Adaptive Control Design under Structured Model Information Limitation: A Cost-Biased Maximum-Likelihood Approach
KTH Royal Institute of Technology(皇家理工学院)
针对结构化模型信息限制下的控制问题,提出一种成本偏差最大似然自适应控制器,证明其渐近达到完全模型信息下最优集中控制器的闭环性能,竞争比等于1。
2014-07-22 cs.SY eess.SY math.OC
A Primary Frequency Control Strategy for Variable-Speed Pumped-Storage Plant in Power Generation Based on Adaptive Model Predictive Control
school of electrical engineering and automation, Wuhan University(武汉大学电气与自动化学院)
针对低惯量电网频率控制难题,本文提出基于自适应模型预测控制的变速抽水蓄能电站发电工况一次调频策略,利用其灵活性提升调频性能。
2022-11-01 cs.SY eess.SY
Exponentially Convergent Direct Adaptive Pole Placement Control of Plants with Unmatched Uncertainty under FE Condition
针对非匹配不确定性对象,提出了一种直接自适应极点配置控制(APPC)的新方法。它保证了当回归量为负激励时,控制系统的指数稳定性和控制律可调参数的指数收敛性。考虑到已知的经典APPC方案和指数调节的自适应方法,所提出的方法的优点是,它不需要控制输入矩阵的先验信息,并确保控制律的每个可调参数的单调瞬态行为。数值实验验证了理论分析的正确性。
2022-04-11 cs.SY eess.SY
Exponentially stable adaptive control. Part I. Time-invariant plants
在这项研究中,我们考虑线性时不变的植物,并假设回归有限的激励要求得到满足。在这种情况下,一个新的法律调整控制器参数,确保指数稳定的经典动态模型的跟踪误差的条件下,其状态不包括在这样的法律,在这项研究中提出。此外,它还放宽了自适应控制理论的一些经典假设和要求,即需要知道被控对象高频增益的符号/值,需要基于实验选择所提出的律自适应增益值,考虑输出反馈控制时要求跟踪误差传递函数严格为正实。所提出的法律的自适应状态和输出反馈控制问题的适用性。所提出的方法的优点比众所周知的证明。
2022-03-14 cs.SY eess.SY
Uniform Complete Observability of Mass and Rotational Inertial Parameters in Adaptive Identification of Rigid-Body Plant Dynamics
Johns Hopkins University(约翰斯·霍普金斯大学)
针对受外力和力矩作用的六自由度刚体动力系统二阶非线性模型自适应辨识中质量和惯性参数的可观测性问题,提出了一种新的自适应辨识方法。虽然这类系统的植物参数的AID稳定的方法,以及许多方法来稳定的基于模型的直接自适应跟踪控制的这种系统,已经报道,这些研究一直无法证明分析,自适应参数估计收敛到真实的植物参数值。本文给出了这类系统的稳定自适应辨识器的6自由度对象惯性参数一致完全可观的充分必要条件。当UCO条件满足时,自适应参数估计收敛到真实的植物参数值。据我们所知,这是第一次报告证明这类系统的UCO的植物参数和自适应参数估计的收敛到真正的参数值。我们还报告了这种AID方法的数值模拟研究表明,(a)UCO条件可以满足全驱动植物以及欠驱动植物与控制输入的适当选择和(b)收敛的自适应参数估计的真实参数值。我们推测,这种方法可以扩展到包括其他参数,出现刚体植物模型,包括阻力,浮力,附加质量,偏置和致动器的参数。
2021-12-09 cs.RO cs.SY eess.SY
Adaptive and Neural Operator Control of Nonlinear Volterra Hyperbolic PDEs
University of California, San Diego(加州大学圣地亚哥分校)
研究一类非线性双曲型偏微分方程控制问题,结合自适应控制与神经算子控制,通过基于观测器的无源标识符在线学习Volterra级数截断,神经算子离线近似相关无穷维映射,证明闭环稳定性及渐近调节,吸收多种扰动。
2026-07-08 cs.SY eess.SY math.OC
Improvement of plant performance using Closed loop Reference Model Simple Adaptive Control for Micro Air Vehicle
Indian Institute of Science(印度科学学院)
在本文中,我们提出了一种新的想法,以改善现有的简单自适应控制架构的瞬态性能,而不需要高的自适应增益。通过将基于输出反馈的闭环参考模型与简单自适应控制结构相结合,实现了性能的改善。在该方案中,参考模型动态由期望的命令以及被控对象输出和参考模型输出之间的误差信号驱动。仿真结果表明,改进后的控制结构在不增加控制量的情况下提高了系统的性能,并通过微型飞行器的侧向模型动力学仿真验证了这一点。
2020-11-11 cs.RO cs.SY eess.SY
