周淼磊

1993.09-1997.07 长春工业大学 工业电气自动化专业 学士

1997.09-2000.03 长春工业大学 电力电子与电力传动专业 硕士

2000.04-2004.12 2022白菜注册网站 控制理论与控制工程专业 博士

2006.10-2008.09 东京大学 电气工学 博士后

2000.04-2007.12 2022白菜注册网站 助教

2007.12-2009.09 2022白菜注册网站 讲师

2009.09-2014.09 2022白菜注册网站 副教授

2014.09-至今 2022白菜注册网站 教授

2015.05-至今 2022白菜注册网站 教授 博导

2018.09-2020.09 密歇根州立大学 访问学者

1.精密机电系统建模与控制：研究内容包括微纳米定位精度的精密机电系统的建模和控制方法研究；基于智能材料执行器及其驱动机构的复杂非线性建模和高精度控制；直线和音圈电机系统非线性控制；非线性系统的自适应、模糊和神经网络等控制方法研究。

2.仿生机器人控制：主要研究仿生机器人系统智能感知及智能控制方法。

民革2022白菜注册网站委员会 副主委

IEEE Senior Member

吉林省自动化学会 副理事长兼秘书长

中国自动化学会数据驱动控制、学习与优化专业委员会 委员

中国自动化学会普及工作委员会 委员

中国自动化学会“智能信息系统”科普专家团 副团长

中国自动化学会“智向未来”自动化与人工智能科普百人专家团 专家

吉林省人工智能学会 常务理事

长春市党外知识分子联谊会 理事

单片机原理及应用 本科

微纳米执行器控制技术专题讲座 本科

人工神经网络及其应用 硕士

智能控制理论及应用 博士

鲁棒滑模控制方法 博士

在读硕士9人、在读博士5人。毕业33人。

1. 国家自然科学基金资助项目，“磁控形状记忆合金执行器位移率相关、磁-热耦合复杂迟滞非线性控制方法”（51675228），2017年1月～2020年12月，项目负责人。

2. 国家自然科学基金资助项目，“磁控形状记忆合金执行器位移高精度控制方法研究”（51105170），2012年1月～2014年12月，项目负责人。

3. 吉林省中青年科技创新创业卓越人才（团队）项目（创新类），“智能材料微定位系统建模与控制技术创新团队”（20220508139RC），2022年1月～2023年12月，项目负责人。

4. 重庆市自然科学基金面上项目，“超精密主动隔振控制方法”（CSTB2022NSCQ-MSX0297），2022年8月1日～2025年7月31日，项目负责人。

5. 横向项目，“控制系统分析与辨识工程应用方法研究”，（2022220101000297），2021年11月～2022年11月，项目负责人。

6. 吉林省科技发展计划重点资助项目，“压电俘能式无源遥控装置开发研究”（20190303020SF），2019年1月～2021年12月，项目负责人。

7. 吉林省科技发展计划资助项目，“血管机器人磁力耦合建模及其智能控制方法研究”（20180101052JC），2018年1月～2020年12月，项目负责人。

8. 国家发改委物联网技术研发与产业化专项子项目，“水分传感系统的设计与实现”（2013449-1），2013年7月～2014年12月，项目负责人。

9. 吉林省科技发展计划资助项目，“压电执行器迟滞非线性建模及其智能控制技术研究”（20140101062JC），2014年1月～2016年12月，项目负责人。

发表学术论文100余篇，其中第1（通信）作者SCI检索论文60余篇（入选ESI高被引论文2篇）、EI检索论文30余篇。申请发明专利40余项，已授权20余项。入选吉林省中青年科技创新创业卓越人才团队带头人，2022白菜注册网站“培英工程计划”。获吉林省科学技术奖一等奖2项、二等奖1项，吉林省自然科学学术成果奖三等奖1项。指导研究生4人获吉林省优秀硕士论文，指导本科生和研究生获国家级各类竞赛一、二等奖10余项。ICDMA 2024大会主席，20余个国内外会议的TPC主席、Session主席和会议委员会成员；澳门科学技术奖评审专家；国家自然科学基金函评专家，中国自动化学会科学技术奖函评专家，中国自动化学会科学技术奖和优秀硕士论文函评专家；多个省、市和地区科研项目评审专家；是Science Robotics、IEEE TNNLS、IEEE TFS、IEEE TIE、IEEE TII、IEEE/ASME TMech、IEEE TCST、IEEE TSMCS、IEEE TMag和IEEE TUFFC等50余个SCI、EI检索源期刊审稿人。

