信息工程学院高质量发展之学术报告第十一讲

为了进一步加强学院学术氛围，跟踪学科前沿，与国内外优秀同行建立良好合作关系，提高学院学术影响力，同时扩大师生视野，提高师生学术创新能力，提高学院发展质量，我院将开展系列学术报告，本次报告为系列报告第十一讲。

报告一：

报告主题：Applications of Advanced Control and Learning Technologies for Intelligent and Green Automobiles

报告大纲：This presentation will briefly introduce the state-of-the-art control and machine learning technologies applicable to the optimal design and control of intelligent and green automobiles. The presentation focuses on three topics: (1) The application of optimal and learning-based control to the energy management control of green vehicles, such as hybrid-electric vehicles and battery-electric vehicles. The applicable control technologies include adaptive dynamic programming, real-time optimal control by convex optimization, and adaptive control by online learning. (2) Path planning and trajectory control of autonomous and connected vehicles. The main control framework for these problems is model-predictive control. (3) Model-based systems engineering (MBSE) to support the development of intelligent vehicles. This topic studies architectural design and analysis methods and tools to formally design and verify the software and electronics of intelligent vehicles. The architecture model of the software system is quantitatively analyzed and optimized.

主讲人简介：Dr. Lei Feng is an associate professor at Mechatronics and Embedded Control Systems division, Department of Machine Design, KTH Royal Institute of Technology, in Stockholm, Sweden. He received the B.S. and M.S. degrees from the Department of Mechanical and Electronic Engineering, Xi’an Jiaotong University, Xi’an, China, in 1998 and 2001, respectively, and the Ph.D. degree from the Systems Control Group, Department of Electrical and Computer Engineering, University of Toronto, Toronto, ON, Canada, in 2007. His main research interests include formal methods for the verification and control synthesis of cyber-physical systems, energy management control of mechatronic systems, autonomous driving, smart and sustainable manufacturing, closed-loop 3D/4D printing, etc.

报告二：

报告主题：自动驾驶的安全工程以及基于场景的验证

报告大纲：安全问题已经成为阻碍自动驾驶系统全面商业化的最大阻碍。智能系统的复杂性为论证系统的功能安全带来巨大挑战。同时，外部环境的不确定性所引发的预期功能安全问题更是全世界的难题。目前公认的能有效论证预期功能安全的方法是基于场景的验证方法。本报告将介绍（1）自动驾驶安全工程的基本概念，包括系统安全，功能安全，预期功能安全；（2）自动驾驶安全用例（safety case）的基本思路，以及现有的安全标准的局限性；（3）基于场景的验证方法的基本概念；（4）寻找及识别关键场景的方法分类；（5）现有的识别关键场景方法的局限和挑战。

主讲人简介：张新海博士，TÜV认证的ISO26262功能安全工程师。目前就职于瑞典Sigma Technology Consulting公司的自动驾驶安全专家，SCANIA自动驾驶部门系统组安全经理。主要从事功能安全以及预期功能安全的相关工作。他本科及硕士毕业于东北大学控制理论与控制工程专业。2017年，他博士毕业于瑞典皇家理工大学（KTH），ITM学院，Machine Design系。他在汽车电子架构设计，自动驾驶以及系统安全领域有十多年的研究和工作经验。2019至2020年，曾作为KTH的主要负责人参与欧盟项目AutoDrive和Prystine，并在AutoDrive中担任ADAS系统功能安全概念子课题的负责人。他曾担任 31st IEEE Intelligent Vehicles Symposium (IV 2020) 以及 2nd & 3rd Workshops on Ensuring and Validating Safety for Automated Vehicles (part of IV 2019 & IV 2020)的副主编，13th International Symposium on Industrial Embedded Systems (SIES 2018)的程序委员会成员，并曾担任IEEE Transactions on Vehicular Technology (TVT), ACM transactions on cyber-physical systems (TCPS) 以及包括 ICCPS 和SAFECOMP在内的9个国际会议的审稿人。

报告三：

报告主题：适用于并联混合动力电动汽车的计算高效的能量管理策略

报告大纲：混合动力电动汽车在当下汽车电气化的进程中在节能减排方面具有不可比拟的优势，然而其优越性必须借助于适宜的能量管理策略。当前已有的控制策略虽然可以取得接近于最优的控制效果却要消耗巨大的计算资源，因而不适用于未来实车的嵌入式控制系统。本研究采用多种新颖的方法，将现有基于规则，优化，学习等策略的优势进行融合，开发出了可用于线上高效运行的能量管理策略。该策略不仅可以取得接近于动态规划的最优等效能量效率，还有效解决了并联混合动力电动汽车的引擎频繁开关的风险。

主讲人简介：刘童博士，现为瑞典皇家理工学院机械设计系机电一体化及嵌入式控制系统课题组研究员。本科和硕士就读于长安大学信息工程学院电子信息工程专业和交通信息工程及控制专业。毕业后就职于中国交通建设集团第一公路勘察设计研究院。后赴瑞典皇家理工学院攻读博士学位，并于2023年5月于机械设计系毕业。在此期间，在冯雷教授的指导下一直致力于新能源汽车能量管理与混合动力传统系结构优化方面的深入研究，发表了多篇专业学术论文，并为IEEE旗下多个国际会议及学术期刊担任长期审稿人。

报告四：

报告主题：基于边缘计算的多智能体任务卸载和协同应用

报告大纲：演讲主题围绕基于边缘计算的多智能体任务卸载和协同应用。一方面，将讨论多智能体系统中的去中心化协同，包括资源分配和合作优化。另一方面，将探讨任务卸载技术在处理嵌入式系统计算和内存资源不足时的应用，在保证实时性下处理复杂优化控制和状态估计问题。

主讲人简介：谭凯戈博士生于2018年在中国哈尔滨工业大学获得机电一体化专业学士学位，并于2020年在瑞典斯德哥尔摩皇家理工学院获得机电一体化专业硕士学位。他目前正在瑞典斯德哥尔摩皇家理工学院机械设计系攻读博士学位。他的研究兴趣包括优化、强化学习和最优滤波。

报告时间：2023年7月19日下午14:30

报告地点：车联网与智能汽车测试研究院110室

诚挚邀请感兴趣的老师和学生参加本次报告！