随着无线通信技术和人工智能技术的不断进步，网络化系统理论在智能电网、工厂自动化、远程操作等多个关键领域发挥着越来越重要的作用。然而，网络化系统的控制过程中存在的通信资源受限、执行器饱和、网络安全、成本高昂等问题，限制了其在实际应用中的效果。针对这些关键问题，山东科技大学数学与系统科学学院博士研究生倪燕燕，在基于模型驱动和数据驱动的框架下，开展了深入系统的研究工作，并取得了一系列重要进展。
倪燕燕围绕网络化控制系统的核心挑战，提出了间歇采样控制方案、数据驱动事件触发方案、记忆型切换事件触发机制、弹性记忆事件触发控制方法，分别解决了饱和约束下神经网络系统的局部镇定与同步问题、未知神经网络系统的局部镇定问题、网络化Lur’e系统的局部同步问题，以及DoS攻击下网络化Lur’e系统的安全镇定与同步问题。她的研究成果不仅具有重要的理论意义，还具有广阔的实际应用前景。她的创新方法有望为网络化系统的安全平稳运行提供新的技术支撑，为智能电网、工厂自动化、远程操作等领域的智能化升级注入新的动力。同时，她的研究成果也为相关领域的研究人员提供了新的思路和启示，推动了网络化系统动力学领域的深入发展。
倪燕燕的研究成果得到了国际学术界的广泛赞誉。她已在IEEE汇刊等国际顶尖期刊上发表了8篇高质量学术论文，论文影响因子合计高达55.5，充分展示了她的学术实力和研究成果的影响力。她的研究成果不仅获得了多位院士、国家杰青、长江学者引用和正面评价，还引起了多个国际顶尖期刊的关注，收到了来自它们的评审邀请。
连续Lyapunov泛函和混合Lyapunov泛函下的吸引域对比图
记忆事件触发下的触发时刻和触发间隔图
DoS攻击下基于弹性切换事件触发的区间划分示意图
倪燕燕，女， 1997年10月出生，中共预备党员，2022级系统科学专业博士研究生博士，学习期间，勤奋努力，攻坚克难，勇攀科技高峰，科研成果丰硕，学术表现优异。获得了多项荣誉称号、奖励，荣获了2023年博士研究生国家奖学金、2022年山东省研究生创新成果奖，以及2024年校研究生“十大科技精英”、2024年山东省优秀学生等荣誉称号。（通讯员：倪燕燕 葛天晨）
倪燕燕生活照
倪燕燕主要成果：
[1] Ni Yanyan, Wang Zhen*, et al. Intermittent Sampled-Data Control for Local Stabilization of Neural Networks Subject to Actuator Saturation: A Work-Interval-Dependent Functional Approach. IEEE Transactions on Neural Networks and Learning Systems, 2024, 35(1): 1087-1097.
[2] Ni Yanyan, Wang Zhen*, et al. A Switching Memory-Based Event-Trigger Scheme for Synchronization of Lur’e Systems with Actuator Saturation: A Hybrid Lyapunov Method. IEEE Transactions on Neural Networks and Learning Systems, 2024, 35(10): 13963-13974.
[3] Ni Yanyan, Wang Zhen*, et al. Memory-Based Event-Triggered Control for Global Synchronization of Chaotic Lur'e Systems and Its Application. IEEE Transactions on Systems Man Cybernetics-Systems, 2023, 53(3): 1920-1931.
[4] Ni Yanyan, Wang Zhen*, et al. Secure Stabilization of Networked Lur’e Systems Suffering from DoS Attacks: A Resilient Memory-Based Event-Trigger Mechanism. IEEE Transactions on Information Forensics and Security, 2024, 19: 4658-4669.
[5] Ni Yanyan, Wang Zhen*, et al. Resilient Hybrid Event-triggered Control for Secure Synchronization of Lur'e Systems Against DoS Attacks. IEEE Transactions on Network Science and Engineering, doi: 10.1109/TNSE.2024.3522991.
[6] Wang Zhen*, Ni Yanyan, et al. An Interval-Appointed Looped-Functional Approach for Switching Event-Triggered Systems with Input Saturation and Its Application to Memory-Based Event-Triggered Control, IEEE Transactions on Control of Network Systems, DOI:10.1109/TCNS.2025.3526339
[7] Ni Yanyan, Wang Zhen*, et al. Data-Driven Event-Triggered Control for Discrete-Time Neural Networks Subject to Actuator Saturation. IEEE Transactions on Artificial Intelligence, doi: 10.1109/TAI.2024.3507736.
[8] Ni Yanyan, Wang Zhen*. Intermittent Sampled-Data Control for Exponential Synchronization of Chaotic Delayed Neural Networks via An Interval-Dependent Functional. Expert Systems with Applications, 2023, 223, 119918.
