智能计算是当前人工智能领域最为重要和核心的研究内容之一。本研究方向紧跟国内外智能计算领域的发展前沿，主要研究非线性动力系统的行为、神经网络模型与算法、粗糙集理论，以及它们在工业产品质量控制和工业大系统在线优化等领域的应用。

本研究方向的主要特色是以实际工程问题为背景，注重理论研究和实际应用紧密结合，在理论与应用研究方面均取得了一批可喜的成果。尤其是在利用神经网络技术解决钢铁企业的热轧钢产品质量的控制方面处于国内领先水平。

本研究方向的主要学术骨干，在国家863高科技计划项目"基于数据挖掘的工业产品质量控制"、上海宝钢集团重大科研项目"KDD在热链轧产品质量控制中的应用"、山西省留学基金项目"非线性动力系统的计算反演及反映"、山西省自然科学基金"基于数据挖掘技术的冶金产品质量控制"等一批课题的资助下，针对钢铁企业产品质量控制的实际需求，建立了基于高维输入BP神经网络的生产线产品质量模型、基于BP神经网络的生产线的逆质量模型和质量控制模型、基于模糊神经网络的生产线产品质量模型等，提出神经网络的两阶段优化算法、基于矩型函数系的模糊神经网络优化算法等相关的算法。采用非线性动力系统理论的相关工具方法，研究与验证了相关模型的稳定性、收敛性、鲁棒性等系统的相关行为，为模型的具体应用提供了可行性、可靠性等方面的保证。在粗糙集理论方面，对基于粗糙集的数据库技术及应用进行了系统的研究。在完善粗糙关系数据库（RRDB）的粗糙关系操作算子基础上，提出了粗糙分解算子；在粗糙关系数据库的数据查询方面，提出了相应的分解原理及查询原理；在分析粗糙函数依赖基本定义的基础上，提出了冗余因子的概念，用于研究粗糙函数依赖的推理规则。

60余篇学术论文发表在《J.Comput.Anal.Appl》、《Math.and Comp.in Simulation》、《Rough Sets and Current Ttends in Computing》LNAI 3066)、《Rough Sets》、《Fuzzys》、《Data Mining and Granular Computing》(LNAI 2639)、《计算机学报》、《自动化学报》、《模式识别与人工智能》、《小型微型计算机系统》、《系统工程理论与实践》、《计算机科学》等国内外重要学术期刊上,其中被SCI收录10篇,EI收录15篇,出版专著2部,教材1部。部分研究成果在上海宝钢集团热链轧产品质量控制中得到了应用，取得了良好的效果和明显的经济效益。

本研究方向的研究成果，对于解决工业产品质量控制、新产品及新工艺的设计提供了新的智能化思想方法，对提高工业产品的质量、产品工艺设计等方面具有重要的实用价值，进而有利于提高企业的竞争力和经济效益。