用的系统定量分析与过程强化”（参加）
3、国家自然科学基金自由申报项目：“多元异构智能控制系统的机理与方法研究”（参加）
讲授课程
1．课程名称：控制工程基础（本科生课程）
2．课程名称：过程装备控制技术及应用（本科生课程）
3．课程名称：合成生物学导论（创新课程）；
工作背景：
1998年9月～1999年1月海信集团技术中心空调所，软件设计
1999年2月～2000年9月浙江大学中兴自动化有限公司，软件设计
2005年6月~至今天津大学过程装备与控制工程系
主要研究方向
1．流程工业故障诊断控制；
2．生物信息学（模式识别）；
3．合成生物学；
主要项目
1、博士点新教师基金：控制理论在基因电路研究中的应用（2009.1-2011.12）
(4)宋凯，王海清，李平：PLS质量监控及在TE过程中的应用,浙江大学学报（工学版），2005，39(5):56-61,(EI)
(5)宋凯，王海清，李平：折息递推PLS算法及其在橡胶混炼质量控制中的应用，化工学报，2004，6:942-946，(EI)
等……
近年论文发表情况
(1)宋凯编著，黄熙泰主审：合成生物学导论，出版中

天津大学812自动控制理论考研资料+经验812自动控制理论是天津大学电气与自动化工程学院考研唯二的两门专业课之一，复习起来是有一定难度的。

天津考研网邀请到了以高分被录取的考研专业课是自动控制理论的研究生学长为我们录制了一份免费的专业解析视频“天津大学812自动控制理论考研经验心得”，可直接搜索。

该视频是由曾以高分被天津大学自动化学院控制科学与工程专业录取的学长学姐们为广大考研小伙伴们倾力打造的专业课复习指导视频。

使得小伙伴们对自动控制理论专业课考试有一个总体的认识。

从而在开始复习专业课前能有一个清晰的思路，对考试有一个宏观的把握。

天津考研网同时还为报考天津大学812自动控制理论的同学们整理了一些专业课复习资料以及学长学姐们的复习经验，希望能对大家的复习有所帮助。

下面天津考研网就为考研小伙伴们详细说说812自动控制理论的复习。

<一>天津大学812自动控制理论考研主要参考教材1、自动控制原理，科学出版社，夏超英2、自动控制原理，科学出版社，胡寿松3、现代控制理论，机械工业出版社，刘豹4、现代控制理论，科学出版社，夏超英专业课复习基础阶段需要将参考教材看1-2遍，达到基础知识无盲点，通过天津大学本科课件、笔记、讲义等资料配合参考书使用，可以更好的把握天大本科授课重点。

但对于跨考生来说这些资料的收集是有一定难度的。

针对这种情况天津考研网组织多名一线大学老师及过去几年在天津大学研究生初试中专业课取得高分的考生共同编写及整理了《天津大学812自动控制理论考研红宝书》，来帮助报考天津大学理学院的专业课基础不扎实，对院系信息了解较少的同学复习。

<二>天津大学812自动控制理论考研参考书《天津大学812自动控制理论考研红宝书》已于编写者签订资料保真转让协议，各位考研同学可放心使用参考！包括以下几方面重要内容：1、自动化学院及学科介绍：本校研究生对天津大学自动化专业详细介绍:主要内容包括学院概况，详细的导师介绍，包括不同方向导师的专业研究方向和兴趣，以及研究成果等等。

【天大考研辅导班】天大电气工程考研科目参考书考研大纲考研分数线报录比考研经验一、天大电气工程简介-启道电气自动化与信息工程学院的前身可追溯至1933年成立的北洋大学电机系，至今已有八十多年的办学历史，素以严谨治学、务实求真而闻名。

学院底蕴深厚，人才辈出，先后培养了如高景德、叶培大、余贻鑫和荣智健等的大批杰出人才。

学院设有电气工程系、自动化系、电子信息工程系、通信工程系、现代电工电子技术中心、电气电子实验教学中心、电气与自动化实验中心等4个系和3个中心，设电气工程及其自动化、自动化、电子信息工程、物联网工程、通信工程5个本科专业。

每年本科生招生近600人，全日制研究生近500人 (硕士研究生400人，博士研究生100人)，全部在校生近4000人。

重实践，强动手一直是学院人才培养的方针，建有电气电子国家级实验教学示范中心（天津大学已有的7个国家级实验教学示范中心之一）、电气工程与自动化国家级虚拟仿真实验教学中心（天津大学已有的3个国家级虚拟仿真实验中心之一），专业实验室20余个，与国内外知名企业共建的科研和实践平台近10个。

