Observer-based boundary control of distributed port-Hamiltonian systems
针对定义在一维空间域上的无穷维端口-哈密顿系统，提出了一种基于边界控制器的控制器。该设计是基于一个早期集总的方法，其中有限维近似的无限维系统的空间离散化是用来设计的观察器和控制器。只要有限维近似接近无限维模型，性能也是如此。主要贡献是一个建设性的方法，保证控制器和无限维系统之间的互连是渐近稳定的。一个Keschenko梁模型已被用来说明的方法。
2022-12-09 cs.SY eess.SY
Discrete nonlinear elastodynamics in a port-Hamiltonian framework
本文提出离散弹性系统的完全非线性端口-哈密顿公式及保持结构的时间离散化，通过变分法得到指标1微分代数方程，经指标约简获得状态空间模型，采用中点离散梯度离散化，保持无源性、无损耗性及角动量守恒，数值实验验证了方法的有效性。
2025-06-19 cs.CE cs.NA cs.SY
Towards Parameter-free Distributed Optimization: a Port-Hamiltonian Approach
本文提出基于端口-哈密顿框架的无参数分布式优化算法，通过混合隐式离散化消除步长依赖，提升收敛速度并保证稳定性。
2024-04-21 cs.SY eess.SY math.OC
Energy-optimal control of discrete-time port-Hamiltonian systems
本文研究离散时间端口哈密顿系统的能量最优控制，证明保能量积分器不能直接保持严格耗散性，而差分和微分表示离散化可以保持该性质，并由此证明最优解的流形旋转门稳定性，最后通过数值算例验证。
2025-09-01 cs.SY eess.SY math.OC
Explicit Port-Hamiltonian FEM-Models for Linear Mechanical Systems with Non-Uniform Boundary Conditions
在这篇文章中，我们提出了如何获得明确的状态空间模型的端口-哈密顿形式时，混合有限元法应用于非均匀边界条件的线性力学系统。关键是要表达变分问题的基础上的原则，虚功率，与狄利克雷（速度）和诺依曼（应力）边界条件施加在一个弱的意义。因此，正式的斜伴随的系统运营商成为直接可见后，集成的部分，兼容FE离散化后，边界自由度的因果关系出现作为明确的输入，在所得到的状态空间模型。我们制定背后的理由说明使用集总参数的例子，和一维杆上的数值实验显示在实践中的方法的属性。
2021-10-29 cs.SY eess.SY math.DS
Learning Passive Continuous-Time Dynamics with Multistep Port-Hamiltonian Gaussian Processes
Elmore Family School of Electrical and Computer Engineering, Purdue University（电气与计算机工程学院，普渡大学）
该研究提出MS-PHS GP方法，通过GP先验与变步长多步积分约束实现无隐状态的物理一致连续动力学学习，给出有限样本误差界，并在多个基准上验证了向量场恢复与不确定性校准的优势。
2025-10-04 cs.LG cs.SY eess.SY
Identification of Port-Hamiltonian Differential-Algebraic Equations from Input-Output Data
Eindhoven University of Technology（埃因霍温理工大学）；Institute for Computer Science and Control（计算机科学与控制研究所）
本文提出了一种基于端哈密顿神经网络和微分代数求解器的数据驱动方法，用于从输入输出数据中识别端哈密顿微分代数方程，以建模具有代数约束的物理系统。
2026-01-23 cs.SY eess.SY
Control of port-Hamiltonian differential-algebraic systems and applications
讨论了端口-哈密顿广义系统的建模框架及其在数值模拟和控制中的应用。该结构是基于网络的自动建模的理想选择，因为它在节能互连、同余变换和Galerkin投影下是不变的。此外，稳定性和无源性很容易显示。在正交变换下的凝聚形式为存在性、唯一性、正则性和检查这些性质的数值方法提供了简单的分析工具。在回顾了一般线性和非线性广义系统的概念后，我们证明了在一般广义系统中出现的许多困难可以很容易地在端口哈密顿框架内克服。分析了广义系统的端口哈密顿性质，讨论了其离散化和数值线性代数方法。提出了广义系统的保结构正则化方法，使之适用于仿真和控制。讨论了保持结构和稳定性的模型降阶技术以及最优控制技术。端口哈密顿广义系统的性质和它们在建模，仿真和控制方法中的使用说明了几个例子，从不同的物理域。调查的结论与开放的问题和研究课题，值得进一步关注。
