报告人简介

清华大学自动化系长聘教授、国家杰青、博士生导师。2007年获中山大学统计科学学士学位。2007年8月至2012年6月在新加坡南洋理工大学电气与电子工程学院攻读博士学位和从事博士后研究。自2012年7月起任教于清华大学自动化系。长期从事无人系统智能控制及其应用研究。目前，担任 Automatica, IEEE Transactions on Control of Network Systems 等国际期刊副编委 (Associate Editor)，主持国家自然科学基金委杰青项目与重点项目、科技创新2030 - 新一代人工智能重大项目(青年)等。先后获中国自动化学会自然科学一等奖(排1)、ACA(亚洲控制学会) Temasek Young Educator Award奖、关肇直最佳论文奖等，参与获省部级（教育部、北京市、自然资源部）一等奖3项。指导博士生获 IFAC (国际自动控制联盟) Young Author Award、中国自动化学会优博等。

报告摘要

现代控制理论一直以控制系统的状态空间模型为基石，如 Kalman 滤波器、线性二次调节器(LQR)等。该模型对揭示和认识系统的许多重要特性具有关键性作用。因此，参数辨识几乎成为了现代控制理论的默认前提，但也极大地限制了工程应用。本报告首先研究了直接系统数据驱动的控制系统分析与设计。基于线性子空间统一地给出了分析线性系统基本特性 (如可控性、可镇定性、一般结构特性等) 所需的最少数据条件，并提出了一种直接利用在线闭环数据的“端到端”控制系统设计方法；其次，针对最优控制在线计算资源受限的难题，提出了一种具有可解释性的智能模型预测控制及其嵌入式实现方法；最后，讨论所提方法的实际应用。