彭剑坤，博士，副教授，博士生导师，东南大学“至善青年学者”(a层次)，全球前2%顶尖科学家。2016年6月毕业于北京理工大学机械与车辆学院机械工程专业，获工学博士学位，师从何洪文教授。2016年6月至2019年11月在北京理工大学电动车辆国家工程研究中心担任博士后研究员，2019年12月起在东南大学交通学院工作。担任东南大学交通学院“车城融合创新团队”、“新能源汽车动力系统联合试验中心”、“智能底盘线控制动系统联合试验中心”、“智能道路交通数字场景联合实验室”副主任。
瞄准车辆工程与交通运输工程的学科交叉创新前沿，致力于深度强化学习、模型预测控制、非线性优化等理论在新能源汽车、智能网联汽车、智慧交通基础设施、自主式交通系统的应用与突破，具体研究方向包括：网联新能源汽车节能驾驶、车路协同自动驾驶决策与控制、自主式电驱动运载装备群体控制、全类型新能源汽车能量管理。先后主持国家自然科学基金面上/青年项目3项、国家重点研发计划专题1项、省厅级科技课题3项、东南大学优秀青年教师研究资助项目1项、东南大学“课程思政”项目1项；近两年主持智能网联新能源汽车领域的百万级oem/tier1企业产学研合作项目3项。参与了国家自然科学基金汽车产业联合基金、国家自然科学基金面上项目、国家重点研发计划、国家科技支撑计划、国防基础科研等国家级纵向项目10余项。
与国际/内多家知名新能源车企、自动驾驶车企及汽车零部件公司等深入合作，研究成果在世界新能源客车龙头企业郑州宇通及多款军用车辆中应用。先后获得2022年教育部科技进步一等奖(排名第2)、2018年中国汽车工业技术发明一等奖(排名第4)、2019年中国电子学会科学技术进步二等奖(排名第3)、2016年国防技术发明二等奖(排名第5)、2019年中国汽车工业技术进步三等奖(排名第3)、第二十四届中国专利优秀奖(第2发明人)。获得中科院sci top期刊《applied energy》2016~2017年度高被引论文奖、2017年度首届中国自动化学会车辆控制与智能化学术年会“优秀论文奖”(唯一)、《ieee transactions on industrial informatics》2022年度杰出论文奖、2022世界交通运输大会优秀论文奖。获得首届北京理工大学“优秀博士后”称号(校前5%)。曾指导学生创新创业方面获得工信部创业奖学金一等奖(校唯一)、北京地区高校大学生优秀创业团队一等奖(市第一)、“创青春”首都青年创新创业大赛银奖、北汽“绅宝智行杯”全国高校汽车创新邀请赛二等奖等。
在国内外知名期刊和会议上发表学术论文100余篇，其中40余篇被sci期刊收录(第一/通讯作者30篇，其中esi高被引论文5篇，千分之一热点论文1篇，累计影响因子和超过200)，ei检索60余篇。论文在google学术累计被引用3600余次（h-index=26），被web of science他引2000余次。授权国家发明专利15件、计算机软件著作权8项。是我国汽车行业巨著《电动汽车工程手册》的编委，参与其中第二卷《混合动力电动汽车整车设计篇》的整体编辑和修订工作，并负责撰写第4章中“4.3混合动力电动汽车能量管理策略总体设计”。
担任中国车辆控制与智能化大会(cvci 2022)组织委员会副主席，国际应用能源会议(icae 2016)“电动车辆”分会主席，汽车前沿技术青年学者论坛(auto e 2017)“车辆动力学”分会主席。是国家新能源汽车技术创新中心特聘专家、中国汽车研发软件产业创新联盟技术专家委员会委员、中国公路学会自动驾驶工作委员会委员、智能汽车与智慧城市协同发展联盟委员，是国家自然科学基金通讯评审专家以及江苏省、山西省、山东省等多省科技咨询专家。在境外国际会议宣读论文及海报展示10余次，担任10余个汽车、能源及交通领域知名sci期刊审稿人，近年来审稿100余篇。
欢迎具备较强计算机编程、机器学习、数学建模基础、逻辑辩证思维，对学术科研或工程开发具有浓厚热情、踏实勤奋，并具备家国情怀的同学报考东南大学、东南大学—蒙纳士大学苏州联合研究生院的博士、硕士研究生。团队招收优秀青年教师、“至善博士后”、全职/在职博士后、专职科研人员。
88038威尼斯的联系方式
地址：南京市江宁区东南大学路2号交通学院610室
邮箱：jkpeng@seu.edu.cn
部分sci期刊论文(*表示通讯作者)
[1] peng j, he h, xiong r. rule based energy management strategy for a series–parallel plug-in hybrid electric bus optimized by dynamic programming[j]. applied energy, 2017, 185: 1633-1643. (sci, q1, 1%高被引和1‰热点论文)
[2] wu j, he h, peng j*, et al. continuous reinforcement learning of energy management with deep q network for a power split hybrid electric bus[j]. applied energy, 2018, 222: 799-811. (sci, q1, 1%高被引论文)
[3] wu y, tan h, peng j*, et al. deep reinforcement learning of energy management with continuous control strategy and traffic information for a series-parallel plug-in hybrid electric bus[j]. applied energy, 2019, 247: 454-466. (sci, q1, 1%高被引论文)
[4] peng j, chen w, fan y, et al. ecological driving framework of hybrid electric vehicle based on heterogeneous multi agent deep reinforcement learning[j]. ieee transactions on transportation electrification, 2023. (sci, q1)
[5] peng j, zhang s, zhou y, et al. an integrated model for autonomous speed and lane change decision-making based on deep reinforcement learning[j]. ieee transactions on intelligent transportation systems, 2022. (sci, q1)
[6] peng j, fan y, yin g, et al. collaborative optimization of energy management strategy and adaptive cruise control based on deep reinforcement learning[j]. ieee transactions on transportation electrification, 2022. (sci, q1)
[7] peng j, zhang h, ma c, et al. powertrain parameters optimization for a series-parallel plug-in hybrid electric bus by using a combinatorial optimization algorithm[j]. ieee journal of emerging and selected topics in power electronics, 2021. (sci, q1)
[8] chen w, peng j*, chen j, et al. health-considered energy management strategy for fuel cell hybrid electric vehicle based on improved soft actor critic algorithm adopted with beta policy[j]. energy conversion and management, 2023, 292: 117362. (sci, q1)
[9] zhang h, peng j*, tan h, et al. a deep reinforcement learning based energy management framework with lagrangian relaxation for plug-in hybrid electric vehicle[j]. ieee transactions on transportation electrification, 2020, 7(3): 1146-1160. (sci, q1)
[10]peng j, luo j, he h, et al. an improved state of charge estimation method based on cubature kalman filter for lithium-ion batteries[j]. applied energy, 2019, 253: 113520. (sci, q1)
