工业装备智能控制与优化教育部重点实验室

第一届学术委员会名单

主任：孙希明

主持实验室全面工作

办公电话：0411-84706005-3625

E-MAIL:sunxm@dlut.edu.cn

副主任：赵珺

分管实验室科研工作

办公电话：0411-84707582

E-MAIL:zhaoj@dlut.edu.cn

副主任：夏浩

分管实验室宣传工作

办公电话：0411-84708152

E-MAIL:hao.x.xia@dlut.edu.cn

副主任：刘涛

分管实验室合作交流与外事工作

办公电话：0411-84706465

E-MAIL:tliu@dlut.edu.cn

副主任：刘全利

分管实验室运营与招投标工作

办公电话：0411-84707582

E-MAIL:liuql@dlut.edu.cn

大连理工大学“控制科学与工程”是一级学科博士点和博士后流动站，辽宁省重点学科，辽宁省和大连理工大学“双一流建设”重点学科。2017年教育部学科评估中位居17位（B+），2018年“软科”中国最好学科“控制科学与工程”排名第14位，位居前10%行列。

控制科学与工程学科是以控制论、信息论、系统论为基础，是一门研究控制的理论、方法、技术及其工程应用的学科。控制科学与工程学科研究的方法和技术广泛应用于国民经济的各个领域，在国家经济建设中发挥着重要作用。多年来，控制科学与工程学科随着科学和技术的进步也得到了长足的发展。从早期线性系统的经典控制理论，到如今针对复杂系统的先进控制方法，自动控制系统经历了由最初的机械控制系统、模拟电路控制系统、数字电路及计算机控制系统到今天的分布式控制系统、网络化控制系统、智能控制系统的发展和演变。近年来，计算机、网络和通信等信息技术的飞速发展和人工智能技术在一些领域的成功应用为先进的控制理论和方法提供了新的发展机遇，同时也带来了巨大的挑战。这促使控制理论和方法自身的发展，也催生出新的、广泛的应用前景。

随着科学技术特别是信息科学技术的快速发展，工业装备控制系统的规模越来越大，控制系统的非线性程度越来越高，控制系统的多变量、多控制器等因素使得控制系统越来越复杂，导致系统机理模型越来越难以建立。针对于复杂系统、非线性系统的控制理论与技术成为国内外研究热点。智能控制、数据驱动控制成为主流研究方向。智能控制是在解决具有高度复杂与不确定性以及控制性能要求越来越高的背景下产生的。复杂系统数学模型一般难以建立，数据驱动控制摆脱了对受控系统数学模型的依赖，其研究对象可概括为机理/辨识模型很难建立或不可获取，或机理/辨识模型可获取但非常复杂、阶数高、非线性强、时变性强，或机理/辨识模型可获取但不确定性程度较大的被控系统。

在工业过程控制方面，随着分布式控制系统、现场总线技术、嵌入式控制技术的飞速发展,无论是在过程控制理论和方法研究方面,还是先进控制技术在工业生产过程中的应用方面都取得了显著的进步。随着信息化和工业化融合程度不断加深，生产过程检测、建模、控制、优化、决策支持等新理论、新方法、新技术不断取得突破，逐步形成了企业资源计划、生产执行系统、生产过程系统等多层次的集成自动化系统。如钢铁行业在炼铁、炼钢、连铸和轧钢等典型过程控制和过程优化方法、产品质量在线评级及预警技术、生产物流与能源协调管理方法以及能源优化调配方法都取得了亮点成果。

近年来,随着工业互联网、工业云、大数据技术、人工智能技术的出现和“中国制造2025"国家战略布局,特别在当今网络信息模式下实现制造流程智能优化的新需求对传统的建模、控制与优化理论和方法提出了新的挑战。智能制造的关键是实现制造流程智能化,这就需要将人工智能技术与制造流程的控制系统、管理系统和制造流程的物理资源深度融合与协同。人工智能技术的涵义是通过机器智能延伸和增强人类的感知、认知、决策、执行等功能,增强人类认识世界与改造世界的能力,完成人类无法完成的特定任务或比人类更有效地完成特定任务。2016年美国白宫发布了《美国国家人工智能研究与发展策略规划》,谋划美国未来的人工智能发展。2017年中国国务院印发《新一代人工智能发展规划》,人工智能正式成为我国国家战略。

作为实现智能工作的重要途径，知识型工作的自动化概念近年来得到世界各国政府机构、学术界及相关应用领域的广泛关注，也成为控制科学与工程学科新的研究方向。2013年，麦肯锡全球研究院发布技术咨询报告将“自动化和制造技术”列为2030年全球趋势之一，其中特别要实现知识型工作自动化。我国工业和信息化部于2013年发布了《信息化和工业化深度融合专项行动计划（2013-2018年）》，建立信息化与工业化深度融合的智能制造模式。知识自动化将是未来工业发展之主导，如何运用各种科学技术手段，提高工业应用的知识集成度和智能化水平，正逐渐成为国内外相关领域的研究重点。

