上海交通大学关于作为第2完成单位参与2018年度高等学校科学研究优秀成果奖（科学技术）项目公示
根据《教育部办公厅关于推荐2018年度高等学校科学研究优秀成果奖（科学技术）的通知》（教技厅[2018]2号）的规定，现将我校作为第2完成单位参与拟由大连海事大学拟推荐参加2018年度高等学校科学研究优秀成果奖（科学技术）项目评审的1个项目予以公示。
自即日起5个工作日内，任何单位或个人对公示项目的创新性、先进性、实用性及推荐材料的真实性和项目主要完成人、主要完成单位及排序持有异议的，可以书面形式向上海交通大学提出，并提供必要的证明材料。为便于核实查证，确保实事求是、客观公正地处理异议，提出异议的单位或者个人应当表明真实身份，并提供联系方式。凡匿名异议和超出期限的异议，不予受理。
特此公示。
联系单位：上海交通大学
通讯地址：上海市闵行区东川路800 号
联系电话：021-34206195
附件：大连海事大学拟推荐的2018年度高等学校科学研究优秀成果奖（科学技术）项目
上海交通大学
2018年7月13日
附件：
大连海事大学拟推荐的2018年度高等学校科学研究
优秀成果奖（科学技术）项目
自然科学奖：
|
项目名称 |
智能海洋航行器自学习建模与控制 |
|||||||||||||
|
推荐单位 |
大连海事大学 |
|||||||||||||
|
项目简介 |
课题组先后获得国家863计划课题和国家自然科学基金等重要科研项目资助，开展了智能海洋航行器自学习建模与控制研究，为无人船智能自主控制技术奠定了重要理论基础，推动了无人船智能自主系统理论的发展。 1.创建了广义单隐层神经网络模型，发明了基于支持向量机的运动状态参数辨识方法，首次提出了基于滑动窗口的序贯变结构辨识和预报算法，解决了无人船高精度鲁棒运动辨识问题。 2.首次提出了自结构智能跟踪控制方法，创建了无人船极速学习控制框架，解决了无人船无模型智能学习控制问题。 3.首次建立了输出跟踪控制的可跟踪判据，发明了输出跟踪通用非光滑控制方法，首次提出了自适应鲁棒有限时间跟踪控制方法，解决了未知扰动下无人船快速精准跟踪的控制器和观测器耦合设计问题。 在船舶与海洋工程领域Top期刊Ocean Engineering和智能控制领域Top期刊IEEE TNNLS、IEEE TCYB上发表SCI检索论文100余篇，入选ESI工程领域前1%高被引论文11篇、ESI工程领域前0.1%热点论文2篇，SCI总他引500余次；在科学出版社和Springer-Verlag 等出版学术专著3部；授权/申请国家发明专利、登记软件著作权30余项。10篇代表作中，入选ESI工程领域前1%高被引论文5篇、ESI工程领域前0.1%热点论文2篇，SCI总他引204次，研究成果得到了50余位IEEE Fellow的广泛关注和高度评价。 |
|||||||||||||
|
主要完成人情况表 |
姓名 |
排名 |
职称 |
工作单位 |
完成单位 |
对本项目技术创造性贡献 |
||||||||
|
王宁 |
1 |
教授 |
大连海事大学 |
大连海事大学 |
创建了广义单隐层神经网络模型，首次提出了自结构智能跟踪控制方法，发明了在线自组织模糊控制方法。 |
|||||||||
|
邹早建 |
2 |
教授 |
上海交通大学 |
上海交通大学 |
提出了基于支持向量机的船舶运动状态参数辨识方法。 |
|||||||||
|
尹建川 |
3 |
副教授 |
大连海事大学 |
大连海事大学 |
首次提出了基于滑动窗口的序贯变结构辨识和预报算法。 |
|||||||||
|
罗伟林 |
4 |
教授 |
福州大学 |
福州大学 |
提出了基于神经网络逼近的海洋航行器精准运动控制方法。 |
|||||||||
|
论文、论著目录（10篇） |
||||||||||||||
|
序号 |
论文专著名称/刊名/作者 |
影响因子 |
年卷页码 |
发表时间 |
通讯作者 |
第一作者 |
国内作者 |
SCI他引次数 |
他引总次数 |
是否国内知识产权 |
||||
|
1 |
Adaptive robust finite-time trajectory tracking control of fully actuated marine surface vehicles/IEEE Trans. Control Syst. Technol./Ning Wang, Chunjiang Qian, Jing-Chao Sun, Yan-Cheng Liu |
4.883 |
2016年24卷4期—1454-1462页 |
2015 |
Ning Wang |
Ning wang |
Ning Wang, Jing-Chao Sun, Yan-Cheng Liu |
42 |
64 |
是 |
||||
|
2 |
Adaptive robust online constructive fuzzy control of a complex surface vehicle system/IEEE Trans. Cybern./Ning Wang, Meng Joo Er, Jing-Chao Sun, Yan-Cheng Liu |
8.803 |
2016年46卷7期—1511-1523页 |
2015 |
Ning Wang |
Ning Wang |
Ning Wang, Jing-Chao Sun, Yan-Cheng Liu |
36 |
53 |
