北京科技大学工业产线智能感知与控制技术方向博士培养主要依托国家板带生产先进装备工程技术研究中心、高效轧制与智能制造国家工程研究中心、工业过程知识自动化教育部重点实验室、人工智能学院智能感知与工业智能团队、工程技术研究院仪器科学与技术团队及复杂工业过程建模优化与智能控制团队等顶尖平台开展。该方向深度融合仪器科学与技术、控制科学与工程、计算机科学与技术、人工智能、冶金工程、机械工程及工业互联网等交叉学科优势,面向国家智能制造重大需求及行业技术前沿,致力于发展先进的工业检测、智能感知与无人化控制技术,为冶金及相关制造行业提供智能装备、检测系统和技术服务。博士招生采用“申请-考核制”,具体以《北京科技大学2027年博士学位研究生招生章程》及相关培养单位招生办法为准。
研究方向重点突破工业产线复杂环境下多模态信息感知与融合难、在线无损检测精度与实时性不足、生产过程智能决策与自主优化能力弱、数字孪生与虚拟工厂构建难、无人化装备协同控制与运行优化难及工业大模型与智能体应用落地难等难题。具体涵盖工业产线在线无损检测与智能感知技术(工业产线在线无损检测与控制技术、板带无损检测技术装备、轧制过程力学行为与先进检测技术、基于超声的金属材料晶粒尺寸在线检测、基于机器视觉的热轧非对称检测、金属粗糙度测控系统、基于激光雷达的库区环境感知系统、带钢板形检测与控制、高炉面料成像、特殊工况下专用传感器、视觉机器学习、多模态协同感知、视觉三维重建、穿透成像、红外图像实时分割与特征提取);智能控制与无人化系统(智能控制、板带轧机运行状态监测、产品质量控制、无人化控制技术、智能无人化系统、产线具身智能、机器人智能控制、柔性机器人建模与控制、人机协同、材料实验智能机器人、多机器人智能协作、飞行控制、多智能体系统协同控制、事件驱动分布式优化、演化博弈论、高精高速控制系统、嵌入式高性能专用控制器、分布式计算机控制系统开发);数字孪生与工业大数据(钢铁生产数字孪生技术、公司级生产协同、产线级运行优化、核心工艺优化提升、工业大数据分析与应用、工业数据挖掘、机器学习建模、设备智能运维、工业大模型、工业智能体、知识建模与优化、模式识别与智能控制、空间智能与数字孪生、智能交互与混合现实、工业智能辅助决策);工业过程智能监控与故障诊断(工业过程分布式监测与智能诊断、工业过程质量监测与追溯、乘性故障诊断、复杂工业过程监控、层次化数据建模、工业过程运行质量量化与异常溯源诊断、数据与知识联合驱动的工业装备运行性能监测、工业过程复合故障智能诊断、设备状态诊断与智能运维);视觉检测与智能装备(视觉检测与智能装备、产品质量分析与检测、过程监测与控制、图像视频及声学信息融合、工业视觉控制系统、视觉在线检测与测量系统、视频智能分析系统、5G+工业视觉联合实验室);以及工业智能与多模态大模型(工业智能、多模态大模型、多模态预训练框架、分层特征提取机制、动态推理能力、零样本学习与动态环境适应、视觉感知与强化学习协同、自适应控制与优化调度模型、计算效率优化、智能预测、高级诊断及自主优化)。研究强调机理-数据-模型融合、感知-决策-执行-协同全栈能力构建、理论-算法-装备-工程应用贯通,在工业产线智能感知、在线无损检测、无人化控制、数字孪生、工业智能与多模态大模型等领域形成了鲜明特色。
