智能系统与先进控制研究团队
一、团队介绍
团队面向工业互联网环境下智能系统和先进控制技术需求,运用新一代人工智能技术开展智能优化控制、轻量化可解释机器学习,工业过程优化与控制、机电系统感知与控制、智能系统安全测评与运维等应用基础理论与关键技术研究,形成一套自主可控的智能系统分析与设计、控制与优化、测评与运维理论体系和方法,推动相关理论和技术成果在智能制造、智慧矿山和智能军事等领域示范应用和推广,取得了重要学术突破和技术创新,并创造了可观经济和社会效益。
近五年团队主持国家与省部级项目25项,获教育部自然科学二等奖、辽宁省专利一等奖、中国自动化学会一等奖等省部级奖和行业学会奖20项,发表高水平SCI论文200余篇,学术专著5部,授权发明专利50余件;近5年团队指导研究生在国际顶级期刊发表高水平期刊100篇,10余人获优秀硕(博)士论文,9人获国家奖学金。团队包含教师21人,其中教授5人,国家与省部级人才4人次,柔性引进中国工程院院士和日本工程院院士各1人,团队每年招收硕士50余人,博士5-8人。团队入选2024年度中国矿业大学优秀研究生导师团队。
二、团队研究方向
1. 多尺度动态系统智能优化控制
面向复杂工业过程和高端装备等领域广泛存在的多尺度复杂动态系统,开展稳定性分析、网络安全控制、强化学习优化控制等的理论研究,致力于突破常规分析和设计方法容易导致“维数灾难”和“病态数值”的科学难题,构建人工智能驱动的多尺度动态系统智能优化控制理论体系。研究成果量化了多尺度快慢耦合动态系统稳定性与快慢尺度参数的定量关系,建立了多尺度动态系统运行安全的自学习优化控制方法,应用于多个大型煤矿、钢铁等企业的生产过程控制,显著提高了控制系统的稳定性、安全可靠性和鲁棒优化性能。所取得成果获得了2020年中国自动化学会自然科学二等奖、2021年教育部高等学校科学研究优秀成果奖自然科学二等奖。
![](/__local/2/2F/63/6B3083834DC516D59785705B6E1_4EE41C5C_3FD18.png)
2. 工业系统轻量化可解释学习模型
工业系统资源受限特性限制了高消耗深度学习模型的工业应用,为此,团队致力于工业系统轻量化可解释学习模型研究。通过深度融合构造式神经网络、空间几何理论、非迭代随机学习等理论方法,揭示数据驱动构造式网络学习模型的黑箱内在运行机理,为工业系统数据分析与建模提供低代码实现技术。并针对工业系统多时间尺度特性、多源数据耦合、高质量样本稀缺、复杂多源噪声干扰等综合工业特性,分别与特权信息、多视图学习、联邦学习、类不平衡学习、鲁棒学习等算法相结合,提出了一系列的工业系统数据分析与建模新方法。研究成果应用于矿物分选过程难测关键参数软测量以及关键生产设备健康状态诊断等,为工业过程智能优化控制与诊断提供精准可靠的模型基础。
![](/__local/7/B5/5A/34CFB449259661340C9CD54DBD3_8D1E7E11_4C2E4.png)
3. 复杂机电系统智能感知与安全控制
面向自主无人平台、大型矿山装备等复杂机电系统存在感知和检测精度不足、网络攻击风险防御不够、多子系统协调控制能力不强等亟待解决的行业痛点问题,提出了不确定环境下复杂机电系统鲁棒融合估计算法,开发了刚-柔耦合跨尺度协同优化控制算法,建立形成了深度融合感知智能、控制智能与决策智能的复杂机电系统智能感知与优化控制理论框架和技术体系,并进行了工业现场应用。研究成果先后获得2022年中国煤炭工业协会科学技术二等奖、2023年中国煤炭工业协会科学技术二等奖、2022年江苏省自动化学会科学技术二等奖等科研奖励。
![](/__local/F/62/33/D81EFE862C5D063263A931F0DBA_680B788B_3C494.png)
4.矿井无人系统智能感知与风险预控
针对煤矿生产危险源的智能感知和风险预控的关键技术难题,以煤矿危险源感知辨识、灾害预测预警和风险管控新理论和新技术为主线,聚焦于机器视觉与机器人控制相结合的理论与应用研究,利用视觉、嗅觉等智能感知手段,实现自主无人系统、多类型机器人系统实际场景中自主控制作业。通过产学研联合,突破煤矿机器人研发技术中的难题,实现全面智能感知、精准定位控制、智能分析决策的矿山特种机器人应用建设目标,大力推进关键作业环节智能化突破和“无人少人化示范矿井”建设。通过基础研究—前沿技术研发—成果转化促进基础研究的闭环科研模式,建立了智能化、系统化的安全生产风险监测技术和管理体系,推动了智能安全矿山新建设,服务国家重大战略和煤矿基层安全发展需求。研究成果获得江苏省科技进步奖以及江苏省煤炭科技进步奖各一项。
