欢迎加入我们！csse@szu.edu.cn
工业互联网与智能制造
本研究方向主要包含工业互联网一体化平台、智能制造无人化产线控制、智慧物流等三个研究内容。
欢迎加入我们！csse@szu.edu.cn
当前，我国经济已由高速增长阶段转向高质量发展阶段，作为国民经济的主体，制造业如何改造提升，实现高质量发展，成为一个重要的时代命题。今年两会，李克强总理在政府工作报告中指出，要推动传统产业改造提升，打造工业互联网平台，拓展“智能+”，为制造业转型升级赋能。工业互联网作为新一代信息技术与制造业深度融合的产物，已从概念的普及进入实践的深耕阶段，是全球产业布局的新方向，也是我国实现工业赶超的重大机遇，其对促进制造业转型升级、数字经济和经济高质量发展意义重大。
与此同时，在互联网络以及智能制造的蓬勃发展下，工业互联网平台被提高到前所未有的高度，愈发清晰的应用与架构，驱动着产业的不断创新和发展。世界各国纷纷出台了各自的先进制造发展战略，如美国工业互联网和德国工业4.0，党的十九大报告也明确提出“加快建设制造强国，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合”，其核心是促进新一代信息技术和人工智能技术与制造业深度融合，推动实体经济转型升级，大力发展智能制造。
工业互联网通过网络将工业系统中的智能物体（intelligent machine）、智能分析（advanced analytics）和人（people）相连接的系统。其中智能物体是指具有通信能力，可以接入网络的物理世界中的物体，包括智能终端、传感器、具有通信能力的机器设备等。智能分析是指人将工业领域的业务流程、专业技术等知识与数据科学相结合，形成面向不同业务目标的工业数据分析模型，分析结果可以部分代替人的脑力劳动。工业互联网的实质是通过工业系统中智能物体的互联，获取智能物体的工业数据，建立面向特定业务场景的工业数据分析模型，进而形成分析结果以优化智能物体的设计、制造与运行等。
制造业是我国国民经济的支柱性行业之一，是我国第二产业中发展最快、效益最好的一个核心产业，其技术含量高、渗透性强、覆盖面广、投入产出比值高、经济效益好、产业关联度高、带动作用强、贯穿于整个经济命脉并在国民经济建设中发挥着巨大的作用。我国的制造业虽然已经处于世界先进行列，并且在物料管控、生产过程标准化以及质量检验方面都有着杰出的表现，但是在整个电子制造业增速走低、成本上升和竞争加剧的前提下，必须借助新的数字化手段实现产能、质量的提高和运营成本的降低。
深圳四大支柱产业分别为高新技术产业、金融服务业、现代物流业、文化创意产业。深圳作为我国重要的港口城市，现代物流业已成为其经济发展的支柱产业之一。改革开放以来，深圳率先建立起社会主义市场经济体系的基本框架，为物流业发展提供了运营空间和产业成长的有利条件。深圳地处快速发展的珠江三角洲重心，毗邻香港、背靠华南，地理位置特殊，兼具国际性港口城市和海陆空三位一体的港口城市特点，具有良好的物流产业发展的区位优势，具备发展现代物流业的基础条件，有利于规模化、低成本、高效率地发展物流业。1996年深圳开始组织研究现代物流业发展战略，提出构建物流运输平台和信息平台的设想；1998年将现代物流业发展列为经济支柱产业，并完成了《深圳市“十五”及2015年现代物流业发展规划》。物流行业在深圳市的支柱产业中起步最晚，但随着全球经济一体化和信息化的加快发展，物流业作为具有广阔前景和增值功能的新兴服务业，获得迅速发展，正朝着国际化现代物流枢纽城市迈进。据深圳市物流办最新统计，深圳市物流行业增加值近年来以年均10％左右的增长率迅速增长。另根据深圳统计局统计数据统计，2018年深圳实现地区生产总值24221.98亿元，物流业增加值为2541.58亿元，占GDP比重为10.49%。