备考需围绕自动控制原理、现代控制理论、过程控制与仪表、计算机控制系统、模式识别与机器学习、工业大数据分析、工业过程建模与辨识、故障诊断与容错控制、智能控制、最优控制与状态估计、数字图像处理、机器视觉、传感器与检测技术、工业互联网与物联网、嵌入式系统、DSP/FPGA/GPU嵌入式系统、Python/C++编程、深度学习框架(PyTorch/TensorFlow)、有限元分析与数值模拟、数字孪生技术、多模态大模型与工业智能体等核心课程展开。建议复习杨荃研究员关于工业产线的在线无损检测与控制技术、数字孪生3D可视化技术、智能无人化系统、板带轧机运行状态监测和产品质量控制相关成果;王晓晨研究员关于轧制数字化与智能化控制技术、冶金流程质量在线检测与数字化控制技术、智能化与无人化技术及装备、带钢热轧运行非对称检测与智能纠偏控制、长材库区无人天车与智能化管控相关成果;徐冬研究员关于冶金流程测控技术、无损检测技术、板带轧制过程力学行为与板形自动控制、基于超声的金属材料晶粒尺寸在线检测系统、基于机器视觉的热轧非对称、金属粗糙度测控系统、基于激光雷达的库区环境感知系统相关成果;孙友昭研究员关于钢铁生产数字孪生技术、公司级生产协同、产线级运行优化、核心工艺优化提升相关成果;何海楠副研究员关于板带轧制过程板形检测及控制系统开发、热轧非对称测控技术相关成果;李江昀教授关于工业智能、产线具身智能、多模态智慧感知、智能决策、基于深度学习的图像视频理解与分析、工业智能体与大模型相关成果;周鹏教授关于视觉机器学习、多模态大模型、工业智能、数据挖掘技术、多模态基座模型、小样本学习与泛化持续学习机制、视觉模型与机器控制深度融合相关成果;张勇军研究员关于复杂工业过程建模优化、先进控制理论及工业应用、模式识别与智能控制、电力电子与变流技术相关成果;张凯副教授关于乘性故障诊断、复杂工业过程监控、层次化数据建模相关成果;马亮副教授关于工业大数据分析与应用、工业过程质量监测与追溯、工业过程分布式监测与智能诊断相关成果;蓝金辉教授关于智能感知、图像处理、遥感、智能交通、自动驾驶、智能仪器、DSP/FPGA/GPU嵌入式系统相关成果;张利欣研究员关于机器视觉与智能感知、模式识别、机器学习、计算机视觉及其在工业工程领域的应用技术、红外图像实时分割、晶粒尺寸自动测定相关成果;《自动控制原理》《现代控制理论》《过程控制与仪表》《计算机控制系统》《模式识别》《机器学习》《数字图像处理》《机器视觉》《传感器与检测技术》《工业大数据分析》《工业过程建模与辨识》《故障诊断与容错控制》《数字孪生技术》等教材与专著,同时关注IEEE Transactions on Industrial Informatics、IEEE Transactions on Control Systems Technology、IEEE Transactions on Industrial Electronics、IEEE Transactions on Instrumentation and Measurement、Automatica、Journal of Process Control、Scientific Reports、《自动化学报》《控制理论与应用》《仪器仪表学报》《冶金自动化》《钢铁》《中国冶金》等国内外权威期刊前沿文献。研究设想应按“核心工业产线智能感知与控制科学问题—文献与机理梳理—研究框架与算法/实验/系统方案—数据依据与模型构建—预期创新点与学术/工程价值”逻辑撰写。
