英國女王大學電子電器及計算機學院智慧型及控制系統首席教授，中國戰略合作負責人，電子電氣及計算機學院國際合作負責人
基本介紹
- 中文名：李慷
- 外文名：Kang Li
- 職業：大學教授
- 畢業院校：英國女王大學(DSc) 上海交通大學(PhD)
研究方向,科研項目,學術兼職,主要學術和社會工作,論文著作,
研究方向
李慷教授的研究方向涵括非線性系統建模、辨識及控制、網路控制以及計算智慧型，以及在電廠的污染控制和節能減排、電力系統再生能源的友好接入及負荷最佳化調配、電力系統的故障診斷、電動汽車的建模與控制、塑膠擠壓成型機的節能、軟測量及控制、土地污染治理、食品安全檢測、圖象處理、生物信息學、系統生物學等領域的套用研究。
在系統辨識方面主要理論成果包括提出了一種新的非線性回歸子集選擇方法，替代通用的正交最小二乘方法，在計算速度及數值穩定性方面有重要的突破，由此提出了一系列的非線性系統辨識算法，神經及模糊網路構造方法，及支持向量機訓練方法，在國際同行有廣泛的影響，多篇文章發表在國際知名期刊上。他進一步結合傳統基於數據的黑箱建模及基於機理的白箱建模，運用生物學的基因構造理念，提出了工程基因的非線性系統辨識方法，用在聚合物的粘度軟測量、熱電廠氮氧化物污染產生的預測及控制、系統生物學建模等方向，被英國工程物理科學基金理事會報導，受到同行的廣泛關注。
主要套用成果：1）在養牛過程中非法注射生長激素檢測方面有突破性的研究結果，通過快速檢驗牛血液的代謝物成分，運用支持向量機識別並預測生長激素的使用情況，靈敏度及特異性可達到97%以上。該成果發表在分析化學的頂級雜誌美國化學學會Analytic Chemistry上，並作專題介紹，受到國際及當地媒體的廣泛關注與報導。2）在火力發電廠氮氧化合物的排放建模上有獨特研究，受到多個英國基金的資助，有關的軟體被邀在英國電力研究機構PowerTech演示，相關工作同時在歐洲其他國家如義大利套用。3）在擠壓機注塑機的節能控制及最佳化、塑膠粘度的軟測量、以及故障診斷方面有獨特的研究，與多家歐洲塑膠擠壓成型中心及企業有深入合作，受到多項英國工程物理科學基金理事會的項目資助。目前研究團隊積極在研發相關具有世界領先水平面向工業界的節能控制產品，受到了北愛爾蘭投資局支持。4）在電力系統再生能源的友好接入，電動汽車及智慧型電網的集成，智慧型電動汽車充放電機制，電網相位測量儀表，再生能源對經濟最佳化調配的影響，電力系統的故障診斷等方面展開的深入研究，受到英國工程物理科學基金理事會和中國自然科學基金委的聯合資助。
科研項目
先後主持或參加20餘項由英國政府，工業界，大學及其他國際機構資助的科研項目，總金額達500萬英鎊。他與同事發起並獲得英國研究理事會及女王大學資助的230多萬英鎊的中英合作橋項目，就中英在可持續能源及建築環境方面進行科技轉移，受到了英國及中國科技界及媒體的廣泛關注。該項目於2008年批准，2009年正式啟動，與中英14所著名高校及企業聯合，展開大規模的科學創新，科技轉移，人員及學生交流，企業化培訓，中英科學論壇等，並先後籌建中英能源與自動化聯合實驗室(參與單位包括女王大學、上海寶信、上海自儀及上海大學)，中英科學橋自主機器人聯合實驗室（參與單位包括女王大學及上海交通大學），以及密封電子器件及裝置多餘物測量聯合實驗室（女王大學-哈爾濱工業大學），並擔任英方實驗室主任，受到國內外的高度關注。其中，中英科學橋能源與自動化聯合實驗室的聯合研究成果，獲多項省部級獎項，包括 ‘面向物聯網套用的異構測控網路系統’項目獲得由國家發展和改革委員會等多個國家部委組織的2010年中國國際工業博覽會創新獎，‘網路測控系統關鍵技術與電站自動化’項目獲得2009年上海市科委科技進步二等獎。最近正在領導一項大型的由中英聯合資助的新能源項目（英國研究理事會資助108萬英鎊，中國國家自然科學基金委資助300萬元），聯合英國女王大學和Craffield 大學、中國哈爾濱工業大學、國家電網南瑞集團及上海電力集團，研究新型、智慧型、環境友好的電動汽車充電系統。
博士後及博士生培養：自2002年，共指導博士後8人，博士生27人，其中15人畢業，12名為科學橋聯合培養博士。
學術兼職
