研究方向一:  工业互联网智能感知与边缘计算

  （1）数据采集和智能感知

  当前数据采集面临的突出问题是，受制于传感器部署不足、装备智能化水平低，工业现场存在数据采集数 量不足、类型较少、精度不高等问题，无法支撑实时分析、智能优化和科学决策。实验室将运用泛在感知技术 对多源设备、异构系统、运营环境、人等要素信息进行实时高效采集和云端汇聚；将环境传感器数据、机器数据、运行数据与维修数据等多维数据进行综合关联，研究软件定义的传感技术实现传感器的虚拟共享和参数级别的微操控能力。

  （2）边缘计算

  研究基于边缘的多协议转换技术与平台，通过构建一套能够兼容、转换多种协议的技术产品体系，实现工业传感数据的互联互通互操作；研究边缘层的数据预处理和缓存策略，以及数据在生产现场的轻量级运算和实时分析方法，不但缓解高频采集数据向云端传输、存储和计算的巨大压力，而且有助于实现工业级的实时精准控制。

研究方向二:  工业互联网新型通信协议与组网技术

  工业互联网对通信网络提出了低时延、高可靠、高同步精度和高密度接入、低功耗的要求，面临电磁环境复杂和空间受限的挑战，需要研究新型网络结构和通信协议。

  （1）工业物联网一体化架构

  工业物联网的泛在感知、无线接入和实时控制技术，多源异构网络互联与语义互操作技术，动态自组织软件定义的工业控制网络技术;建立面向智能工厂的工业物联网参考架构体系，研究开发相关的组网、互联、互操作验证测试共性关键技术，实现工业物联网实验验证测试平台。

  （2）工业互联网新型通信协议

  开展时间敏感网络、确定性网络、低功耗工业无线网络等新型网络互联技术研究，以及5G、软件定义网络 等技术在工业互联网中的应用研究。

  研究方向三:  工业互联网大数据分析与微服务设计

  （1）工业互联网大数据分析技术

  研究智能制造企业数据空间的基础理论与模型，围绕生产流程优化、质量分析、设备预测性维护、智能排 产等应用场景，设计综合利用工业知识、机理、经验的数据分析算法，形成面向不同工业场景的工业数据分析 软件合具有深度学习功能的工业智能软件和解决方案。

建立创新的工业大数据分析基础理论和方法体系，将多源异构、海量混杂、时空演变的工业大数据化繁为简，从大数据中提炼出满足用户语义需求的信息情报和知识资源。

  （2）基于工业机理的工业互联网应用微服务

  现有工业智能化服务平台的主要问题是开发工具不足、行业算法和模型库缺失、模块化组件化能力较弱， 不能满足工业级应用需要。因此，需要研究将大量工业技术原理、行业知识、基础模型规则化、软件化、模块 化，将物理世界的工业机理转化为数字世界的算法和模型，并封装为可重复使用和灵活调用的微服务，形成封闭的“黑盒”供开发者调用。工业机理能够有效指导数据分析过程中的参数选择和算法选择，使其更加贴合工业生产特点。

  研究方向四:  感知数据驱动的工业互联网示范应用

  （1）机器人智能感知与示范应用

  实验室将与共建单位长泰机器人公司合作，从智能制造系统的本质特征出发，研究虚拟模型与实时传感器融合的机器人装配过程监测与控制技术，从数据层将各种不同采集标准、控制标准和接口标准进行通用化，实现机器人流水线制造单元的柔性智能化与基于网络的制造系统柔性智能化集成；从制造系统的功能角度，在监测生产过程、生产状态智能感知获取和故障诊断、检验装配中，从用户层实现生产过程的数据实时获取、分析与信息整合技术，建立工业机器人智能服务平台，进而实现智能制造车间的应用示范。

  (2)智慧矿山标准与示范工程应用

  长沙有色院对有色矿的工艺流程有深厚的技术积累，双方将基于工业互联网平台，优化工业流程、设计各环节的标准，体现智慧矿山的五个特征：透彻感知、深度互联、高度共享、智能服务和可视化展现，结合智慧矿山信息化建设的目标对智慧矿山信息化的总体架构进行研究，实现全方位地感知人员、设备、环境和灾害，体现智慧矿山透彻感知特征。根据工业流程，研究设计互联控制层的标准，建立统一的数据库云平台，体现智慧矿山深度互联特征，以实现感知层和数据层的连通。