姓名 陈晨

职位 讲师

硕导或博导 硕导

博士学科：控制科学与工程

通信地址：

电子邮箱：chenchen0@xidian.edu.cn

办公电话：

办公地点：

陈晨，河南新乡人。2019年6月博士毕业于西安电子科技大学机电工程学院，专业为控制理论与控制工程，同年留校工作。2021年被遴选为硕士生导师。2016年至2017年在美国伊利诺伊大学香槟分校访学，从事Petri网理论的研究工作。

主要研究方向包括离散事件系统监督控制理论及应用，资源分配系统死锁预防策略研究，Petri网理论与应用，基于强化学习的监督控制理论，多机器人复杂任务的任务分配与路径规划。近年来，在相关领域的国际知名期刊及会议上发表论文十余篇。其中以第一作者在控制领域顶级期刊 IEEE Transactions on Automatic Control 上发表论文3篇，在控制领域国际顶级会议ICRA、CDC等发表会议论文近10篇。目前主持国家自然科学基金青年项目一项，博士后基金一项。2017年陕西省高等学校科学技术奖二等奖，第二完成人。

科研项目：

[1] 国家自然科学基金委员会，青年项目，在研，主持。

[2] 中国博士后科学基金第71批面上项目，二等，在研，主持。

[3] 中央高校基本科研业务费，结题，主持。

已发表期刊论文：

[J1] C. Chen and H. Hu, “Extended place-invariant control in automated manufacturing systems using Petri nets,” IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 52, no. 3, pp. 1807-1822, March 2022. 

[J2] C. Chen, A. Raman, H. Hu, and R. Sreenivas, “On liveness enforcing supervisory policies for arbitrary Petri nets,” IEEE Transactions on Automatic Control, vol. 65, no. 12, pp. 5236-5247, December 2020.

[J3] C. Chen and H. Hu, “Liveness-enforcing supervision in AMS-oriented HAMGs: An approach based on new characterization of siphons using Petri nets,” IEEE Transactions on Automatic Control, vol. 63, no. 7, pp. 1987-2002, July 2018. 

[J4] C. Chen and H. Hu, “Static and dynamic partitions of inequalities: A unified methodology for supervisor simplification,” IEEE Transactions on Automatic Control, vol. 64, no. 11, pp. 4748-4755, November 2019. 

[J5] C. Chen and H. Hu, “Time-varying automated manufacturing systems and their invariant-based control: A Petri net approach,” IEEE Access, vol. 7, pp. 23149-23162, January 2019. 

已发表国际会议论文：

[C1] C. Chen, C. Gu and H. Hu, “Optimal supervisor simplification in AMS based on Petri nets and genetic algorithm,” in Proceedings of IEEE Conference on Decision and Control (CDC),  Austin, Texas, USA, December 2021,  pp. 1757-1764. 

[C2] C. Chen, H. Hu, and Y. Liu, “Static and dynamic partitions of inequalities and their application in supervisor simplification,” in Proceedings of IEEE International Conference on Robotics and Automation (ICRA), Singapore, May/June 2017, pp. 536-542.

[C3] C. Chen, Y. Yang, and H. Hu, “Distributed supervisor synthesis for automated manufacturing systems with flexible routes and assembly operations using Petri nets,” in Proceedings of IEEE International Conference on Robotics and Automation (ICRA), Stockholm, May 2016, pp. 3667-3673. 

[C4] C. Chen and H. Hu, “Structure independence of supervisor simplification in automated manufacturing systems using Petri nets,” in Proceedings of European Control Conference (ECC), Aalborg, June/July 2016, pp. 2329-2336. 

[C5] C. Chen and H. Hu, “An approach to specification simplification in automated manufacturing systems via invariance and inequality analysis,” in Proceedings of IEEE International Conference on Robotics and Automation (ICRA), Seattle, Washington, USA, May 2015, pp. 3841-3848. 

[C6] C. Chen and H. Hu, “Time-varying automated manufacturing systems and their event-based control: A Petri net approach,” in Proceedings of IEEE International Conference on Robotics and Automation (ICRA), Seattle, Washington, USA, May 2015, pp. 3833-3840. 

[C7] C. Chen and H. Hu, “Maximally permissive distributed control of automated manufacturing systems with assembly operations using Petri nets,” in Proceedings of IEEE International Conference on Automation Science and Engineering (CASE), Gothenburg, Sweden, August 2015, pp. 532-538. 

招生情况：

目前本人研究方向属于应用基础研究，面向国际学术前沿，尤其适合于对理论研究感兴趣的同学，一般要求有较好的数学基础和英语基础，具有较强的逻辑思维能力，善于逻辑分析，能够阅读英文文献。比能力更重要的是品质，要有勇于挑战、乐于钻研的品质。同时，也可以提供项目经历支持，尊重学生个性化发展，鼓励学生自由探索，支持学生做自己感兴趣的研究，在能力范围内将提供充分的帮助。

1．离散事件系统监督控制理论

     此研究方向聚焦传统的离散事件系统监督控制理论，利用Petri网对离散制造系统进行建模、分析与控制，主要解决以死锁为代表的逻辑层面的监督控制问题。离散事件系统的监督控制理论是一个经典的研究方向，目前所面临的最大的瓶颈是状态爆炸问题。本方向旨在探索分布式监督控制理论，通过结构分解策略和协调策略，实现真正大规模系统的监督控制。此方向目前支持在研的国家自然科学基金以及博士后项目。

2. Petri网理论与应用

Petri网是一种用于描述和建模分布式系统、并行处理及异步事件的数学工具，由Carl Adam Petri于1962年提出。它通过图形和形式化方法刻画系统的动态行为，尤其擅长处理并发、同步和资源分配问题。此方向聚焦Petri网设计器设计的基础理论问题，研究一系列任意Petri网一类活性监督控制器存在性的判定性问题，以及任意Petri网的活性监督控制器设计方法与优化。此方向目前支持陕西省自然科学基金的项目申请。

3．基于强化学习机制的离散事件系统监督控制理论

将人工智能与传统的监督控制理论相结合是目前探索的新方向。利用强化学习的试错机制探索监督控制器设计，利用深度神经网络的泛化能力避免遍历所有的状态。这种方式非常适用于大规模系统的控制器设计。因此，强化学习的思想和技术为解决状态爆炸问题提供了新的解决方案。后续拟将此方法应用在监督控制理论的其他经典问题中，构成基于学习机制的监督控制理论新范式。

4．多机器人复杂任务的任务分配与路径规划

在多机器人系统中，时序逻辑任务是一种高级任务形式，与离散事件系统有着天然的联系。此方向关注多机器人系统如何更快更好地完成时序逻辑任务，即将分解的任务分配给多机器人，多机器人系统需要以最短的时间或最小代价完成任务。利用Petri网描述任务之间的顺序或互斥关系，更够更加形象地展示出任务分配关系，以便于最优路径规划的求解。此方向目前支持光伏发电厂中异构机器人集群的最优任务分配项目。