111考研网论坛

 找回密码
 立即注册
考研面试增加印象分,实用新型专利包过申请发明专利申请并不难,代写全部材料,轻松申请!包过加急版发明专利申请,保研、考研面试加分利器!破格复试、破格录取交流
查看: 526|回复: 0

导师信息#北京交通大学控制科学与工程研究生导师介绍#侯忠生 ...

[复制链接]
发表于 2019-6-14 03:56:33 | 显示全部楼层 |阅读模式
发明专利申请,代写全部材料。
基本信息
办公电话咨询QQ、微信:2544906,主持北京交通大学咨询QQ、微信:2544906,参加红果园(横)咨询QQ、微信:2544906,参加国家自然科学基金“重大”国际合作项目咨询QQ、微信:2544906,主持北京市经信委项目咨询QQ、微信:2544906,主持国家重点实验室咨询QQ、微信:2544906,主持北京交通大学咨询QQ、微信:2544906,主持北京市经信委信息办咨询QQ、微信:2544906,主持科技部“科技支撑”咨询QQ、微信:2544906,主持国家自然科学基金“重点”项目咨询QQ、微信:2544906,主持北京交通大学咨询QQ、微信:2544906,主持北京交通大学咨询QQ、微信:2544906,主持北京交大创新科技中心咨询QQ、微信:2544906,主持科技部“科技支撑”咨询QQ、微信:2544906,主持国家自然科学基金“面上”项目咨询QQ、微信:2544906,主持北京交通大学咨询QQ、微信:2544906,主持北京市科委咨询QQ、微信:2544906,主持北京交通大学咨询QQ、微信:2544906,主持北京交通大学咨询QQ、微信:2544906,主持博士点基金咨询QQ、微信:2544906,主持北京市科委咨询QQ、微信:2544906,主持国家自然科学基金面上项目咨询QQ、微信:2544906,主持教学工作先后主讲过的课程有咨询QQ、微信:2544906教授“无模型控制理论和非线性系统的对称相似结构的研究是代有方向性的,为现代控制理论的研究开辟了一个新的方向”。工作被多位著名学者引用评述,包括:中国工程院院士、原中国自动化学会理事长孙优贤教授;中国科学院院士和法兰西国家医学科学院、俄罗斯医学科学院外籍院士曾毅教授;中国工程院院士段宝岩教授;中国科学院院士韩英铎教授;Automatica副主编、IEEEFELLOW、新加坡国立大学T.H.LEE教授;IEEEFellow、IEEET-NN主编D.Liu教授;ISATransactions副主编、新加坡国立大学K.K.Tan教授;“千人计划学者”英国曼大王宏教授;长江教授陈善本、张化光;杰青学者王聪教授、孙长银教授,等等。还有巴西、土耳其、伊朗、新加坡、加拿大、美国,以及国内的著名教授等逾百人。四本专著整章或部分章节引用(PredictiveControl,Spinger,2002;自适应控制器设计与应用,国防工业出版社,2005;数据驱动运动控制系统设计与实现,国防工业出版社,2012;运动系统多层递阶预报与控制,机械工业出版社,2010);
典型应用:目前已经近70个实际或仿真系统上得到应用。仅2013年以来就有气动人工肌肉驱动器;精馏过程;热交换器系统;倾转旋翼飞行器;隧道窑控制;电网广域阻尼控制;等实际应用。
2、交通系统有两个基本特点,其一是建立准确的数学模型非常困难,其二就是交通系统具有重复性运行模式。针对上述两个特点,申请人首次提出了基于交通系统重复性特征的交通系统学习控制方法(包括道路交通和铁路),使所提方法能更好地适合于实际交通系统。工作获得了国际学者的认可。代表论文发表在IEEET-VT、IEEET-ITS、IEEET-II、IEEET-ASE、Transp.Res.-C、IJC等国际交通领域顶级期刊。典型引用:美国、英国、意大利、罗马尼亚、德国、匈牙利、泰国、伊拉克、台湾以及许多国内著名专家学者引用。包括英国D.H.Owens教授(英国皇家工程院院士),美国K.L.Moore教授(IFACTechnicalCommittee委员),加利福尼亚大学伯克利分校Tomizuka教授(美国机械工程院Fellow,电气与电子工程院Fellow,制造工程协会Fellow),IEEETAC副主编意大利UniversityofPavia大学的AntonellaFerrara教授;WilliamH.K.Lam教授(香港理工大学ChairProfessor、交通领域权威刊物Transportmetrica主编)等控制和交通界的著名科学家。IEEET-VT文章审稿人认为是一个原创的新方向“TheapplicationofIterativelearningcontroltotheroadtrafficcontrolisanoriginalandperspectiveresearchdirection”。TR-C审稿专家的评价为“IhavenotyetfoundanyotherinstanceswhereILChasbeenappliedtorampmetering”且认为“usestheiterativelearningtechniquewhichisappropriatefortherampmeteringapplicationbecauseofperiodictrafficpatterns”。