机器人是实现复杂系统智能控制的重要载体，机器人技术在现代社会发展中起到的作用日益明显。随着机器人技术的广泛推广应用，人们对机器人的使用功能提出了更高的要求。而具有信息感知和理解功能的智能机器人技术则成为当前重要的研究方向。对环境的实时勘测和理解，快速精细重建是研制高级智能型机器人的关键。当前的研究重点是如何针对基于数据的室内场景理解与建模的核心问题，通过多源信息融合的理论方法，研究颜色与深度信息的融合以及多角度主动式结构分析方法。发展室内场景的语义表示框架、语义计算理论及高效语义标注方法，解决室内场景实时精细三维重建所面临的难题，从而大幅度提高智能型机器人的环境感知能力。其目标是通过控制科学、计算机科学、数学、统计学等多学科深度交叉，力争在面向新一代机器人的智能计算、感知及理解的基础理论与应用领域取得创新成果。

综上所述，社会的进步和技术的快速发展为控制科学与工程学科提供了新的发展机遇，同时也带来新的挑战。面对信息技术的新发展和国家重大需求，建设好工业装备智能控制与优化教育部重点实验室，则是我们必须要完成的重要任务。

一、主要研究方向

研究方向1：复杂系统先进控制与优化

（1） 混杂系统与时滞系统控制；

（2） 群体智能系统分散控制；

（3） 网络化控制；

（4） 复杂工业系统智能优化。

研究方向2：工业装备智能控制技术

（1）工业装备的智能检测与控制技术；

（2）工业控制嵌入式软件及系统；

（3）航空发动机综合控制技术。

研究方向3：工业系统优化与决策

（1）工业互联网信息处理与决策；

（2）工业过程与场景的感知、建模与信息融合；

（3）工业能源系统预测与优化技术

二、主要研究内容

基于以上研究方向，主要研究内容如下。

（1）工业能源系统预测与优化

面向工业生产制造企业或扩展至工业园区的能源系统，针对其中所含多种类型能源介质，如电力、热力、燃气、新能源等，目前存在的管控相对独立，运行综合能效低、成本高、对环境影响大等亟待解决的问题。采用物联网、数据驱动、人工智能等技术的深度融合，应对工业园区多种能源介质的时间/空间尺度多、源荷供需不确定性高、多能流协同优化难等核心科学问题的挑战，研究多种能源流的统一建模方法，面向“能源-生产”双向互动的、“能源-信息”安全的、机理-数据协同驱动的工业能源系统预测与优化新方法，解决大型工业企业或工业园区多能流智能管控的理论与技术难题。

（2）航空发动机综合控制技术及应用

航空发动机是十分复杂的气动热力学系统，表现出多模态、时滞、不确定性、不连续动态等特点。以航空发动机为应用背景，计划开展具有时滞、未知不确定性、不连续非线性动态及异步切换的复杂切换系统鲁棒控制与优化理论研究。在此基础上，开展基于复杂切换系统控制理论的航空发动机控制与优化应用研究。并以中国航发沈阳发动机研究所提供的高性能航空发动机为对象进行上述研究的验证工作。

（3）工业互联网系统理论与技术

针对现有智能工厂工业互联网系统结构复杂，多网络融合和多生产环节描述等核心挑战，开展“智能工厂工业互联网系统理论与技术”的一系列基础前沿问题研究，重点研究面向互联网与智能工厂控制网络与现场总线组成的工业互联网复杂系统中的异构网络集成策略和网络资源动态配置方法，面向工业互联网系统的混杂系统建模方法和质量指标评价体系，以及工业互联网系统传输性能优化技术，以提升智能工厂工业互联网系统的稳定性。

（4）工业制造过程智能化

开展面向工业制造过程智能化的基础理论创新与关键技术研发工作。该方向针对大型流程工业和离散制造业对产品研发、制造过程、服务等环节智能化的迫切需求，研究基于设计数据、制造数据、经营数据等多元异构工业大数据集的生产制造过程态势感知、系统建模与调度决策等关键技术，开发机理-数据-知识模型协同驱动的、构件化的大型制造企业数据分析与决策应用系统软件，并在国内典型的大型工业企业实现示范应用及推广。

（5）智能机器人环境感知、建模与控制

围绕智能机器人在工业环境中的人机协同、合作决策与长期可靠运行的需求，特别是针对强动态干扰、非结构化环境下移动作业机器人的复杂三维环境感知、建模、自主行为规划及人机合作等方向的挑战，重点开展大范围强干扰环境中基于多源感知数据融合的人机自然交互与合作决策、动态地图构建与维护、任务调度与路径规划、自主工作场景理解等理论和方法的研究，以提升用于大型工业装备制造及装配的移动作业机器人对多样化生产场景的自主环境感知和适应能力。此外还要通过机器人与人的协作来提升工作效率与质量，这其中着重要研究人机协作中协作行为的多模态融合分析及交互意图理解，以及基于强化学习的协作机器人柔顺控制及轨迹规划，从而确保工业环境中人机协同的高效实现。