工业互联网一体化平台的体系架构设计。平台体系架构设计分为边缘层、基础设施即服务层IaaS、平台即服务层PaaS、软件即服务层SaaS四个层级，接下来对这四层详细描述。
边缘层利用泛在感知技术对多源工业设备、异构系统等要素信息进行实时高效采集和云端汇聚，构建一个精准、实时、高效的数据采集体系。边缘层主要包含智能网关模块和边缘计算模块。
通用连接器（智能网关）模块：针对当前工业数据采集领域存在的工业协议标准不统一的问题，平台构建端到端的数据流解决方案，自主研制开发能够实现多种协议兼容和转换的通用连接器（智能网关），从而通过协议兼容、转换，实现多源设备、异构系统的数据采集、交互和传输。
在IaaS层建设云计算中心的物理机房环境，在此基础上，采用虚拟化、分布式存储等云计算技术，实现服务器、网络、存储的虚拟化，构建计算资源池、存储资源池和网络资源池，向用户提供可计量、弹性化的资源服务。在完善研祥云基础设施建设的基础上，构建平台工业大数据平台，实现工业大数据的存储、计算、分发，形成完整、成熟的解决方案。IaaS层主要包括硬件资源模块、虚拟资源模块以及资源调度模块。
工业PaaS层本质是一个可扩展的工业云操作系统，能够实现对软硬件资源和开发工具的接入、控制，为应用开发提供必要接口及存储计算、工具资源等支持，为工业应用软件开发提供基础平台。PaaS层中的云计算中心设计采用业务区域的理念。业务区域（即以服务器集群为核心的物理资源区域，不同的业务区域设备配置可以不同）是系统的基本硬件组成单元，整个系统共包括若干个业务区域。系统规模的扩大可以通过增加业务区域方式，使得整个系统具有很好的可扩展性。
在每个业务区域内，通过云资源管理平台的云计算中心节点实现在X86业务节点上部署Hypervisor，并形成一个或多个独立的逻辑资源池，提供给应用使用；通过云计算虚拟化管理中心在逻辑资源池内可以实现资源的共享和动态分配。每个业务区域包括云计算虚拟化管理中心节点、业务节点、业务网络、管理网络、心跳网络、本地镜像存储；业务区域根据各自的业务需要，访问FC存储或并行存储等业务数据存储区域。
平台的SaaS层即应用层，主要面向特定工业应用场景，整合社会资源推动工业技术、经验、知识和最佳实践的模型化、软件化、再封装（工业APP），用户通过对工业APP的调用实现对特定制造资源的优化配置。工业APP由通用云化软件和专业APP应用构成，面向企业客户提供各类软件和应用服务。同时，不断汇聚应用开发者、软件开发商、服务集成商、工业用户和平台运营商等各方资源，打造共生共赢生态系统。
工业应用一直存在开发成本高、开发周期长、开发效率低的问题，不仅无法满足日益增长的数据量的存储和查询，也无法跟上实时变化的业务需求。平台旨在通过提供一系列的自动化构建工具和丰富的服务，来加速应用开发的过程，降低应用开发成本。为了加快应用开发的速度，平台提供强大的服务目录，集成包括数据库、身份管理、消息等大量可重用的服务，使得开发者使用API接口就可以调用指定的服务，可以让开发者专注于核心业务逻辑的开发，而不用担心服务的配置、使用、扩展性和可靠性问题。
针对网络化无人产线多工位操作运动系统的拓扑结构随机跳变及外部扰动问题，结合鲁棒控制理论及无人产线多工位操作运动系统的动力学特点，研究基于最小二乘法的无人产线多工位操作运动节点参数在线辨识方法。针对无人产线多工位操作运动网络节点的通信耦合及网络诱导的随机时延等通信约束问题，结合随机系统理论及网络与图论，通过改进无人产线多工位操作运动系统内部结构及优化内部控制参数，分析Markov跳变拓扑结构下，网络化无人产线多工位操作运动的动力学特性，研究网络拓扑结构随机跳变及通信约束对系统稳定性影响机制。结合在线辨识及网络化控制系统建模方法，分析网络化无人产线多工位操作运动系统各运动节点的电磁特性、电路特性及动力学特性，建立Markov跳变拓扑结构下，网络诱导随机时延及外部环境随机扰动等约束下网络化无人产线多工位操作运动的数学模型。
