Robust adaptive state-feedback control of linear time-varying systems under both potentially unbounded system's modeling uncertainty and external disturbance
针对线性时变(LTV)系统,在系统建模不确定性和非线性外部干扰的情况下,提出了一种基于对数范数的鲁棒自适应状态反馈控制器设计方法。该控制器由自适应和鲁棒两个独立部分组成,使每个LTV系统全局渐近稳定,而不管干扰有多大。
2020-07-14 math.OC
Corrective Control to Handle Forecast Uncertainty: A Chance Constrained Optimal Power Flow
可再生能源发电份额的增加和市场自由化增加了电力系统运行的不确定性。与此同时,随着控制系统的改进和诸如移相Transformers(PST)和高压直流连接(HVDC)等新技术的出现,操作变得更加灵活。以前的研究表明,使用纠正控制响应中断有助于降低运营成本,同时保持N-1安全。在这项工作中,我们提出了一种方法来扩展使用的PST和HVDC的校正控制,以应对不确定性。我们将不确定性描述为连续随机变量,并通过仿射控制策略定义校正控制动作。这使我们能够有效地模拟控制反应,大量的不确定性来源。控制策略,然后包括在一个机会约束的最优潮流配方,保证系统约束的强制执行所需的概率。通过对机会约束进行解析重构,得到了一个二阶锥问题,并给出了一个有效解算法。在IEEE 118总线系统的案例研究中,我们表明,校正控制的不确定性,导致降低运营成本,同时保持系统的安全性。此外,我们通过解决IEEE 300总线和波兰系统测试案例的问题,证明了该方法的可扩展性。
2016-09-07 math.OC
Stationary Mean-Field Games of Singular Control under Knightian Uncertainty
Bielefeld University(比勒费尔德大学)
研究奈特不确定性下奇异控制的平稳平均场博弈,主体通过单边奇异随机控制调整动力学以最大化奖励,利用构造性方法证明平稳平均场均衡的存在唯一性,并给出数值基准及分析不确定性对均衡的影响。
2026-07-08 math.OC
A note on the strong formulation of stochastic control problems with model uncertainty
考虑一类具有模型不确定性的马尔可夫随机控制问题。控制器(智能玩家)只观察状态,因此使用反馈(闭环)策略。对收益没有直接兴趣的不利参与者(自然)选择开环控制,使不确定性参数化。这在反馈策略和开环控制上创建了两步最优化问题(就像游戏的一半)。主要结果是表明,在某些假设下,这提供了相同的价值(一半)的零和对称对策,其中不利的球员也发挥反馈策略,并积极地试图最大限度地减少回报。价值函数独立于不利参与者可访问的过滤。除了建模问题之外,本说明是[S] 3b的技术伴侣。
2014-04-08 math.OC
Model Uncertainty Stochastic Mean-Field Control
考虑了模型不确定性下平均场随机微分方程的最优控制问题。模型不确定性由关于在时间$t$的状态$X(t)$的规律$\mathcal{L}(X(t))$的不确定性表示。例如,它可以是$X(t)$关于给定的潜在概率度量$\mathbb{P}$的定律$\mathcal{L}_{\mathbb{P}}(X(t))$。这是没有模型不确定性时的经典情况。但它也可以是$\mathcal{L}_{\mathbb{Q}}(X(t))$相对于其他概率测度$\mathbb{Q}$的定律,或者更一般地说,是总质量为$1$的$\mathbb{R}$上的任何随机测度$μ(t)$。我们把这个模型的不确定性控制问题表示为一个两个局中人的平均场相关型随机微分方程的随机微分对策。其中一个参与者的控制是一个测度值随机过程$μ(t)$,另一个参与者的控制是一个经典的实值随机过程$u(t)$ .这种关于随机概率过程$μ(t)$在$\mathbb{R}$上的控制是一种新的随机控制问题,以前没有研究过。通过引入算子值倒向随机微分方程,我们得到了一般非零和情形下这类对策的Nash平衡点的一个充分最大值原理,以及零和对策的鞍点.作为一个应用,我们找到了一个显式的解决方案的最优消费问题的模型不确定性的现金流所描述的平均场相关的类型。
2018-06-25 math.OC
Research on Optimal Control Problem Based on Reinforcement Learning under Knightian Uncertainty
Anhui Polytechnic University(安徽工业大学);University of Shanghai for Science and Technology(上海理工大学)
本文研究了在Knightian不确定性环境下,利用强化学习解决最优控制问题,通过推导HJB方程并分析LQ案例,验证了最优策略在探索与利用之间的平衡及高斯分布特性。
2026-01-24 math.OC