3、是迭代学习控制理论研究领域的活跃学者。传统迭代学习控制理论是针对有限时间区间上具有重复运行模式的系统提出的,但要求系统具有严格重复性(控制任务、控制环境、受控系统都要严格重复),以及和满足全局Lipshitz条件。实际系统很难完全满足上述两个基本假设,申请人在国际上较早地系统研究了不满足上述两个条件的非严格重复系统的广义迭代学习控制理论和方法,取得了一些系统性成果,传统迭代学习控制成为它的特例。主要成果包括发现了迭代学习控制和自适应控制之间的关系、给出系列的参数自适应迭代学习控制、高阶内模的迭代学习控制、模最优迭代学习控制、点到点迭代学习控制、无模型迭代学习控制等。推动了迭代学习控制理论研究,拓广迭代学习控制方法的应用领域。代表性结果发表在IEEET-AC、Automatica、IEEET-NN、JPC、IET-D等国际自动控制领域权威期刊上。该领域研究获得国家自然科学基金重大国际合作项目“广义迭代学习控制理论及其在高速列车运行控制中的应用”资助。典型引用:引用学者有IEEEFellow,新加坡国立大学的J.X.Xu教授;英国UnitedKingdomAutomaticControlCouncil主席、RoyalAcademyofEngineering院士D.H.Owens教授;还有澳大利亚、美国、泰国等学者
4、是数据驱动控制理论研究的活跃学者。在该领域的研究具有一定国内外学术影响。“数据驱动控制理论”相关内容已写入国家自然科学基金“十二五”发展规划中。该领域的研究曾获得国家自然科学基金重点项目“数据驱动控制理论及其在大型复杂系统中的应用”的资助。目前为止,国际上仅有三篇关于数据驱动控制理论的学术综述和展望性文章都出自该申请人。论文“数据驱动控制理论及方法的回顾和展望,自动化学报,2009”被评为中国精品科技期刊顶尖学术论文F5000,《自动化学报》50年来最具影响力论文,2013;另外,基于理想控制器动态线性化数据模型的方法[IEEET-II,2013;IEEET-NNLS,2014和IEEECDC,2012]为数据驱动控制理论统一框架的建立提出了一种可能性;基于数据能量函数的数据驱动控制设计与分析方法也具有原创性[Systems&ControlLetters,2014]。典型引用:引用学者包括IEEE/IFACFellow美国南加州大学的M.G.Safonov教授;中国工程院院士桂卫华院士;IEEEFellow,IEEE-NNLS主编D.Liu教授;澳大利亚学者PengShi教授等等。
著作译著
侯忠生著非参数模型及其自适应控制理论,科学出版社,1999侯忠生金尚泰著,无模型自适应控制—理论与应用,科学出版社,2013ZhongshengHouandShangtaiJin,ModelFreeAdaptptiveControl:TheoryandApplications,CRCPress,2013社会兼职第13、14届国家自然科学基金委员会信息学部评审专家组成员;曾是50多个国内外控制领域学术会议的“国际程序委员会(IPC)”成员;2007、2008年国家自然科学奖的评审人;2011年北京市科学技术奖励评审专家;曾任“IEEETransactionsonNeuralNetworks”、“自动化学报”专刊编辑;国际期刊InternationalJournalofControlEngineeringandTechnology(JCET);ISRNAppliedMathematics;JournalofComputerEngineeringandInformatics(JCEI)编委;国内期刊《自动化学报》、《控制与决策》、《系统科学与数学》刊物编委;
中国自动化学会理事、中国自动化学会控制理论专业委员会委员;中国控制会议粘贴论文评奖委员会委员;北京交通大学“控制科学与工程”一级博士学科点负责人;北京交通大学控制科学与工程学科研究生培养指导委员会主任委员;VisitingProfofTheBedfordshireUniversity,UK,From2013-2016IEEESeniormember
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|Archiver|手机版|小黑屋|111考研网论坛

GMT+8, 2025-2-1 03:59

Powered by Discuz! X3.4

Copyright © 2001-2021, Tencent Cloud.

快速回复 返回顶部 返回列表