團隊核心成員來自劍橋大學、華中科技大學、清華大學、上海交通大學等國內外名校，其中教授、高級工程師 10 余人，碩博工程師 50 余人.團隊兼具工業物理建模、AI 算法研發、工業軟件工程化能力，形成 “學術引領 + 技術落地” 的復合型人才梯隊。

首席科學家：

袁燁，華中科技大學人工智能與自動化學院教授、博導，國家特聘專家。2008年獲得上海交通大學學士學位，2009和2012年分別在劍橋大學獲得碩士，博士學位，2012至2016年分任劍橋大學博士后、達爾文學院Fellow、加州大學伯克利分校博士后。從事物理AI系統建模優化理論及其在工程應用的研究，主持國家自然科學基金青A，重大研究計劃（重點項目、集成項目課題）、科技部重點研發計劃課題等國家級項目。以第一作者或者通信作者發表Nature Machine Intelligence等期刊論文50余篇。牽頭獲得2022年湖北省自然科學一等獎、2020年華科重大學術進展、2020年IEEE信息物理系統技術委員會青年科學家提名獎、華科"青年五四獎章"（抗疫類）等獎勵。

所長：

張永 教授/博導、武漢市“黃鶴英才”、華中科技大學人工智能與自動化學院博士、英國布魯奈爾大學訪問學者。中國自動化學會故障診斷與安全性專業委員會委員、大數據專委會委員、湖北省自動化學會理事。近20年主要從事裝備智能運維和大模型知識服務研發和實踐，在IEEE Trans.、中國科學、自動化學報等人工智能領域的一流期刊上發表科技論文80 余篇，授權國家發明專利20余項，主持3項國家自然科學基金項目，榮獲2023年商業聯合聯合會科技進步一等獎（排名第一），研發成果形成了智能裝備和工業軟件，廣泛應用在航空、船舶、智能制造等場景。

副所長：

金駿陽，劍橋大學博士，工業人工智能領域 “物理原生 AI” 方向的青年科學家，在Automatica等期刊發表論文10余篇，授權發明專欄10余項。最近10年來，聚焦物理原生 AI、工業智能預測與優化、設備健康管理（PHM）、工業知識圖譜構建技術研發及產業化。

圍繞智能制造各環節需求，開發模塊化、可定制的工業軟件矩陣，形成從研發到服務的全流程工具鏈。

1、研發階段：逆向機理建模與仿真平臺

開發工業產品逆向建模軟件，支持從物理樣機到數字模型的快速轉化，結合仿真算法預測產品性能，縮短新品研發周期。構建工藝仿真優化軟件，針對高溫擠推、焊接、鍛造等復雜工藝，模擬不同參數下的生產過程，輸出最優工藝方案。

2、加工階段：多參數智能調控與質量監控系統

研發加工過程智能控制軟件，實時采集溫度、壓力、變形量等數據，動態調整設備運行參數，保障產品一致性，降低缺陷率。開發在線質量檢測軟件，融合視覺、超聲等多模態檢測數據，實現加工缺陷的實時識別與根源追溯。

3、運維階段：設備健康評估與預測性維護套件

開發設備健康管理軟件，基于傳感器數據與機理模型，實現設備剩余壽命預測、故障預警與維護方案自動生成。構建備件庫存優化軟件，結合設備運維數據與生產計劃，動態調整備件庫存水平，降低運維成本。

4、知識服務階段：工業知識圖譜與智能問答系統

構建工業知識圖譜，整合工藝手冊、故障案例、學術論文等碎片化知識，實現知識的結構化存儲與關聯檢索。研發自然語言交互的智能問答系統，為企業提供工藝咨詢、故障診斷、合規查詢等知識服務，降低對資深專家的依賴。