A Hamilton-Jacobi Approach for Nonlinear Model Predictive Control in Applications with Navigational Uncertainty
本文提出利用Hamilton-Jacobi解增强非线性模型预测控制(MPC),在标称轨迹附近求解以克服实时计算挑战,并在三体问题混沌系统中验证了其提高轨迹跟踪精度的有效性。
2025-03-30 math.OC
Social Optima in Mean Field Linear-Quadratic-Gaussian Control with Volatility Uncertainty
研究了具有波动性不确定公共噪声的均值场线性二次高斯(LQG)社会最优控制问题。代理动力学中的扩散项包含由共同噪声驱动的未知波动过程。我们采用了一种强大的优化方法,在这种方法中,所有代理都将波动的不确定性视为对抗性玩家。基于逐人最优性原理和随机变分分析的两步对偶技术,我们构造了一个具有代表性的智能体的辅助最优控制问题。通过求解这个问题,结合一致的平均场近似,我们设计了一组分散的策略,这是进一步证明了渐近社会最优的扰动分析。
2019-12-13 math.OC
Stein Variational Uncertainty-Adaptive Model Predictive Control
本文提出了一种基于Stein变分的分布鲁棒控制器,用于非线性动态系统中的参数不确定性问题,通过粒子方法近似任务依赖的不确定性分布,提高闭环性能的鲁棒性。
2026-07-28 cs.RO math.OC
Maximum principle for stochastic recursive optimal control problem under model uncertainty
本文考虑模型不确定性下的随机递归最优控制问题。在这个框架中,费用函数被描述为一个家庭的向后随机微分方程的解决方案。借助于线性化技巧和弱收敛方法,我们导出了相应的随机最大值原理。此外,还研究了线性二次型鲁棒控制问题。
2020-04-15 math.OC math.PR
Uncertainty principles in Gelfand-Shilov spaces and null-controllability
我们提供了新的不确定性原则的功能在一般类的Gelfand-Shilov空间。这些结果适用于,特别是与经典的Gelfand-Shilov空间以及空间的功能加权厄米展开。由于这些不确定性原理,我们得到零可控性结果的发展方程伴随系统享受光滑效应在特定的Gelfand-Shilov空间。更确切地说,我们考虑的控制子集是厚的关于一个拟线性增长的密度和建立充分条件的增长,以确保零可控性的这些发展方程。
2021-12-03 math.AP math.OC
Time-inconsistent Markovian control problems under model uncertainty with application to the mean-variance portfolio selection
本文研究了一类具有模型不确定性的离散时间终端马尔可夫控制问题。我们将子博弈完美策略的概念与自适应鲁棒随机相结合,以解决所考虑的随机控制问题的理论方面。因此,作为理论结果的一个重要应用,我们应用机器学习算法数值求解了模型不确定性下的均值-方差投资组合选择问题。
2020-09-09 math.OC q-fin.MF
Nonparametric Adaptive Robust Control Under Model Uncertainty
研究了模型不确定性下的离散时间随机马尔可夫控制问题。这种不确定性不仅来自于这样一个事实,即潜在的随机过程的真实概率定律是未知的,而且真实定律所属的概率分布的参数族也是未知的。我们提出了一种非参数自适应鲁棒控制方法来处理这样的问题。我们的方法基于以下概念:首先,使用自适应鲁棒范例将在线学习和不确定性减少结合到鲁棒控制问题中:其次,通过经验分布学习未知的概率规律,并将不确定性减少表示为经验分布周围的一系列Wasserstein球;第三,利用拉格朗日对偶将Wasserstein球上的优化问题转化为标量最优化问题,并采用机器学习技术实现最优控制的高效计算。我们通过考虑效用最大化问题来说明我们的方法。数值比较表明,非参数自适应鲁棒控制方法优于传统的鲁棒框架。
2022-03-21 math.OC q-fin.MF
Brownian control problems for a multiclass M/M/1 queueing problem with model uncertainty
本文考虑了一个模型不确定的多维布朗控制问题,它形式上来源于一个模型不确定的多类M/M/1拥塞控制问题。BCP被制定为一个多维随机微分对策与两个球员:一个最小化,具有等同的作用,决策者在决策控制问题和最大化,其作用是建立模型的不确定性。动力学由布朗运动驱动。我们表明,一个状态空间的崩溃性质举行。也就是说,多维BCP可以简化为具有模型不确定性的一维BCP,其也采用两人随机微分对策的形式。然后,这两个游戏的价值函数的特点是唯一的解决方案的自由边界问题,从中我们提取两个游戏的均衡。最后,我们分析了价值函数和平衡点对模糊度参数的依赖性。
2018-05-01 math.OC math.PR