Adaptive Control with Set-Point Tracking and Linear-like Closed-loop Behavior
针对未知参数属于凸紧不确定性集合的离散时间对象设定点跟踪问题,提出基于辅助对象参数估计和极点配置的自适应控制方法,证明其具有类线性闭环行为、有界增益及常数扰动下的渐近跟踪特性。
2025-08-17 cs.SY eess.SY math.OC
Dual-control based approach to batch process operation under uncertainty based on optimality-conditions parameterization
提出了一种参数不确定间歇过程的对偶鲁棒控制方案。双重控制范例出现在自适应控制的背景下。应该在(鲁棒地)优化工厂性能的控制动作和激励工厂的控制动作之间进行权衡,使得可以足够精确地学习未知的工厂模型参数以增加工厂的鲁棒性能。最近提出的一些方法可以用来解决这个问题,然而,这将是在保守性或显着的计算负担的代价。为了提高计算效率,我们提出了一个计划,使用参数化的最优性条件的自适应预测控制的方式。控制器的双重功能被纳入通过基于神经网络的(多阶段)的方法,它允许建模的自适应鲁棒决策问题,并预测到控制器的预测这一决定。所提出的方法说明了一个案例研究,从分批膜过滤。
2019-06-20 cs.SY eess.SY math.OC
Control Design of Dynamic Virtual Power Plants: An Adaptive Divide-and-Conquer Approach
提出一种基于自适应分而治之策略的动态虚拟电厂控制方法,通过ADPMs分解控制规范并设计局部LPV H∞控制器,实现了考虑设备限制的动态辅助服务,并能适应波动的设备容量。
2023-09-11 cs.SY eess.SY
Cable Estimation-Based Control for Wire-Borne Underactuated Brachiating Robots: A Combined Direct-Indirect Adaptive Robust Approach
Institute for Robotics and Intelligent Machines, Georgia Institute of Technology(佐治亚理工学院机器人与智能机器研究所);Stanford University(斯坦福大学);Georgia Tech Research Institute(佐治亚理工学院研究所);Georgia Institute of Technology(佐治亚理工学院)
本文针对欠驱动臂跃机器人在柔性缆索上移动时动力学未知的问题,提出一种结合间接自适应估计与直接自适应增益更新的滑模鲁棒控制框架,并通过仿真验证了其在多种不确定性下的跟踪性能与系统辨识能力。
2020-08-11 cs.RO cs.SY eess.SY
Regression Filtration with Resetting to Provide Exponential Convergence of MRAC for Plants with Jump Change of Unknown Parameters
本文提出了一种新的方法,使复合自适应控制系统的参数和跟踪误差都指数收敛,而不需要持续激励(PE)。相反,派生的复合自适应法律确保上述性质下严格较弱的有限激励(FE)条件。与已知的解决方案不同,除了PE要求松弛之外,它还在设备不确定性参数的跳变下提供了更好的瞬态响应。为了得到这样的自适应律,提出了一种新的方案,不确定性过滤与复位,它提供了所需的性能的控制系统。所提出的自适应律的所有性能的严格证明。这种法律相比,已知的复合材料,这也放宽了PE的要求,使用机翼摇滚问题进行数值实验。所得结果充分支持了理论分析,并证明了所提出的方法的优点。
2022-10-10 cs.SY eess.SY
Adaptive Certainty-Equivalence Control With Regulation-Triggered Finite-Time Least-Squares Identification, Part I: Design
National Technical University of Athens(雅典国立工业大学);University of California, San Diego(加利福尼亚大学圣地亚哥分校)
本文提出一种新颖的自适应控制方法,结合事件触发的有限时间最小二乘辨识,确保系统稳定性和参数收敛,无需持续激励。
2016-09-10 cs.SY eess.SY math.OC
Adaptive control of pool-type research nuclear reactors: theory limits, pragmatic actuation constraints, and realized performance and adaptation
U.S. Department of Energy Idaho National Laboratory(美国能源部爱达荷国家实验室)
本研究在PUR-1池式反应堆非线性模型上评估MRAC-LQR自适应控制,考虑执行机构约束,通过采样分解分离匹配自适应与残差,数值结果验证了标称设计在参数变化下仍能实现紧密对齐响应,并揭示了理论极限。
2026-10-06 cs.SY eess.SY math.OC
When is a Parameterized Controller Suitable for Adaptive Control?
