李慷（教授）的个人简介
英国女王大学电子电器及计算机学院智能及控制系统首席教授，中国战略合作负责人，电子电气及计算机学院国际合作负责人
研究方向
李慷教授的研究方向涵括非线性系统建模、辨识及控制、网络控制以及计算智能，以及在电厂的污染控制和节能减排、电力系统再生能源的友好接入及负荷优化调配、电力系统的故障诊断、电动汽车的建模与控制、塑料挤压成型机的节能、软测量及控制、土地污染治理、食品安全检测、图象处理、生物信息学、系统生物学等领域的应用研究。
在系统辨识方面主要理论成果包括提出了一种新的非线性回归子集选择方法，替代通用的正交最小二乘方法，在计算速度及数值稳定性方面有重要的突破，由此提出了一系列的非线性系统辨识算法，神经及模糊网络构造方法，及支持向量机训练方法，在国际同行有广泛的影响，多篇文章发表在国际知名期刊上。他进一步结合传统基于数据的黑箱建模及基于机理的白箱建模，运用生物学的基因构造理念，提出了工程基因的非线性系统辨识方法，用在聚合物的粘度软测量、热电厂氮氧化物污染产生的预测及控制、系统生物学建模等方向，被英国工程物理科学基金理事会报道，受到同行的广泛关注。
主要应用成果：1）在养牛过程中非法注射生长激素检测方面有突破性的研究结果，通过快速检验牛血液的代谢物成分，运用支持向量机识别并预测生长激素的使用情况，灵敏度及特异性可达到97%以上。该成果发表在分析化学的顶级杂志美国化学学会Analytic Chemistry上，并作专题介绍，受到国际及当地媒体的广泛关注与报道。2）在火力发电厂氮氧化合物的排放建模上有独特研究，受到多个英国基金的资助，有关的软件被邀在英国电力研究机构PowerTech演示，相关工作同时在欧洲其他国家如意大利应用。3）在挤压机注塑机的节能控制及优化、塑料粘度的软测量、以及故障诊断方面有独特的研究，与多家欧洲塑料挤压成型中心及企业有深入合作，受到多项英国工程物理科学基金理事会的项目资助。研究团队积极在研发相关具有世界领先水平面向工业界的节能控制产品，受到了北爱尔兰投资局支持。4）在电力系统再生能源的友好接入，电动汽车及智能电网的集成，智能电动汽车充放电机制，电网相位测量仪表，再生能源对经济优化调配的影响，电力系统的故障诊断等方面展开的深入研究，受到英国工程物理科学基金理事会和中国自然科学基金委的联合资助。
科研项目
先后主持或参加20余项由英国政府，工业界，大学及其他国际机构资助的科研项目，总金额达500万英镑。他与同事发起并获得英国研究理事会及女王大学资助的230多万英镑的中英合作桥项目，就中英在可持续能源及建筑环境方面进行科技转移，受到了英国及中国科技界及媒体的广泛关注。该项目于2008年批准，2009年正式启动，与中英14所著名高校及企业联合，展开大规模的科学创新，科技转移，人员及学生交流，企业化培训，中英科学论坛等，并先后筹建中英能源与自动化联合实验室(参与单位包括女王大学、上海宝信、上海自仪及上海大学)，中英科学桥自主机器人联合实验室（参与单位包括女王大学及上海交通大学），以及密封电子器件及装置多余物测量联合实验室（女王大学-哈尔滨工业大学），并担任英方实验室主任，受到国内外的高度关注。其中，中英科学桥能源与自动化联合实验室的联合研究成果，获多项省部级奖项，包括 u2018面向物联网应用的异构测控网络系统u2019项目获得由国家发展和改革委员会等多个国家部委组织的2010年中国国际工业博览会创新奖，u2018网络测控系统关键技术与电站自动化u2019项目获得2009年上海市科委科技进步二等奖。最近正在领导一项大型的由中英联合资助的新能源项目（英国研究理事会资助108万英镑，中国国家自然科学基金委资助300万元），联合英国女王大学和Craffield 大学、中国哈尔滨工业大学、国家电网南瑞集团及上海电力集团，研究新型、智能、环境友好的电动汽车充电系统。
博士后及博士生培养：自2002年，共指导博士后8人，博士生27人，其中15人毕业，12名为科学桥联合培养博士。
学术兼职
李慷教授曾任IEEE英国及爱尔兰分会秘书长，为IEEE英国及爱尔兰分会控制与通信系统委员会主席。他是在Neurocomputing，Transactions of the Institute of Measurement & Control，Identification and Control，Int. J. of Modelling ，Cognitive Computation等杂志的编委。他还担任了Transactions of the Institute of Measurement & Control，Neurocomputing，Dynamics of Continuous，Discrete and Impulsive Systems，International Journal of Information Technology.等杂志的特邀编辑。他是包括2010，2014年生命系统建模与仿真国际会议暨可持续能源和环境国际会议（LSMS- ICSEE2010，LSMS- ICSEE2014）、2012年可持续能源和环境国际会议暨中英科学桥总结大会（ICSEE2012），2007年国际生命系统建模与仿真会议（LSMS2007）大会主席，2006年智能计算（ICIC2006）国际会议的主席。他也是2008年国际建模、辨识和控制（ICMIC2008年）、2010年智能计算国际会议（ICIC2010）和2007年国际智能计算会议特别会议主席（ ICIC2007）。从2004至今，李慷博士作为IPC的成员参与了近50个国际会议。