主要论文论著：

[1]Yewei Yu, Chen Zhang, Xiuyu Zhang, Chun-Yi Su, Miaolei Zhou*. Iterative Learning Control Based on Neural Network and Its Application to Ni-Mn-Ga Alloy Actuator with Locally Lipschitz Nonlinearity, IEEE Transactions on Industrial Informatics, 2024, Early Access, DOI: 10.1109/TII.2024.3369229

[2]Nie, Linlin, Zhou Miaolei*, Zhang Xiuyu, Su Chun-Yi, Observer-Based Finite-Time Adaptive Motion Control for Nonlinear Asymmetric Hysteresis Systems in Pure-Feedback Form, IEEE Transactions on Industrial Electronics, 2024, Early Access, DOI: 10.1109/TIE.2023.3344811.

[3]Nie Linlin, Zhou Miaolei*, Cao Wenjing, Huang Xiaoliang. Improved Nonlinear Extended Observer Based Adaptive Fuzzy Output Feedback Control for a Class of Uncertain Nonlinear Systems with Unknown Input Hysteresis, IEEE Transactions on Fuzzy Systems, 2023, vol. 31, no. 10, pp. 3679-3689.

[4]Chen Zhang, Miaolei Zhou*, Linlin Nie, Xiuyu Zhang, Chun-Yi Su. Prandtl–Ishlinskii model based event–triggered prescribed control: Design and application to piezoelectric-driven micropositioning stage, Mechanical Systems and Signal Processing, 2023, vol. 200, Article ID 110562.

[5]Yewei Yu, Chen Zhang, Wenjing Cao, Xiaoliang Huang, Xiuyu Zhang and Miaolei Zhou*. Neural Network Based Iterative Learning Control for Magnetic Shape Memory Alloy Actuator with Iteration-Dependent Uncertainties, Mechanical Systems and Signal Processing, 2023, vol. 187, no. 15, Article ID 109950.

[6]Chen Zhang, Wei Gao, Ying Zhang, Zhiwu Han, Miaolei Zhou*, Modeling and motion control of helical microrobots using the dual quaternion framework and adaptive sliding mode strategy, ISA Transactions, 2023, vol. 141, pp. 223–240.

[7]Zhang Chen, Yu Yewei, Zhou Miaolei*. Finite-Time Adaptive Quantized Motion Control for Hysteretic Systems With Application to Piezoelectric-Driven Micropositioning Stage, IEEE/ASME Transactions on Mechatronics, 2023, vol. 28, no. 5, pp. 2541-2552.

[8]Yewei Yu, Chen Zhang, Yifan Wang, and Miaolei Zhou*. Neural network-based iterative learning control for hysteresis in magnetic shape memory alloy actuator, IEEE/ASME Transactions on Mechatronics, 2022, vol. 27, no. 2, pp. 928–939.（ESI高被引论文）

[9]Yu Yewei, Zhang Chen, Wang En, Zhou Miaolei*. Neural Network Adaptive Control of Magnetic Shape Memory Alloy Actuator with Time Delay based on Composite NARMAX Model, IEEE Transactions on Circuits and Systems I: Regular Papers, 2023, vol. 70, no. 8, pp. 3336-3346.

[10]Miaolei Zhou, Tiannan Li, Chen Zhang*, Yewei Yu, Xiuyu Zhang, Chunyi Su, Sliding Mode Iterative Learning Control With Iteration-Dependent Parameter Learning Mechanism for Nonlinear Systems and Its Application, IEEE Transactions on Automation Science and Engineering, 2023, Early Access, DOI: 10.1109/TASE.2023.3336933.

[11]Miaolei Zhou, Yuhe Zhang, Yifan Wang, Yewei Yu*, Liangcai Su, Xiuyu Zhang, Chun-Yi Su. Data-driven Adaptive Control with Hopfield Neural Network-based Estimator for Piezo-actuated Stage with Unknown Hysteresis Input, IEEE Transactions on Instrumentation & Measurement, 2023, vol. 72, Article ID 1010911.

[12]Yifan Wang, Miaolei Zhou*, Dawei Hou, Wenjing Cao, Xiaoliang Huang. Composite Data Driven-based Adaptive Control for a Piezoelectric Linear Motor, IEEE Transactions on Instrumentation and Measurement, 2022, vol. 71, Article ID 3527912.

