123-自动化学院
学术动态
  自动化学术论坛[2022第1…
  自动化学术论坛[2022第1…
  自动化学术论坛[2022第1…
  自动化学术论坛[2022第1…
  自动化学术论坛[2022第9…
  自动化学术论坛[2022第9…
  自动化学术论坛[2022第9…
  自动化学术论坛[2022第8…
  自动化学术论坛[2022第8…
  自动化学术论坛[2022第8…
 
自动化学术论坛[2022第91-96期]:“复杂系统先进控制与智能自动化”秋季国际学术研讨会

(一)

陈谋-南航报告时间:1110日(星期四)09:00-09:30

报告地点:信息楼自动化学院310报告厅、腾讯会议(ID: 700-3480-7588

  人:陈谋教授,南京航空航天大学

报告题目:人工智能时代无人机决策与控制关键技术

内容简介:无人机作为新一代信息化战争的新兴力量和武器装备体系的重要组成部分,在未来空战中的地位与作用不断提升,受到了各大军事强国的广泛关注。自主决策与控制是无人机有效完成任务和提升自身生存率的重要技术之一。本报告主要从人工智能对提升无人机自主能力所发挥的重要作用,多源信息自主融合技术、单体无人机智能决策与飞行控制技术、多无人机智能协同决策与协同飞行控制技术等方面所涉及的挑战问题进行了展望,并给出了一些未来研究方向和已取得的部分研究成果。

报告人简介:陈谋,博士,教授、博士生导师,享受国务院政府津贴。2018年国家自然科学基金杰出青年基金获得者、2019年国家“百千万”人才工程入选者。先后在南京航空航天大学获学士与博士学位,并先后在英国拉夫堡大学、新加坡国立大学和澳大利亚阿德莱德大学做访问或博士后研究。目前担任SCI收录英文期刊《IEEE Transactions on Systems, Man, and Cybernetics: Systems》、《Neurocomputing》、《Chinese Journal of Aeronautics》等编委、《自动化学报》、《中国科学.信息科学》、《控制理论与应用》、《南京航空航天大学学报》等编委等。同时担任教育部高等学校教学指导委员会兵器类委员、中国人工智能学会智能空天专业委员会副主任委员、中国指挥与控制学会群集智能与协同控制专业委员会副主任委员、自动化学会信息物理系统控制与决策专业委员会副主任等。先后获国家自然科学二等奖1(排名第二)、江苏省科学技术奖一等奖1(排名第一)、获国防科技进步二等奖2(排名第一),申请授权发明专利30余项。出版中英文专著3部,发表学术论文200余篇。

(二)

报告时间:1110日(星期四)09:30-10:00

报告地点:信息楼自动化学院310报告厅、腾讯会议(ID: 700-3480-7588

  人:李鸿一,广东工业大学教授

报告题目:基于人在回路的多智能体系统协同控制

内容简介:近年来,多智能体系统协同控制已经成为人工智能领域和控制领域的热点研究方向,多智能体系统协同控制主要包括一致性控制、包含控制、编队控制等,被广泛应用于航天航空系统、电力系统、多机器人系统、多无人机系统等领域。然而,人工智能技术并不成熟,完全自主的机器还不完善。传统的自主控制系统往往排除了人的干预,但当它们面对未知的复杂工况时,很容易出现决策风险或使系统失控,造成事故。因此,研究基于人在回路的多智能体系统协同控制问题是非常有必要的。操作人员参与到多智能体系统协同控制中,通过物理设备获取周边环境的信息和系统发出的各种信息,经过大脑的思考和分析,做出决策对系统进行下一步的控制,通过直接控制领导者,间接影响跟随者,人的存在有利于整个多智能体群更好地完成任务,提高了系统的可靠性和安全性。本报告分为三个部分:首先,主要汇报人在回路控制的研究背景和多个应用实例;然后,介绍我们在基于人在回路的多智能体系统协同控制方面做出的一些研究工作;最后,总结本次汇报主要工作内容,并对未来研究工作进行展望。

报告人简介:李鸿一,广东工业大学教授、博士生导师、国家高层次人才特殊支持计划科技创新领军人才、国家优秀青年科学基金获得者、教育部新世纪优秀人才。担任IEEE Trans. Neural Network and Learning SystemsIEEE Trans. Fuzzy SystemsIEEE Trans. Systems, Man and Cybernetics: SystemsIEEE Trans. Cognitive and Developmental SystemsJournal of Systems Science and Complexity、《中国科学:信息科学》(中英文版)与《自动化学报》(中英文版)等10余个期刊编委,以及中国自动化学会控制理论专业委员会委员、信息物理系统控制与决策专业委员会委员以及青年工作委员会副主任委员。主要从事智能控制、协同控制及其应用等方面的研究。主持国家自然科学基金重点项目、优秀青年科学基金项目等国家和省部级项目10余项;发表AutomaticaIEEE汇刊论文100余篇;获省部级自然科学一等奖与二等奖3项、IEEE SMC学会Andrew P. Sage最佳汇刊论文奖2项、国际会议最佳论文奖、省级优秀硕士学位论文指导教师、IEEE TNNLSIEEE/CAA JAS以及《中国科学:信息科学》最佳编委等荣誉。

