重点实验室以习近平新时代中国特色社会主义思想为指导，以智能输送技术与装备创新研究为建设目标，以人工智能、智能制造为理论支撑，以输送成套装备的智能制造系统构建及技术融合、智能输送装备控制与工业网络互联、输送装备状态自主感知与故障诊断等为理论研究切入点，重点攻关智能输送装备行业的共性、特色技术。结合实验室研究成果和建设理念，省级重点实验室主要研究方向包括输送成套装备的智能制造系统构建及技术融合、智能输送装备控制与工业网络互联、输送装备状态自主感知与故障诊断。

1. 输送成套装备的智能制造系统构建及技术融合

    智能制造是新一轮工业革命的核心技术，新世纪以来，信息技术呈现指数级的增长，互联网、云计算、大数据等数字化、网络化、智能化的加快普及应用，制造系统集成式创新不断发展。智能制造是一个大系统，主要由智能产品、智能生产及智能服务三大功能系统以及智能制造云和工业互联网两大支撑系统集合而成。面向输送成套装备的智能制造系统主要研究内容如下。

（1）输送成套装备智能制造系统

    面向输送成套装备设计、制造等过程构建基于多智能体系统等技术的输送成套装备智能制造系统，研究基于产业链和供应链的网络协同设计、制造模式，以及关键技术装备故障模式识别、预测性维护等远程运维方法。针对智能输送装备行业的特点，为大型智能输送装备企业定制制造执行系统（MES），实现企业生产过程的自动化、智能化、网络化。

（2）智能输送成套装备的数字孪生

    基于数字孪生信息物理融合理论与技术研究智能输送装备数字孪生的物理融合、模型融合、数据融合、服务融合等不同维度的融合问题；借助孪生数据的融合与分析，研究智能输送装备物理实体与虚拟模型之间的交互和协同方式；基于智能输送装备数字孪生研究数字孪生生产物流的任务组合优化、运输路线规划、运输过程控制等在物理、信息世界和上层物流服务系统之间的迭代运行模式。

（3）机器人与智能输送装备深度融合

在智能输送装备成套设备中研究智能AGV技术与协作机器人的集成模式，借助机器人内置的工业相机等技术，研究AGV小车在协作机器人重载下精确定位技术，并研究焊接、喷涂等工艺的协作机器人路径规划方法。针对智能输送装备多轨、双层平移、多工种集成等技术难题，研究机器人在高速柔性混线输送系统中转运转挂工位中的集成应用，同时研究多种车型混线生产时总装机器人、焊接机器人、喷涂机器人等的转换技术，以及机器人深度融合混线输送系统的理论框架。

2. 智能输送装备控制及工业网络互联

利用工业互联网思维，将自动控制技术、信息通讯技术、网络空间虚拟系统、信息物理系统相结合，推进智能输送装备业向信息化、网络化转型，提升产业的智能化水平。主要研究方向如下。

（1）智能输送装备非接触供电

    非接触供电系统采用电磁感应耦合的方式进行电能传输，克服了传统智能输送装备导体接触传输方式带来的一系列缺点和不足。研究松耦合情况下的系统控制特性和保护动作的相互影响，建立多取电器之间耦合特性分析的数学和仿真模型，揭示系统多取电器耦合机理及解耦方法。研究松散耦合线圈电路的互感型等值电路，以及原边线圈电力载波通讯数据传送方式。

（2）智能输送装备工业网络通信

    通过充分利用信息通讯技术和网络空间虚拟技术相结合的手段，研究智能输送系统由集中式控制向分散式增强型控制的基本模式特性，重点研究智能化生产系统及过程以及网络化分布式生产设施的实现。基于企业的生产物流管理、人机互动以及3D技术在工业过程应用，采用先进的网络技术、先进的冗余技术和先进的监控技术，研究集成了先进的信息系统以及全数字化的控制系统。研究智能输送设备接入技术、工业互联网络协议转换以及工业互联网络边缘数据处理技术。

（3）智能输送行业工业互联网APP

工业互联网 APP是工业互联网平台核心，是承载工业知识和经验，满足特定需求的工业应用软件。研究工业数据建模与分析技术数据分析算法：运用数学统计、机器学习及最新的人工智能算法实现面向历史数据、实时数据、时序数据的聚类、关联和预测分析。研究工业APP机理建模、工业互联网接入安全技术数据接入安全及平台安全等技术。

3. 输送装备状态自主感知与故障诊断

物流输送场景具有高度的复杂性和时变性等特征，产生海量生产和运行数据。课题组拟综合采用5G、机器视觉、深度学习和大数据分析等技术针对复杂输送场景下的设备对现场信息的自主感知、自主分析与决策机制和相关算法进行研究，提出具有创新性的理论方法，并且根据Web平台开发框架，实现输送装备能够在复杂场景下实现对输送对象的自动识别和性能自适应。具体研究内容如下：

（1）输送装备状态异构数据采集与融合

输送装备状态非结构化数据融合主要围绕5G、IoT设备、云计算、边缘计算实现输送设备状态协同主动感知，5G通信技术高通量和低时延将实现多个智能传输设备之间的数据协同传输和采集。由于采集的数据包含结构化的数据和非结构化数据，通过对异构数据之间实现融合从而为实现设备运行自动化、输送自动化的状态感知提供数据支持。

（2）复杂场景下输送目标实时检测与分类

主要围绕采用传感器和摄像机对仓储输送场景中的目标进行数据采集，然后通过结合跨领域知识图谱、因果推理、深度学习等技术对输送目标进行实时检测与精准识别。通过建立稳定获取和表达知识的有效机制，让知识能够被机器理解和运用，实现从感知智能到认知智能的关键突破，构建场景目标的特征分类模型，建立输送货物的实时检测与分类系统，为输送设备状态的自适应提供知识支撑。

（3）输送设备故障智能化诊断与辅助决策

主要围绕通过自然语言处理、机器视觉等技术感知来分析挖掘输送设备状态知识以补充和拓展传统基于文本的知识体系，建立知识图谱，构建设备故障知识表征、分析、挖掘、推理、演化和利用的分析推理系统，形成综合推理技术，为输送设备故障数据分析技术和服务平台的建设提供技术支撑，并在输送设备故障智能化诊断数据综合推理等领域进行示范应用。