[13]Yifan Wang, Yewei Yu, Chuanliang Shen, Miaolei Zhou*. Precise motion tracking of piezo-actuated stages via a neural network-based data-driven adaptive predictive controller, Nonlinear Dynamics, 2023, vol. 108, no. 3, pp. 2023-2043.

[14]Linlin Nie, Yiling Luo, Wei Gao, and Miaolei Zhou*. Rate-dependent asymmetric hysteresis modeling and robust adaptive trajectory tracking for piezoelectric micropositioning stages, Nonlinear Dynamics, 2022, vol. 108, no. 3, pp. 2023-2043.

[15]Miaolei Zhou, Chen Zhang, Yifan Wang, Yewei Yu*. Data-Driven Adaptive Tracking Control of Piezoelectric-Actuated Motion Stage Using a Multi-Factor Objective Function, IEEE Transactions on Circuits and Systems II: Express Briefs, 2023, Early Access, DOI: 10.1109/TCSII.2023.3337803.

[16]Zhang Chen, Yu Yewei, Zhang Xiuyu, Shen Chuanliang, Su Chun-Yi, Zhou Miaolei*. Predefined−Time Adaptive Control of a Piezoelectric−Driven Motion System with Time−Varying Output Constraint, IEEE Transactions on Circuits and Systems II: Express Briefs, 2023, vol. 70, no. 7, pp. 2605-2609.

[17]Yifan Wang, Miaolei Zhou*, Chuanliang Shen, Wenjing Cao, Xiaoliang Huang. Time delay recursive neural network-based direct adaptive control for a piezo-actuated stage, Science China Technological Sciences, 2023, vol. 66, no. 5, pp. 1397–1407.

[18]Chen Zhang, Yewei Yu, Jingwen Xu, Miaolei Zhou*. Hysteresis Modeling and Analysis of Magnetic Shape Memory Alloy-Driven Actuator, IEEE Transactions on Nanotechnology, 2022, vol.21, pp. 390-398.

[19]Yewei Yu, Chen Zhang, Miaolei Zhou*. NARMAX Model-Based Hysteresis Modeling of Magnetic Shape Memory Alloy Actuators, IEEE Transactions on Nanotechnology, 2020, vol. 19, pp. 1-4. （ESI高被引论文）

[20]Yewei Yu, Chen Zhang, and Miaolei Zhou*. Hysteresis Modeling of Magnetic Shape Memory Alloy Actuator Based on Volterra Series, IEEE Transactions on Magnetics, 2021, vol. 57, no. 7, Article ID 4001604.

[21]Chen Zhang, Yewei Yu, Yifan Wang, Zhiwu Han, and Miaolei Zhou*. Chaotic Neural Network-based Hysteresis Modeling with Dynamic Operator for Magnetic Shape Memory Alloy Actuator, IEEE Transactions on Magnetics, 2021, vol. 57, no. 6, Article ID 2501004.

[22]Miaolei Zhou, Yifan Wang, Yannan Zhang, Wei Gao*. Hysteresis inverse compensation-based model reference adaptive control for a piezoelectric micro-positioning platform, Smart Materials and Structures, 2021, vol. 30, No.1, Article ID 015019.

[23]Chen Zhang, Yewei Yu, Yifan Wang, Miaolei Zhou*. Takagi-Sugeno Fuzzy Neural Network Hysteresis Modeling for Magnetic Shape Memory Alloy Actuator based on Modified Bacteria Foraging Algorithm, International Journal of Fuzzy Systems, 2020, vol. 22, No. 4, pp. 1314–1329.

[24]Xu Rui, Tian Dapeng, Zhou Miaolei*. A rate-dependent KP modeling and direct compensation control technique for hysteresis in piezo-nanopositioning stages. Journal of Intelligent Material Systems and Structures, 2022, vol. 33, No. 5, pp. 629–640.

[25]Yifan Wang, Rui Xu, Miaolei Zhou*. Prandtl-Ishlinskii modeling for giant magnetostrictive actuator based on internal time-delay recurrent neural network, IEEE Transactions on Magnetics, 2018, Vol. 54, No. 11, Article ID 7301004.

[26]Rui Xu, Miaolei Zhou*. A self-adaption compensation control for hysteresis nonlinearity in piezo-actuated stages based on Pi-sigma fuzzy neural network, Smart Materials and Structures, 2018, Vol. 24. No. 4, Article ID 045002.