教师主页移动版

更新日期：2024年3月14日 姓 名 董训德 性 别 男 出生年月 1985年2月 籍贯 山东邹城市 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 工学博士 技术职称 副教授 导师类别 硕导 行政职务 Email audxd@scut.edu.cn 工作单位 自动化科学与工程学院 邮政编码 通讯地址 华南理工大学五山校区3号楼409 单位电话 153****1746 个人简介 董训德，1985年2月生，山东邹城人。2015年在华南理工大学自动化科学与工程学院获工学博士学位。2015年6月至2017年6月在华南理工大学数学学院从事博士后研究工作。2017年6月至今任华南理工大学自动化科学与工程学院助理研究员、副教授。2019年8月至2020年8月获国家留学基金委员会资助到澳大利亚University of Sydney访学进修1年。主要研究领域包括确定学习、智能医学信号分析、系统辨识等，发表SCI/EI论文20余篇。目前主持国家自然科学基金项目1项、广东省自然科学基金项目3项、中央高校项目2项，作为本单位负责人参与区域创新发展联合基金重点项目1项，作为骨干成员参与国家自然科学基金重大项目2项，参与其他项目多项。 工作经历 (1) 2021-09 至 今, 华南理工大学, 自动化科学与工程学院, 副教授 (2) 2017-06 至 2021-09, 华南理工大学, 自动化科学与工程学院, 助理研究员(3) 2015-06 至 2017-06, 华南理工大学，数学学院，博士后(4) 2019-08 至 2020-08, 悉尼大学, 电子与信息工程学院, 访问学者 教育经历 (1) 2010-09 至 2014-12, 华南理工大学, 自动化科学与工程学院，控制理论与控制工程, 博士 (2) 2008-09 至 2010-7, 华南理工大学, 数学学院，数学与应用数学，硕士 (2) 2003-09 至 2007-07, 曲阜师范大学, 数学科学学院，数学与应用数学, 学士 研究领域 确定学习、动态模式识别、智能医学信号分析、系统辨识 科研项目 (1) 国家自然科学基金委员会, 青年科学基金项目,  基于确定学习的恶性心律失常提前检测研究, 2021-01-01至2023-12-31, 30万元, 在研, 主持 (2) 国家自然科学基金委员会, 区域联合基金项目重点项目, 融合多导联心电信号多维度特征的心肌梗死早期诊断及精准定位研究, 2021-01-01至2024-12-31, 258万元(到校经费80万元), 在研, 本单位项目负责人(3) 广东省基础与应用基础研究基金委员会, 面上项目, 基于动态模式识别及微小故障诊断的心律失常检测研究, 2021-01 至 2023-12, 10万元, 在研, 主持 (4) 中央高校项目, 基于心电信号动力学高阶特征与静态特征融合的心律失常检测研究, 2022-01至2023-12, 10万元, 在研, 主持 (5) 广东省基础与应用基础研究基金委员会, 博士启动纵向协同项目, 基于确定学习及分布参数系统辨识的心电信号识别研究, 2018-05 至 2021-04, 5万元, 已结题, 主持 (6)  广东省基础与应用基础研究基金委员会, 基于确定学习的心电识别研究, 博士启动项目, 2017-05 至 2020-04, 10万元, 已结题, 主持(7) 中央高校项目, 博士启动纵向协同项目, 基于确定学习及分布参数系统辨识的心电信号识别研究, 2018-05 至 2020-04, 5万元, 已结题, 主持 (8) 国家自然科学基金委员会, 重大项目, 高性能航空发动机失稳运行状态的辨识与预测方法研究, 2019-01-01 至 2023-12-31, 343万元, 在研, 参与（骨干成员） (9) 国家自然科学基金委员会, 重大科研仪器研制项目, 用于心肌缺血/猝死早期检测的心电动力学图新型装置, 366.7万元, 已结题, 参与(骨干成员)(10) 广州市科技局, 产学研协同创新重大专项, 心肌缺血早期检测的新型脉象装置研发, 2017-05至2020-04, 400万元, 已结题, 第二参与人(11) 国家自然科学基金委员会, 杰出青年基金项目, 智能控制与确定学习, 2013-01至2016-12, 200万元, 已结题, 参与(骨干成员) 发表论文 [1]Dong X, Wang C. Identification of Gray-Scott model via Deterministic Learning. International Journal of Bifurcation and Chaos, Vol. 31, No. 4 (2021) 2150051. [2]Dong X, Si W, Wang C. Global Identification of FitzHugh-Nagumo Equation via Deterministic Learning and Interpolation. IEEE Access, 2019, 7: 107334-107345.  [3]Dong X, Wang C, Si W. ECG beat classification via deterministic learning. Neurocomputing, 2017, 240: 1-12. [4]Dong X, Si W, Huang W. ECG-based identity recognition via deterministic learning. Biotechnology & Biotechnological Equipment, 2018: 1-9.[5]Dong X, Wang C. Identification of the FitzHugh–Nagumo Model Dynamics via Deterministic Learning. International Journal of Bifurcation and Chaos, 2015, 25(12): 1550159.