主持项目：

[1]. 国家自然科学基金，动态交互环境下的无人系统自适应分布式协同预测控制理论与方法，2025/01-2027/12，在研

[2]. 上海市“科技创新行动计划”自然科学基金，分布式系统自适应协同辨识和新型预测控制方法，2024/10-2027/9，在研

[3]. 同济大学青年人才培育项目，多维混合数据驱动的预测控制系统优化技术及其应用，2024/01-2024/11，在研

[4]. 能源化工过程智能制造教育部重点实验室开放课题，多维混合驱动的批次过程迭代学习优化控制设计与应用，2023/01-2024/12，在研

[5]. 上海交通大学—香港科技大学（SJTU-HKUST）学术交流基金，批次过程的约束学习控制与安全控制及其在注塑系统上的应用，2021-2022，已结题

参与项目（仅列出部分）：

[1]. 国家自然科学联合重点基金项目，实时数据驱动的多阶段批次过程协同优化控制设计与应用研究/ Design and application of data-driven real-time coordinated optimization and control for multi-phase batch processes, 62261160385，经费100万RMB+125万HK, 2023/01-2026/12，在研

[2]. 香港研究资助局（RGC）项目, Moving closed-loop control from process variables to quality: a study of injection molding，16203322，2023/01-2025/12，经费116.2万HK，在研

[3]. 国家自然科学基金面上项目，混杂大规模系统分布式预测控制综合设计方法研究，61973214, 2020/01-2023/12，结题

[4]. 香港研究资助局（RGC）项目, Learning-based control strategy design for batch processes, 16208520，2021/01-2023/12，已结题

[5]. 国家科技部重点研发计划, 高分子产品混合制造产线智能决策与管控技术, 2019YFB1704900，2020/01-2022/12，经费3800万 （国拨1500万+自筹2300万），已结题

1.控制与决策相关：智能预测控制；最优控制；数据驱动控制；复杂系统控制与优化

2.优化与学习交叉相关：数据智能建模；强化学习；贝叶斯优化；学习控制；机器学习等

3.人工智能应用相关：过程控制系统、机器人仿真与具身操作、技能学习、智能网联与自动驾驶、物理AI等智能工业应用

自2020年以来，在Advanced Science、Automatica、IEEE 会刊和Cell子刊等国际权威学术刊物和重要国际会议上已发表学术论文70余篇，其中第一作者20余篇，第一作者特邀SCI综述论文2篇。部分代表性的学术论文成果如下：