二、天大电气工程考研条件-启道我校 2018 年初试考试方式：全国统一考试、联合考试（管理类联考、法律硕士联考）、应届本科毕业生推荐免试、单独考试。

（一）全国统一考试报考条件：（考试方式码：21）1．中华人民共和国公民。

2．拥护中国共产党的领导，品德良好，遵纪守法。

3．身体健康状况符合国家规定的体检要求。

4．考生的学历必须符合下列条件之一：①国家承认学历的应届本科毕业生（含普通高校、成人高校、普通高校举办的成人高等学历教育应届本科毕业生）及自学考试和网络教育届时可毕业本科生，录取当年（2018 年9 月 1 日前（下述均以此为准）须取得国家承认的本科毕业证书。

②具有国家承认的大学本科毕业学历的人员。

③获得国家承认的高职高专毕业学历后满 2 年（从毕业到 2018 年 9 月 1 日，下同）或 2 年以上，以及国家承认学历的本科结业生，且修过所报考专业本科阶段的全部主干课程，按本科毕业生同等学力身份报考。

奖励额度（元）
获奖比例
约 4100
65%
约 3740
25%
1） 一等奖：优先分配给免推生。如果一等奖配额多于实际招收免推生数量， 则剩余名额分配给统考综合成绩排名靠前的学生。
2） 二等奖：分配给没有获得一等奖学金的统考生，按统考综合成绩排名成 绩评比。
3） 【注】：统考综合成绩是指初试和复试成绩的加权平均；统考综合成绩排 名在每个二级学科内进行；每个二级学科的统考生获得的奖学金配额按 其所接收统考生人数占全院当年接收的统考生总数的比例计算。
2） 二等奖：优先分配给没有拿到一等奖的硕博连读生和直博生，其次按博 士生入学综合成绩排名的先后顺序评定。
3） 【注①】：博士生入学的综合成绩由入学外语成绩（最高 50 分）和学术 成果（最高 50 分）组成；综合成绩的评定在一级学科内进行；每个一级 学科的考生获得的奖学金配额按其所接收考生人数占全院当年接收的考 生总数的比例计算。
1. 第一年博士生的学业奖学金方案如下表所示。
电气与自动化工程学院 博士研究生学业奖学金方案（第一年）
奖学金等级
博士研究生
奖励额度（元）
获奖比例
一等
约 10000
18%
二等
约 9722
72%
具体分配办法：
1） 一等奖：优先分配给硕博连读生（需已进入博士生学籍）；如果一等奖配 额少于实际硕博连读生数量，则首先分配给学术成果评分靠前的硕博连 读生，学术成果分数靠后的学生分配给二等；如果一等奖配额多于实际 硕博连读生数量，则剩余名额优先分配给博士生入学综合成绩靠前的学 生。
2. 第二年硕士生的学业奖学金方案如下表所示。
电气与自动化工程学院 硕士研究生学业奖学金方案（第二年）

姓
名
刘春江性别男
出生年
月
1970年1月职称教授
招生专
业
化学工程，化工装备与控制
通信地址：天津大学化学工程研究所
联系电话：27404732
EMAIL：cjliu@
教育背景：1992毕业于天津河北工学院，
1995年和1998年分别获天津大学化学工程专业硕士学位和博士学位。

工作背景：1998年～2001年，天津大学化学工程研究所，讲师
2001年～2007年，天津大学化学工程研究所，副教授
2007年～天津大学化学工程研究所，教授
主要研究方
向化工过程与设备强化，化工计算流体力学，计算传质学，化工装备诊断与优化
主要项目作为项目负责人，承担国家自然科学基金项目4项：规整化多孔介质内气液两相流的微观流动研究（20206021）；气液传质系统多尺度关联的计算传质学方法研究（20476072）孔网降膜流动与液膜双面传质的基础研究（20676091）液液两相流动条件下滴膜交替流动过程中瞬态细观传递现象的基础研究（20876105）。