Laboratoire des Signaux et Systèmes, CNRS–SUPELEC(信号与系统实验室,CNRS-苏佩莱克)
本文探讨参数化控制器在未知参数下是否能实现参数无关的实现形式,证明标准模型参考控制器在系统线性时不变时可实现参数无关形式,指出滤波器的添加对自适应控制有负面影响。
2014-05-30 cs.SY eess.SY math.OC
State Constrained Model Reference Adaptive Control with Input Amplitude and Rate Limits
本文针对不确定MIMO LTI植物,提出了一种基于双层BLF的鲁棒MRAC,在存在扰动时确保状态、输入幅值与速率满足约束,并提供了可行控制策略的充分条件。
2025-05-28 cs.SY eess.SY
Suboptimal and Reduced-Order MPC via Timescale Separation
University of Bologna(博洛尼亚大学)
提出一种通用框架,通过次优控制计算和降阶模型,结合采样时间设计,利用时间尺度分离分析闭环稳定性,保证递归可行性和指数稳定。
2026-07-22 cs.SY eess.SY math.OC
Distributed Adaptive Control: An ideal Cognitive Architecture candidate for managing a robotic recycling plant
Institute for Bioengineering of Catalonia (IBEC)(加泰罗尼亚生物工程研究所);Barcelona Institute of Science and Technology (BIST)(巴塞罗那科学技术研究院);Catalan Institution for Research and Advanced Studies (ICREA)(加泰罗尼亚高级研究学院)
在过去的十年中,社会在各种技术领域都经历了显著的增长。然而,第四次工业革命还没有到来。工业4.0带来了几个挑战,其中包括需要新的架构模型来解决开放环境对网络物理系统(CPS)的不确定性。废旧电器和电子设备回收厂就是这种开放环境的代表。在这里,CPS必须在不断变化的环境中和谐地工作,与相似和不太相似的CPS进行交互,并适应性地与人类工作者合作。在本文中,我们支持分布式自适应控制(DAC)理论作为一个合适的认知架构管理回收厂。具体而言,DAC的递归实现(单代理和大规模的水平之间),提出了以满足预期的需求,欧洲项目人力资源回收。此外,有一个现实的基准为未来的递归DAC的实现的目的,一个微型回收厂原型。
2020-12-23 cs.AI cs.MA cs.NE
Multiple Model Reference Adaptive Control with Blending for Non-Square Multivariable Systems
本文针对非方多变量系统提出了一种带混合的多模型参考自适应控制器,通过多模型在线辨识和精确匹配条件实现状态渐近跟踪,并证明了闭环信号的有界性和跟踪误差渐近收敛至零。
2024-03-26 cs.SY eess.SY
Partial-State Feedback Multivariable MRAC and Reduced-Order Designs
本文提出了一种新的模型参考自适应控制(MRAC)框架,使用部分状态反馈解决多变量自适应输出跟踪问题。所开发的MRAC方案具有完整的能力,以处理对象的输出跟踪的不确定性,并具有所需的灵活性,以结合全状态反馈MRAC和输出反馈MRAC的优点。利用这种新的控制方案,与输出或状态反馈MRAC设计一样,可以实现工厂模型匹配条件。基于对象高频增益矩阵的LDS分解,提出了一种稳定的自适应控制方案,保证了闭环稳定和输出渐近跟踪。所提出的部分状态反馈MRAC方案不仅扩展了现有的MRAC家族,而且还为自适应控制系统提供了新的功能,包括额外的设计灵活性和反馈能力。基于其额外的设计灵活性,最小阶MRAC方案,它降低了控制自适应的复杂性和放松的反馈信息的要求,相比现有的MRAC方案。在对象模型匹配、误差模型、自适应律和稳定性分析等方面给出了新的结果。线性化飞机模型的仿真研究进行了验证的有效性和新功能的建议MRAC控制方案。
2020-05-04 cs.SY eess.SY
Adaptive Finite-time and Fixed-time Control Design using Output Stability Conditions
本文给出了保证输出有限时间稳定和固定时间稳定的充分条件。与类似的研究相比,所提出的结果是较少的限制,并获得了更广泛的一类系统。将所提出的输出稳定条件用于适应控制设计,其中对象的状态向量被可调控制参数扩展。
2021-05-14 cs.SY eess.SY math.OC
MR-ARL: Model Reference Adaptive Reinforcement Learning for Robustly Stable On-Policy Data-Driven LQR
本文提出MR-ARL框架,将强化学习与模型参考自适应控制结合,在保证闭环系统鲁棒稳定的同时实现在线策略数据驱动LQR的探索与利用,并通过自适应稳定器确保策略和被控对象收敛到最优。