是 |
||||
|
3 |
Generalized single-hidden layer feedforward networks for regression problems/IEEE Trans. Neural Netw. Learn. Syst./Ning Wang, Meng Joo Er, Min Han |
7.982 |
2015年26卷6期—1161-1176页 |
2014 |
Ning Wang |
Ning Wang |
Ning Wang, Min Han |
36 |
44 |
是 |
||||
|
4 |
Parsimonious extreme learning machine using recursive orthogonal least squares/IEEE Trans Neural Netw. Learn. Syst./Ning Wang, Meng Joo Er, Min Han |
7.982 |
2014年25卷10期—1828-1841页 |
2014 |
Ning Wang |
Ning Wang |
Ning Wang, Min Han |
36 |
50 |
是 |
||||
|
5 |
Self-constructing adaptive robust fuzzy neural tracking control of surface vehicles with uncertainties and unknown disturbances/IEEE Trans. Control Syst. Technol./Ning Wang, Meng Joo Er |
4.883 |
2015年23卷3期—991-1002页 |
2014 |
Ning Wang |
Ning Wang |
Ning Wang |
17 |
50 |
是 |
||||
|
6 |
A novel extreme learning control framework of unmanned surface vehicles/IEEE Trans. Cybern./Ning Wang, Jing-Chao Sun, Meng Joo Er, Yan-Cheng Liu |
8.803 |
2016年46卷5期—1106-1117页 |
2015 |
Ning Wang |
Ning Wang |
Ning Wang, Jing-Chao Sun, Yan-Cheng Liu |
16 |
24 |
是 |
||||
|
7 |
Identification modeling of underwater vehicles' nonlinear dynamics based on support vector machines/Ocean Eng./Feng Xu, Zao-Jian Zou, Jian-Chuan Yin, Jian Cao |
2.214 |
2013年67卷—68-76页 |
2013 |
Zao-Jian Zou |
Feng Xu |
Feng Xu, Zao-Jian Zou, Jian-Chuan Yin, Jian Cao |
7 |
21 |
是 |
||||
|
8 |
Estimation of the hydrodynamic coefficients from captive model test results by using support vector machines/O Estimation of the hydrodynamic coefficients from captive model test results by using support vector machines cean Eng./Xin-Guang Zhang, Zao-Jian Zou |
2.214 |
2013年73卷4期—25-31页 |
2013 |
Zao-Jian Zou |
Xin-Guang Zhang |
Xin-Guang Zhang, Zao-Jian Zou |
6 |
11 |
是 |
||||
|
9 |
On-line prediction of ship roll motion during maneuvering using sequential learning RBF neuralnetworks/Ocean Eng./Jian-chuan Yin, Zao-jian Zou, Feng Xu |
2.214 |
2013年61卷—139-147页 |
2013 |
Zao-jian Zou |
Jian-chuan Yin |
Jian-chuan Yin, Zao-jian Zou, Feng Xu |
4 |
12 |
是 |
||||
|
10 |
Neural-network-and l2-gain-based cascaded control of underwater robot thrust/ IEEE J. Oceanic Eng./Weilin Luo, Carlos Guedes Soares, Zaojian Zou |
2.297 |
2014年39卷4期—630-640页 |
2013 |
Zaojian Zou |
Weilin Luo |
Weilin Luo, Zaojian Zou |
4 |
7 |
是 |
||||