该方向平台优势显著。工程技术研究院仪器科学与技术团队是国家板带生产先进装备工程技术研究中心、高效轧制与智能制造国家工程研究中心等国家级科研平台的核心研究团队,近年来承担了包括国家重大专项(新材料专项、智能制造专项)、国家重点研发计划、国家科技支撑计划、国家自然科学基金、企业委托重大科研项目在内的多项国家及行业攻关课题,发表SCI、EI高水平论文近500篇,授权国家发明专利100余件,相关成果已广泛应用于宝武、鞍钢、首钢、浦项等国内外大型钢铁企业,实现了多项关键核心技术的自主创新突破和工程化应用,先后获得国家科技进步奖一等奖1项、二等奖1项,教育部科学研究优秀成果奖、北京市科学技术奖、冶金科学技术奖、河北省科技进步奖、安徽省科技进步奖等20多项省部级及以上奖励。工程技术研究院复杂工业过程建模优化与智能控制团队面向制造强国、材料强国与工业智能化发展需求,依托高效轧制与智能制造国家工程研究中心、北科大设计研究院等科研与工程平台,以钢铁、有色、新能源等工业为主要研究对象,长期开展复杂工业过程建模、先进控制、智能装备制造、大数据分析与工业智能体等方面研究。人工智能学院智能感知与工业智能团队主持国家重点研发计划课题、国家自然科学和北京市基金面上项目等,获得北京市科技进步一等奖、冶金科技进步一等奖等省部级科研奖励6项,与华为共建了5G+工业视觉联合实验室,自主研发了视觉控制系统、视觉在线检测与测量系统和视频智能分析系统。工业过程知识自动化教育部重点实验室面向国家“双碳”和“制造强国”两大战略目标的重大需求,立足当前钢铁工业发展现状,针对钢铁行业节能减排与智能制造的具体要求,瞄准控制科学与工程学科前沿,整合学校计算机科学与技术、仪器科学与技术等相关交叉学科优势,形成复杂工业过程建模与控制、工业过程智能监控与故障诊断、工业机器人与智能系统、工业无线网络互联、智能制造工程示范等5个主要研究方向,2022年度教育部重点实验室评估结果为良好类。代表性导师包括杨荃(研究员、博士生导师、国家板带生产先进装备工程技术研究中心主任、获国家科技进步一等奖1项、二等奖1项,省部级奖励7项,已培养毕业博士、硕士研究生130多名);王晓晨(研究员、博士生导师、国家重大人才工程计划入选者、北京科技大学创新创业学院院长、科技成果转化研究院副院长、卓越工程师学院副院长、北京科技大学设计研究院有限公司副总工程师、获省部级奖励10项其中一等奖4项、荣获冶金青年科技奖等荣誉);徐冬(研究员、博士生导师、主持及参与国家科技重大专项、重点研发计划、科技支撑计划、国家自然基金等国家级项目20余项、企业项目30余项、获省部级科技奖励5项);孙友昭(研究员、硕士生导师、获全国高校教师教学创新大赛一等奖、湖北省科技进步奖一等奖、冶金科学技术奖特等奖和一等奖等省部级奖励);何海楠(副研究员、硕士生导师、开发的热轧非对称测控技术应用于首钢、宝钢、鞍钢等三十余条热连轧产线、获省部级奖励5项);李江昀(教授、博士生导师、自动控制研究所所长、工业过程知识自动化教育部重点实验室常务副主任、连续4年入选全球前2%顶尖科学家榜单、获省部级奖励4项);周鹏(人工智能学院智能感知与工业智能团队负责人、主持国家重点研发计划课题、国家自然科学和北京市基金面上项目等、获得北京市科技进步一等奖、冶金科技进步一等奖等省部级科研奖励6项);张勇军(研究员、博士生导师、工程技术研究院院长、高效轧制与智能制造国家工程研究中心副主任、获北京市科学技术奖、冶金科学技术奖、中国有色金属工业科学技术奖等6项科技奖励);张凯(副教授、硕士生导师、工业过程先进控制与故障诊断研究方向负责人、德国杜伊斯堡-埃森大学博士、IEEE工业电子学会数据驱动监测与控制专委会委员);马亮(副教授、硕士生导师、控制科学与工程系副主任、德国杜伊斯堡-埃森大学访问学者、获北京市优秀毕业生、北京科技大学优秀博士后、首都前沿学术成果奖等);蓝金辉(教授、博士生导师、主持或参加国家“九五”、“十五”、“十一五”、“十二五”、“十三五”、“973”、“863”、国家自然科学基金、北京市自然科学基金等国家级和省部级项目三十余项);张利欣(研究员、机器视觉与智能感知团队、获北京科技大学第十五届实验技术成果奖二等奖、北京市高等教育学会实验室工作研究分会学术论文二等奖、《中国机器人及人工智能大赛》优秀指导教师)等。