2024-02-22 cs.SY eess.SY
State and Input Constrained Model Reference Adaptive Control
状态和输入约束的满足是控制工程应用中最关键的要求之一。在经典的模型参考自适应控制(MRAC)公式中,虽然状态和输入保持有界,但界既不是用户定义的,也不是先验已知的。针对具有自定义状态和输入约束的多变量线性时不变(LTI)对象,采用简单的饱和控制设计和障碍李雅普诺夫函数(BLF),设计了一种模型参考自适应控制器。没有任何限制性的假设,可能会限制实际的实施,所提出的控制器保证植物状态和控制输入保持在用户定义的安全设置的所有时间,同时确保植物状态轨迹跟踪参考模型轨迹。该控制器保证所有闭环信号有界,轨迹跟踪误差渐近收敛到零。仿真结果验证了所提出的约束MRAC的有效性,更好的跟踪性能和有限的控制工作相比,标准的MRAC算法。
2022-06-27 cs.SY eess.SY
Improving Cooperative Adaptive Cruise Control Robustness to Parametric Uncertainty via Plant Equivalent Controller Realizations
Eindhoven University of Technology(埃因霍温理工大学);Singapore University of Technology and Design(新加坡科技设计大学)
本文提出通过优化植物等效控制器实现CACC在参数不确定性下的鲁棒性提升,采用凸优化方法确保稳定性和性能。
2026-09-10 cs.SY eess.SY
Adaptive control for trailing arm suspension with hydraulic cylinder spring under practical constraints
本文提出一种基于四分之一汽车的LQ自适应控制策略,用于具有液压缸弹簧的后臂悬挂系统,以平滑跟踪动态参考臂角并省略垂向传感器,通过线性化参数估计提升控制效率。
2016-07-18 cs.SY eess.SY
Adaptive Event-triggered Control with Sampled Transmitted Output and Controller Dynamics
School of Artificial Intelligence and Automation, Huazhong University of Science and Technology(华中科技大学人工智能与自动化学院);Key Laboratory of Imaging Processing and Intelligence Control(图像处理与智能控制重点实验室)
本文提出一种自适应事件触发控制方法,通过将控制器动态改为采样状态以减少通信负担,并解决虚拟输入不可微和异步采样分析复杂的问题,实现系统半全局有界和输出稳定。
2024-07-16 cs.SY eess.SY
Adaptive Neural-Operator Backstepping Control of a Benchmark Hyperbolic PDE
University of California, San Diego(加利福尼亚大学圣迭戈分校)
本文首次将神经算子用于基准一维双曲型PDE的自适应反步控制,以离线训练网络替代每步求解增益核PDE,并通过Lyapunov分析实现全局镇定,仿真显示加速达三个数量级。
2024-01-15 cs.AI cs.LG cs.SY
Data-driven Outer-Loop Control Using Deep Reinforcement Learning for Trajectory Tracking
参考跟踪系统包括一个由局部反馈控制器和一个命令中心控制的被控对象,命令中心指示被控对象应该遵循的参考设定点。通常,这些系统受到诸如干扰、系统延迟、约束、不确定性、性能不佳的控制器和不允许它们实现期望性能的未建模参数的限制。在不可能重新设计内环系统的情况下,通常采用外环控制,该外环控制指示系统遵循修改后的参考路径,使得所得路径接近理想路径。通常,设计外环控制的策略需要知道系统的模型,这可能是不可行的任务。在本文中,我们提出了一个基于深度强化学习的框架,该框架可以学习策略以生成修改的参考,从而以非侵入性和无模型的方式提高系统的性能。为了说明我们的方法的有效性,我们提出了两个具有挑战性的情况下,在工程:飞行控制与飞行员模型,包括人类的反应延迟,和大量的空间加热设备的平均场控制问题。所提出的策略成功地设计了一个参考信号,即使在学习过程中没有看到的情况下也能工作。
2020-08-31 cs.SY eess.SY
Output-Positive Adaptive Control of Parabolic PDE-ODE Cascades
Xiamen University(厦门大学)
本文提出了一种针对具有参数不确定性的抛物型PDE-ODE级联系统的安全自适应控制方法,结合自适应控制屏障函数和参数识别技术,实现系统安全性和状态收敛性。
2026-09-30 cs.SY eess.SY
A robust and adaptive MPC formulation for Gaussian process models
