报告题目：控制理论与人工智能交叉领域：理论与应用探索
报告人：崔靖涵副教授 吉林大学通信工程学院
报告摘要：
近年来，人工智能技术与控制理论的深度融合，为复杂动态系统的高效、安全和智能运行提供了新的研究思路。模型预测控制（Model Predictive Control, MPC）作为一种基于模型、优化和反馈的先进控制方法，已广泛应用于工业过程、新能源系统、微电网和智能装备等领域。然而，面对强非线性、不确定扰动、模型难以精确建立以及在线优化计算负担较重等问题，传统MPC方法在实际应用中仍存在一定局限。与此同时，强化学习（Reinforcement Learning, RL）和深度学习等人工智能方法具有较强的数据驱动建模与策略学习能力，为提升MPC的性能和可扩展性提供了重要工具。本报告围绕控制理论与人工智能交叉领域展开，首先介绍控制与机器学习的基本联系，随后重点阐述模型预测控制的基本思想、发展脉络与关键挑战，并进一步介绍基于强化学习的稳定模型预测控制方法。通过将强化学习引入终端域、终端代价函数和终端控制策略等稳定性条件设计中，相关方法能够在保证闭环稳定性的同时提高控制性能，并降低在线优化计算负担。结合典型仿真结果，展示人工智能赋能优化控制在理论研究与工程应用中的潜力，为复杂系统的智能控制提供新的思路和方法。
报告人简介：
崔靖涵，吉林大学人才引进副教授，硕士生导师，吉林大学唐敖庆青年学者，主要研究方向为模型预测控制、新能源发电控制、微电网优化调度、网算控协同控制、机械臂轨迹规划等。主持国家自然科学基金面上、青年基金等多项国家级和省级项目。发表学术论文20余篇，包括Automatica, IEEE Transactions on Industrial Informatics, IEEE Transactions on Industry Applications, IEEE Internet of Things Journal, Energy等国际高水平期刊，出版专著1部。担任自动化学会预测控制与智能决策专委会委员，人工智能学会工业人工智能专委会委员。
报告时间：2026年4月23日(星期四) 5-6节 13:30-15:10
报告地点：吉林大学前卫校区正新楼四楼学生教室
