王庆领副研究员/博导
学历:博士
系:机器人工程系
学科组:控制理论与控制工程学科组
邮箱:qlwang@seu.edu.cn


个人简介:
王庆领，副研究员，博士生导师。
2007年和2010年分别获中南大学学士和硕士学位，2014年获哈尔滨工业大学博士学位。曾于2012-2014年在澳大利亚国立大学，2016.10-12在德国柏林工业大学进行学术交流。2014年7月至今历任讲师、硕导、副研究员、博导。
主要研究方向是智能控制与自主系统，作为项目负责人承担国家自然科学基金2项，江苏省自然科学基金1项，国家新一代人工智能重大项目子课题1项，国防科技重点实验室基金1项。作为项目骨干，参与自动化学科“十四五”发展战略研究报告、国家自然科学基金重点以及重点国际（地区）合作等项目10余项。在IEEE汇刊、自动化学报等发表SCI论文30余篇。担任SCI期刊Complexity和Mathematical Problems in Engineering编委。现任中国自动化学会青年工作委员会副秘书长，IEEE高级会员。

研究生招生信息：
欢迎自动化、计算机、数学及相关专业学生
招生人数：博士生1～2人/每年，硕士生 3～4人/每年
东大苏州校区：硕士生2人/每年
地址：南京市四牌楼2号东南大学自动化学院，210096
Email: qlwang@seu.edu.cn




研究方向
群体智能博弈：深度强化学习、博弈论等
自适应与非线性理论：控制方向未知，输入饱和控制等
多智能体系统：分布式协同控制、一致性、编队控制等


学术兼职
中国自动化学会青年工作委员会副秘书长
无人飞行器自主控制专委会委员
自适应动态规划与强化学习专委会委员
Editorial Board Member，Complexity（2019—）
Editorial Board Member，Mathematical Problems in Engineering（2020—）


主要科研项目
国家自然科学基金面上项目，高阶非线性多智能体系统的控制系数未知问题研究，2020-2023，负责人
国防科技重点实验室基金，多智能体博弈对抗策略模型构建技术研究，2020.01-10，负责人
国家科技创新2030—“新一代人工智能”重大项目子课题，事件与数据驱动的智能增强建模与评估，2019-2022，负责人




代表性学术论文
[1]Q. Wang, H.E. Psillakis, C. Sun, Cooperative control of multiple agents with unknown high-frequency gain signs under unbalanced and switching topologies, IEEE Transactions on Automatic Control, 64(6): 2495-2501, 2019.
[2]Q. Wang, H.E. Psillakis, C. Sun, Adaptive cooperative control with guaranteed convergence in time-varying networks of nonlinear dynamical systems, IEEE Transactions on Cybernetics, DOI: 10.1109/TCYB.2019.**, 2019.
[3]Q. Wang, H.E. Psillakis, C. Sun, Cooperative control of multiple high-order agents with non-identical unknown control directions under fixed and time-varying topologies, IEEE Transactions on Systems, Man, and Cybernetics: Systems, DOI: 10.1109/TSMC.2019.**, 2019.
[4]Q. Wang, C. Sun, Adaptive consensus of multi-agent systems with unknown high-frequency gain signs under directed graphs, IEEE Transactions on Systems, Man, and Cybernetics: Systems, 50(6): 2181-2186, 2020.
Q. Wang, H.E. Psillakis, C. Sun, F.L. Lewis, Adaptive NN distributed control for time-varying networks of nonlinear agents with antagonistic interactions, IEEE Transactions on Neural Networks and Learning Systems, DOI: 10.1109/TNNLS.2020.**, 2020.