领域简介：

1. 安全关键系统与航空发动机智能控制
面向航空发动机等安全关键复杂系统，研究约束条件、不确定性及外部扰动下的安全控制、预测控制与智能决策方法，重点关注主动安全控制、喘振裕度约束、神经网络模型预测控制以及面向嵌入式平台的实时控制方法。近期相关研究已涉及神经网络MPC在航空发动机控制中的实时实现。

2. 自主系统智能决策与安全控制
面向无人驾驶车辆、无人机和移动机器人等自主系统，研究复杂环境下的高层决策、路径规划、避障与安全控制问题。重点结合马尔可夫决策过程（MDP/HMDP）、模型预测控制（MPC）、优化与机器学习，研究兼顾任务性能、安全约束和实时性的自主决策方法。申请人前期已开展HMDP与MPC融合的自主系统高层决策研究。

3. 模型预测控制与学习控制
研究受约束动态系统的模型预测控制理论与方法，包括鲁棒MPC、安全MPC、分层MPC以及学习增强的模型预测控制。关注传统模型驱动方法与机器学习方法之间的结合，使学习模型能够参与预测、优化和决策，同时保留闭环稳定性、安全性和可解释性。

4. 分布式优化、多智能体学习与协同控制
面向多机器人、网络化系统及多智能体系统，研究分布式优化、博弈、资源分配、协同决策与学习控制问题。重点关注通信时延、网络攻击、持续扰动和信息不完整条件下的算法收敛性、鲁棒性与安全性。该方向已形成IEEE TAC、Automatica及IEEE TIE等系列研究基础。

5. 网络攻击下的韧性控制与自主防御
研究网络化控制系统和智能基础设施在恶意攻击、异常数据和通信故障条件下的安全分析与主动防御方法，包括攻击检测、韧性控制、诱捕/蜜罐机制以及控制与网络安全协同设计。近期研究已拓展至智能电网中的主动攻击检测与防御问题

基础理论与方法： 

混杂系统、切换系统、非线性系统稳定性分析、奇异摄动、Lyapunov方法及分布式优化理论。相关理论主要服务于复杂网络系统、多智能体系统及安全关键自主系统的分析与控制。