科技部863项目子课题一项：二氧化碳的捕集与封存技术。

天津市自然科学重点基金一项，面上项目一项，企业横向项目10余项。

讲授课程化工过程分析与合成
科研成果获得天津市自然科学一等奖1项，中国科协优秀论文奖一项。

以第一发明人申请发明专利12项，已授权发明专利5项。

近年论文发表情况发表学术论文40余篇，其中以第一作者或通讯作者发表的SCI收录和EI收录论文30余篇，。

孙多先、许湧深、姚芳莲、郭睿威、王艳君、董岸杰、李十中、袁才登、郭锦棠化工过程机械硕士指导教师：陈旭、胡金榜、宗润宽、王晓静、谭蔚、康勇、许莉化学工程余国琮、王静康、王世昌、周明、何志敏、周理、袁希钢、杨志才、王宇新、宋海华、张凤宝、李鑫钢、王一平、张卫江、王志、白鹏、贾绍义、辛峰、卫宏远、康仕芳、马友光、张国亮、吴金川、张宝泉、许春建、李世雨、张金利、曾爱武、尹秋响、王永莉、张鹏飞、王富民、刘明言、姜斌、李凭力、冯惠生、赵林、徐世民、刘春江、孙津生、马红钦、张吕鸿、李鸿、干爱华、宋光复、刘成、王化淳、汪宝和、许松林、谭欣、程伟。

化学工艺硕士指导教师：马沛生、许根慧、刘家祺、米镇涛、李淑芬、许文、袁继堂、王成扬、刘昌俊、王亚权、王保国、张敏华、韩金玉、姜忠义、李永红、张香文、马新宾、李振花、马忠龙、李韡、张毅民、吕惠生、刘宗章、沈美庆、王莅、马海洪、董秀芹生物化工（含制药工程）应用化学应用电化学方向：硕士指导教师：唐致远，姚素微，王为，田建华，刘建华精细化工方向：指导教师：冯亚青、刘东志、王世荣、张天永、张卫红、李祥高工业催化硕导情况简介核燃料循环与材料核燃料循环与材料硕士生指导教师简介姓名性别专业研究方向职称李永红女化学工艺催化(反应)精馏共沸精馏分子筛催化剂膜分离参副教授，硕士生导师刘春江男化学工程计算传质学，过程系统工程，两相流计算流体力学副教授，硕士生导师马友光男化学工程气液传质理论化工分离过程界面化学工程化工热力学精细化工化学反应工程博士，副教授，硕士生导师王晓静男化工过程机械膜过程：膜分离技术及装备，酶膜反应器技术分离过程：气－固－液分离过程及装备技术，精馏过程及装备技术环境工程：产物回收，水处理工程，油吴金川男化学工程 1.酶工程(水溶液和有机介质中的酶促反应) 2.制药工程(手性药物的制备) 教授，硕士生导师吴鹏男化学工程反应工程——反应动力学，反应器设计和反应器周期操作反应分离——吸附反应和反应结晶副教授，硕士生导师徐世民男化学工程现代传质理论与分离技术研究塔板流体力学含油污水处理研究员,硕士生导师许春建男化学工程蒸馏过程研究，大型蒸馏设备的模拟及工业应用吸附过程研究，吸附蒸馏新型复合分离技术的开发气液固三相界面传质的规律及机理研究环境工程副研究员，硕士生导师尹秋响男化学工程1、医药结晶过程工程2、结晶形态分析与设计3、工业结晶过程分析与设计教授,硕士生导师袁才登男化学工艺(高分子化工、高分子材料) 非均相聚合技术功能高分子复合材料辐射聚合聚合过程的计算机模拟副教授，硕士生导师张国亮男化学工程，生物医学工程1．化工传质与分离过程；2．生物物系膜分离；3．特殊医药中间体的制备教授，硕士生导师张金利男化学工程多相流传递与反应过程精细及专用化学品的制备生物物理化学——生物大分子的结构，仿生合成过程副教授，硕士生导师董晓燕女生物工程蛋白质折叠和复性基因工程生物分离研究员，硕士生导师干爱华女化学工程化学工程及塔器设备的研究，高效传质设备的研究高工，硕士生导师关毅男催化科学与工程催化机理研究、催化剂研制与开发、计算机模拟与辅助设计副教授，硕士生导师郭锦棠女高分子，材料学功能高分子中草药有效成分分离医用高分子副教授,硕士生导师郭睿威男水溶性高分子的合成及应用非均相自由基聚合方法苯乙烯和丙烯腈在聚醚介质中的分散聚合副教授，硕士生导师韩金玉男化学工艺天然产物工程制药工程精细有机化工教授，硕士生导师韩振为男生物化工分离过程精馏、吸附、色谱、生化分离化工过程模拟与优化蛋白质吸附、生物化工分离技术博士，副教授，硕士生导师姜斌男化学工程传质与分离工程，大型填料塔的数学模拟和工业应用，工业污水处理工程与技术，生物膜技术，重金属离子的去除与回收技术，土壤修复，纳米材料。