Institute for Dynamic Systems and Control, ETH Zurich(苏黎世联邦理工学院动态系统与控制研究所)
本文提出了一种针对受有界扰动和未建模非线性影响的不确定非线性系统的鲁棒且自适应MPC框架,利用高斯过程学习不确定动态,并通过收缩度量进行鲁棒预测,保证递归可行性、鲁棒约束满足和参考状态收敛。
2026-09-09 cs.LG cs.SY eess.SY
Robust Safety Filters for Lipschitz-Bounded Adaptive Closed-Loop Systems with Structured Uncertainties
German Aerospace Center (DLR)(德国航空航天中心);Massachusetts Institute of Technology(麻省理工学院)
针对自适应控制系统的瞬态安全问题,提出一种基于参考的自适应安全框架,利用Lipschitz有界跟踪误差推导鲁棒CBF条件并转化为凸SOCP,减少保守性并保证前向不变性和闭环稳定性。
2026-06-19 cs.SY eess.SY
Frequency Separation based Adaptive Feedforward Control for Rejecting Wideband Vibration with Application to Hard Disk Drives
本文提出了一种基于频率分离的自适应前馈控制算法,该算法具有辨识对象和逐区补偿的能力。在该算法中,加速度计信号通过一系列均匀分布的带通滤波器滤波,产生一串频谱互斥的子带信号。在每个子带中,对应的子带信号作为前馈信号,并且仅需要识别该区域中的系统的频率响应,因此可以期望相当低的阶模型具有有效的补偿。从第一个区域开始,前馈控制参数与同一区域中的低阶对象模型同时学习,然后移动到下一个区域,直到执行所有区域。
2020-12-09 cs.SY eess.SY
Robust Scheduling of Virtual Power Plant under Exogenous and Endogenous Uncertainties
虚拟电厂(VPP)通过聚合可再生能源发电机组、常规电厂、储能和灵活需求,为分布式能源整合提供了一种灵活的解决方案。本文提出了一种新的模型,用于确定日前备用市场的最优报价策略和最优自调度计划。它考虑了与市场清算价格和可用风力发电相关的外生不确定性(或称为决策独立不确定性,DIU),以及与实时备用部署请求相关的内生不确定性(或称为决策依赖不确定性,DDU)。提出了一种基于强对偶理论、McCormick松弛和Benders分解的随机自适应鲁棒优化方法。仿真结果证明了该方法的适用性。
2021-02-03 cs.SY eess.SY
Exponentially Stable Adaptive Control of MIMO Systems with Unknown Control Matrix
本文研究线性时不变多输入多输出(MIMO)对象的直接模型参考自适应控制问题,不需要任何关于系统矩阵的先验知识。为了解决这一问题,提出了一种新的方法,该方法包括三个主要阶段。首先,使用著名的DREM过程,进行对象参数化,得到线性回归,其中对象矩阵和状态初始条件是未知参数。其次,这种回归被代入已知的方程的控制器参数的计算。第三,利用具有指数收敛速度的新调节律辨识控制器参数。据作者所知,这种方法是第一个同时提供以下特征的方法:1)它适用于一般的完全未知的MIMO系统(例如,没有关于状态或控制分配矩阵的任何信息,后者的符号等); 2)在有限激励条件下,保证了参数和跟踪误差的指数收敛性:3)保证了控制律参数矩阵的过渡曲线的单调性。用一架小型客机的橡胶和副翼控制模型进行的实验结果证实了所有的理论结果。
2023-03-28 cs.SY eess.SY
Intelligent Control of Differential Drive Robots Subject to Unmodeled Dynamics with EKF-based State Estimation
With the Smart Systems , Department of Mechanical and Materials Engineering, Faculty of Technology, University of Turku(智能系统,机械与材料工程系,技术学院,图尔库大学)
本文提出结合Lyapunov非线性控制器与自适应神经网络及EKF多传感器融合的统一控制与状态估计框架,通过在线适应方案改进RBF权重,实现未知非线性建模,并通过Lyapunov分析保证闭环稳定性,实验显示在速度跟踪性能上有显著提升。
2026-03-16 cs.LG cs.RO cs.SY
Measures and LMIs for Adaptive Control Validation
占有测度和线性矩阵不等式(LMI)松弛(称为矩平方和或Lasserre层次)以前曾被用作解决控制律验证和确认(VV)问题的一种手段。然而,这些方法已被限制到相对简单的控制律和有限数量的状态。在本文中,我们将这些方法扩展到飞机工业中典型的模型参考自适应控制(MRAC)配置。的主要贡献是一个验证计划,利用特定的非线性和结构的MRAC。一个非线性的F-16的植物被用来说明。LMI松弛解决了现成的软件相比,传统的蒙特卡罗模拟。