分析网络拓扑结构的Markov跳变特性及网络诱导随机时延等通信约束特点，使无人产线多工位操作运行在网络通信受限环境下工作。控制无人产线多工位操作运行节点线圈电流及电磁力，通过解码器测量各节点位置信息，依据位置与线圈电流及电磁力的函数关系，揭示无人产线多工位操作运行节点的定子绕组与动子各状态量之间的相互关系，结合在线辨识方法获得无人产线多工位操作运行节点的模型参数，建立无人产线多工位操作运行各运动节点的数学模型。结合鲁棒控制理论，Markov跳变线性系统理论，分析系统的环境扰动及参数不确定等问题，结合网络化控制系统建模理论及无人产线多工位操作运行系统的动力学分析，建立Markov跳变拓扑结构下无人产线多工位操作运动网络化控制系统的数学模型。
无人产线多工位操作运行网络节点受限于网络的拓扑结构，网络中各个节点接收动态控制指令也各不相同，网络通信诱导的随机丢包时延等因素均对系统控制性能产生影响，因此网络的通信约束使得无人产线多工位操作运行节点间的拓扑结构具有随机变化的属性。为了确保无人产线多工位操作运行系统网络化控制的有效性和响应的快速性，防止各运动节点执行饱和，需解决网络拓扑结构中节点搜索和拓扑规划问题。结合Markov跳变拓扑结构特性，采用网络与图论理论中最优路径搜索方法，将各运动节点间通信耦合问题转化为网络节点间最优路径规划问题。采用优化技术在各个低维运动子系统中搜索最优路径，根据各个子节点的关联性及通信约束，研究具有Markov跳变拓扑结构属性的网络拓扑结构设计与优化方法。
为了以最小的通信成本构建稳定性能良好的无人产线多工位操作运动系统网络，从系统的稳定性和鲁棒性能两个方面出发，研究网络化无人产线多工位操作运动系统Markov跳变拓扑结构及优化。结合Markov跳变线性系统理论，拓扑矩阵谱分析和复杂网络最优路径搜索方法，重点研究各无人产线多工位操作运动节点的控制算法与网络系统稳定性之间量化关系，得到无人产线多工位操作运动系统内部稳定性对于网络随机跳变信息拓扑的约束条件。分析多工位各节点间网络通信随机时延及丢包特点，将各运动节点间的通信约束转化为各子节点状态信息的约束，揭示网络Markov随机跳变拓扑结构与系统随机失稳的内在关系，提出趋于内部稳定的无人产线多工位操作运动系统网络Markov随机跳变拓扑结构设计及优化方法。
为满足无人产线多工位操作运动系统在复杂工业环境中网络化运行对稳定性与鲁棒性的要求，针对网络拓扑结构随机Markov跳变特性、网络随机通信约束、多工位操作运动系统参数不确定及外部工业环境扰动导致系统随机失稳问题，研究网络化无人产线多工位操作运动的鲁棒H无穷控制方法，提高系统控制回路的稳定性及抗扰动性能。结合复杂高阶系统降维方法、矩阵向量化表示法及谱映射分析法，依据Lyapunov稳定性理论及闭环系统稳定及鲁棒镇定的分析方法，通过无人产线多工位操作运动系统节点分层分步的网络化控制，使Markov跳变拓扑结构下网络化无人产线多工位操作运动系统中各子系统满足自身内部控制稳定约束情况下，实现在外部环境扰动及系统参数不确定等约束下的随机稳定及鲁棒H无穷镇定。
首先设计网络化无人产线多工位操作运动的控制律，使得系统在网络闭环下运行。结合Lyapunov稳定性理论、采用谱映射分析及矩阵向量化表示法，分析网络诱导随机丢包时延、环境扰动、系统参数不确定等对系统稳定性影响。结合网络化控制理论及鲁棒控制理论，Markov线性系统理论，设计H无穷镇定控制器。结合系统控制性能的需求，分析闭环系统性能，采用仿真及实验研究验证控制算法的正确性及有效性。得到Markov跳变拓扑结构下网络化无人产线多工位操作运动系统随机稳定及H无穷镇定判据，提出Markov跳变拓扑结构下网络化无人产线多工位操作运动系统稳定及H无穷镇定控制理论及设计规范。
基于神经动力学优化方法，以神经网络理论、最优化理论和动力系统理论等为基础，研究双层规划中的问题转换、网络建模和模型分析，研究具有一般拓扑结构的网络控制系统（GTCS）的动态平衡规律，以及非光滑最优化问题求解。
