10月23日下午，日本千叶大学刘康志教授应邀为我院师生作题为“Compensation for periodic disturbances beyond control bandwidth: A phase-compensated machine learning approach”的学术报告，人工智能与自动化学院副院长陈曦教授主持，学院百余名师生现场参会。
刘康志教授以当前人工智能快速发展的时代背景为切入点，从机器学习在智能控制领域的应用出发，深入剖析了传统反馈控制框架对系统稳定性的严苛要求，尤其聚焦其在处理高频扰动时的显著局限性。刘教授指出，能否借助机器学习手段，攻克传统控制理论难以解决的技术瓶颈。
在报告中，刘教授以逆变器和高速列车系统为典型实例，阐述了周期性干扰控制是控制工程领域长期存在的经典问题，分析了基本方法——内模原理存在固有相位滞后，使得控制带宽有限。针对现有方法难以抑制超出带宽范围扰动的难题，刘教授提出将相位超前补偿机制引入机器学习算法，使算法在处理模型不确定性时表现出极强的鲁棒性，并实现了独立于传统反馈控制回路的设计思路。该方法已在高速列车与逆变器控制系统中得到验证，取得了良好的效果。
报告结束后，参会师生踊跃提问，就干扰信号提取方法、机器学习算法在控制结构中嵌入位置以及算法设计原则等问题与刘教授进行了深入交流。刘教授对现场提出的问题进行了细致而透彻的解答，现场气氛热烈，讨论充分。