天津大学化工学院导师信息
李鑫钢:天津大学精馏技术国家工程研究中心副主任,985工程“化工过程工程化科技创新平台”建设项目首席科学家，
张敏华天津大学石化中心主任、绿色合成与转化教育部重点实验室副主任
王一平：新能源教授，主攻太阳能利用和建筑节能技术
袁希钢：化学工程联合国家重点实验室精馏分离实验室主任
巩金龙：绿色化工，国际氢能学会顾问委员属于少壮派教师制氢技术估计以后也算个前沿
张香文：化学工艺系主任，化学推进剂专家教育部优秀团队主要做航空燃料
卫宏远：过程计算流体力学、流体混合和工业结晶专家综合大师和宝洁合作较多，而且宝洁号称管理界的黄埔军校。

院士：余国琮、王静康、邹竞。

自我介绍下，本人是天津大学电气工程及其自动化的大四学生，大学前两年没那么努力学习，大三决定考研，想考本校电气最好的方向电力系统（难考，你懂的）其中苦楚不说，终于考上了。

初试打了407分（数学140，英语75，专业课125，政治67），复试之后总排名11考入最好的方向。

今儿百无聊赖，好好认真地把考研的资料收拾了一下，打算变卖为家产。

不谦虚的说：数学和英语的资料的很齐全的，而且很有价值，上面有我的笔记和一些对待题目的想法以及注意的事项，要不然也不会考出这样的分数。

对于政治，可以免费送你们，但是我觉得对你们帮助不大，因为每年的政治都在变，而且题目越来越活，不是死记硬背的东西，尤其是选择题，真的很活，所以希望你们对待政治的话就是把你们这年的政治红宝书弄透，考完了发现都是在那里面出的题，只是没有仔细认真地看，嗨，希望你们长点心哈！多了不说，请看清单，你们不会失望的！（我会在每项后面列出原价是多少，最后说一下打折后多少钱，你们不会亏的）英语：1.1995-2011年的真题：真题最好的就是张剑的黄宝书，考研的人都知道吧，由于去年买的只有2005到2011年的，我就自己千辛万苦在网上下载了1995到2004年的张剑的真题解析，真的是耗费了我大量的精力和金钱啊，真的好厚啊。

PS:好好反复研读真题，比做模拟题强100倍，希望你们真的能听进去！（05到11的黄宝书原价49.8,95到04的我是复印的，每套将近40页，就算是3.5，那么95到04就是35元）2.考研英语命题组编写的考研英语词汇，俗称红宝书：这本书本人觉得很好，词汇很全，而且词汇的意思很全，这个比较重要的。

个人觉得比新东方的那本词汇书好。

PS：每天都要拿出1个小时的时间去复习巩固，相信我，当你达到一定的程度，真的有左右逢源的感觉。

我弄了有5遍吧！（原价43.8）3.张剑的英语阅读150篇上下两册：这个是我受益匪浅的，张剑的英语阅读机会和考研英语的阅读出题类型相同，而且里面有对文章的分析以及考研词汇的强调以及句型的分析，我当时就是认真研读了，感觉很有收获，不信的去上网看评价吧！（每册39.8元）4.新东方两本配套的：新东方考研英语长难句与词汇突破，新东方考研英语词组必备。

天津大学化工学院硕士生导师——姜忠义职称：教授职务：无导师类型：博士生导师(博导)专业：化学工艺联系电话：+86（0）22-27406646传真：+86（0）22-27406646通讯地址：天津市南开区卫津路92号天津大学化工学院邮政编码300072电子信箱：zhyjiang@主要教育经历：（一）学历1990.09-1994.03 天津大学有机化工专业博士学位1987.09-1990.09 天津大学生物化工专业硕士学位1983.09-1987.07 河北工学院（现河北工业大学）有机化工专业学士学位（二）主要工作经历2002.07-至今教授，博士生导师，天津大学化工学院2009.04-2009.10 访问学者，美国加州理工学院（美国科学院、工程院、医学院三院院士Da vid Tirrell课题组）1998.03-2002.06 副教授，硕士生导师，天津大学化工学院1996.11-1998.01 访问学者，美国明尼苏达大学（美国工程院院士，美国化学工程师协会前主席Edward Cussler课题组）1994.03-1998.02 讲师，天津大学化工学院主要研究方向：仿生与生物启发下的膜和膜过程（膜分离，酶催化，纳米材料）面向水资源、二氧化碳和能源高效利用的重大需求，以膜过程强化为目标，以膜结构调控为核心，模仿细胞的多层次结构和物质转化、传递功能，开展膜分离和酶催化两类绿色过程研究，基于生物矿化、生物粘合、自组装等原理，创建和发展膜的仿生制备方法，揭示膜多尺度结构形成与变化规律，探索膜结构与性能的内在联系。

