教师主页移动版

更新日期：2024年1月3日 姓 名 王敏 性 别 女 出生年月 1979年12月 籍贯 辽宁庄河市 民 族 汉族 政治面貌 中国共产党党员 最后学历 博士研究生 最后学位 理学博士 技术职称 教授 导师类别 博、硕导 行政职务 Email auwangmin@scut.edu.cn 工作单位 华南理工大学自动化科学与工程学院 邮政编码 510641 通讯地址 华南理工大学3号楼408室 单位电话 个人简介 王敏，华南理工大学自动化科学与工程学院，教授，博士生导师、硕士生导师、广东省杰青、广东省特支计划百千万工程青年拔尖人才、广州市珠江科技新星。2009年获得青岛大学系统理论专业博士学位，师从张嗣灜院士和陈兵教授。2008.6-2008.9 留学新加坡国立大学电子工程系，师从葛树志教授。2017.11-2018.10 以访问学者身份留学英国布鲁奈尔大学计算机系，师从王子栋教授。目前的研究兴趣包括神经网络动态学习、自适应动态规划、自适应神经控制、机器人控制、随机控制、非线性系统、多智能体系统、网络控制系统。  近年来，主要致力于理论与应用结合方面的研究工作。1）理论研究方向：智能控制与学习；基于模式的智能控制；基于事件触发的网络控制系统智能控制；协同学习与控制。2）应用领域方向：机器人的安全可靠控制；机器人的协同学习与控制；机器人智能自主控制实验平台研发；发动机旋转失速检测与控制。在上述研究领域，作为项目负责人主持了省部级以上科研项目10余项，其中国家自然科学基金项目4项；作为第一参与人承担了国家自然科学基金重大项目课题，作为主要成员参与了多项国家级科研项目、广东省自然科学基金研究团队项目、省市重点实验室建设项目；荣获广东省自然科学奖二等奖（第一完成人）、山东省优秀博士学位论文、山东省研究生科技创新成果奖、国际会议最佳理论论文奖、 2 项国际期刊论文最高引用率奖等；以第一/通讯作者在国内外权威期刊发表 SCI 论文50 余篇，其中IEEE 汇刊长文 20余 篇，ESI 高引论文 8篇；以第一/通讯作者发表的论文共被SCI他引1000多次， Google Scholar他引1500余次。近三年来，申请国家发明专利 15项，已授权12项；授权实用新型3项，软件著作权1项。 现任3个国际期刊的Associate Editor, 包括 IEEE Transactions on Neural Networks and Learning Systems、International Journal of Systems Science 和IEEE Access，现任《控制理论与应用》青年编委，多次担任国内外学术会议程序委员会委员。 工作经历 2018/09-至今，华南理工大学，自动化科学与工程学院，教授2012/09-2018/08，华南理工大学，自动化科学与工程学院，副教授2009/07-2012/08，华南理工大学，自动化科学与工程学院，助理研究员、讲师2017/11-2018/10，Brunel University London，计算机系，访问学者 教育经历 2006/09–2009/06， 青岛大学， 自动化与电气工程学院，博士2008/06-2008/09，新加坡国立大学，电子与计算机工程系，访问学生 获奖、荣誉称号 2022年荣获广东省自然科学奖二等奖（第一完成人）；2021年 ICANDVC 国际会议 Best Presentation Award；2019年获批广东省自然科学基金-杰出青年基金；2017 年荣获第 9 届“建模、辨识与控制国际会议”最佳理论论文奖；2016年荣获广东省特支计划百千万工程青年拔尖人才；2010年荣获山东省优秀博士学位论文2009年荣获山东省优秀研究生科技创新成果奖一等奖2010-2013年度荣获国际杂志《Fuzzy Sets and Systems》论文最高引用率奖 社会、学会及学术兼职 2024-至今，国际期刊IEEE Transactions on Neural Networks and Learning Systems 编委 (Associate Editor）2018年-至今，国际期刊《IEEE Access》编委 (Associate Editor）；2020年-至今，国际期刊《International Journal of Systems Science》编委 (Associate Editor）；2019年-至今，《控制理论与应用》青年编委；2023年，第五届控制与机器人国际会议（ICCR 2023）和第三届人工智能与应用技术国际会议(AIAT 2023) 程序委员会副主席：2019年，第十五届智能无人系统国际会议(ICIUS2019) 程序委员会委员；2014年，第五届智能控制与信息处理国际会议（ICIPIP）程序委员会委员；CAA机器人智能专委会委员；CAA 动态学习与智能医学专委会委员；亚太神经网络协会 (APNNS) 委员、美国电子电气工程师协会会员、国家自然科学基金评审专家、广东省科技项目评审专家、美国电子电气工程师协会会员等；现任 IEEE 汇刊系列、Systems & Control Letters、《自动化学报》、《中国科学信息科学》等国内外权威学术期刊审稿人。 研究领域 1）理论研究方向：智能控制与学习；基于模式的智能控制；网络化控制；协同学习与控制、模式识别。2）应用领域方向：机器人的安全可靠控制；机器人协同学习与编队控制；机器人智能自主控制实验平台研发；发动机旋转失速检测与控制。 科研项目 一、项目负责人主持的主要科研项目1. 具有未知非匹配动态的离散非线性系统确定学习控制，国家自然科学基金（面上项目）, 项目编号: 62273156, 54万元, 执行期限：2023.01-2026.12.2. 面向状态约束的非线性系统确定学习控制及其应用. 广东省杰出青年基金项目，100万元，执行期限：2019.10-2023.09. 3. 基于指定性能的非线性系统确定学习及基于模式的智能控制. 国家自然科学基金（面上项目),  78.8万元, 执行期限：2018.01-2021.12.  4. 基于指定跟踪性能的柔性关节机器人确定学习研究.广东省自然科学基金，10万元，执行期限：201705-202005.5. 满足安全性能要求的柔性关节机器人智能自主控制系统开发. 