中心定位：

研究中心以工程应用为导向，分析油气数据之间的关联关系，对数据模式进行匹配和识别，研究智能控制中数据挖掘和智能控制方法。

团队介绍：

模式识别与油气智能控制研究中心现有教授4人，副教授9人，讲师6人。依托“网络化与智能控制”省级重点实验室和“模式识别与智能系统”省级领军人才梯队，以“全面感知、自动操控、智能预测、持续优化”能力为引导，结合油气田地面站场的管控特点，形成一支涵盖中青年教师为主体，硕士、博士学位结构合理的研究团队。

研究方向：

1）多传感器数据融合

以检测技术和自动化装置为依托，将各种传感器进行多层次、多空间的信息互补和优化组合处理，最终产生对观测环境的一致性解释。充分利用多传感器的数据源进行合理支配与使用，最终目标是基于各传感器获得的分离观测信息，通过对信息多级别、多方面组合导出更多有用信息。这不仅是利用了多个传感器相互协同操作的优势，而且也综合处理了其它信息源的数据来提高整个传感器系统的智能化。

2）数据模式识别

通过多种模型的相机标定为基础，以可行的图像处理与计算机视觉为依托，构建数据的模式识别体系，深化操作和管理层面“数字化、自动化、智能化”，提升地面站场智能化能力。

3）智能优化与诊断融合的控制

以油气系统为背景，对于地面集输系统中复杂设备及管网进行智能优化控制，提升多设备间的协调性和控制效率。为提高系统故障的诊断精度，将多传感器的信息融合技术应用于故障诊断系统，并在一定程度上获得精确的状态估计，从而能改善检测性能，增加诊断结果的置信度。

未来研究方向：

充分发挥学校的地域优势，针对油田面临的各类问题，重点在以下几个方面进行攻关：

1)油气田地面站场自动巡检。结合无人机、无人车和遥感卫星等形成空天地一体化的自动智能巡检模式，构建将人工智能算法与模式识别算法的有效融合，达到数据充分利用的目的。

2)油气田智慧地面站场数字孪生。构建实际模型的虚拟体，以数据的实时传输为依托，对油田地面站场设备的故障进行评估和寿命进行预测。

主要成果：

近五年承担国家及省级项目19项，深度主持和参与油田横向课题20余项，发表论文150余篇，出版著作3部；授权发明专利35项，软件著作权20余项。获得省自然科学一等奖等省部级奖励7项。