主要讲授课程：《化工分离过程》（本科生）（国家精品课程，国家双语教学示范课程；负责人）《化工分离工程》（硕士生）（天津大学优秀精品课程，负责人）《高等分离技术基础》（博士生）主要学术兼职：[1] 天津市第二届学科评议组成员[2] 天津大学化学工艺国家重点学科负责人[3] 天津大学膜科学与技术研究中心主任[4] 天津大学化工学院-河北宝恩膜技术联合研究中心主任[5] 新疆生产建设兵团化工绿色过程重点实验室-省部共建国家重点实验室培育基地主任[6] 《化学工业与工程》副主编[7] 《Recent Patents on Chemical Engineering》编委[8] 《膜科学与技术》编委[9]《化工进展》编委[10]《化工设计》编委[11] 美国化学会、美国化学工程师协会、英国皇家化学工程师协会、北美膜学会会员主要学术成就、奖励及荣誉：[1] 国家杰出青年科学基金获得者[2] 新世纪百千万人才工程国家级人选[3] 享受政府特殊津贴人员[4] 教育部跨世纪优秀人才培养计划入选者[5] 教育部优秀青年教师基金获得者[6] 高等学校科学研究优秀成果奖自然科学二等奖（第一完成人）[7] 天津市科学技术进步二等奖（第一完成人）[8] 天津市科学技术进步三等奖（第一完成人）[9] 国家级教学成果二等奖（第八完成人）[10] 天津大学教学名师奖[11] 天津大学优秀教学成果一等奖（第一完成人）[12] 宝钢奖教金、顶新奖教金、诺维信生物工程奖教金目前承担的主要科研项目：国家科技部863项目、973子课题国家自然科学基金中石油项目天津市应用基础研究重点项目独山子石化委托项目天津大学化工学院-河北宝恩膜技术联合研究中心项目国家重点实验室开放基金代表性论著及专利：在Advanced Functional Materials等发表SCI收录论文170余篇，被Nature等SCI他引140 0余次，H因子23。

天津大学二级学科国家重点学科：检测技术与自动化检测技术与自动化装置学科基本概况天津大学检测技术与自动化装置学科由著名控制理论专家刘豹教授于1957年在国内率先创建，于1986年获硕士学位授予权，1996年获博士学位授予权，2001年被批准为国家重点学科。

学科所依托的“控制科学与工程”一级学科2003年获批设立博士后科研流动站。

2004年学科所属“过程检测与控制实验室”被批准为天津市重点实验室。

2005年天津大学“控制科学与工程”获博士学位一级学科授予权。

2006年该学科再次通过国家重点学科评估。

目前，该学科为全国仅有的两个国家重点建设之一(另一个重点学科在浙江大学)。

学科目前建设有五个特色鲜明的研究方向：新型传感技术与信息处理，流动参数在线检测技术与系统，复杂系统建模与控制，控制系统及自动化装备，生物信息检测与处理。

每个研究方向均瞄准本领域国际发展学术前沿，与国外(或地区)多所著名大学及研究机构保持紧密的联系与合作，获得了一系列国际先进、国内领先的科研成果。

通过“985”和“211”建设，学科取得丰硕成果。

获国家级科技进步二等奖1项，获省部级科研一等奖3项，二等奖6项及三等奖5项;产学研突出贡献奖1项，学会创新奖1项;获国家发明专利40余项。

在国际著名学术刊物“IEEE Transactions on Instrumentation and Measurement”，“Measurement Science and Technology”，“Flow Measurement and Instrumentation”，“IEEE Transactions on Signal Processing”，，“IEEE Transactions on Automatic Control”，“Systems and Control Letters”，“IEE-Proceedings Control Theory and Applications”等上，发表学术论文200余篇，发表EI检索论文1000余篇;出版学术专著和教材16部。