报告人：陈逸阳，苏州大学
报告题目：迭代学习控制的背景原理与近期发展
报告时间：2021年10月27日9:00-10:00
报告地点：腾讯会议 ID：680 398 920
报告摘要：
相较于传统控制方法，迭代学习控制能够有效地提高重复性工业生产任务的产品性能。迭代学习控制算法在理论层面上有着充分的鲁棒性、收敛性、稳定性，并且相较于其他控制算法在实际应用的过程中具有可靠性、有效性、优越性。这项控制技术对计算资源的需求较低并且实际执行方式较简易，因此有着被应用于工业生产中的可行性。本讲座将详细介绍迭代学习控制的背景原理与理论结构，并进一步介绍该研究领域内近些年来的各种发展趋势。本讲座将通过具体工业应用案例阐述迭代学习控制理论研究与实际应用相结合的若干方案。本讲座的创新点聚焦在结合迭代学习控制的优势与大规模重复性工业生产任务的需求设计出有针对性的迭代学习控制算法，从而带来有竞争力的应用前景与重要的经济效益。
个人简历：
陈逸阳，1990年出生于江苏苏州，2009年毕业于江苏省苏州中学，2013年于帝国理工学院获得电气与电子工程专业本硕连读学位，2017年于南安普顿大学获得电子与电气工程专业博士学位，研究方向为基于空间路径跟随问题的迭代学习控制。2017年至2018年于南安普顿大学电子与计算机学院从事博士后研究工作，研究方向为控制系统理论。2018年至2020年于南安普顿大学工程学院从事博士后研究工作，参与西门子Future SCOOT新一代城市交通控制系统的研发并设计优化控制算法。2020年入职苏州大学机电工程学院副教授，优秀青年学者、硕士生导师、江苏省双创博士，目前担任智能系统控制研究所副所长，碳中和一体化智能技术产业创新中心主任。