复杂网络系统建模分析、协同优化控制，及移动机器人路径规划算法研究，主要研究成果总结如下：

      1、复杂网络系统模型简化方法：针对动力学特性的复杂网络系统（如大规模智能车、飞行器网络系统），以优化系统协同控制为目标，建立该类网络系统结构分析及模型简化理论方法，主要考虑二阶网络系统，无向及有向强连通多智能体网络系统，提出了基于特征值匹配方法及图权重优化方法，通过结合矩阵特征值分解、凸优化及凸凹分解方法，以保持网络系统协同能力为约束，分析网络谱信息与网络模型近似误差间的关系并设计了数值算法求解优化简化网络模型。主要相关理论结果发表了Automatica论文1篇、IEEE TAC论文1篇，IEEE Transactions on Circuits and Systems-I论文1篇，及多篇控制领域顶级国际会议论文IEEE CDC、IEEE ACC等。

     2、多智能体网络协同协议算法稳定性分析：由网络最短路径问题求解引出了网络协同协议算法稳定性分析相关方面的研究，分别提出了一般连续时间biased min-consensus协议和连续时间Adaptive Bellman-Ford算法的全局渐进稳定性证明方法，指出了其平衡点存在且唯一，并按指数收敛。该部分主要创新点在于李雅普诺夫函数的设计，及多种应用的推广，如，非欧几里得距离下的最短路径求解、Voronoi分区问题及weighted region问题。主要相关理论结果发表了Systems & Control Letters论文1篇，IET论文1篇，Asian Journal of Control论文1篇等。

        正在开展的研究工作：基于强化学习的移动机器人路径规划算法及仿真研究、基于改进A*算法的多移动机器人路径规划优化算法研究、基于事件触发学习机制的机械臂运动规划算法研究。