针对双层规划的问题转换，基于Karush-Kuhn-Tucker 条件，将双层规划问题等价转化成一个带有平衡约束的单层数学规划问题（MPEC），具体实现为：(i)研究MPEC所对应的松弛问题的一阶最优性条件，重点关注松弛问题可行域的几何结构，特别是可行域可以表示成若干个凸集并的情形。该松弛问题可以看成目标函数在若干凸集上求最优的问题，进而可以构造梯度型神经网络和WTA 神经网络求解这类非凸优化问题。(ii)基于惩罚参数法研究MPEC时，将互补约束作为惩罚项，可以得到其近似优化问题。针对某些具有特殊结构的MPEC，可以估计惩罚参数的下界，进而精确求解MPEC。(iii)引入新的凝聚函数，研究双层规划的光滑近似问题的最优性理论。特别地，将已知的凝聚函数离散化，可以使得某些具有特殊结构的光滑近似问题变成凸或者伪凸问题，进而获得其最优性理论。
针对双层规划的网络建模，(i)基于可行域的几何结构，可以将松弛问题转化为若干个凸优化子问题，并设计相应的梯度型神经网络逐个求解这些子问题的最优解。然后，设计WTA 神经网络求解这些子问题最优解中原松弛问题目标函数取值最小的，即是松弛问题的全局最优解。(ii)基于惩罚参数法而得到的近似优化问题是一般的单层优化问题，改进已知的神经网络模型可以直接求解这类单层优化问题。尤其是在研究双层二次凸规划问题的时候，这类单层优化问题为凸优化或者半凸优化问题，进而基于以往的研究经验可以设计出相应的神经网络模型求解。(iii)给出新的凝聚函数或者将其离散化，可以使得某些具有特殊结构的光滑近似问题成为凸或者伪凸优化问题。研究团队已设计了依赖于惩罚参数的单层复值神经网络求解非光滑复变量凸优化问题。
针对双层规划的模型分析，优先考虑使用非光滑的Lojasiewicz不等式来研究神经网络稳定性，特别是状态解的收敛速度。Lojasiewicz不等式不依赖函数的凸性，可以很好地用来研究非凸函数的性质。另外，上述部分神经网络模型都是基于伪凸或者半凸优化问题而提出来的。这些模型都是在已知的神经网络模型基础上精炼出来的，其必然会继承这些已知神经网络模型的某些动力学性质。在这些动力学性质基础上再研究上述神经网络模型的稳定性，必然会降低部分难度。
控制器的设计，将网络系统建立在具有一般拓扑结构的有向图上，由于拓扑结构的复杂性以及顶点之间的相互影响，选择哪个顶点系统进行控制，或对分层后的有向图来说，选择哪一层进行控制使得网络系统达到预期的动态平衡规律。而且不同的控制器可能达到动态平衡规律的时间也不一样。因此，控制器的设计是关键。拟采用连续控制器和离散时间状态可观测的控制器，探讨两种控制器各自的优缺点。
GTCS稳定性分析，由于拓扑结构的复杂性，基于分层算法，对分层后的有向图进行分析。拟采用Lyapunov方法、图论、控制理论以及随机动力系统的相关知识对每个强连通分支进行分析，然后得到整个网络控制系统达到稳定和同步的充分性准则。
周期解的存在性，采用重合度理论，Lyapunov方法、Kirchhoff矩阵树定理以及非线性控制理论，对算子方程的先验界进行估计。基于分层算法，以分层后的强连通分支为研究对象，得到判定周期解存在性的充分性条件。
提出并设计了具备有限时间收敛特性以及具备高效最优性条件的递归神经网络；针对非光滑复变量实值凸优化问题，提出了收敛性好且结构简单的单层神经网络，并从数学理论上分析和证明了该网络求解最优化问题的收敛性能； 针对带有脉冲分布时滞的忆阻神经网络，理论证明了带有脉冲的忆阻神经网络(memristor based Cohen Grossberg neural networks MCGNNs)周期解的存在性与指数稳定性，同时提出了对激励函数有界性和单调性无限制要求的更具一般性的带脉冲忆阻神经网络(MCGNN)。