[6]Dong X, Song C, Wang C. Spiral Tip Identification via Deterministic Learning. International Journal of Bifurcation and Chaos, 2019, 29(03): 1950040. [7]Dong X, Wang C, Yang Q, et al. System identification of distributed parameter system with recurrent trajectory via deterministic learning and interpolation. Nonlinear Dynamics, 2019, 95(1): 73-86.[8]Song C, Dong X*, Wang C. Spiral Tip Recognition via Deterministic Learning. International Journal of Bifurcation and Chaos, 2020, 30(06): 29(03): 1950040 [9]Si W, Dong X*. Adaptive neural control for MIMO stochastic nonlinear pure-feedback systems with input saturation and full-state constraints. Neurocomputing, 2018, 275: 298-307. [10]Si W, Dong X*. Neural Prescribed Performance Control for Uncertain Marine Surface Vessels without Accurate Initial Errors. Mathematical Problems in Engineering, 2017, 2017. [11]Wang C, Dong X, Ou S, et al. A new method for early detection of myocardial ischemia: cardiodynamicsgram (CDG). Science China Information Sciences, 2016, 59(1): 1-11.[12]Si W, Dong X, Yang F. Nussbaum gain adaptive neural control for stochastic pure-feedback nonlinear time-delay systems with full-state constraints. Neurocomputing, 2018, 292: 130-141. [13]Si W, Dong X, Yang F. Decentralized adaptive neural control for high-order interconnected stochastic nonlinear time-delay systems with unknown system dynamics. Neural Networks, 2018. [14]Si W, Dong X, Yang F. Decentralized adaptive neural control for interconnected stochastic nonlinear delay-time systems with asymmetric saturation actuators and output constraints. Journal of the Franklin Institute, 2018, 355(1): 54-80. [15]Si W, Dong X, Yang F. Decentralized adaptive neural control for high-order stochastic nonlinear strongly interconnected systems with unknown system dynamics. Information Sciences, 2018, 424: 137-158. [16]Si W, Dong X. Adaptive neural DSC for stochastic nonlinear constrained systems under arbitrary switchings. Nonlinear Dynamics, 2017, 90(4): 2531-2544. [17]Si W, Dong X, Yang F. Adaptive neural control for stochastic pure-feedback non-linear time-delay systems with output constraint and asymmetric input saturation. IET Control Theory & Applications, 2017, 11(14): 2288-2298. [18]Si W, Dong X, Yang F. Adaptive neural prescribed performance control for a class of strict-feedback stochastic nonlinear systems with hysteresis input. Neurocomputing, 2017, 251: 35-44. [19]Si W, Dong X, Yang F. Adaptive neural prescribed performance control for a class of strict-feedback stochastic nonlinear systems under arbitrary switchings. International Journal of Systems Science, 2017, 48(11): 2300-2310.[20]Si W J. Adaptive neural control for nonstrict-feedback stochastic nonlinear time-delay systems with input and output constraints. International Journal of Adaptive Control and Signal Processing, 2017, 31(10): 1401-1417. 教学活动 电机及拖动基础、人工智能 我的团队 隶属于“智能控制与动态模式识别”团队，主要从事动态环境下的机器学习及模式识别相关研究。