2022-01-17 cs.NA cs.SY eess.SY
Discrete gradient methods for port-Hamiltonian differential-algebraic equations
Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）；OvGU Magdeburg（马格德堡大学）
本文提出了一种用于端哈密顿微分代数方程的离散梯度方法，通过结构保持方法解决非线性物理系统建模问题，并展示了其在多体动力学中的应用效果。
2025-05-24 cs.CE cs.NA cs.RO
Discrete-time port-Hamiltonian systems: A definition based on symplectic integration
Technical University of Munich（慕尼黑工业大学）；Univ. Grenoble Alpes, LCIS（格勒诺布尔阿尔卑斯大学，LCIS）
本文提出了一种新的离散时间端口哈密顿系统定义，基于对连续时间显式端口哈密顿系统的时间结构保持离散化。通过协同方法离散化底层连续时间Dirac结构，并利用辛数值积分方案添加离散时间动力学。离散时间能量平衡的守恒——以离散时间Dirac结构表达——将几何积分方案的辛性扩展到开放系统。讨论了所提定义中的能量近似误差，并证明其阶数与数值积分方案的阶数一致。隐式高斯-勒让德方法和洛巴托IIIA/IIIB对用于分区系统是本定义所涵盖的积分方案的例子。通过简单的数值实验展示了关于数值能量误差的陈述。
2018-11-19 cs.SY eess.SY math.DS
Port-Hamiltonian Koopman Operator Synthesis for Mechanical Systems
Indian Institute of Science（印度科学理工学院）
针对非线性机械系统，提出结构保持的端口-哈密顿库普曼框架，通过动量变换和神经架构学习无源动力学，实现高精度预测与控制。
2026-09-16 cs.RO cs.SY eess.SY
Finite element hybridization of port-Hamiltonian systems
本研究将Hodge拉普拉斯的有限元杂交化框架扩展至描述线性波传播的端口哈密顿系统，提出双场混合Galerkin离散方法，等价于二阶混合与杂交公式，可通过静态凝聚高效求解，数值实验验证了其收敛性与更优的规模缩减效果。
2025-02-24 cs.NA cs.SY eess.SY
Controlled oscillation modeling using port-Hamiltonian neural networks
IRCAM
本文提出基于端口哈密顿神经网络的二阶离散梯度方法，用于受控振荡建模，通过对比龙格-库塔方法和理论等价系统公式，验证了其在动力学建模中的优越性。
2026-02-17 cs.LG cs.SY eess.SY
On the velocity-stress formulation for geometrically nonlinear elastodynamics and its structure-preserving discretization
针对大变形小应变的几何非线性弹性动力学问题，提出具有端口哈密顿结构的速度-应力公式，推导含拉格朗日乘子边界条件的保能量弱形式，通过混合有限元和时间离散实现保结构离散，理论与数值验证了其功率平衡与无源性。
2024-01-30 cs.NA cs.SY eess.SY
Early-Terminable Energy-Safe Iterative Coupling for Parallel Simulation of Partitioned Port-Hamiltonian Systems
School of Mechanical Engineering, Shanghai Jiao Tong University（上海交通大学机械与动力工程学院）
针对并行仿真中分区耦合可能注入虚假能量的问题，提出基于Douglas-Rachford分裂的早期可终止节能耦合接口，利用Fejér单调性提供算法耗散，保证离散无源性并收敛到整体离散化。
2026-07-01 cs.NA cs.RO cs.SY
Neural Port-Hamiltonian Models for Nonlinear Distributed Control: An Unconstrained Parametrization Approach
Institute of Mechanical Engineering, Ecole Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院机械工程学院）
本文提出基于端口哈密顿框架的神经网络分布式控制策略，通过无约束参数化保证非线性系统闭环稳定性及有限L2增益，并在移动机器人和直流微电网中验证有效性。
2024-11-25 cs.LG cs.SY eess.SY
