报 告 人：那靖
报告摘要 ：
传统自适应参数估计和控制多采用基于观测/控制误差的梯度学习方法，虽能证明稳态收敛，但其强鲁棒性差、瞬态收敛速度慢。而基于e修正和σ修正的鲁棒自适应算法则无法实现未知参数的精确估计。近年来，报告人和合作者建立了一类基于参数估计误差的自适应参数估计和控制新方法，可实现对于时变参数的快速估计（指数或有限时间收敛），将其用于自适应控制则同时实现参数估计和控制目标，并提出了在线验证参数收敛所必需的持续激励条件的方法。本报告将简介报告人近期在自适应估计和控制方向的最新研究成果，并介绍其在机器人系统自适应控制、车辆行驶系统参数估计、汽车发动机建模、最优控制等相关领域中的应用。报告内容主要包括：1） 基于参数误差信息的自适应参数估计方法
2） 基于参数误差信息的自适应控制系统设计
3） 基于参数误差信息的自适应参数估计和控制应用
a) 机器人系统
b) 近似动态规划的自适应最优控制
c) 车辆行驶路况坡度及车重估计
d) 汽车发动机转矩估计
作者简介：
那靖，现为英国布里斯托大学(University of Bristol)机械工程系“玛丽·居里学者（Marie Curie Research Fellow）”。2010年毕业于北京理工大学自动化学院，获工学博士学位。攻读博士学位期间，分别公派至西班牙加泰罗尼亚理工(Universitat Politècnica de Catalunya)和英国布里斯托大学大学访问。2011年至2013年于国际组织-ITER Organization（法国）从事博士后工作。现为中国人工智能学会智能空天系统专委会委员，并应邀担任多个知名国际会议程序委员会委员，在多个期刊和会议组织专刊及邀请组。
主要从事复杂机电系统建模、自适应参数辨识、自适应控制及应用、低温系统建模、仿真及控制等方面研究。目前主持欧盟FP7 框架“玛丽居里学者”行动计划资助项目，英国皇家学会和中国国家自然科学基金委交流合作项目（Newton Mobility Grant）、国家自然科学基金项目等多个科研项目。近年来，共发表论文80篇(期刊论文45篇)。2011年获摩纳哥公国与ITER联合博士后项目资助（每两年全球遴选5名）。2013年获第三届IFAC智能控制和自动化科学大会 (IFAC ICONS 2013)最佳应用论文奖。