李慷教授曾任IEEE英國及愛爾蘭分會秘書長，目前為IEEE英國及愛爾蘭分會控制與通信系統委員會主席。他是在Neurocomputing，Transactions of the Institute of Measurement & Control，Identification and Control，Int. J. of Modelling ，Cognitive Computation等雜誌的編委。他還擔任了Transactions of the Institute of Measurement & Control，Neurocomputing，Dynamics of Continuous，Discrete and Impulsive Systems，International Journal of Information Technology.等雜誌的特邀編輯。他是包括2010，2014年生命系統建模與仿真國際會議暨可持續能源和環境國際會議（LSMS- ICSEE2010，LSMS- ICSEE2014）、2012年可持續能源和環境國際會議暨中英科學橋總結大會（ICSEE2012），2007年國際生命系統建模與仿真會議（LSMS2007）大會主席，2006年智慧型計算（ICIC2006）國際會議的主席。他也是2008年國際建模、辨識和控制（ICMIC2008年）、2010年智慧型計算國際會議（ICIC2010）和2007年國際智慧型計算會議特別會議主席（ ICIC2007）。從2004至今，李慷博士作為IPC的成員參與了近50個國際會議。
主要學術和社會工作
1）2012年時任國務委員的劉延東副總理率團訪問女王大學，包括教育部部長袁貴仁，副部長郝平，科技部副部長王志剛，親自見證了女王大學科學橋取得的成果。作為女王大學教授代表，參加了在女王大學舉行由劉延東副總理與北愛爾蘭首席大臣共同出席的圓桌會議。同時，中國駐英國大使劉曉明親自給英國報紙撰文，讚揚女王大學的科學橋促進了中英的科技合作及技術轉移。
同年12月，北愛爾蘭地方政府首席大臣及副首席大臣帶領政府官員於2012年11月14日訪問了由李慷教授與上海交通大學陳衛東教授聯合發起的中英科學橋聯合實驗室，並給予了高度的評價，稱聯合實驗室是北愛爾蘭與中國科技合作的典範。
2）2012年9月12日-13日，與合作夥伴聯合舉辦“中英科學橋高峰論壇”以及“第二屆可持續能源與環境國際智慧型計算會議”， 作為大會主席組織並主持了中英科學橋高峰論壇，英國研究理事會中國處主任Alicia Greated博士、科技部科學技術交流中心邢繼俊副主任、中國國家自然科學基金信息部張兆田副主任、上海市科學技術委員會馬興發秘書長、英國駐上海總領館科技領事Tim Standbrook先生等應邀參加論壇，並發言。圍繞中英科學橋項目取得的主要成果、影響及可持續性問題，李慷教授、清華大學吳澄院士、清華大學周東華教授、上海大學副校長吳松教授、浙江大學金偉良教授和自動化系陳衛東教授做了“可持續性能源及環境”科學橋項目主題發言，赫瑞·瓦特大學王承祥教授、中科院上海無線通信研究中心楊暘教授作了“4G無線行動網路的研發”科學橋項目主題發言，蘭卡斯特大學Nigel Paul教授作了“可用水及質量：自然環境、國內使用和食品生產”科學橋項目主題發言，布萊福特大學做了“醫藥科學及醫學技術”科學橋項目視頻展示。報告從科研合作、聯合基地和平台建設、教師互訪和人才培養、國際交流等各方面總結了各項目在中英科學橋計畫下取得的一系列重要成果。
3）作為女王大學中國戰略合作以及電子電器及計算機學院國際合作負責人，積極配合女王大學國際化的目標，加強跟中國著名大學的合作，包括清華、浙大、上海交大、哈爾濱工業大學、上海大學等。作為這些大學的兼職教授或高級訪問學者，包括上海市東方學者講座教授，積極推動校際合作，簽定校級合作協定，加強學生及教師交流互訪，科研合作，以及本科生研究生聯合培養，為中英合作作出了諸多實質性的貢獻。其中包括發起建立了與浙江大學寧波理工學院、上海大學、哈爾濱工業大學的各種聯合辦學模式，首批學生於2011年正式報到。並於2010年7月在英國首相計畫及英國文化交流協會項目的資助下，組織並帶領女王大學11名學生，與清華大學等國內著名大學以及企業展開為期一個月的交流合作，展開可持續能源和環境的中英創業計畫。
論文著作
在國際專業刊物及會議上發表論文300餘篇(論文引用1000餘次)，其中包括IEEE Transactions on Automatic Control, Automatica, IEEE Transactions on Neural Networks, IEEE Transactions on Circuits and Systems等自動控制及電子電器方面的國際一流雜誌。
代表性論文：
[1] K. Li, J. Peng, G. Irwin, “A fast nonlinear model identification method”, IEEE Transactions on automatic Control, Vol. 50, No. 8, 1211-1216, 2005.
