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2022年12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
（1）IET Fellow（英国工程与技术学会会士），2022年
（2）山东省自然科学奖二等奖，2021年
（3）北京市自然科学奖二等奖，2020年
（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年
（6）中国自动化学会科学奖二等奖，2018年
（7）霍英东青年教师奖，2016年
（8）IFAC ADCHEM2015青年作者奖，2015年
（9）IEEE CSS北京分区青年作者奖，2014年
（10）Journal 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年
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.