2025年10月30日下午，一场主题为《脉冲神经网络技术的探讨》的学术讲座在至善211会议室举行。讲座由李彦霞副院长主持，她在开场致辞中对雷勇涛教授的分享表示期待，并指出本次讲座紧贴人工智能与智能制造的前沿方向，对提升学院科研水平和学术氛围具有重要意义。

李彦霞副院长作讲座开场

雷勇涛教授以“神经网络技术在工业自动化与智能控制中的应用”为核心，围绕中国智能制造的优势、神经网络控制器技术特点、算法优化实践与产业转化前景展开深入分析，为在场教师带来了一场高水平的学术讲座。

中国智能制造的优势与科研导向

雷教授指出，中国在智能制造领域具有全球领先优势。在目前全球约200家先进制造工厂中，中国占据近70家，特别是粤港澳大湾区制造业集聚、产业链完善，智能工厂和“黑灯工厂”广泛分布，展示出强大的技术应用能力。他强调，科研工作的最终目标在于成果转化，科技创新不仅要追求理论突破，更应服务国家战略，将研究成果转化为现实生产力。

神经网络技术的核心价值

讲座中，雷教授系统讲解了神经网络的基本原理与在智能控制中的应用。他指出，神经网络以数据驱动为核心，能够在复杂系统中实现自适应控制、模糊推理和故障诊断，是智能系统的关键驱动力。当前，模糊控制与神经网络的融合成为趋势，自组织模糊神经控制系统（如S螺西系统）可显著提高控制精度和系统稳定性。结合实验台数据采集、在线监测与传感技术，可实现对执行器、阀门等设备的高精度控制，提升工业自动化水平。

雷勇涛教授作讲座分享

算法优化与结构设计的重要性

雷教授指出，神经网络模型的开发是多学科融合的结果，需要数学、计算机与工程等领域协同推进。模型设计必须综合考虑算力需求、样本质量及过度拟合风险，才能实现性能与稳定性的平衡。他介绍了不同网络结构的特点：单层网络结构简单但功能有限，深层结构则具备更强的特征提取与表达能力。基于RBX算法的神经网络在故障检测与预测性维护中表现突出，为工业系统智能化提供了有力支撑。

人工智能赋能产业转型

在谈及AI技术应用时，雷教授指出，随着大模型的兴起，算力和数据需求迅速增加，但同时也带来了能耗高、依赖数据过强等问题。未来应重视轻量化与本地化适配，使AI算法更高效、更具可控性。他认为，神经网络在实时故障检测、设备健康管理和服务控制中的潜力巨大，但仍需提升鲁棒性与实时性，以满足工业应用需求。

雷教授还提到，人工智能正在超越传统的模糊逻辑控制。相比之下，神经网络控制响应更快、效率更高，已成为工业智能升级的重要方向。目前，华为、百度等龙头企业正加大投入，推动AI在制造业和服务业的落地应用；同时，高校与企业的产学研合作不断深化，为AI技术创新与成果转化提供坚实基础。

展望未来：青年科研力量的重要作用

讲座的最后，雷教授寄语青年科研工作者要立足前沿、勇于创新。他表示，人工智能正处于引领第四次工业革命的关键阶段，中国具备强大的产业基础和广阔的应用场景，有望在未来三年内实现关键突破，迎来智能制造的高速发展期。

此次讲座内容丰富、观点前瞻，不仅加深了教师对脉冲神经网络技术的理解，也为学院科研创新与产学研融合提供了新思路。教师们纷纷表示收获颇丰，期待未来能有更多此类高水平学术交流活动，助力人工智能与智能制造领域的持续发展。（图文/ 智能制造工程学院陈俏均）