广州市科技计划项目, 20万元, 执行期限：2019.04-202.03. 6. 未知动态环境下非线性系统的确定学习及其性能分析. 国家自然科学基金（面上项目）, 81万元, 执行期限：2014.01-2017.12.  7. 基于动态模式的机器人轨迹跟踪控制与学习. 广州市珠江科技新星专项，30万元, 执行期限：2014.04-2017.03.  二、参与的主要科研项目1. 高性能航空发动机失稳运行状态的辨识与预测方法研究, 国家自然科学基金重大项目课题,343万（直接经费), 2019.01-2023.12,. 2. 涡扇发动机压缩系统不稳定流动建模、预测和控制，国家自然科学基金重点项目，230万元, 2010.01-2013.12.3. 超燃冲压发动机突变控制问题研究，国家自然科学基金（重大研究计划重点项目），300万元，2009.01--2012.12.4. 基于模式识别的生物医学数据处理与脑机接口研究，广东省自然基金团队项目，2014.10-2019.9， 300万。5. 广州市脑机接口和应用重点实验室，200万元 发表论文 [1]    Min Wang, Kunning Wang, Longwang Huang, and Haotian Shi,  Observer-based event-triggered tracking control for discrete-time nonlinear systems using adaptive critic design, IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 53, no. 9, pp. 5393-5403, September 2023.[2]    Haotian Shi, Min Wang, and Cong Wang, Neural Learning Control for Discrete-Time Strict-Feedback Systems: An Error Estimate Method, IEEE Transactions on Circuits and Systems--II: Express Briefs, vol. 70, no. 9, pp. 3439-3442, September 2023.[3]    Min Wang, Zixin Lin, Cong Wang, Chenguang Yang. Deterministic learning control of manipulators with closed architecture based on outer-loop speed compensation. Acta Automatica Sinica, vol. 49, no. 9, pp. 1904-1914, September 2023.[4]    Lixue Wang, Min Wang, and Wenchao Meng, System transformation-based event-triggered fuzzy control for state constrained nonlinear systems with unknown control directions, IEEE Transactions on Fuzzy Systems, vol. 31, no. 7, pp. 2331-2344, July 2023.[5]    Haotian Shi, Min Wang, and Cong Wang, Leader-follower formation learning control of discrete-time nonlinear multiagent systems, IEEE Transactions on Cybernetics, vol. 52, no. 2, pp. 1184-1194, February 2023. [6]    Longwang Huang, Min Wang, Filter-based event-triggered adaptive fuzzy control for discrete-Time MIMO nonlinear systems with unknown control gains, IEEE Transactions on Fuzzy Systems, vol. 30, no. 9, pp. 3673-3684, September 2022.[7]    Min Wang, Haotian Shi, and Cong Wang, Distributed cooperative learning for discrete-time strict-feedback multi agent systems over directed graphs, IEEE/CAA Journal of Automatica Sinica, vol. 9, no. 10, pp.1831-1844, October 2022. [8]    Min Wang, Haotian Shi, Cong Wang and Jun Fu, Dynamic learning from adaptive neural control for discrete-time strict-feedback systems, IEEE Transactions on Neural Networks and Learning Systems, vol. 33, no. 8, pp. 3700 - 3712, August, 2022.[9]    Min Wang, Longwang Huang and Chenguang Yang. Event-triggered adaptive critic fault-tolerant control for a class of discrete-time MIMO systems, Acta Automatica Sinica, 2022; 48(5):1234-1245.