• Y. Zhou, M. Wang, Y. He, J. Xu, D. Li, and H. Chen, “The Effective Singular Value Ratio: A novel criterion for adaptive data selection in DeePC,” IEEE Control Systems Letters, vol. 9, pp. 2475-2680, 2025. (SCI & EI; JCR Q2, IF = 2)
• Y. Zhou, H. Hu, W. Ding, K. Gao, D. , and F. Gao, “Cooperative distributed predictive control for smart injection molding systems with one-tap memory,” IEEE Transactions on Industrial Informatics, vol. 20, no. 6, pp. 8850-8860, 2024.  (SCI & EI; JCR Q1, IF = 12.3)
• K. Gao, Y. Zhou, F. Gao, and J. Lu, “Optimally selected cycle based ILC for system with randomly varying initial state,” IEEE Transactions on Automatic Control, to appear, 2024. (SCI & EI; JCR Q1, IF = 6.2)
• Y. Zhou, X. Tang, D. Li, X. Lai, and F. Gao, “Combined iterative learning and model predictive control scheme for nonlinear systems,” IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 54, no. 6, pp. 3558-3567, 2024.  (SCI & EI; JCR Q1, IF = 8.7)
• K. Gao, Y. Zhou, J. Lu, and F. Gao, “A selective migration-based improved GPR modeling method for batch process,”  IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 54, no. 5, pp. 3097-3109, 2024.  (SCI & EI; JCR Q1, IF = 8.7)
• Y. Zhou and F. Gao, “Smart batch process: The evolution from 1D and 2D to new 3D perspectives in the era of Big Data,”   Journal of Process Control, vol. 130, pp. 103088, 2023. (SCI & EI; JCR Q1, IF = 4.2)
• Y. Zhou, K. Gao, X. Tang, H. Hu, D. Li, and F. Gao, “Conic input mapping design of constrained optimal iterative learning controller for uncertain systems,” IEEE Transactions on Cybernetics, vol. 53, no. 3, pp. 1843-1855, 2023.  (SCI & EI; JCR Q1, IF = 19.118)
• Y. Zhou, D. Li, and F. Gao, “Input mapping design for batch-to-batch optimization with limited memory,”   IEEE Transactions on Circuits and Systems II: Express Briefs, vol. 70, no. 1, pp. 171-175, 2023. (SCI & EI; JCR Q1, IF = 3.691)
• Y. Zhou, D. Li, and F. Gao, “Data-driven optimal synchronization control for leader-follower multi-agent systems,”   IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 53, no. 1, pp. 495-503, 2023.  (SCI & EI; JCR Q1, IF = 13.451)
• Y. Zhou, Z. Cao, J. Lu, C. Zhao, D. Li, and F. Gao, “Objectives, challenges, and prospects of batch processes: Arising from injection molding applications,” Korean Journal of Chemical Engineering, vol. 39, no. 12, pp. 3179-3189, 2022.  (SCI & EI; JCR Q1, IF = 3.146)
• Y. Zhou, D. Li, Y. Xi, and F. Gao, “Event-triggered distributed robust model predictive control for a class of nonlinear  interconnected systems,”  Automatica, vol. 136, pp. 110039, 2022. (SCI & EI; JCR Q1, IF = 6.150)
• Y. Zhou, D. Li, and F. Gao, “Conic iterative learning control using distinct data for constrained batch processes with state-dependent uncertainty,” IEEE Transactions on Industrial Informatics, vol. 18, no. 5, pp. 3095-3104, 2022.  (SCI & EI; JCR Q1, IF = 11.648)
• Y. Zhou, K. G. Vamvoudakis, W. M. Haddad, and Z. Jiang, “A secure control learning framework for cyber-physical systems under  sensor and actuator attacks,” IEEE Transactions on Cybernetics, vol. 51, no. 9, pp. 4648-4660, 2021.   (SCI & EI; JCR Q1, IF = 11.448)  
• Y. Zhou, K. Gao, D. Li, Z. Xu, and F. Gao, “Data-efficient constrained learning for optimal tracking of batch processes,” Industrial  & Engineering Chemistry Research, vol. 60, no. 43, pp. 15658-15668, 2021. (SCI & EI; JCR Q1, IF = 4.326)
• Y. Zhou, D. Li, and F. Gao, “Optimal synchronization control for heterogeneous multiagent systems: Online adaptive learning solutions,”  Asian Journal of Control, vol. 24, no. 5, pp. 2352-2362, 2021.   (SCI & EI; JCR Q2, IF = 3.452)
• Y. Zhou, D. Li, Y. Xi, and Z. Gan, “Synthesis of model predictive control based on data-driven learning,”   Science China:  Information  Sciences, vol. 63, no. 8, pp. 189204, 2020. (SCI & EI; JCR Q1, IF = 3.304)
• Y. Zhou, D. Li, Y. Xi, and Z. Gan, “Periodic event-triggered control for distributed networked multi-agents with asynchronous  communication: A predictive control approach,” International Journal of Robust and Nonlinear Control, vol. 29, no. 1, pp. 43-46, 2019. (SCI & EI; JCR Q1, IF = 4.406)
• Y. Zhou, D. Li, J. Lu, Y. Xi, and L. Cen, “Networked and distributed predictive control of nonlinear systems subject to asynchronous    communication,” IET Control Theory and Applications, vol. 12, no. 4, pp. 504-514, 2018. (SCI & EI; JCR Q1, IF = 3.343)