Data-Driven Nonparametric Robust Control under Dependence Uncertainty
考虑了多周期随机控制问题,其中系统的多元驱动随机因子具有已知的边缘分布和不确定的相关结构。为了解决这个问题,我们提出了实现非参数自适应鲁棒控制框架。我们的目标是找到最优控制对最坏的情况下copulae在一系列收缩的不确定性集,这是从不断观察的数据。然后,我们使用随机梯度下降上升算法数值处理相应的高维动态inf-sup最优化问题。我们提出的数值结果的效用最大化的背景下,并表明控制器的好处,知道更多的信息不确定模型。
2022-09-12 math.OC q-fin.MF
Robust Control Barrier Functions for Nonlinear Control Systems with Uncertainty: A Duality-based Approach
本文研究了在漂移和控制向量场中具有参数不确定性的非线性仿射控制系统的稳定性和安全性控制器设计问题。为此,我们引入了新的类的鲁棒控制障碍函数(RCBF)和鲁棒控制李雅普诺夫函数(RCLF),方便的安全关键控制器的合成中存在的参数不确定性,使用二次规划。由于系统的不确定性的初始界限可能是高度保守的,我们提出了一个数据驱动的方法来减少这样的界限使用在线收集的输入输出数据。特别是,我们利用一个完整的集员识别算法,迭代地缩小可能的系统参数在线,并保证学习过程中的稳定性和安全性。两个数值例子说明了所开发的方法的有效性。
2022-08-11 cs.SY eess.SY math.OC
Robust Optimal Control with Adjustable Uncertainty Sets
ETH Zurich(苏黎世联邦理工学院);Oxford University(牛津大学)
本文提出一个统一框架,研究具有可调不确定性集的约束鲁棒最优控制问题,通过将不确定性集作为决策变量,解决确定最优大小和形状的问题,并确保控制策略在所有扰动实现下保持系统约束。
2016-06-07 cs.SY eess.SY math.OC
Feasibility and Regularity Analysis of Safe Stabilizing Controllers under Uncertainty
本文针对控制仿射系统在不确定性下的安全镇定问题,利用worst-case或概率误差描述与控制障碍函数构造二阶锥约束,并分析了这些约束的可行性及满足约束的控制器的正则性。
2023-12-02 cs.SY eess.SY math.OC
Nonparametric Adaptive Bayesian Stochastic Control Under Model Uncertainty
本文提出了一种新的方法来解决模型不确定性下的离散时间随机马尔可夫控制问题。通过利用狄利克雷过程,我们模型的未知分布的潜在的随机过程作为一个随机概率测度,并实现在线学习的贝叶斯方式。我们的方法集成了优化和动态学习。在处理模型不确定性时,非参数框架使我们能够避免通常发生在其他经典控制方法中的模型误设定。然后,我们开发了一个数值算法来处理无限维的状态空间,在这种设置,并利用高斯过程代理,以获得贝尔曼递归的值函数的函数表示。我们还为最优控制构建了单独的代理,以消除样本外路径上的重复优化,并提高计算速度。最后,我们证明了非参数贝叶斯框架的财务优势相比,参数的方法,如强大的鲁棒性和时间一致的自适应。
2022-03-27 math.OC q-fin.MF
A Fixed-Time Stable Adaptation Law for Safety-Critical Control under Parametric Uncertainty
我们提出了一种新的技术解决安全控制的一般类的非线性,控制仿射系统的参数模型不确定性的问题。利用李雅普诺夫分析和固定时间稳定性(FxTS)的概念,我们引入了一种参数自适应律,它保证了系统动力学中未知参数的估计在固定时间内收敛到它们的真值,而与初始参数估计误差无关.然后,我们合成的自适应法律与鲁棒性,适应控制障碍函数(RaCBF)为基础的二次规划,以计算安全的控制输入,尽管考虑模型的不确定性。为了证实我们的研究结果,我们进行了一个比较案例研究的有效性,这一结果与其他最近的方法在文献中的安全控制下的不确定性,并关闭突出我们的方法在汽车超车的情况下的价值。
2020-11-24 cs.SY eess.SY math.OC
Robust feedback stabilization of interacting multi-agent systems under uncertainty
我们考虑不确定性下的大规模交互代理系统的控制策略。特别关注的是鲁棒控制的设计,允许约束随时间变化的受控系统。为此,我们认为$\mathcal{H}_\infty$控制策略的代理和平均场描述的系统。我们证明了一个独立于代理数量的稳定控制器的$\mathcal{H}_\infty$规范上的界。此外,我们比较了新的控制与现有的方法来处理不确定性的广义多项式混沌展开。一维和二维代理系统的数值结果。
2022-10-05 cs.NA math.NA math.OC