[10] Min Wang, Fenghua Ou, Haotian Shi, Chenguang Yang and Xiaoping Liu, Model-based adaptive event-triggered tracking control of discrete-time nonlinear systems subject to strict-feedback form, IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 52, no. 7, pp. 4557-4568, July 2022.[11] Min Wang, Yongtao Zou, and Chenguang Yang, System Transformation-based neural control for full-state-constrained pure-feedback systems via disturbance observer, IEEE Transactions on Cybernetics, vol. 52, no. 3, pp. 1479-1489, March 2022. [12] Min Wang, Haotian Shi, Cong Wang and Jun Fu, Neural learning control for discrete-time nonlinear systems in pure-feedback form, SCIENCE CHINA Information Sciences, vol. 65, no. 2, pp. 122206:1-122206:15, Feb. 2022. [13] Min Wang, Longwang Huang and Chenguang Yang, NN-based adaptive tracking control of discrete-time nonlinear systems with actuator saturation and event-triggering protocol, IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 51, no. 12, pp. 7613-7621, Dec. 2021.  [14] Min Wang, Zidong Wang, Hongli Dong and Qing-Long Han, A novel framework for backstepping-based control of discrete-time strict-feedback nonlinear systems with multiplicative noises, IEEE Transactions on Automatic Control, vol. 66, no. 4, pp. 1484-1496, April. 2021. [15] Min Wang, Zidong Wang*, Yun Chen and Weiguo Sheng, Observer-based fuzzy output-feedback control for discrete-time strict-feedback nonlinear systems with stochastic noises, IEEE Transactions on Cybernetics, vol. 50, no. 8, pp. 3766-3777, Aug. 2020.[16] Min Wang, Zidong Wang*, Yun Chen and Weiguo Sheng, Adaptive neural event-triggered control for discrete-time strict-feedback nonlinear systems, IEEE Transactions on Cybernetics, vol. 50, no. 7, pp. 2946-2958, July. 2020. [17] Min Wang, Zidong Wang*, Yun Chen and Weiguo Sheng, Event-based adaptive neural tracking control for discrete-time stochastic nonlinear systems: a triggering threshold compensation strategy, IEEE Transactions on Neural Networks and Learning Systems, vol. 31, no. 6, pp. 1968-1981, June. 2020. [18] Shude He, Min Wang, Shi-Lu Dai, and Fei Luo, Leader-follower formation control of USVs with prescribed performance and collision avoidance, IEEE Transactions on Industrial Informatics, 15(1): 572-581, 2019. [19] Min Wang, Anle Yang, Dynamic learning from adaptive neural control of robot manipulators with prescribed performance, IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 47, no. 8, pp. 2244-2255, Aug. 2017.[20] Min Wang, Cong Wang, Peng Shi and Xiaoping Liu, Dynamic learning from neural control for strict-feedback systems with guaranteed predefined performance, IEEE Transactions on Neural Networks and Learning Systems, vol. 27, no. 12, pp. 2564-2576, Dec. 2016.