2023信息科学与技术学院控制专题讲座

会议议程

时间：2023年7月10日13:30~17:10

地点：东华大学松江校区第三报告厅

议程：

报告信息

报告一：分布式连续非线性系统的异步Lebesgue近似模型

摘要：在现实世界中，大部分的实际物理过程本质上是时间连续的，而在很多应用中我们需要离散时间模型，特别是在数字化的工作环境中，如：基于模型的路径规划，模型预测控制。近似模型的精确性以及计算效率问题对于以模型为基础的方法来说至关重要。主要研究分布式异步的离散时间模型来近似分布式的连续时间非线性系统，其中的子系统间存在物理耦合且能够与邻居节点交换信息。构建了一个分布式的时间触发系统，该系统的状态轨迹与Lebesgue近似模型的轨迹一致。基于此，进一步给出了Lebesgue近似模型渐近稳定、近似误差有界、避免出现Zeno行为的条件。

主讲人：吴争光，浙江大学长聘教授，博士生导师，在2019年和2022年分别入选国家“万人计划”青年拔尖人才和领军人才。主要开展网络化系统与智能电网的研究工作。目前主持国家自然科学基金重点项目两项，浙江省杰出青年科学基金。2014—2021年连续八年入选Elsevier中国高被引学者榜单，2017—2021年连续五年入选Clarivate Analytics全球高被引科学家榜单。在IEEE系列汇刊和Automatica上发表（含录用）论文160余篇，2篇论文分别入选2013和2014年中国百篇最具影响国际学术论文。指导的学生两次获得中国自动化学会优秀博士学位论文奖。

报告二：复材缺陷无损检测的红外热成像特征分析方法

摘要：高效准确地发现碳纤维复合材料中的缺陷具有重要的研究意义和应用价值。红外热成像技术由于成本低、易于设置且能够快速检查大面积区域的优点，适合于碳纤维复合材料中的缺陷检测。针对当前红外热成像技术存在的图像不均匀背景严重、噪声干扰、直接检测效率和准确程度较低等不足，探索本质特征提取和分析的红外热成像无损检测方法，实现对碳纤维复合材料产品准确和高效的缺陷检测与评估，促进复合材料无损检测方法的发展。

主讲人：刘毅，博士，浙江工业大学教授、博导。中国自动化学会和中国人工智能学会多个专委会委员，Quantitative InfraRed Thermography Journal等期刊编委。致力于“工业数据智能建模与控制”领域的基础研究及应用。主持国家基金优青、面上、青年等项目。以第一/通讯作者在过程建模与控制领域国际知名期刊发表论文50余篇，授权多项国家发明专利。指导2名硕士获得浙江省优秀硕士学位论文。

报告三：面向海上风电的智能控制技术研究

摘要：我国能源战略要求更多的可再生能源进入电网。然而，当前的风电技术水平在满足未来在经济性，安全性等方面的要求时还面临很大的挑战。为了实现风能利用过程中的智能化和健壮性，本研究通过智能控制领域的最新理论进展，尝试提出一些新方法用于提高风电接入和调控等方面的效率和可靠性，希望能对我国下一代能源网络的实施提供一些新的工具。

主讲人：杨秦敏，浙江大学教授。在美国密苏里大学获电子工程博士学位。曾任Caterpillar公司高级系统工程师，康涅狄格大学助理研究员，理海大学访问研究教授，多伦多大学访问学者。先后主持自然科学基金联合重点、面上项目、科技部863课题、工信部智能制造课题等项目。现为IEEE高级会员，中国自动化学会ADPRL专委会副主任，控制理论专委会新能源学组秘书长，担任IEEE TNNLS，IEEE TSMC: Systems，TIMC等国内外期刊编委。曾获浙江省科技进步一等奖、自动化学会科技进步一等奖、自动化学会优博论文导师奖、浙江省万人计划领军人才等荣誉。

报告四：Distributed entropy filtering subjected to cyberattacks under non-Gauss environments

摘要：该报告介绍了非高斯环境下遭受网络攻击的离散时间随机系统的最大相关熵分布式滤波的研究。考虑的网络攻击包括拒绝服务攻击和欺骗攻击，所采用的最大相关熵准则的核函数涉及了柯西核函数和高斯核函数。类似于Kalman滤波器，提出的分布式滤波器结构分为预测步和更新步，且有效地融合来自邻居节点和节点本身的新息。基于定点迭代更新规则，得到与一组Riccati型方程相关的滤波器增益。此外，借助于Banach 不动点定理，证明了所提出的定点迭代算法是收敛的。最后，通过一些例子展示了所提出的分布式滤波算法的优越性。

主讲人：丁德锐，上海理工大学教授、博士生导师，IEEE高级会员，入选国家级优秀青年人才计划。目前，出版英文学术专著 1部，发表/接受发表SCI学术论文100余篇，其中自动控制领域顶级期刊TAC和Automatica论文12篇，获IEEE/CAA Journal of Automatica Sinica期刊Nobert Wiener Review Award, 2020年度和2022年度IEEE SMC学会Andrew P. Sage最佳汇刊论文奖。目前担任国际期刊IEEE Transactions on Industrial Informatics, IEEE/CAA Journal of Automatica Sinica, Neurocomputing 和 IET Control Theory & Applications 的副编辑。

