为加快推进高水平理工科大学建设步伐，依托电子与信息工程学院，建设了工业智能感知与控制团队，该团队现有师资8人，包括教授2人、副教授3人，中级职称3人，其中硕士生导师5人。

团队专注于工业设备非线性控制、工业智能检测、工业设备故障分析和优化等前沿科技及交叉学科的研究。团队建立以来，在相关研究领域取得了显著成果，获得省级以上教学成果奖、科学技术奖项5项，包括发表高水平学术论文100余篇，其中SCI/EI收录论文40多篇，中科院二区以上SCI论文10余篇；获得国家级/省部级科研项目20余项；申请专利200余项，授权专利100余项，其中授权发明专利70多项，美国、欧洲等国外授权专利6项；指导学生获得“挑战杯”和“互联网+”比赛国家级奖项2项，省级奖项20余项，其他大学生创新创业比赛获得国家级奖项40余项，省级100余项。

一、团队负责人简介

董超俊教授，best365中国官方网站副校长，博士，电子与信息工程学院硕士生导师，工业智能感知与控制团队负责人。董超俊教授是控制科学与工程领域专家，长期致力于人工智能方法、工业智能检测、复杂系统智能控制等方面研究，发表学术论文60余篇，授权国家专利10余项，专著2部。主持(或作为主要参加者参与)省级以上教学科研项目近10项，获省级教学科研奖项3项。

二、研究领域

01 工业欠驱动设备的非线性控制

研究复杂欠驱动系统的智能控制方法，针对系统参数摄动、未建模动态及外部干扰的鲁棒性不足问题，结合传统增强耦合及状态监测等理论，提出基于新型策略函数的深度强化学习控制方法，实现对于系统在复杂环境下鲁棒控制。

02 工业产品缺陷检测中的大模型开发

探索复杂工业条件下产品缺陷生成机理，分析多模态缺陷检测模型的特征，构建复合分辨率编码多模态自回归生成大模型，设计稀疏低秩适应微调策略实现参数高效性的模型训练，探索工业产品缺陷检测中的大模型开发的构造及基础问题。

03 工业控制优化中的群智能优化方法设计

面向工业领域，围绕工业设备控制参数整定和流程优化方面，重点围绕数控机床、工业起重机以及注塑机等多类设备工艺参数调整需求，研发基于深度强化学习的多目标的群智能优化算法。

三、突出应用成果介绍

工业欠驱动系统非线性控制策略和群智能优化方法（图1），利用深度强化学习作用下的群智能优化方法，解决了复杂扰动条件下的欠驱动设备非线性鲁棒控制和多目标多参数自整定问题，应用到港口桥式起重机（图2）和海洋吊运平台（图3）上均取得了满意成效。

图1 针对工业设备的非线性控制和自整定策略

图2 自研的二维欠驱动桥式起重机实验平台

图3 自研的三维海洋起重机平台