姓名：王聪 性别：男 职称：教授
学院：自动化科学与工程学院 最后学历：博士
主要研究方向：智能控制，动态模式识别，振动故障诊断，动态视觉，动态并行计算，智能机器人
王聪，1989年7月和1997年4月毕业于北京航空航天大学自动控制系并获得学士和硕士学位，2002年6月获得新加坡国立大学电子与计算机工程系博士学位。1989－1998年在中国航空工业总公司第613研究所任助理工程师、工程师，2001－2004年在香港城市大学电子工程系任博士后研究助理、高级研究助理、Research Fellow。2004年加入华南理工大学。2005－2007年在国家自然科学基金委员会信息科学部自动化学科任流动项目主任。现任华南理工大学自动化学院教授、博士生导师，华南理工大学控制与优化研究中心副主任。
研究兴趣包括非线性系统的自适应神经网络控制与辨识，以及在此基础上提出的确定学习理论、动态模式识别、基于模式的智能控制等。在Automatica、IEEE Transactions on Neural Networks等国际著名刊物，以及控制界国内外重要会议发表论文逾50篇；其中，被SCI收录的国际期刊论文16篇，被EI收录的国际期刊与会议论文20篇，被SCI引用逾200次。在美国CRC出版社出版《确定学习理论》英文专著1部。学术兼职包括《控制理论与应用》编委，IEEE控制系统学会会议编委，中国人工智能学会空天智能系统专业委员会委员，IEEE控制系统学会智能控制技术委员会委员。2006年入选教育部新世纪优秀人才支持计划。2006年获广东省自然科学奖一等奖。
研究方向：
1、确定学习理论
确定学习原理运用自适应神经网络辨识/控制和非线性动力学系统的概念与方法，研究未知动态环境下的知识获取、表达、存储和再利用等问题。确定学习为未知动态环境下非线性系统的辨识、控制与识别提供了系统化的研究方法，其学术应用领域包括：动态模式识别、基于模式的智能控制、振荡故障诊断与预测、认知计算与模拟计算、等等。确定学习是机器学习、智能控制、模式识别等领域的新方向，它将成为未来高级智能系统的一项关键技术。
2、动态模式识别及其应用
动态模式的识别问题是模式识别领域最具挑战性的课题之一。基于确定学习理论，我们提出了对动态模式以时不变且空间分布的方式进行表达的方法，给出了刻画动态模式之间相似性的定义，并在此基础上提出了对动态模式进行快速识别的方法。这种动态模式识别方法代表了一种以连续和模拟方式进行的动态并行分布（Dynamic Parallel Distributed Processing DPDP）信息处理新模型，在实际工程中具有广阔应用前景。目前，我们在航空航天发动机故障检测、动态视觉目标识别等方面开展应用研究。
3、基于模式的智能控制
理想的智能控制系统不但应具有适应未知动态环境（Adaptation）的能力，还应具有模拟人类学习（Learning）的能力，即对未知动态环境中的信息进行获取、表达、记忆，并利用学到的知识进一步提高控制性能的能力。 基于确定学习理论，我们研究一种基于动态模式的智能控制新框架。这一框架把不同类别的控制情形定义为不同的动态模式，首先对不同的控制情形进行学习、分类和存储；然后，当一个新的控制情形出现时，能基于动态模式识别方法迅速判断新的控制情形是否与曾经历的某种控制情形相似, 并选用包含相应经验的神经网络控制器进行控制。对这一方向的深入研究将为智能控制理论的进一步发展做出有意义的贡献。
4、动态模式识别系统开发
动态模式识别系统的实现有两种方式：（1）以多核计算平台和包含动态模式识别算法的并行计算方法实现，这可用于空间不受限制的动态环境；（2）以大规模动态RBF神经网络的数模混合集成电路实现，这可用于空间受限的动态环境。这种动态模式识别系统可以高效地求解动态环境下的计算问题。目前，我们采用曙光16核服务器为硬件平台，采用并行计算实现动态模式识别算法，开发了一台动态模式识别系统原型机，初步实现了对动态模式进行快速识别的原理性验证。
科研项目：
1、基于视觉信息的环境感知与目标识别关键技术 （国家重点基础研究发展计划(973)项目子课题2007CB311005）。运用确定学习理论及动态模式识别方法，研究基于视频数据的动态视觉目标识别算法。
2、超燃冲压发动机突变控制问题研究 （国家自然科学基金重大研究计划重点项目90816028）。高超声速飞行器对于国防安全和航天运输都有重要意义，超燃冲压发动机是高超声速飞行器的动力装置，其成功研制是发展高超声速技术的关键。我们运用确定学习理论、动态模式识别以及基于模式的智能控制方法，研究超燃冲压发动机燃烧突变过程的建模、诊断与控制。
3、涡扇发动机压缩系统不稳定流动的建模、预测和控制（国家自然科学基金重点项目60934001）。航空发动机被誉为飞机的“心脏”，涡扇发动机是目前世界上军用和大型民用飞机最常用的动力装置，其流动不稳定性（如旋转失速和喘振等）问题是限制现代航空涡扇发动机性能的主要瓶颈之一。我们运用动态模式识别方法，研究快速识别涡扇发动机旋转失速及喘振先兆的新方法。
代表性论著
1. C. Wang and D. J. Hill, Deterministic Learning Theory for Identification, Recognition, and Control, CRC Press, 2009.
2. T. Liu, C. Wang, D. J. Hill, Learning from neural control of nonlinear systems in normal form, Systems & Control Letters, vol. 58, pp. 633-638, 2009.
3. C. Wang and D. J. Hill, “Deterministic Learning and Rapid Dynamical Pattern Recognition,” IEEE Trans. Neural Networks, vol. 18, no. 3, pp. 617–630, May 2007.
4. C. Wang, D. J. Hill, S.S. Ge and G. Chen, “An ISS-modular approach for adaptive neural control of pure-feedback systems”, Automatica, vol. 42, no. 5, pp. 723-731, May 2006.
5. C. Wang and D. J. Hill, “Learning form neural control,” IEEE Trans. Neural Networks, vol. 17, no. 1, pp. 130–146, Jan. 2006.
授权专利
1、基于确定学习理论的机器人行走控制方法（发明专利，授权公告号：CN 100590554C），发明人：王聪、薛珍贵。
2、一种基于确定学习理论的振动故障诊断方法（发明专利, 授权公告号：CN 101299004），发明人：王聪、陈填锐。