导师通常要求考生具备扎实的仪器科学与技术/控制科学与工程/计算机科学与技术基础,较强的工业产线智能感知/在线无损检测/智能控制/数字孪生理论功底,编程能力(Python/C++)、算法开发能力、工业大数据分析能力、实验设计与系统集成能力以及学术写作能力。
研究设想可聚焦工业产线在线无损检测与智能感知技术、工业产线的在线无损检测与控制技术、板带无损检测技术装备、轧制过程力学行为与先进检测技术、基于超声的金属材料晶粒尺寸在线检测、基于机器视觉的热轧非对称检测、金属粗糙度测控系统、基于激光雷达的库区环境感知系统、带钢板形检测与控制、高炉面料成像、特殊工况下专用传感器、视觉机器学习、多模态协同感知、视觉三维重建、穿透成像、红外图像实时分割与特征提取、智能控制与无人化系统、板带轧机运行状态监测、产品质量控制、无人化控制技术、智能无人化系统、产线具身智能、机器人智能控制、柔性机器人建模与控制、人机协同、材料实验智能机器人、多机器人智能协作、飞行控制、多智能体系统协同控制、事件驱动分布式优化、演化博弈论、高精高速控制系统、嵌入式高性能专用控制器、分布式计算机控制系统开发、数字孪生与工业大数据、钢铁生产数字孪生技术、公司级生产协同、产线级运行优化、核心工艺优化提升、工业大数据分析与应用、工业数据挖掘、机器学习建模、设备智能运维、工业大模型、工业智能体、知识建模与优化、模式识别与智能控制、空间智能与数字孪生、智能交互与混合现实、工业智能辅助决策、工业过程智能监控与故障诊断、工业过程分布式监测与智能诊断、工业过程质量监测与追溯、乘性故障诊断、复杂工业过程监控、层次化数据建模、工业过程运行质量量化与异常溯源诊断、数据与知识联合驱动的工业装备运行性能监测、工业过程复合故障智能诊断、设备状态诊断与智能运维、视觉检测与智能装备、产品质量分析与检测、过程监测与控制、图像视频及声学信息融合、工业视觉控制系统、视觉在线检测与测量系统、视频智能分析系统、5G+工业视觉联合实验室、工业智能与多模态大模型、多模态预训练框架、分层特征提取机制、动态推理能力、零样本学习与动态环境适应、视觉感知与强化学习协同、自适应控制与优化调度模型、计算效率优化、智能预测、高级诊断及自主优化等。申博难点在于需明确细分方向(在线无损检测与智能感知/智能控制与无人化系统/数字孪生与工业大数据/智能监控与故障诊断/视觉检测与智能装备/工业智能与多模态大模型),研究设想要体现机理-数据-模型融合创新、感知-决策-执行-协同全栈能力构建意识、面向国家智能制造或钢铁行业高端化绿色化智能化等重大需求的工程应用价值与学术前沿性,面试将深度追问自动控制原理、现代控制理论、模式识别与机器学习、数字图像处理、机器视觉、传感器与检测技术专业知识、编程能力、算法开发能力、系统集成能力及学术写作能力。
知点申博全科辅导服务可为该方向考生提供系统支持,包括定制一对一研究设想打磨、科研简历优化、复试模拟及学术热点分析等,助力考生精准匹配北科大相关培养单位要求。博士录取受多重因素影响,考生应以官方最新招生简章为准。
如需了解知点申博全科辅导服务,可咨询报名联系4000003363,或添加微信shuoedu。