智慧物流的货物三维感知与辨识方法包括三个研究内容：基于双目视觉的视差估计与语义实例分割、基于雷达点云的货物语义实例分割、基于胶囊神经网络的货物三维感知与语义辨识。
视差图与语义实例分割图的获取往往是相互促进的，为了在整个视频中得到每一帧图像的视差图和分割出实例图，提出一个时序视差与语义实例分割协同估计的网络。首先设计图像的视差与语义实例分割协同估计的网络，通过视差回归网络来预测初始视差，并通过语义实例分割网络来预测分割图，然后通过语义信息整合策略，包括语义特征嵌入和语义损失规则化，有效地改善初始视差，并通过视差边缘来引导语义实例分割的估计。然后在图像视差与语义实例分割协同估计网络中嵌入视频帧之间的时序信息，从而有效地估计出视频中每帧图像的视差图和分割图，并提高视差图和分割图的精度。
单帧图像视差与分割估计网络首先使用特征提取网络分别对左右输入图进行特征提取，然后用一个分割子网络对左右图进行语义实例分割。将计算得到的相关图、转换图和左图分割图联合得到联合特征图，输入一个编码-解码器，回归得到视差图。之后对右图的分割图进行映射（warp）操作，并结合上一步得到的视差图和右输入图得到最终的分割图。为了得到视频帧每帧图像的高精度视差和分割图，输入视频的前后帧并计算前后帧之间的光流，然后利用光流将前一帧的隐层特征转换到当前帧，对当前帧起到特征增强作用，从而引导当前帧的视差估计和语义实例分割。
由于双目相机易受天气、光照的影响、感知空间的距离较短等缺陷，实际中难于做到高精度的三维场景感知。而激光雷达所采集到的点云数据具有精确的三维空间信息，能够帮助更好的理解货物三维场景。
拟采用端到端的深度学习方法来处理点云，以更进一步实现场景的精确感知。基于深度学习的点云处理方法之前主要有基于2D投影的深度学习网络和基于三维数据立体栅格化技术。然而，基于2D投影的深度网络方法容易受到物体间相互遮挡的影响，从而损失一些表面信息，并且在多视角的选择上会受到人为因素的影响，其精度往往不够高。而基于三维点云立体栅格化方法需要先将点云转换为体素模型，但这种转换需要消耗大量的计算资源和时间，而且难以处理较复杂结构的大场景下的对象物体。
拟设计一种新型的深度神经网络来直接处理点云数据，对点云数据进行端到端的学习和训练。该网络能够考虑散乱、无序点云的局部相关性，使得每个独立的点云表征局部的能力得到增强，并对场景中的点云数据预测输出两个标签，一个是类别标签，负责判断点云属于哪一个物体类别；另一个是实例标签，区分同一类物体但非同一个体的点云，最终实现场景的语义实例分割任务。同时对于场景时序点云，提取出当前帧与前一帧的重叠点云，并引入帧点云语义实例分割结果作为先验，再通过网络处理，以更好提升网络处理的效率和预测的精度。
模型的输入来自视频双目语义分割模型与点云分割模型，为了融合不同模态的数据，提取有效的三维语义特征，第一阶段采用了空间校正模块，通过特征引导粗点云获得空间变换矩阵，将校正后点云有机导入特征提取模型中；第二阶段，设计了空间距离分层感知锚框模块，得到粗范围的距离估计；第三阶段，首先提出了类间差异特征学习方法，针对不同类别物体提取差异特征，再利用差异特征引导该目标物的6DoF位姿估计，以获得更加精确与鲁棒的结果。其次，将通过IOU约束建模，将6DoF位姿估计与语义实例分割任务有机结合在一起，获得更精准的模型。
首先通过仓储作业特征的研究，确定人在环的仓储作业对人的影响评价指标包括生理评估与精神评估。在先进的人因研究方法，实验方法，数据处理方法的研究基础上，以实验为手段，开展人自身特征包括生理特征、心理特征等，以及仓储作业自身特征如仓储作业移动范围，货物尺寸、包装、重量等对仓储作业绩效的影响机制，提出优化的仓储作业方案，包括作业姿态，作业时间等。通过上述研究可以拟得到仓储作业人员作业时间区间，不同情境下的最优仓储作业姿态库等与拣选效率密切相关的成果。
