讲座编号：jz-yjsb-2021-y028
讲座题目：第21期自动化前沿热点论坛“智能自动化与系统科学”
主 讲 人：洪奕光 教授 同济大学
张 涛 教授 清华大学
夏元清 教授 北京理工大学
侯忠生 教授 青岛大学
讲座时间：2021年06月26日（星期六）下午14:00
讲座地点：北京工商大学阜成路校区综合楼三层报告厅（限校内人员参加）
在线直播平台：https://wx.vzan.com/live/tvchat-498988520?v=1623732170480
参加对象：人工智能学院、系统科学研究院全体教师和研究生
主办单位：人工智能学院、系统科学研究院、研究生院
主讲人简介：
洪奕光，教授，在北京大学力学系获得学士和硕士学位，在中科院系统科学所获得博士学位。随后在中科院系统科学所工作，现任同济大学上海自主智能无人系统科学中心副主任。曾任中科院系统控制重点实验室主任，中科院国家数学与交叉科学中心信息交叉部主任。IEEE Fellow，人工智能学会会士、和自动化学会会士。现任国务院系统科学评议组召集人、中国系统工程学会常务理事、自动化学会控制理论专委会主任。Control Theory and Technology主编，还（曾）是国际知名期刊IEEE Transactions Automatic Control、IEEE Control Systems Magazine、IEEE Transactions Control of Network Systems等编委。曾经获得中国控制会议“关肇直”最佳论文奖（1997）、国际自动控制联合会(IFAC)世界大会的青年作者奖（1999）、 中科院青年科学家奖（2001）、国家杰出青年基金（2004）、中国青年科技奖（2006）、中科院杰出青年（2007）、国家自然科学二等奖（2008）等。
张涛，工学博士，教授，博士生导师，清华大学自动化系系主任，信息科学技术学院副院长，工信部电子科技委委员，科技部特邀专家，北京信息科学与技术国家研究中心智能系统重点实验室主任。国际IET学会Fellow，国际IEEE学会Senior Member，国际自动控制联合会（IFAC）机器人技术委员会委员，中国人工智能学会理事，中国自动化学会理事。主要研究方向为机器人学、人工智能、控制理论等。曾主持或参与国家863项目、国家973项目、国家自然科学基金等30余项。发表论文200余篇，其中SCI收录80余篇。发表学术专著、译著以及主编教材等10余部，获得国内授权发明专利20余项。曾获得国家级教学成果奖、教育部自然科学奖、中国自动化学会自然科学奖和中国电子学会电子信息科学技术奖等。
夏元清，博士，北京理工大学讲席教授，博士生导师，北京理工大学自动化学院院长、教育部“长江学者”特聘教授、国家杰出青年科学基金获得者、国家“万人计划”领军人才、享受国务院特殊津贴专家。担任国务院学位委员会第八届学科评议组成员、中国计算机学会大数据专家委员会委员、中国仪器仪表学会物联网工作委员会副理事长、中国指挥与控制学会云控制与决策专业委员会主任委员；任国际刊物《International Journal of Automation and Computing》编委、《Gyroscopy and Navigation》、《自动化学报》编委、《控制理论与应用》、《控制与决策》等刊物编委。在国内外重要学术刊物上发表学术论文300余篇，出版英文专著11部，中英文教材3部，并于2014-2019年连续六年入选Elsevier中国高被引学者榜单。曾获得2011年国家科技进步二等奖一项（排名第二），2012年、2017年教育部自然科学二等奖一项（排名第一），2010年、2015年北京市科学技术二等奖两项（排名第一）；获2012年北京市优秀博士论文指导教师奖、2015年中国自动化学会优秀博士论文指导教师奖。
侯忠生，青岛大学首席教授，系统科学研究院院长。中国自动化学会会士，IEEE Fellow。IFAC "Adaptive and Learning Systems" 技术委员会委员、"Transportation Systems"技术委员会委员。原北京交通大学自动控制系主任，二级教授、卓越百人计划“领军人才”入选者。中国自动化学会“数据驱动控制、学习与优化”专业委员会创始主任。“自动化学报”“控制理论与应用”“控制与决策”“系统科学与数学”编委；曾是IEEE TNN“基于数据的控制、决策、调度与故障诊断”专刊客座编委；IEEE TIE专刊“数据驱动控制与学习系统”责任客座编委。代表性科研项目：主持国家自然科学基金重点项目3项，国家自然科学基金重大国际合作项目1项。H指数48。创立并完善了“无模型自适应控制（MFAC）理论”，MFAC内容已经被10部专著作为整章和部分章节引用，已经近200余个不同实际系统中得到应用；提出了系列的交通系统数据驱动学习预报与控制方法，工作多发表在IEEE汇刊上；是迭代学习控制理论研究领域具有国际影响的活跃学者，工作已使迭代学习控制理论发展程数据驱动迭代学习控制理论；是数据驱动控制理论研究领域国际领航者之一。
主讲内容：
多智能体系统分析设计中的非线性方法：针对现在多智能体系统分析设计中的一些问题，利用非线性甚至非光滑方法进行分析讨论，特别考虑解决分布式决策和分布式信息物理系统等中的问题，并简要说明一些新的发展趋势。
智能无人系统发展现状与应用趋势：智能无人系统是由机械、控制、计算机、通信、材料等多种技术融合而成的复杂系统，人工智能无疑是发展智能无人系统的关键技术之一。由于人工智能技术的发展，我们发现人类可以创造出具有更高自主性和智能性的智能无人系统，并且该系统在某些方面可以接近人类水平。本报告将阐述智能无人自主系统的发展趋势，介绍智能无人系统共性基础理论与关键技术，并分别对无人车、无人机、服务机器人、农业机器人、轨道交通自动驾驶、无人船、无人车间/智能工厂、自主无人操作系统等智能无人系统的关键技术及应用进行介绍和分析。
云控制系统及其在智能交通中的应用：针对现代车路云协同系统存在车路云协同决策有效性差、交通拥堵与联合管控能力弱、数据交互可靠性差、整体计算资源有限等问题，基于云控制理论与云网边端协同控制系统，设计面向车路云协同的智能交通云控制系统方案及其平台架构，包括车路协同感知与数据处理技术、智能交通边缘控制技术、智能交通网络虚拟化技术、智能交通协同管控技术和智能交通车路云安全管控技术。基于智能交通流大数据，在云控制管理中心服务器上利用深度学习等智能学习方法对采集的交通流数据进行训练预测计算，能够预测城市道路的短时交通流和拥堵状况。进一步在云端利用智能优化调度算法得到实时的交通流调控策略，用于解决拥堵路段交通流分配难题，提高智能交通控制系统动态运行性能。
大数据与人工智能背景下的控制科学：卡尔曼的最重要理论成果产生于1960年，卡尔曼架构主要包括，状态空间模型、能控能观性、卡尔曼滤波、LQR等理论，卡尔曼架构对控制领域产生了广泛而深远的影响。介绍卡尔曼架构下控制方法存在的诸多问题以及典型范式，即精确模型困难与未建模动力学、模型复杂与模型简约、持续激励条件与闭环工作等，以及严谨收敛性证明模式。然后，探讨如何保持原有原来卡尔曼架构下控制理论与方法的优点，同时又需要解决建模困难与未建模动态这对关键孪生问题的途径；其次，以无模型自适应控制理论为例，说明了如何在模型未知情况下的设计控制系统以及如何分析理论问题，以及与经典PID，自适应控制之间的关系等内容；接下来，讨论了后卡尔曼时代的控制理论如何与大数据/AI结合；最后指出后卡尔曼时代的控制理论与方法应该具备的基本能力。