报告五：仅依赖距离信息的追逃策略研究

摘要：追逃问题无人机围捕，机器人协同对抗，搜索救援等领域广受关注。我们借助连续随机博弈与马尔可夫决策过程，研究仅使用测量距离求解多对一追逃问题的最优策略。此问题中追捕群体仅领导者可测量与逃逸者间的相对距离，而逃逸者具有全局视野。在求解追捕策略时，通过环境分割引入信念区域状态以估计逃逸者位置，借助测量距离对其进行修正，构建基于信念区域状态的连续随机追博弈，并应用不动点定理证明博弈平稳纳什均衡策略的存在性。在求解逃逸策略时，逃逸者根据全局信息建立混合状态下的马尔可夫决策过程及相应的最优贝尔曼方程。同时，我们给出了一种基于深度强化学习的求解算法来计算双方的平稳追逃策略。

主讲人：冯宇，浙江工业大学教授、博导。入选教育部“青年长江学者”，浙江省“钱江学者”特聘教授，浙江省151工程第一层次，浙江省杰出青年科学基金获得者。2005年毕业于南京理工大学自动化专业，获学士学位。之后分别于2007年、2008年和2011年获得法国南特矿业大学(Ecole des Mines de Nantes)工程师学位(Diplôme d’Ingénieur)、法国南特中央理工大学(Ecole Centrale de Nantes)硕士学位和法国南特矿业大学博士学位。2012-2013年在加拿大温莎大学(University of Windsor)从事博士后研究。现阶段主要研究方向为网络化系统分析与设计、博弈与机器学习在决策问题中的应用、鲁棒与最优控制等。现任 IEEE CSS CEB 编委，IEEE CSS不确定系统专委会委员，中国自动化学会控制理论专委会网络化控制学组秘书长，中国指控学会智能博弈与兵棋推演专委会委员，浙江省信号处理学会理事，浙江省仪器仪表学会理事等职。

报告六：Neural network aided approximation and parameter inference of non-Markovian models of gene expression

摘要：Non-Markovian models of stochastic biochemical kinetics often incorporate explicit time delays to effectively model large numbers of intermediate biochemical processes. Analysis and simulation of these models, as well as the inference of their parameters from data, are fraught with difficulties because the dynamics depends on the system’s history. Here we use an artificial neural network to approximate the time-dependent distributions of non-Markovian models by the solutions of much simpler time-inhomogeneous Markovian models; the approximation does not increase the dimensionality of the model and simultaneously leads to inference of the kinetic parameters. The training of the neural network uses a relatively small set of noisy measurements generated by experimental data or stochastic simulations of the non-Markovian model. We show using a variety of models, where the delays stem from transcriptional processes and feedback control, that the Markovian models learnt by the neural network accurately reflect the stochastic dynamics across parameter space.

主讲人：曹志兴，华东理工大学教授、博士生导师，中组部青年千人计划入选者。2012年本科毕业于浙江大学控制科学与工程学系，2016年博士毕业于香港科技大学化学与生物分子工程学系，其先后于美国哈佛大学、英国爱丁堡大学担任博士后。研究领域包括机器学习、系统生物学的交叉研究，多次以一作和通讯作者身份在Nature Communications、美国科学院院刊PNAS等著名期刊发表研究结果，成果入选《国家自然科学基金委员会2021年度报告》资助成果巡礼，获得2021年世界人工智能大会青年优秀论文提名奖、2021麻省理工科技评论亚太区35岁以下科技创新35人等荣誉。

报告七：多智能集群系统的分布式优化与博弈

摘要：各类具备信息耦合或物理耦合的大规模网络系统越来越多地应用于自然科学、社会科学和工程技术等领域。此类网络可以看作由多个具有感知、计算、通信和执行能力的智能体所组成的多智能体系统。多智能体系统可以通过协同合作完成特定的全局任务，也可以通过相互竞争以实现系统各部分的均衡。仅依赖于智能体局部数据、局部计算和局部通信的分布式决策方法具有无需大量数据传输、防止单点网络故障和保护用户隐私、自主性、鲁棒性、可扩展性等优势。将汇报在多智能体系统的分布式优化与博弈等方面的研究进展，包括在随机图分布式在线学习、变尺度采样随机优化、聚合博弈纳什均衡加速计算和最优诱导以及信息物理系统博弈方面的近期工作。

主讲人：衣鹏，2011年从中国科学技术大学获得自动化本科学位，2016年从中国科学院数学与系统科学研究院获得运筹学与控制论博士学位。2016年-2019年分别于加拿大多伦多大学和美国圣路易斯华盛顿大学从事博士后研究。2019年加入同济大学，现任“青年百人”教授。主要研究方向为多智能系统的分布式优化与博弈。入选国家海外青年人才计划，获得中国科协 “青年人才托举工程”与上海市科技英才“扬帆计划”支持，主持国家自然基金一项，国家重点研发计划课题一项，参与上海市重大专项、先导专项等项目。