近年来，融合机器学习思想的模型预测控制（MPC）得到广泛关注。但是，如何设计具有鲁棒性保证的学习型预测控制算法是一个难题。报告首先介绍一种基于Koopman数据驱动建模的鲁棒预测控制设计方法，借助线性Tube MPC的设计方法为鲁棒非线性MPC控制问题提供了可行方案；并扩展介绍一种基于Koopman建模和策略优化的鲁棒预测控制方法，采用滚动时域强化学习代替在线MPC数值优化求解器、通过离线/在线学习得到一个由神经网络构成的显式MPC控制律。最后介绍基于策略优化的学习型预测控制方法在无人车辆控制中的实际应用。

简历：张兴龙，意大利米兰理工大学博士，国防科技大学智能科学学院副教授。入选科协青托（2022），国防科技大学拔尖人才。主要研究学习型预测控制及其在无人平台中的应用，主持国家自然科学基金青年、中国博士后特别资助、基础加强计划等项目近10项。在Automatica, IEEE汇刊,自动化学报以及ICRA、IROS等机器人和控制领域重要期刊和会议发表论文50余篇，申请/授权国家发明专利13项。任IEEE CIS on ADP and RL Task Forces Vice Chair，中国自动化学会共融机器人专委会以及自适应动态规划与强化学习专委会委员、中国人工智能学会青年工作委员会委员。

讲座时间地点：

2024年4月8日下午，3:00-4:00，湖南大学机械与运载工程学院516