博士，国家优秀青年科学基金获得者。1999年获北京邮电大学通信工程学士学位，2009年以最高荣誉“杰出博士奖”从美国加州大学洛杉矶分校（UCLA）获电子工程博士学位，2007－2008年间在美国普林斯顿大学做访问学者。在国际通信和信号处理领域的权威学术期刊和会议发表论文30余篇，总引用超过2500次；其中关于认知无线电的开创性研究成果因解决一类非凸优化的理论难题在国际上产生重大影响，被世界同行广泛跟进研究（单篇论文迄今被引用900多次），并荣获2012年度IEEE信号处理学会“最佳论文奖”。2008－2012年在美国高通公司研发部任高级系统工程师，主要研究面向未来物联网的低功耗远距离无线传输技术，其研究成果申请了30多项美国专利（已获授权15项），多项技术提案被IEEE 802.11标准委员会采纳成为下一代Wi-Fi通信标准。2012－2015年间在美国苹果公司硅谷总部担任资深射频系统工程师和架构师，主要负责iPhone的无线通信模块高精度校准与规模化量产测试，提出的高精度无线射频校准方法被应用到iPhone、iPad和MacBook的大规模量产中，每年为苹果公司节省数千万美元的生产成本。现在深圳大学信息工程学院任特聘教授，兼任国际著名学术期刊《IEEE Transactions on Signal Processing》与《China Communications》副主编，研究方向包括远距离宽带无线通信系统、射频系统校准与测试、数据驱动的信号处理、人工智能与机器学习等。
教授，博导，国务院特殊津贴专家，广东省高清视频智能分析与处理工程技术研究中心主任、深圳大数据智能信息处理工程实验室主任。曾赴日本关西大学（1999.10-2000.1）及美国夏威夷大学（2002.8-2003.8）作高访研究。长期从事图像处理、应用数学和复杂网络等领域的研究工作。主持国家自然科学基金面上项目3项、国家863和973项目子项3项，主持教育部博士学科点基金、广东省自然科学基金和广东省科技计划等部省级项目6项，主持深圳市基础研究等市级项目5项，参加国家“十五”重点科技攻关项目。在国内外期刊发表科研学术论文百余篇，完成学术专著5部，其中一部获国家出版基金资助，获专利11项，获部省级科技进步奖2项，获国家级教学成果二等奖2项、省级教学成果一等奖3项、二等奖1项，获深圳市第三届青年科技金奖。兼任中国数学会理事、教育部大学数学课程教学指导委员会委员及广东省数学类专业教学指导委员会副主任等。
在智慧物流的数学模型与优化理论方面具有扎实的研究基础。特别是数学建模、算法及其应用，以及研究基于神经动力学的非光滑最优化、双层规划等优化问题有深入的研究。研究团队在该领域获得国家自然科学基金项目和省部级基金项目3项，在国际知名期刊发表和录用SCI检索论文11篇，其中中科院二区以上论文6篇。
在智慧物流的货物三维感知与辨识方法具有扎实的研究基础。特别是在视觉显著目标检测与分割、运动目标跟踪、图像恢复与质量增强、物体的三维重构与识别方面有深入的研究。研究团队在该领域获得国家自然科学基金项目和省部级基金项目30余项，在TPAMI、TIP等国际知名期刊，ICCV、CVPR 等国际知名会议上发表SCI/EI检索论文100余篇，并申请发明专利30余项。
在智慧物流及人因研究方面具有扎实的研究基础。特别是在电子商务与现代物流协同、供应链协同创新、人因工程、货到人技术创新等方面有深入的研究。研究团队在该领域获得国家自然科学基金项目和省部级基金项目40余项，在国际知名期刊发表和录用SCI检索论文发表SCI/EI检索论文50余篇，其中中科院二区以上论文20余篇，并申请发明专利20余项。
(1)科学研究
发表中科院JCR一区、二区论文数量至少30篇。
(2)产业应用
在智慧物流领域打造2-3个示范应用。
(2)人才培养
培养博后3名，硕博研究生20名。
(1)科学研究
发表中科院JCR一区、二区论文数量至少90篇。
(2)产业应用
在智慧物流领域打造6-8个示范应用。
(2)人才培养
培养博后15名，硕博研究生70名。