[21] Shi-Lu Dai, Min Wang, Cong Wang, Neural Learning Control of Marine Surface Vessels With Guaranteed Transient Tracking Performance, IEEE Transactions on Industrial Electronics, vol. 63, no. 3, pp. 1717-1727, Mar. 2016.[22] Min Wang, Cong Wang, Learning from adaptive neural dynamic surface control of strict-feedback systems, IEEE Transactions on Neural Networks and Learning Systems, vol. 26, no. 6, pp. 1247-1259, June. 2015.[23] Min Wang, Xiaoping Liu and Peng Shi, Adaptive neural control of pure-feedback nonlinear time-delay systems via dynamic surface technique, IEEE Transactions Systems, Man and Cybernetics-Part B, vol. 41, no. 6, pp. 1681-1692, Dec. 2011. [24] Min Wang, S. S. Ge and Keum-Shik Hong, Approximation-based adaptive tracking control of pure-feedback nonlinear systems with multiple unknown time-varying delays, IEEE Transactions on Neural Networks, vol. 21, no. 11, pp. 1804-1816, Nov. 2010.[25]   Min Wang, Bing Chen and Peng Shi, Adaptive neural control for a class of perturbed strict-feedback nonlinear time-delay systems, IEEE Transactions on Systems, Man and Cybernetics--Part B, vol. 38, no. 3, pp. 721-730, June. 2008. 科研创新 1. 发明专利：王敏，杨安乐，方冲， 基于确定学习理论的性能受限柔性机械臂控制方法， 申请日2016-06-21，授权日2018-04-13，专利号： ZL 2016104570323.2. 发明专利：王敏，邹永涛，陈志广，张燕雯，基于确定学习的全状态受限刚性机械臂安全可靠控制方法，申请日 2017.06.16，授权日 2019-07-12 专利号：ZL 2017104588656.3. 发明专利：王敏，叶慧平，陈志广，邹永涛，一种基于动态模式的机械臂智能自主控制方法，申请日2017-07-31，授权日 2019-10-18，专利号： ZL 2017106367501. 4. 发明专利：王敏，黄盛钊，邹永涛，陈志广，一种位置受限柔性关节机器人基于模式的智能控制方法，申请日2018.10.19，授权日2020-07-28，专利号：ZL 2018112192072.5. 发明专利：王敏，张玉望，戴诗陆，杨辰光，一种基于神经网络的受限移动机器人协同路径跟踪控制方法，申请日2019-09-09，授权日2020-09-18，专利号：ZL 2019108482310.6. 发明专利：王敏、黄盛钊、曾宇鹏，一种基于图像分类的刚性机械臂复合学习控制方法，申请日2020-08-14，授权日2021-08-10，专利号：ZL 2020108172711.7. 发明专利：王敏，黄锐鹏，戴诗陆，杨辰光，一种基于事件触发的永磁同步电机位置跟踪控制方法，申请日2019-09-09，授权日2021-07-23，专利号：ZL 2019108489678.8. 发明专利：王敏，刘雅梅，曾宇鹏，戴诗陆，一种采样机械臂闭环控制系统的小故障检测方法，申请日 2021-03-29，授权日2022-03-15，专利号：ZL 202110331788.4.9. 发明专利：王敏，曾宇鹏，黄盛钊，基于图像识别的机械臂多任务自主学习控制方法及系统，申请日2020-11-30，授权日2022-06-14，专利号：ZL 202011373252.0.10. 发明专利：王敏，曾宇鹏，林梓欣, 一种基于宽度径向基神经网络的机械臂阻抗学习控制方法，申请日 2021-08-06，授权日2023-03-21，专利号： ZL 202110899746.0.11. 发明专利：王敏，曾宇鹏，基于确定学习与复合学习联合的机械臂柔顺控制方法、存储介质及机器人，申请日 2022-03-22， 授权日2023-04-25，专利号：ZL 202210280461.3.12. 发明专利：王敏，林梓欣，曾宇鹏，戴诗陆，基于确定学习的封闭机器人速度补偿跟踪控制方法、存储介质及机器人，申请日 2021-12-20，授权日2023-04-09，专利号：202111562537.3.13. 实用新型专利：王敏，曾宇鹏，林梓欣，一种新型无线通讯移动机械臂装置，申请日2020-12-17，授权日2021-09-21，专利号：ZL 202023040936.7.14. 实用新型专利：王敏，潘鸿飞，陈史弘，戴诗陆，一种带有平衡飞轮和视觉引导模块的无人自行车实验平台，申请日 2021-10-28，授权日2022-03-15，专利号：ZL 202122606521.X.15. 软件著作权：王敏，曾宇鹏， 黄盛钊， 基于V-REP的机械臂动力学学习控制仿真系统V1.0, 2020SR1662426, 原始取得, 全部权利, 2020-11-27. 教学活动 1. 本科生课程：《人工智能》、《运动控制》、《机器智能探索》和《智能控制理论与应用》2. 硕士研究生课程：《自适应神经网络控制》 指导学生情况 在读博士生5人、在读硕士生10人。毕业博士生3人、毕业硕士生18人