[2] K. Li, J. Peng, E-W Bai. “A two-stage algorithm for identification of nonlinear dynamic systems”. Automatica, Vol. 42, No 7, pp. 1189-1197, 2006.
[3] J. Peng, K. Li, D.S. Huang. “A Hybrid forward Algorithm for RBF neural Network construction”. IEEE Transactions on Neural Networks, Vol 17, No. 6, pp 1439-1451, 2006.
[4] K. Li, J. Peng, E-W Bai. “Two-stage mixed discrete-continuous identification of Radial Basis Function (RBF) neural models for nonlinear systems”. IEEE Transactions on Circuits & Systems, Vol 56, No. 3, 630-643, March 2009.
[5] J. Peng, K. Li, G. W. Irwin. “A new Jacobian matrix for optimal learning of single-layer neural nets”. IEEE Transactions on Neural Networks, Vol. 19, No.1, 119-129, 2008.
[6] J. Deng, K. Li, G. W. Irwin, “Locally regularised two-stage learning algorithm for RBF network centre selection”, International Journal of Systems Science , Vol.43, No. 6, pages 1157-1170, 2012.
[7] W. Zhao, K. Li, and G. Irwin, “A New Gradient Descent Approach for Local Learning of Fuzzy Neural Models”, IEEE Transactions on Fuzzy Systems, 2012, (DOI:10.1109/TFUZZ.2012.2200900).
[8] B. Pizzileo, K. Li, G. Irwin and W. Zhao, ‘Improved structure optimization for fuzzy-neural networks’, IEEE Transactions on Fuzzy Systems, 2012 (DOI: 10.1109/TFUZZ.2012.2193587).
[9] X. Liu, K. Li, M. McAfee, G. Irwin, “Improved Nonlinear PCA for Process Monitoring Using Support Vector Data Description”, Journal of Process Control, Vol. 21, No. 9, 2011, Pages 1306-1317.
[10] L. Zhang, K. Li, E-W Bai, ‘A New Extension of Newton Algorithm for Radial Basis Function (RBF) Networks Modelling’, IEEE Transactions on Automatic Control, 2013, Vol. 58 , No. 11, pp. 2929 - 2933
[11] E-W Bai, K. Li. “Convergence of the Iterative Algorithm for a General Hammerstein System Identification”, Automatica, Vol. 46, No.11, November 2010, pp 1891-1896.
[12] E-W Bai, K. Li, W. Zhao, W. Xu, ‘Kernel Based Approaches to Local Nonlinear Non-parametric Variable Selection’, Automatica, 2013,DOI:10.1016/j.automatica.2013.10.010.
[13] X. Hong, R.J. Mitchell, S. Chen, C. J. Harris, K. Li, G. W. Irwin. “Model selection approaches for non-linear system identification: a review”. International Journal of Systems Science, Vol. 39, No. 10, 925–946, October 2008.
[14] Haibo He, Sheng Chen, K Li, Xin Xu. “Incremental Learning from Stream Data”. IEEE Transactions on Neural Networks, 2011, Vol 22, No. 12, pp. 1901-1914.
[15] P. Gormley, K. Li, Olaf Wolkenhauer, G. W. Irwin, D. Du, “Reverse engineering of biochemical reaction networks using co-evolution with eng-genes”, Cognitive Computation, 2012, DOI: 10.1007/s12559-012-9159-y.
[16] P. Connally, K. Li, G. W. Irwin. “Integrated Structure Selection and Parameter Optimisation for Eng-genes Neural Models”, Neurocomputing, Vol 71, No 13-15, 2964-2977, 2008.
