王友清

时间:2022-12-26浏览:14875

王友清,工学博士、教授、博士生导师。国家杰青、IET Fellow。现任北京化工大学信息科学与技术学院院长。2003年本科毕业于山东大学信息与计算科学专业。2008年博士毕业于清华大学控制科学与工程专业。2008年至2010年在美国加州大学圣芭芭拉分校从事博后研究。

截止202212月,以第一作者或通讯作者发表SCI期刊论文100余篇,包括《IEEE Transactions on Automatic Control》、《Automatica》、《IEEE Transactions on Cybernetics》、《IEEE Transactions on Industrial Informatics》、《IEEE Transactions on Industrial Electronics》等国际顶级期刊,论文被SCI引用四千多次,施引作者中包括40多位国内外院士。出版专著两部,授权专利12项。

王友清教授主持过二十余项科研项目,包括国家自然科学基金杰出青年基金、国家自然科学基金优秀青年基金、国家自然科学基金面上项目2项、山东省杰出青年基金、霍英东青年教师基金、教育部新世纪优秀人才计划、欧洲糖尿病研究基金项目(当年全国仅4项)等。他担任多个国际期刊编委;在多个国际重要学术组织兼职;先后担任十多个学术会议的程序委员会主席、邀请组主席、出版副主席、分会主席等。他是首位获得《Journal of Process Control》最佳论文奖和ADCHEM青年作者奖两个奖项的中国大陆学者。他还荣获教育部自然科学奖二等奖、北京市自然科学奖二等奖、山东省自然科学奖二等奖、中国自动化学会自然科学奖二等奖、霍英东青年教师奖。

邮箱:wang_youqing@mail.buct.edu.cn

主持的主要科研项目Research Projects

项目名称

项目来源

智能化工系统的安全评估

国家自然科学基金杰出青年基金

人体血糖动态过程的安全控制

国家自然科学基金优秀青年基金

无人艇异常工况的智能监测和自愈控制

青岛创新领军人才支持计划项目

二维系统的安全控制

山东省杰青基金项目

二维系统框架下迭代学习控制的性能评估理论及应用

国家自然科学基金面上项目

重症监护病人的健康状态监测和可靠控制

教育部新世纪优秀人才支持计划

批次过程的控制性能评估

北京市青年英才

Closing the Loop for Adult Subjects with T1DM   Using Learning-Type Model Predictive Control

EFSD/CDS/Lilly中欧糖尿病合作研究基金

基于群体智能和模型预测的重症监护病人的血糖闭环控制研究

霍英东青年教师基金

基于非线性模型预测控制设计人工胰脏β细胞

北京市科技新星

“人工胰脏”的容错控制研究

国家自然科学基金面上项目


主要奖励Main achievements

1IET Fellow(英国工程与技术学会会士),2022

2)山东省自然科学奖二等奖,2021

3)北京市自然科学奖二等奖,2020

4)全国向上向善好青年,2020年(共青团中央)

5)教育部自然科学奖二等奖,2019

6)中国自动化学会科学奖二等奖,2018

7)霍英东青年教师奖,2016

8IFAC ADCHEM2015青年作者奖,2015

9IEEE CSS北京分区青年作者奖,2014

10Journal of Process Control Survey Paper Prize(国际自动控制联合会颁发;每三年精选一篇;大陆首位获得者),2011

主要论文Research Paper

[1]  Ma, X.; Wu, D.; Gao, S.; Hou, T.; Wang, Y.* (2022): Autocorrelation feature analysis for dynamic process monitoring of thermal power plants. IEEE T. Cybernetics, DOI: 10.1109/TCYB.2022.3228861

[2]  Shi, Y.; Wang. Y.*; Tuo. J. (2022): Distributed secure state estimation of multi-agent systems under homologous sensor attacks. IEEE/CAA Journal of Automatica Sinica, DOI: 10.1109/JAS.2022.105920

[3]  Wang, Y.*; Qin, Y.; Lou, Z.; Ma, X. (2022): Survey on recursive statistical process monitoring methods. The Canadian Journal of Chemical Engineering, DOI: 10.1002/cjce.24494

[4]  Sun, R.; Wang, Y.*; Mu, Z.; He, K. (2022): Fault diagnosis for large-scale processes based on robust multiblock global orthogonal projections to latent structures. IEEE Transactions on Automation Science and Engineering, DOI: 10.1109/TASE.2022.3190360

[5]  Ma, X.; Si, Y.; Qin, Y.; Wang, Y.* (2022): Fault detection for dynamic processes based on recursive innovational component statistical analysis. IEEE Transactions on Automation Science and Engineering, DOI: 10.1109/TASE.2022.3149591

[6]  Wang, M.; Ma, X.; Hu, Y.; Wang, Y.* (2022): Gear fault diagnosis based on variational modal decomposition and wide+narrow visual field neural networks. IEEE Transactions on Automation Science and Engineering, 19(4): 3288-3299. DOI: 10.1109/TASE.2021.3117288

[7]  Shi, Y.; Liu, C.; Wang, Y.* (2022): Online secure state estimation of multi-agent systems using average consensus. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 52(5): 3171-3186. DOI: 10.1109/TSMC.2021.3064658

[8]  Shi, Y.; Liu, C.; Wang, Y.* (2022): Asymptotically stable filter for MVU estimation of states and homologous unknown inputs in heterogeneous multiagent systems. IEEE Transactions on Automation Science and Engineering, 19(2): 884-894. DOI:  10.1109/TASE.2021.3060075

[9]  Zhu, K.; Wang, Y.* (2022): Event-triggered sensor fault estimation of unreliable networked unmanned surface vehicle system with correlated noises. IEEE Transactions on Vehicular Technology, 71(3): 2527-2537. DOI: 10.1109/TVT.2022.3142147

[10]Lou, Z.; Wang, Y.*; Si, Y.; Lu, S. (2022): A novel multivariate statistical process monitoring algorithm: orthonormal subspace analysis. Automatica, 138: 110148. https://doi.org/10.1016/j.automatica.2021.110148

[11]Qin, Y.; Yan, Y.; Ji, H.; Wang, Y.* (2022): Recursive correlative statistical analysis method with sliding windows for incipient fault detection. IEEE Transactions on Industrial Electronics, 69(4): 4185-4194. DOI: 10.1109/TIE.2021.3070521

[12]Chen, Q.; Liu, Z.; Ma, X.; Wang, Y.* (2022): Artificial neural correlation analysis for performance-indicator-related nonlinear process monitoring. IEEE Transactions on Industrial Informatics, 18(2): 1039-1049. DOI: 10.1109/TII.2021.3080285

[13] Shi, Y.; Liu, C.; Wang, Y.* (2021): Secure state estimation of multi-agent systems with homologous attacks using average consensus. IEEE Transactions on Control of Network Systems, 8(3): 1293-1303.

[14] Si, Y.; Wang, Y.*; Zhou, D. (2021): Key-performance-indicator-related process monitoring based on improved kernel partial least squares. IEEE Transactions on Industrial Electronics, 68(3): 2626-2636.

[15] Wang, Y.; Zhao, D.*; Li, Y.; Ding, S.X. (2017): Unbiased minimum variance fault and state estimation for linear discrete time-varying two-dimensional systems. IEEE T. Automatic Control, 62(10): 5463-5469.

[16] Wang. Y.; Gao, F.; Doyle III, F.J. (2009): Survey on iterative learning control, repetitive control, and run-to-run control. Journal of Process Control, 19(10): 1589-1600.