(三)

报告时间:1110日(星期四)10:00-10:30

报告地点:信息楼自动化学院310报告厅、腾讯会议(ID: 700-3480-7588

  人:薛文超,中国科学院数学与系统科学研究院副研究员

报告题目:一类不确定系统的扩张状态滤波算法

内容简介:卡尔曼型滤波是解决系统状态估计问题的重要方法。本报告首先针对一类具有非线性不确定动态及扰动的系统,给出了系统可观的条件以及扩张状态卡尔曼滤波的设计方法及一些典型应用。在未知动态和随机性噪声同时存在下,证明了滤波算法的稳定性以及一致性(实时提供滤波误差协方差阵的上界),同时证明了在一定条件下的渐近最优性。最后给出了传感器网络下的分布式扩张状态卡尔曼滤波算法,分布式零偏补偿卡尔曼滤波算法,以及它们的稳定性及一致性结果。

报告人简介:薛文超,中科院数学与系统科学研究院副研究员,博士生导师。2007年于南开大学获学士学位,2012于中科院数学与系统科学研究院获博士学位。研究领域主要包括非线性不确定系统的控制与滤波,分布式估计,飞行器系统控制等,并致力于实际系统控制与状态估计中基础理论问题的提炼与解决。主持国家基金委优秀青年基金项目,装发基础研究项目课题,科技委国创特区课题。获DDCLS 2018CCC 2019等多个国际会议的优秀论文奖。入选中国科协青年人才托举工程、中国科学院青年创新促进会会员、人工智能青年科学家俱乐部(青源会)会员。目前担任IFAC Journal of Control Engineering Practice, 《系统科学与数学》等杂志编委;担任中国仿真学会理事,中国自动化学会控制理论专委会副秘书长,中国指控学会自抗扰控制专委会。获2020年度军队科学技术奖一等奖(排名第2)。

(四)

报告时间:1110日(星期四)10:50-11:20

报告地点:信息楼自动化学院310报告厅、Zoom会议(ID: 840-5070-6930, 会议密码:666666

  人:王殿辉教授,中国矿业大学、澳大利亚La Trobe大学

报告题目:面向复杂工业数据建模与预测分析的随机配置机器学习理论 

内容简介:报告分为两个部分:

1)基于我们前期在随机算法方面的研究工作,介绍可配置深度学习理论框架和系列随机学习算法,重点介绍构建随机学习模型的约束条件和意义。阐述随机配置学习算法的优点,如可以克服误差反传(Error Back-Propagation) 对激发函数可导性的限制,并从数学上严格证明了该算法训练得到的学习模型具有零学习误差性质(即保证算法的万有逼近能力)。

2)复杂工业数据建模技术是工业智能技术与数据分析的核心,对智能传感、智能控制、智能感知系统的研发具有重要意义。在很多工程应用中,我们需要在计算资源受限的情况下实现高精度、实时预测。目前的深度学习技术无论在理论基础方面还是在工业应用方面都存在一些难以克服的瓶颈问题。结合因果关系不确定的复杂动态系统建模问题特点,通过工业数据建模实例讨论工业数据建模技术中需要解决的问题以及它们与深度随机配置网络学习模型之间的关系。

报告人简介:王殿辉,19953月毕业于东北大学工业自动化专业获工学博士学位,19959-19978月在新加坡南洋理工大学做博士后研究工作,19986月至20016月在香港理工大学计算学系做数据挖掘方面研究工作,20017-202012月在澳大利亚La Trobe大学计算机科学与信息技术系,从事人工智能方面的教学与科研工作。自2017年以来,王殿辉教授是东北大学国家流程工业综合自动化重点实验室特聘教授、博士生导师, 20217月全职加盟中国矿业大学人工智能研究院,12月被任命为中国矿业大学人工智能研究院首任院长,2022年创建随机配置机器学习研究中心并任主任。王殿辉教授早年师从谢绪恺教授(硕士)和中国工程学院院士柴天佑教授(博士)。硕士阶段研究成果发表在控制领域国际权威杂志TAC, Automatica 5篇。从92年攻读博士学位开始,长期致力于使用人工神经网络工具进行复杂工业动态系统建模问题的研究,于2017年创建深度随机配置机器学习理论。目前这一随机学习模型在学术界和工业界都得到了广泛认同并正在产生积极影响。王殿辉教授是国家特聘专家、Industrial Artificial Intelligence (工业人工智能, Springer出版社) 创刊人、执行主编,IEEE Transactions on Fuzzy Systems, IEEE Transactions on Cybernetics, Information Sciences, Artificial Intelligence Review等知名国际学术期刊副主编,目前承担科技部《2030人工智能基础》重大项目研究(课题负责人),发表学术文章240余篇,编辑Springer Lecture Notes一部,在Information Sciences 编辑随机学习算法、工业人工智能方面特刊4卷。

