IEEE Transactions on Automatic Control (IEEE TAC) 是IEEE控制系统学会的旗舰汇刊，致力于发表控制理论、设计与应用方面的高水平论文，对理论水平要求极其高。IEEE TAC和IFAC会刊Automatica被公认为国际控制与自动化领域的两大顶级期刊，创刊于1956年，属于中科院Top期刊，是衡量各高校控制领域学术水准的标志性期刊。2019年IEEE TAC的SCI影响因子为 6.200 (2020年最新数据)。
据最新消息，近日，自动化学院池荣虎教授团队撰写的论文“Convergence-analysis of sampled-data ILC for locally Lipschitz continuous nonlinear nonaffine systems with non-repetitive uncertainties”被控制领域国际顶级期刊IEEE Transaction on Automatic Control录用，DOI:10.1109/TAC.2020 3020803。这是我校首次作为第一单位在该期刊发表论文，在我校控制科学与工程学科的建设中具有里程碑意义。池荣虎教授为本文第一作者和通讯作者，自动化学院博士研究生惠宇为第二作者。
该工作研究了极具挑战性的采样数据迭代学习控制在局部Lipschitz非线性非仿射系统中的收敛性分析问题，提出了一种新的、系统性的收敛性分析方法：首先用数学归纳法和压缩映射原理(MI-CMP)证明了在有限次迭代中系统变量的有界性和误差的有界收敛性，然后运用反证法和MI-CMP结合的方法进一步证明了跟踪误差在任意次迭代的鲁棒有界收敛性。文中还证明了当系统中不存在迭代变化不确定时误差收敛到一个相对小的界，甚至当采样间隔趋近于零时收敛到零。此外，文中提出了一种Takagi和Sugeno’s型的模糊神经网络来优化学习增益。
该工作得到了国家自然科学基金、山东省泰山学者项目、山东省重点研发计划等项目的支持。
