中山市智能系统与自动化（中山学院）工程技术研究中心立足于区域经济发展需要，研究智能系统设计与控制、机器人智能控制技术、自动化技术在装备制造、工业工程等领域的应用。目标市场是：为装备制造业、工程企业的信息化、智能化技术改造、设备转型升级提供关键技术和工程咨询服务；为企业提供成熟配套的技术装备；应用工程中心的实验设备和技术为企业产品开发提供测试和评价；为行业提供技术培训及专业人才储备。本工程中心拟在智能检测与机器人智能控制技术方面开展深入研究与产学研合作，打造一个技术先进、集科研开发与人才培养为一体、扶持区域企业发展的创新支撑平台。工程中心自组建以来，逐步形成了“机器视觉与智能检测”、“复杂系统智能控制”、“机器人与智能装备”三个主要的研究团队和方向：

（1）机器视觉与智能检测

① 基于机器视觉的在线智能检测

研究模式识别、人工智能技术在工业检测中的应用，通过图像采集、模板匹配、边缘检测、特征提取、人工神经网络、深度学习等技术，实现生产线上机械零部件、电路板、日用注塑件等产品的条码识别、外观分类、尺寸测量、缺陷检测等应用；通过嵌入式图像处理、支持向量机等技术，对注塑模具残留物在线检测，实现模具保护。

② 基于双目视觉、结构光的3D智能测量

研究基于双目视觉、结构光的3D智能检测技术，实现对目标物体3D形状的精确测量，可应用于工业生产中对目标物体进行尺寸、体积测量；结合工业机器人，实现对目标进行精确识别、定位、分拣；采用深度神经网络进行样本学习，实现医疗影像处理、商品识别、图形读取等功能。

③ 基于深度学习与机器视觉的缺陷检测技术

研发深度学习与机器视觉技术结合的缺陷检测技术。缺陷检测被广泛使用于工件表面质量检测、工业制造等领域。融合深度学习和机器视觉技术，实现对对特征不明显的、形状多样等复杂场景的缺陷进行检测。

（2）复杂系统智能控制

① 移动机器人控制及诊断技术

针对复杂环境移动机器人故障诊断问题，提出了多种自适应粒子滤波方法，较好地解决了移动机器人软故障检测与补偿、不完备模型系统故障诊断、鲁棒航迹推算等难点问题，提高了机器人故障诊断的效率及精度。

② 工业机器人轨迹规划与跟踪控制

研究笛卡尔空间连续路径规划，通过对机器人运动学建模，对任意连续路径进行规划；探讨运动学约束下的多轴工业机器人的避障轨迹规划方法；同时将时间最优与能量最优相结合，对规划路径进行优化设计，从而得到高效节能的最优路径。研究工业机器人轨迹跟踪控制策略，考虑到系、统的不确定性和非线性影响，在控制系统中加入自适补应偿算法等智能控制方法，提高系统的抗干扰能力及稳定性，使其能准确地跟踪期望的轨迹。

③ 非线性系统自适应控制

研究基于扩展神经网络的非线性系统自适应控制方法。将已知的神经网络系统作为自适应控制设计研究的出发点，适当带有可调节参数的伸缩器和饱和器加载在神经网络系统的输入和输出端，用于约束神经网络系统的输入和输出范围，研究如何有效地利用这些已知的神经网络系统产生新的扩展神经网络系统，通过调节伸缩器和饱和参数以及神经网络系统的逼近精度达到神经网络自适应控制设计的目的，以提高非线性系统自适应控制的鲁棒性。

（3）机器人与智能装备

① 人机协作机器人及模块化关节

消费电子产品生产工艺复杂，精度要求非常高，且更新换代周期短，要求生产线随时可进行工艺改进。通过研发新型的具有柔性系统及高精度的人机协作机器人，采用模块化的关节及可视化编程界面，可使机器人的设置得到大大的简化，能够快速适应新的生产工艺，可满足行业不同的生产环境。

② 开放性模块化的控制系统

研究微处理架构形式，探寻适合目前大多数多轴工业机器人工作的开放式结构。硬软件架构采用模块化设计方法，包括主控模块、算法处理模块、反馈信号接收模块、脉冲信号发送模块、人机交互模块、数据存储模块、电源模块、通信模块等部分；对于需要完成的复杂、精细的作业任务，控制器能够快速、可靠的规划和任务分解，实现各子任务的并行处理。

③ 人工智能与自动化装备集成应用

研究机器视觉与工业机器人、自动化装备技术结合，围绕地方产业需求，开发工业自动化生产线，智能制造与检测装备，有效提升企业的生产效率，实现产业的转型升级；研究商用服务人工智能技术，开发车辆智能加油机器人、智能炒菜机器人等公共服务智能装备。