个人简介

个人简介 陈为胜，男，教授，博导，华山学者，山东日照人，西安电子科技大学力学系统与先进控制研究所所长，智能无人系统研究所所长，2000于曲阜师范大学获得学士学位，2004和2007年分别在西安电子科技大学获得运筹学与控制论专业硕士学位和应用数学博士学位，2008至2009年于东南大学自动化学院控制理论与工程专业访问，2013年西安电子科技大学电子科学技术专业博士后出站，2013年至2014年美国加州大学河滨分校电子工程系国家公派访问学者。2010年破格博导，2011年破格教授。 承担和主持国家自然科学基金项目3项，教育部新世纪优秀人才支持计划1项，博士后基金和博士后特别资助个一项，以及其他来自中电十三所、航天五院钱学森实验室、河北新奥集团、华为、山西三合盛、哈尔滨工业大学，合同总经费共计1000余万。 发表英文期刊SCI论文100余篇，其中发表在IEEE汇刊和《Automatica》上共计30余篇。截至2020年3月，被来自全球包括，美国、英国、法国、日本、意大利、澳大利亚、加拿大、瑞士、韩国、新加坡、印度、伊朗、希腊、瑞典等共计50多个国家和地区的500多个研究机构所引用和评价，其中包括至少9为中国科学院和工程院院士，7位IEEE汇刊或Aumatica主编，70多位IEEEFellow。GoogleScholar他引总次数3000余次。. 曾于2009年入选校优秀青年教师支持计划，2010年入选教育部新世纪优秀人才支持计划，2011年和2013年分别获得陕西省科学技术一等奖（分别为第二和第一完成人），2016年获教育部高等学校优秀科研成果二等奖，2019年获山东省科学技术二等奖。2015年获西安市青年科技人才奖。2015年入选学校华山学者岗位。 主持的科研项目 1.火电厂智慧底层控制系统开发，山西三合盛公司，450万，2019.1-2021.12； 2.XX元器件质量一致性控制，中电十三所，55万，2016.1-2019.12； 3.不确定系统的事件驱动自适应控制，国家自然科学基金，62万，2017.1-2020.12； 4.基于神经网络的非线性系统合作学习辨识与控制，国家自然科学基金，53万，2012.1-2015.12； 5.周期时变非线性参数化系统神经网络控制，国家自然科学基金，28万，2008.1-2011.12； 6.数据驱动的分布式计算机智能控制理论与应用，教育部新世纪优秀人才支持计划，50万，2011.1-2013.12； 7.几类时滞系统自适应学习控制设计和应用，中国博士后基金特别资助，10万，2011-2013. 参加的科研项目 1.基于混合系统理论的自适应学习控制,国家自然科学基金，31万，2010.1-2012.31. 2.非一致目标跟踪的自适应迭代学习控制理论与应用，国家自然科学基金，21万，2004.1-2006.12. 3.信源数目未知与动态变化时忙信号分离神经网络方法研究，国家自然科学基金，7万，2008.1-2008.31. 荣誉获奖 8.2019年获山东省科学技术二等奖（排名第二，获奖项目“非线性系统鲁棒自适应控制”）； 7.2016年获教育部高等学校优秀科研成果二等奖（排名第十，获奖项目“计算智能中的协作学习与优化理论及方法”）； 6.2016年获西安市青年科技人才奖； 5.2014年获《IEEETransactionsonAutomaticControl》杰出审稿人； 4.2013年获陕西省科学技术一等奖（排名第一，获奖项目“非线性动力系统的分析、控制与应用研究”）。 3.2011年获陕西省科学技术一等奖（排名第二，获奖项目“非线性微分方程理论及应用研究”）； 2.2010年入选教育部新世纪优秀人才支持计划； 1.2009年入选校优秀人才支持计划； 申请专利情况 1.基于Beamlet与小波变换的图像融合方法,ZL201110148499.7 2.基于小波域的加权分数阶微分图像数字水印方法,ZL201110040712.2 3.基于Radon变换和极谐波变换的不变矩目标识别方法,ZL201110257384.1 申请专利情况 1.基于Beamlet与小波变换的图像融合方法,ZL201110148499.7 2.基于小波域的加权分数阶微分图像数字水印方法,ZL201110040712.2 3.基于Radon变换和极谐波变换的不变矩目标识别方法,ZL201110257384.1 申请专利情况 1.基于Beamlet与小波变换的图像融合方法,ZL201110148499.7 2.基于小波域的加权分数阶微分图像数字水印方法,ZL201110040712.2 3.基于Radon变换和极谐波变换的不变矩目标识别方法,ZL201110257384.1 申请专利情况 1.基于Beamlet与小波变换的图像融合方法,ZL201110148499.7 2.基于小波域的加权分数阶微分图像数字水印方法,ZL201110040712.2 3.基于Radon变换和极谐波变换的不变矩目标识别方法,ZL201110257384.1 科研团队 教师：戴浩，房新鹏，王博辉,常晶，邬晓敬； 课程教学 1.线性系统理论 2.自适应控制理论 3.网络化控制系统 招生要求 招生要求 对数学在工程中应用问题有兴趣，性格执着坚韧，最好有出国深造的愿望，由于本人精力有限， 2020年最多只招收2名研究生（按联系我的先后顺序，不按成绩），一届研究生名额最多只招收4个。 寄语： 仰星空，梦苍穹，豪情万丈，笑看起伏轻如纱； 脚踏地，心如水，恒心一事，凝思点滴重似金。 方向简介 1.群体智能系统的分布式合作控制算法设计。 当前分布式控制系统已经引起人们的广泛关注，典型代表之一就是多机器人足球比赛，其特点就是每个机器人都不能获取所有机器人的信息（如位置，速度，加速度）的条件，如何仅通过所得到的周边观测到的几个机器人的信息设计自己的控制策略，却能使得所有机器人动作协同，有条不紊，最终赢得比赛。所以在全局信息缺乏的条件下，如何只基于局部信息设计控制算法却能实现全局目标，是这类问题研究的核心。其它分布系控制系统如卫星编队控制系统，水面舰艇编队控制系统。目前我们的研究小组已经在该领域取得了一些重要研究成果，并发表在控制类权威期刊IEEETAC和Automatica上。 2.群体智能系统的分布式学习算法设计 该研究方向针对当前大数据背景而展开的，如何处理样本数据量大但单个处理器运算能力不足之间的矛盾？针对回归学习问题，我们提出基于神经网络的分布式学习算法，研究该算法的学习能力，及其在大样本图像处理和信号处理中的应用问题。例如卫星图片的处理问题，在马航事故发生后，各国的卫星提供了大量的图片信息，但信息量大的无法处理，只能放到网上，那么如何东这些大量照片中寻找有用信息呢？分布式学习算法是可以用来借助网络解决这类问题的可行方法之一。在该方向上我们的研究小组也取得了一种重要的成果，并发表在神经网络权威期刊IEEETNNLS上。 3.智能系统建模与控制算法设计 该研究方向主要围绕工业无人值守系统所急需的瓶颈问题进行研究，重点研究复杂工业系统的在线建模问题和控制问题、开发快速、高效、鲁棒的智能在线建模和实时控制算法，提高生产效率、降低生产成本，目前课题组已与多家企业合作研究相关课题，合同总经费500多万。