Conformal Contraction for Robust Nonlinear Control with Distribution-Free Uncertainty Quantification
Department of Aerospace Engineering, The Grainger College of Engineering, University of Illinois Urbana-Champaign(航空航天工程系、格拉inger 工程学院、伊利诺伊大学厄巴纳-香槟分校)
本文提出一种基于共形预测的收缩鲁棒控制框架,无需不确定性模型即可为非线性受扰系统提供无分布有限时间跟踪误差有界保证,并引入PRCI管用于分布鲁棒运动规划。
2025-07-18 cs.RO cs.SY eess.SY
Control Strategies for Transport Networks under Demand Uncertainty
在这篇文章中,我们考虑不确定需求的运输网络。网络动力学由线性双曲型偏微分方程和适当的耦合条件给出,而需求则作为随机微分方程的解。为了满足需求,我们解决了一个约束最优控制问题。然后,针对不同的假设,明确计算网络输入方面的控制。数值模拟进行强调的理论结果。
2022-08-15 cs.NA math.NA math.OC
Risk Filtering and Risk-Averse Control of Markovian Systems Subject to Model Uncertainty
我们考虑一个马尔可夫决策过程服从贝叶斯框架中的模型不确定性,在这里我们假设状态过程被观察到,但其法律是未知的观察员。另外,虽然在时间$t$观察到状态过程和控制,但是可能取决于未知参数的实际成本在时间$t$是未知的。控制器优化总成本,通过使用一个家庭的特殊风险措施,我们称之为风险过滤器,并适当地定义,考虑到模型的不确定性的控制系统。这些关键特征导致非标准和非平凡的风险厌恶控制问题,我们推导出贝尔曼最优性原理。我们说明了两个实际的例子:最优投资和临床试验的一般理论。
2022-06-18 math.OC math.PR q-fin.PM
Online Robust Control of Nonlinear Systems with Large Uncertainty
鲁棒控制是一种对建模误差具有鲁棒性能保证的控制系统的核心方法,广泛应用于实际系统中。然而,目前的鲁棒控制方法只能处理小的系统不确定性,因此需要在控制器设计之前进行系统辨识。本文提出了一种在线鲁棒控制方法,在大的模型不确定性下对非线性系统进行鲁棒控制。我们的方法是基于将问题分解为两个子问题,“鲁棒控制设计”(假设小的模型不确定性)和“追逐一致的模型”,这可以解决使用现有的工具,分别从控制理论和在线学习。我们提供了一个学习的收敛性分析,产生一个有限的错误的次数不满足性能要求的限制,可以提供强有力的安全保证,通过限制最坏情况下的状态偏差。据我们所知,这是第一个在线鲁棒控制的非线性系统的学习理论和安全保证的方法。我们还展示了如何实例化这个框架一般的机器人系统,证明了我们的方法的实用性。
2021-06-04 cs.SY eess.SY math.OC
Safe Landing on Small Celestial Bodies with Gravitational Uncertainty Using Disturbance Estimation and Control Barrier Functions
University of Kentucky(肯塔基大学)
本文提出了一种结合扰动估计、轨迹跟踪和安全约束的三阶段控制方法,用于在引力不确定性下实现小天体的安全着陆,通过数值模拟验证了其在不规则天体上的有效性。
2026-03-12 cs.SY eess.SY math.OC
Plant Performance in Precision Horticulture: Optimal climate control under stochastic uncertainty
本文提出一种时变随机反馈控制算法用于温室作物生产,通过随机马尔可夫决策过程最大化预期净收入,实验证明其在收益和状态精度上均优于静态与确定性控制器且具稳健性。
2023-07-28 cs.SY eess.SY math.OC
Uncertainty relations and applications in spectral and control theory
这是由David Damanik、Matthias Keller、Tatiana Smirnova-Nagnibeda和Felix Pogorzelski组织的Oberwolfach Workshop 2101 b \emph{Geometry, Dynamics and Spectrum of Operators on Discrete Spaces}的扩展摘要。它于2021年1月3日至9日以在线形式进行。
2021-03-16 math-ph math.AP math.MP
Robust Regret Control with Uncertainty-Dependent Baseline
University of Michigan(密歇根大学)
本文提出一种鲁棒遗憾控制框架,基线随不确定性实现自适应,通过线性近似将鲁棒加性遗憾条件转化为标准μ-综合问题,并用数值示例验证。