![1720006398708](/__local/6/47/09/6F2BDAABD414DD2577B5F3781AE_7CAA3DB0_26782.png)
5. 选冶过程综合智能优化控制技术
针对有色金属选冶参数在线获取困难、非优/异常工况频发、优化控制效果不理想等关键问题,在专用仪表研发基础上开展了关键参数监测与预报、全流程过程监测与评价、全流程分层智能优化控制与诊断和自愈控制等,研发了选冶过程及装备关键工艺参数在线检测和预测技术、选冶全流程分层智能协调优化控制技术,形成了数据驱动的选冶过程运行状态在线稳健评价技术体系,实现了关键工艺段的优化运行。与合作单位一起授权发明专利30余项,开发工业软件6套,成熟度均在TR7级以上,有效推动了我国有色金属选冶行业转型升级,核心经济技术指标和金选冶智能优化控制技术经鉴定达到国际领先水平。研究成果获得了2021年中国自动化学会科技进步一等奖、2020年中国有色金属工业科学技术奖技术发明二等奖等。
![](/__local/5/9D/6B/E7EF9EC1072DF1BF1A0EF02B672_7617C092_29A8A.png)
三、团队成员介绍
所长:杨春雨
副所长:王国庆、刘鑫
(1)教授
马小平、杨春雨、代伟、缪燕子、褚菲
(2)副教授
常俊林、周林娜、王国庆、刘鑫、马磊、胡梦洁、张淇瑞、贾佳佳、李德鹏
(3)讲师与助理研究员
刘晓敏、周晨、张鑫、赵建国、熊梦辉、王红艳
团队教授简介:
1.马小平,男,教授,博导,现任或曾任江苏省自动化学会副理事长、教育部高等学校自动化专业教学指导委员会委员、中国自动化学会自动化教育工作委员会委员、中国煤炭学会自动化专业委员会副主任、中国煤炭工业技术委员会信息与自动化专业委员会委员、中国矿业大学研究生教育咨询委员会主任。主持完成国家自然科学基金、江苏省自然科学基金项目多项,在国内外学术期刊和国际学术会议发表论文50余篇,出版专著3部,获得实用专利4项,发明专利2项,获省部级科技进步奖若干项,其中一等奖1项,二等奖5项,三等奖4项。主要研究方向为控制理论及应用,网络控制,计算技术及应用等。
2.杨春雨,男,教授,博导,江苏省青蓝工程中青年学术带头人,江苏省333高层次人才,江苏省六大人才高峰高层次人才,江苏省双创团队核心成员。在国内外期刊和国际学术会议发表论文100余篇,其中SCI检索80余篇,出版专著4部,授权发明专利20余项。主持国家自然科学基金项目5项。荣获教育部高等学校科学研究优秀成果奖自然科学二等奖2项、中国自动化学会自然科学奖二等奖1项、中国煤炭工业协会科学技术奖二等奖1项。主要研究方向包括智能系统控制理论、矿山装备优化控制、机器人导航与控制。
3. 代伟,男,教授,博导,国家级青年人才,江苏省杰青/优青,江苏省高校“青蓝工程”优秀青年骨干教师,中国矿业大学“高端人才计划”攀登学者,IEEE高级成员。出版学术专著2部,以第一/通讯作者发表高水平论文65篇。主持基础类纵向科研项目14项,获12项省部/学会/协会级等奖项与荣誉,包括中国煤炭青年科技奖、中国产学研合作创新奖、教育部自然科学二等奖、辽宁省专利一等奖、江苏省科学技术奖三等奖,中国自动化学会自然科学奖一等奖/二等奖、河南省煤炭科学技术奖一等奖。授权发明专利27件,其中日本、美国、英国、澳大利亚、荷兰发明专利各1件,取得专利转化5项。主要研究方向包括随机神经网络与学习系统、数据驱动的复杂工业过程建模、工业系统自学习优化控制。
4. 缪燕子,女,教授,博导。在国内外期刊和国际学术会议发表论文50余篇,出版专著2部,教材1部,授权发明专利12项。获得江苏省科学技术奖励等学术奖励4项,主持国家/江苏省自然科学基金4项,高等学校博士学科点专项科研基金1项、江苏省博士后基金1项、徐州市重点研发计划项目1项,先后参与完成国家重点研发计划、江苏省重点研发计划等多项纵向项目,主持完成多项企业横向重大项目。指导学生获得江苏省高校研究生科研创新计划项目、江苏省普通高校专业学位研究生创新计划项目、国家级大学生创新项目等8项,获得校级“优秀创新创业指导教师”奖。主要从事多传感器信息融合、机器人主动嗅觉、机器视觉等方向的研究。
5. 褚菲,教授,博士生导师,江苏省六大人才高峰高层次人才,在国内外期刊和会议发表学术论文90余篇,其中SCI检索35篇,出版学术专著2部,授权及申请发明专利30余项,登记软著6件,主持国家自然科学基金面上等项目20余项,获得中国自动化学会科技进步奖一等奖、中国有色金属工业科学技术奖技术发明二等奖、全国煤炭行业教育教学成果奖一等奖、全国高等学校计算机教学成果奖三等奖、中国矿业大学“青年五四奖章”等十余项,主要研究方向为复杂工业过程建模与优化控制,过程运行状态评价与故障诊断,新一代人工智能技术等。