(五)

报告时间:1110日(星期四)11:20-11:50

报告地点:信息楼自动化学院310报告厅、Zoom会议(ID: 840-5070-6930, 会议密码:666666

  人:李祖奎,加拿大阿尔伯塔大学副教授

报告题目:Joint Chance-constrained Stochastic Model Predictive Control (SMPC) Using Recurrent Neural Network

内容简介:Model predictive control (MPC) is an advanced control methodology that has received many attentions in the industry. Stochastic MPC (SMPC) is a popular strategy to cope with MPC problems under stochastic disturbances. However, it faces the challenges of nonconvexity and feasibility quantification due to the probabilistic nature of the constraints. A novel recurrent neural network (RNN)-based approach is proposed in this work to handle the joint chance-constrained stochastic model predictive control (SMPC) problem. In the proposed approach, the joint chance constraint (JCC) is first reformulated as a quantile-based inequality to reduce the complexity in approximation. Then, the quantile function (QF) in the quantile-based inequality is replaced by the empirical QF and is further approximated via an RNN-based surrogate model, which is embedded into the SMPC problem formulation to predict quantile values at different sampling instants. By employing the RNN-based appro-ximation, the SMPC problem is converted to a deterministic nonlinear optimization problem. The proposed approach is applied to a hydrodesulphurisation process to demonstrate its efficiency in solving practical SMPC problems.

报告人简介:Zukui Li is an Associate Professor in the Department of Chemical and Materials Engineering at University of Alberta in Canada. He holds a Bachelor’s degree in Automatic Control and a Master’s degree in Control Theory and Control Engineering from the University of Science and Technology of China. He received his Ph.D. in Chemical Engineering from Rutgers University. He was a postdoctoral research associate at Princeton University before joining the University of Alberta as an Assistant Professor. His research areas include mathematical optimization, systems engineering, process control, and machine learning. He has published around 100 papers. He is an active member of several systems and control communities, including IFAC Technical Committee on Mining, Mineral and Metal Processing, the CAST division of American Institute of Chemical Engineers (AIChE) and the System and Control Division of Canadian Society of Chemical Engineering (CSChE). He severed as an organization committee member for a few international conferences, including the IFAC International Symposium on Advanced Control of Chemical Processes (ADCHEM), the International Symposium on Advanced Control of Industrial Processes (AdCONIP), and the International Symposium on Process Systems Engineering (PSE).

(六)

A picture containing person, person, wall, necktieDescription automatically generated报告时间:1110日(星期四)16:20-16:50

报告地点:信息楼自动化学院310报告厅、Zoom会议(ID: 840-5070-6930,会议密码:666666

  人:石碰教授,澳大利亚阿德莱德大学

报告题目:Cyber-physical Systems: Analysis and Design

内容简介:Cyber-physical systems (CPSs) are the mechanisms controlled or monitored by computer-based algorithms, tightly integrated with the internet and its users. CPSs are the central research topic in the era of Industrial 4.0 and continue to be in the forthcoming Industrial 5.0. Undergoing an ever-enriching cognitive process, CPSs deeply integrates control, communication, computation, cloud and cognition, which makes the systems more vulnerable to cyberattack. In this talk, we will review some basic knowledge with respect to the concepts, history, and some viewpoints on CPS security. Some commonly appeared malicious threats will be presented and analyzed.

报告人简介:Peng Shi received the PhD degree in Electrical Engineering from the University of Newcastle, Australia, the PhD degree in Mathematics from the University of South Australia, the Doctor of Science degree from the University of Glamorgan, UK, and the Doctor of Engineering degree from the University of Adelaide, Australia. He is now a Professor at the School of Electrical and Electronic Engineering, and the Director of Advanced Unmanned Systems Laboratory, at the University of Adelaide, Australia. His research interests include systems and control theory and applications to autonomous and robotic systems, cyber-physical systems, and multi-agent systems. He has received a number of awards and recognitions, including the MA Sargent Medal Award from Engineers Australia in 2022, and the acknowledgement of the Life-time Achiever Leaderboard in Engineering and Information Technology from The Australian. Currently he serves as the Editor-in-Chief of IEEE Transactions on Cybernetics, and senior editorial roles in some journals, including the Co-Editor of Australian Journal of Electrical and Electronics Engineering, and a Senior Editor of IEEE Access. His professional services also include as the President of the International Academy for Systems and Cybernetic Sciences, the Vice President of IEEE SMC Society, and IEEE Distinguished Lecturer. He is a Fellow of IEEE, IET, IEAust and CAA, a Member of the Academy of Europe, and an Honorary Member of the Romanian Academy of Scientists.