主要学术和社会工作
1）2012年时任国务委员的刘延东副总理率团访问女王大学，包括教育部部长袁贵仁，副部长郝平，科技部副部长王志刚，亲自见证了女王大学科学桥取得的成果。作为女王大学教授代表，参加了在女王大学举行由刘延东副总理与北爱尔兰首席大臣共同出席的圆桌会议。同时，中国驻英国大使刘晓明亲自给英国报纸撰文，赞扬女王大学的科学桥促进了中英的科技合作及技术转移。
同年12月，北爱尔兰地方政府首席大臣及副首席大臣带领政府官员于2012年11月14日访问了由李慷教授与上海交通大学陈卫东教授联合发起的中英科学桥联合实验室，并给予了高度的评价，称联合实验室是北爱尔兰与中国科技合作的典范。
2）2012年9月12日-13日，与合作伙伴联合举办“中英科学桥高峰论坛”以及“第二届可持续能源与环境国际智能计算会议”， 作为大会主席组织并主持了中英科学桥高峰论坛，英国研究理事会中国处主任Alicia Greated博士、科技部科学技术交流中心邢继俊副主任、中国国家自然科学基金信息部张兆田副主任、上海市科学技术委员会马兴发秘书长、英国驻上海总领馆科技领事Tim Standbrook先生等应邀参加论坛，并发言。围绕中英科学桥项目取得的主要成果、影响及可持续性问题，李慷教授、清华大学吴澄院士、清华大学周东华教授、上海大学副校长吴松教授、浙江大学金伟良教授和自动化系陈卫东教授做了“可持续性能源及环境”科学桥项目主题发言，赫瑞?瓦特大学王承祥教授、中科院上海无线通信研究中心杨D教授作了“4G无线移动网络的研发”科学桥项目主题发言，兰卡斯特大学Nigel Paul教授作了“可用水及质量：自然环境、国内使用和食品生产”科学桥项目主题发言，布莱福特大学做了“医药科学及医学技术”科学桥项目视频展示。报告从科研合作、联合基地和平台建设、教师互访和人才培养、国际交流等各方面总结了各项目在中英科学桥计划下取得的一系列重要成果。
3）作为女王大学中国战略合作以及电子电器及计算机学院国际合作负责人，积极配合女王大学国际化的目标，加强跟中国著名大学的合作，包括清华、浙大、上海交大、哈尔滨工业大学、上海大学等。作为这些大学的兼职教授或高级访问学者，包括上海市东方学者讲座教授，积极推动校际合作，签定校级合作协定，加强学生及教师交流互访，科研合作，以及本科生研究生联合培养，为中英合作作出了诸多实质性的贡献。其中包括发起建立了与浙江大学宁波理工学院、上海大学、哈尔滨工业大学的各种联合办学模式，首批学生于2011年正式报到。并于2010年7月在英国首相计划及英国文化交流协会项目的资助下，组织并带领女王大学11名学生，与清华大学等国内著名大学以及企业展开为期一个月的交流合作，展开可持续能源和环境的中英创业计划。
论文著作
在国际专业刊物及会议上发表论文300余篇(论文引用1000余次)，其中包括IEEE Transactions on Automatic Control, Automatica, IEEE Transactions on Neural Networks, IEEE Transactions on Circuits and Systems等自动控制及电子电器方面的国际一流杂志。
代表性论文：
[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, u2018Improved structure optimization for fuzzy-neural networksu2019, 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, u2018A New Extension of Newton Algorithm for Radial Basis Function (RBF) Networks Modellingu2019, 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, u2018Kernel Based Approaches to Local Nonlinear Non-parametric Variable Selectionu2019, 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, 925u2013946, 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 u2013 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: 1063u20131077, 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 1775u20131785, 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, u2018An Efficient Harmony Search with New Pitch Adjustment for Dynamic Economic Dispatchu2019, 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 977u2013983.