[17] K. Li, “Eng-genes: A new genetic modelling approach for nonlinear dynamic systems”, Proceedings of the 16th IFAC World Congress, Prague, July 4-8, 2005.
[18] K. Li, J. Peng, “System Oriented Neural Networks – Problem Formulation, Methodology, and Application”, International Journal of Pattern Recognition and Artificial Intelligence, Vol. 20, No. 2, 2006, 143-158.
[19] J. Peng, K. Li, S. Thompson, P. A. Wieringa. “Distribution-based Adaptive Bounding Genetic Algorithm for Continuous Optimisation Problems”. Applied Mathematics and Computation, Vol 185: 1063–1077, 2007.
[20] X. Liu, K. Li, M. McAfee, “Dynamic grey-box modeling for online monitoring of extrusion viscosity”. Polymer Engineering & Science, Vol 52, No 6, pp 1332-1341, June 2012.
[21] Xueqin Liu, K. Li, Marion McAfee, Jing Deng, “Application of Nonlinear PCA for Fault Detection in Polymer Extrusion Processes”, Neural Computing and Applications, 2011, doi 10.1007/s00521-011-0581-y.
[22] C. Abeykoona, K Li, M. McAfee, P. J. Martin, Q. Niu, A. L. Kelly, J. Deng, “A new model based approach for the prediction and optimisation of thermal homogeneity in single screw extrusion”, Control Engineering Practice, Vol 19, No 8, 2011, pp 862-874.
[23] J. Deng, K. Li, E. Harkin-Jones, M. Price, N. Karnachi, A. Kelly, J. Vera-Sorroche, P. Coates, E. Brown, M. Fei, “Energy monitoring and quality control of a single screw extruder”, Applied Energy, Vol. 113, Pages 1775–1785, January 2014.
[24] K. Li, S. Thompson, J. Peng, “Modelling and prediction of NOx emission in a coal-fired power generation plant", Control Engineering Practice, Vol. 12, 707-723, 2004.
[25] X. Tang, B. Fox and K. Li, “Reserve from wind power potential in system economic loading”, IET Renewable Power Generation, 2013, accepted.
[26] Q. Niu, H. Zhang, K. Li, G. W. Irwin, ‘An Efficient Harmony Search with New Pitch Adjustment for Dynamic Economic Dispatch’, Energy, 2013, accepted.
[27] R. T. Cunningham, M. H. Mooney, X.L. Xia, S. Crooks, D. Matthews, M. O. Keeffe, K. Li and C. T. Elliott. “Feasibility of a Clinical Chemical Analysis Approach to Predict Misuse of Growth Promoting Hormones in Cattle”. Analytic Chemistry, 2009, 81 (3), pp 977–983.
[3] J. Peng, K. Li, D.S. Huang. “A Hybrid forward Algorithm for RBF neural Network construction”. IEEE Transactions on Neural Networks, Vol 17, No. 6, pp 1439-1451, 2006.
[4] K. Li, J. Peng, E-W Bai. “Two-stage mixed discrete-continuous identification of Radial Basis Function (RBF) neural models for nonlinear systems”. IEEE Transactions on Circuits & Systems, Vol 56, No. 3, 630-643, March 2009.
[5] J. Peng, K. Li, G. W. Irwin. “A new Jacobian matrix for optimal learning of single-layer neural nets”. IEEE Transactions on Neural Networks, Vol. 19, No.1, 119-129, 2008.
[6] J. Deng, K. Li, G. W. Irwin, “Locally regularised two-stage learning algorithm for RBF network centre selection”, International Journal of Systems Science , Vol.43, No. 6, pages 1157-1170, 2012.
[7] W. Zhao, K. Li, and G. Irwin, “A New Gradient Descent Approach for Local Learning of Fuzzy Neural Models”, IEEE Transactions on Fuzzy Systems, 2012, (DOI:10.1109/TFUZZ.2012.2200900).
[8] B. Pizzileo, K. Li, G. Irwin and W. Zhao, ‘Improved structure optimization for fuzzy-neural networks’, IEEE Transactions on Fuzzy Systems, 2012 (DOI: 10.1109/TFUZZ.2012.2193587).
[9] X. Liu, K. Li, M. McAfee, G. Irwin, “Improved Nonlinear PCA for Process Monitoring Using Support Vector Data Description”, Journal of Process Control, Vol. 21, No. 9, 2011, Pages 1306-1317.
