近期，我院机器人与智能装备研究所陈伟重老师团队撰写的题为《Set-based asynchronous state estimation for networked switched neural networks》在控制领域权威期刊《IEEE Transactions on Systems, Man and Cybernetics: Systems》(IF=8.7)上发表。

论文提出了一种具有模态依赖的平均驻留时间切换信号的网络化切换神经网络的高精度多胞体区间估计方案。与现有研究不同，本方法采用中心对称多面体集员估计技术，并考虑了频繁异步现象，从而显著提升了估计结果的精度和适用性。首先，通过构建观测器模态依赖的多李雅普诺夫函数，建立了若干充分条件以确保增广误差系统的稳定性和ℓ ∞性能。基于这些条件，提出了一种切换信号与事件触发非线性观测器的联合设计方法。此外，建立了时变的状态中心对称多面体，并推导出相应的估计边界。最后，通过两个示例验证了所提出的区间估计方法的有效性和优势。

该成果得到国家自然科学基金和陕西省高层次人才（青年）项目资助。该成果的发表体现了电子信息学院在状态估计等领域的阶段性成效，彰显了学院科研创新与人才培养的综合能力。学院将持续完善科研平台建设，整合前沿技术资源，进一步加强对学生科研训练与工程能力的系统培养，为高水平人才培养和科研创新提供坚实支撑。（撰写：纪超，审核：张蕾）