一、个人简介

马向华，中共党员，工学博士，教授，硕士生导师，英国西英格兰大学联合博士生导师。长期从事智能控制、机器人与工业人工智能等方面的教学与科研工作。研究兴趣主要包括：智能控制与协同优化、机器人与无人化装备、计算机视觉及其应用技术等。擅长智能物流系统研发与产业化，核心聚焦起重机无人化关键技术—防摇定位控制、AGV路径规划以及产线的自动化升级改造以及AI视觉质检。具备从单机智能控制到系统集成落地的全链条技术能力；依托产学研深度融合优势，擅长将前沿算法快速转化为工业级解决方案，推动传统装备和产线向智能化、无人化转型。

归属学科专业：控制科学与工程

二、主要学习与工作经历

2002—2006：上海交通大学，控制理论与控制工程，博士

1999—2002：兰州理工大学，电机电器及其控制，学士

1994—1998： 兰州理工大学，电力电子与电力传动 硕士

2006—至今：上海应用技术大学，智能技术学部，教师

2012—2013：英国谢菲尔德大学，自动控制与系统工程系访问学者

三、主要科研工作与成绩

3.1 教学与教学改革

主讲《自动控制原理》《现代控制理论》《过程控制工程》等核心课程，并率先开展全英语教学实践。主持教育部产学合作协同育人项目、教育部高等学校自动化专业教学指导委员会课题及课程思政课题共计14项，主讲的《自动控制原理》课程于2023年获批国家级一流本科课程。曾获上海市教学成果一等奖、校级教学成就奖特等奖和二等奖各1项，2023年获校教学成就一等奖（卓越课堂教学，学生评教前5%且督导听课全A）。荣获2021年度上海市教育系统三八红旗手称号。先后赴英国谢菲尔德大学和澳大利亚昆士兰科技大学访学研修，持续开展控制专业前沿研究和国际课程师资培训，将国际先进教育理念融入课堂教学。

3.2 科研项目与成果

1）科研项目

主持国家科技重大专项子课题、国家重点研发计划重点专项子课题等纵向项目5项，承担企业横向科研课题50余项。研究工作紧扣焦化装备、起重装备与产线智能化改造的产业需求。列举10项代表性科研项目：

（1）国家科技重大专项“高档数控机床与基础制造装备”课题：防空导弹制导系统核心部件精密加工用国产高档数控机床应用验证(编号：2019ZX04026001)，2019.1—2020.12

（2）国家重点研发计划“制造基础技术与关键部件”重点专项课题：面向大数据的高端轴承状态监测与健康管理技(编号：2020YFB200770)，2020.10—2023.9

（3）上海市科学技术委员会科研计划项目：基于5G网络的8K视频应用技术研究(编号：19511103402)，2019.9—2021.8

（4）上海市科学技术委员会科研计划项目：充电桩碳减排量智能核算算法研究(编号：18511103903)，2018.7—2020.6

（5）上海科促会联盟计划项目：长臂七轴机器人控制系统开发，2017.7—2018.6

（6）上海申驰实业股份有限公司：汽车安全带支架视觉质检系统开发，2025.8—2028.12

（7）上海洋明塑料科技有限公司：化妆品瓶体自动上下料及缺陷视觉检测系统开发，2025.4—2026.4

（8）上海航天控制技术研究所：基于图像处理的高可靠鸥翼型引脚印焊点质量检查技术研究，2024.3—2024.6

（9）大连华锐重工集团股份有限公司：基于RFID和磁敏感应技术的炉号识别自动定位系统开发，2016.10—2017.5

（10）上海电气电力电子有限公司：动态电压调节器（AVC）控制软件委托开发及技术服务，2022.11-2023.12

2） 科研成果

近年来，在IEEE Transactions on Systems, Man, and Cybernetics: Systems、Sensors、Applied Sciences、International Journal of Intelligent Systems等国内外权威期刊及国际会议上发表学术论文100余篇，其中SCI/EI收录65篇。获授权专利23项，其中发明专利19项、实用新型专利4项。相关成果获中国自动化学会科技进步二等奖、中国机械工业学会科技进步二等奖、上海产学研合作优秀项目奖二等奖等奖项。

四、主要社会学术团体兼职

上海自动化学会理事、全国研究生教育评估监测专家库专家、上海市科技专家库专家、上海市教育评估协会专家库专家、教育部产学合作协同育人项目专家、上海技术交易所专家智库专家、中国国际科技促进会行业专家、上海中学生科创大赛评审专家等。

五、主要研究方向

（1）智能控制与协同优化：面向复杂工业装备开展高精度运动控制、欠驱动系统控制与协同优化研究，重点研究桥式起重机防摇与定位控制。

（2）机器人与无人化装备：围绕起重机无人化、自动导引车（AGV）及移动机器人，研究环境感知、路径规划、避障与自主运行等关键技术。

（3）计算机视觉及应用技术研究：面向工业现场的目标识别、定位和质量检测需求，开展智能感知、图像识别以及深度学习等研究。

六、联系方式

办公室：行政楼220

Email地址：xhuam@sit.edu.cn