2025-10-24 cs.SY eess.SY math.OC
Generalized Semi-Infinite Programming for Robust Optimal Control with Decision-Dependent Uncertainty
Imperial College London(帝国理工学院)
该研究提出通用框架,将决策依赖不确定性下的GSIP转化为带存在性约束的半无限规划,用现成求解器求解,可扩展至鲁棒非线性最优控制,在基准问题和卫星消旋问题上验证有效。
2026-09-02 cs.SY eess.SY math.OC
Adaptive Robust Control Under Model Uncertainty
在本文中,我们提出了一种新的方法来解决离散时间的不确定随机马尔可夫控制问题。我们称所提出的方法的自适应鲁棒控制。我们证明了所考虑的不确定控制问题可以解决相关的自适应鲁棒Bellman方程。我们的方法的成功是在很大程度上归功于递归方法的建设相关的置信区域。我们说明了我们的方法,考虑最优投资组合配置问题,我们比较使用自适应鲁棒控制方法与其他一些现有的方法得到的结果。
2017-06-07 math.OC math.PR q-fin.MF
Robust Model Predictive Control with Polytopic Model Uncertainty through System Level Synthesis
针对多面体模型不确定性与加性扰动下的离散线性系统,提出基于System Level Synthesis的鲁棒MPC方法,联合在线优化LTV控制器与不确定性影响界,显著降低保守性且计算量相当。
2023-09-26 cs.SY eess.SY math.OC
Robust Model Predictive Control of Irrigation Systems with Active Uncertainty Learning and Data Analytics
Department of Automation, Tsinghua University(自动化系,清华大学)
本文提出了一种数据驱动的鲁棒模型预测控制方法,结合机理模型和数据驱动模型,通过构建不确定性集来提高灌溉系统的控制效率和可靠性,实验证明该方法能显著减少用水量并提升控制性能。
2019-05-23 cs.AI cs.SY eess.SY
Safe learning-based control via function-based uncertainty quantification
Aalto University(阿尔托大学);Uppsala University(乌普萨拉大学)
本文提出一种基于函数的不确定性量化方法,用于安全学习控制,通过场景方法构建高概率的不确定性管,结合安全贝叶斯优化算法在真实Furuta摆上安全调节控制参数。
2026-09-24 cs.LG cs.SY eess.SY
Uncertainty damping in kinetic traffic models by driver-assist controls
在本文中,我们提出了一个动力学模型的交通流与不确定的二元相互作用,它解释了分散的基本图的宏观变化的总量,如平均速度和流量的车辆,由微观的不确定性。此外,我们设计的车辆之间的微观相互作用的水平上的控制策略,通过它,我们证明,它是可能的,以抑制这种不确定性的跨尺度的传播。我们的分析和数值计算结果表明,总的交通流量可以更有序,因此可预测的,通过实施这样的控制协议,在驾驶辅助车辆。值得注意的是,它们还提供了不确定性的宏观阻尼与驾驶员辅助技术在交通流中的渗透率之间的精确关系。
2020-02-10 cs.NA math.NA math.OC
Learning the Uncertainty Sets for Control Dynamics via Set Membership: A Non-Asymptotic Analysis
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);California Institute of Technology(加州理工学院)
本文首次为未知线性系统的集成员资格估计(SME)建立了非渐近收敛速率界,并讨论了放宽假设下的变体,通过数值实验验证了其在鲁棒控制不确定性集估计中的实用价值。
2024-06-10 cs.LG math.OC math.ST
Uncertainty Quantification in Control Problems for Flocking Models
Fakultät für Mathematik, Technische Univarsität München(慕尼黑工业大学数学学院);Department of Mathematics and Computer Science, University of Ferrara(费拉拉大学数学与计算机科学系)
本文研究了带有随机输入的鸟群模型最优控制问题,采用广义多项式混沌方法分析交互参数不确定性的影响,并展示了随机参数对对齐动态的阈值效应,利用选择性模型预测控制可使系统在不稳定状态下趋向目标状态。
2015-03-02 cs.NA math.NA math.OC