[10] L. Zhang, K. Li, E-W Bai, ‘A New Extension of Newton Algorithm for Radial Basis Function (RBF) Networks Modelling’, IEEE Transactions on Automatic Control, 2013, Vol. 58 , No. 11, pp. 2929 - 2933
[11] E-W Bai, K. Li. “Convergence of the Iterative Algorithm for a General Hammerstein System Identification”, Automatica, Vol. 46, No.11, November 2010, pp 1891-1896.
[12] E-W Bai, K. Li, W. Zhao, W. Xu, ‘Kernel Based Approaches to Local Nonlinear Non-parametric Variable Selection’, Automatica, 2013,DOI:10.1016/j.automatica.2013.10.010.
[13] X. Hong, R.J. Mitchell, S. Chen, C. J. Harris, K. Li, G. W. Irwin. “Model selection approaches for non-linear system identification: a review”. International Journal of Systems Science, Vol. 39, No. 10, 925–946, October 2008.
[14] Haibo He, Sheng Chen, K Li, Xin Xu. “Incremental Learning from Stream Data”. IEEE Transactions on Neural Networks, 2011, Vol 22, No. 12, pp. 1901-1914.
[15] P. Gormley, K. Li, Olaf Wolkenhauer, G. W. Irwin, D. Du, “Reverse engineering of biochemical reaction networks using co-evolution with eng-genes”, Cognitive Computation, 2012, DOI: 10.1007/s12559-012-9159-y.
[16] P. Connally, K. Li, G. W. Irwin. “Integrated Structure Selection and Parameter Optimisation for Eng-genes Neural Models”, Neurocomputing, Vol 71, No 13-15, 2964-2977, 2008.
[17] K. Li, “Eng-genes: A new genetic modelling approach for nonlinear dynamic systems”, Proceedings of the 16th IFAC World Congress, Prague, July 4-8, 2005.
[18] K. Li, J. Peng, “System Oriented Neural Networks – Problem Formulation, Methodology, and Application”, International Journal of Pattern Recognition and Artificial Intelligence, Vol. 20, No. 2, 2006, 143-158.
[19] J. Peng, K. Li, S. Thompson, P. A. Wieringa. “Distribution-based Adaptive Bounding Genetic Algorithm for Continuous Optimisation Problems”. Applied Mathematics and Computation, Vol 185: 1063–1077, 2007.
[20] X. Liu, K. Li, M. McAfee, “Dynamic grey-box modeling for online monitoring of extrusion viscosity”. Polymer Engineering & Science, Vol 52, No 6, pp 1332-1341, June 2012.
[21] Xueqin Liu, K. Li, Marion McAfee, Jing Deng, “Application of Nonlinear PCA for Fault Detection in Polymer Extrusion Processes”, Neural Computing and Applications, 2011, doi 10.1007/s00521-011-0581-y.
[22] C. Abeykoona, K Li, M. McAfee, P. J. Martin, Q. Niu, A. L. Kelly, J. Deng, “A new model based approach for the prediction and optimisation of thermal homogeneity in single screw extrusion”, Control Engineering Practice, Vol 19, No 8, 2011, pp 862-874.
[23] J. Deng, K. Li, E. Harkin-Jones, M. Price, N. Karnachi, A. Kelly, J. Vera-Sorroche, P. Coates, E. Brown, M. Fei, “Energy monitoring and quality control of a single screw extruder”, Applied Energy, Vol. 113, Pages 1775–1785, January 2014.
[24] K. Li, S. Thompson, J. Peng, “Modelling and prediction of NOx emission in a coal-fired power generation plant", Control Engineering Practice, Vol. 12, 707-723, 2004.
[25] X. Tang, B. Fox and K. Li, “Reserve from wind power potential in system economic loading”, IET Renewable Power Generation, 2013, accepted.
[26] Q. Niu, H. Zhang, K. Li, G. W. Irwin, ‘An Efficient Harmony Search with New Pitch Adjustment for Dynamic Economic Dispatch’, Energy, 2013, accepted.
[27] R. T. Cunningham, M. H. Mooney, X.L. Xia, S. Crooks, D. Matthews, M. O. Keeffe, K. Li and C. T. Elliott. “Feasibility of a Clinical Chemical Analysis Approach to Predict Misuse of Growth Promoting Hormones in Cattle”. Analytic Chemistry, 2009, 81 (3), pp 977–983.