成果一：高溫擠推軟硬一體化智能控制系統

高溫擠推是金屬塑性加工的關鍵工藝，廣泛應用于航空航天、軍工、汽車、軌道交通等高端制造領域，其以高溫環境下的模具壓力迫使金屬坯料塑性變形，獲得目標形狀與性能。但受工藝復雜性、工況波動性、人工依賴性等因素影響，傳統高溫擠推工序存在產品質量穩定性差、生產效率低、工藝調試周期長、資源消耗大、人工依賴性強等痛點。

數據分析與工業軟件團隊面向光纖高溫推擠工序“外徑易突變、人工盯盤強依賴、控制滯后”的現場痛點，構建了“預測模型 + 模型預測控制”的一體化智能控制方案，將傳統“超限報警—人工補救”的被動模式升級為“趨勢預測—提前干預”的主動控制。關鍵技術通過本地化高頻數采與PLC寄存器統一映射，穩定實現10Hz高保真數據獲取，解決云端讀取1Hz、易丟包導致的“質與速”瓶頸，為閉環控制提供低延遲“感知神經”；采用深度學習技術進行時序預測建模，并在MPC框架下在線求解最優牽引/推擠速度控制量，實現對模口外徑波動的滾動預測與約束優化控制。

團隊將智能控制能力內嵌封裝為“開物”工業智能控制器，實現與推擠主機控制程序的穩定集成與一鍵切換，兼顧控制精度與現場可用性。該方案具備多產線復用與產品適配能力，以穩定的數據采集為底座、預測控制為核心，減少對“老師傅經驗”的單點依賴，提升質量一致性與生產魯棒性。該解決方案有望在航空航天/軍工領域的高精度難變形材料構件制造、汽車領域的輕量化結構件批量生產、船舶/海洋工程領域的大型厚壁構件成型等場景推廣應用。

成果二：工業大模型智能體知識服務系統

工業大模型智能體解決方案是工業大模型（領域知識與數據驅動）與智能體架構（感知-決策-執行-反饋閉環） 的融合體，具備自主理解工業場景、跨模態數據分析、動態決策優化、自主執行任務的核心能力，區別于傳統工業軟件的 “規則驅動” 和普通 AI 模型的 “單點任務” 局限。該系統打通 “數據-知識-決策-執行”的全鏈路壁壘，賦能研發、生產、運維等核心環節，應用領域覆蓋航空航天、軍工、汽車、裝備制造等工藝復雜、數據異構、需求嚴苛的行業。

自2017年以來，數據分析與工業軟件團隊深耕工業人工智能、數字孿生、大模型和知識服務領域，開發了AI專用算子庫“元理”“天工”，支持智能設計、生產智能調控和智能運維等場景。自2024年以來，團隊研發工業大模型智能體應用底層框架，并應用到裝備智能運維、工控代碼生成、工業系統調控和裝備使用模擬訓練等場景。工控代碼輔助生成場景，系統引入“工業代碼垂域大模型”，可理解開發者意圖，輔助生成標準化控制邏輯代碼，大幅降低編程門檻，減少人為錯誤，顯著提升開發效率與質量。設備智能運維場景，系統依托“健康評估模型”“故障診斷模型”及“長記憶”機制，實時分析運行數據預測潛在風險，故障發生時快速調取維修案例定位根因，實現從“救火式維修”到“預測性維護”的跨越。系統智能監測與控制場景，系統構建智能監控中心，通過“異常檢測”“趨勢預測”模型捕捉艦船等狀態波動，借助智能體流程引擎實現精準邊界管控，確保高價值裝備安全高效運行。裝備使用智能訓練場景，系統利用“裝備導師垂域大模型”打造虛擬化訓練環境，新員工可通過自然語言交互模擬極端工況操作，以“數字孿生”式訓練保護物理設備，加速技能轉化，解決人才培養周期長的痛點。該解決方案已在中車、中船和中核等場景應用，在高端裝備制造、流程工業、軍工航空、能源電力等知識密集型行業等具有較高的推廣價值。