2020-05-19 cs.SY eess.SY math.OC
Data-Driven Adaptive Output Regulation of Unknown Linear Systems
College of Control Science and Engineering, Zhejiang University(浙江大学控制科学与工程学院);National Institute of Standards and Technology(美国国家标准与技术研究院);Electrical Engineering Department, Seoul National University(首尔大学电气工程系)
本文提出了一种数据驱动的方法,用于在未知线性系统中实现自适应输出调节,通过构建近似内部模型和滤波器,利用离线数据集推导稳定化法则,实现渐近稳定性和误差趋零。
2025-12-05 cs.SY eess.SY
Grid-Forming and Spatially Distributed Control Design of Dynamic Virtual Power Plants
本文提出一种动态虚拟电厂的构网型控制设计方法,通过自适应分而治之策略分解控制规格,实现异构分布式能源的快速频率和电压辅助服务,并扩展至混合及空间分布式场景,在IEEE九节点系统中验证了性能。
2023-12-29 cs.SY eess.SY
A Convolution Bound Implies Tolerance to Time-variations and Unmodelled Dynamics
最近,它已被证明,在几个设置,如何进行适应控制的LTI工厂,使卷积界举行的闭环行为,这反过来,已被利用来证明鲁棒性的闭环系统随时间变化的参数和未建模的动态。本文的目标是表明,同样是真实的一个大类的有限维,非线性植物和控制器的组合。
2022-09-01 cs.SY eess.SY math.OC
State and Input Constrained Model Reference Adaptive Control with Robustness and Feasibility Analysis
本文提出一种无优化、自适应的饱和 MRAC 与 BLF 结合方法,使受不匹配有界扰动的不确定 LTI 系统满足状态与输入约束,并给出可行性条件。
2025-08-29 cs.SY eess.SY
An Adaptive Data-Enabled Policy Optimization Approach for Autonomous Bicycle Control
Mälardalen University(梅拉达伦大学);ETH Zurich(苏黎世联邦理工学院)
本文提出内回路FL与外回路自适应DeePO相结合的自主自行车平衡控制框架,利用离线数据、鲁棒正则化和遗忘因子提升抗扰与时变适应能力,仿真和实车实验证明其跟踪性能优于仅用FL。
2025-02-19 cs.RO cs.SY eess.SY
Adaptive Rejection of Periodic Disturbances Acting on Linear Systems with Unknown Dynamics
University of California, Berkeley(加州大学伯克利分校);University of Science and Technology of China(中国科学技术大学)
本文提出了一种新颖的直接自适应控制方法,用于拒绝未知确定性干扰并跟踪未知轨迹,适用于动态不确定的系统,当干扰或轨迹为多个已知频率正弦波之和时。该方法无需植物动态模型,且在适应过程中不使用批量测量,适用于最小和非最小相位系统。
2016-03-17 cs.SY eess.SY
Adaptive event-triggered robust tracking control of soft robots
针对软体机器人在未建模动态和外部干扰下的跟踪控制问题,基于反步法与指令滤波器设计了一种自适应事件触发鲁棒控制策略,并推导了有限时间稳定性证明,案例研究验证了其有效性。
2025-06-30 cs.RO cs.SY eess.SY
A Control Theoretical Adaptive Human Pilot Model: Theory and Experimental Validation
本文提出了一种自适应人类驾驶员模型,能够模仿交叉模型中存在的不确定性。所提出的结构是基于模型参考自适应控制,和自适应法律获得使用Lyapunov-Krasovskii稳定性准则。该模型可用于人在回路的稳定性和性能分析,结合不同类型的控制器和植物类型。为了验证的目的,采用实验设置来收集数据,并进行统计分析,以测量试点模型的预测能力。
2020-07-20 cs.SY eess.SY
Extremum Seeking Control with an Adaptive Gain Based On Gradient Estimation Error
本文提出了一种极值搜索控制算法,具有自适应步长,调整的基础上的梯度估计的质量控制器的侵略性。自适应步长确保了梯度下降产生的积分作用不会使闭环系统不稳定。为了量化梯度估计的质量,我们提出了一个批处理最小二乘估计与一个新的加权,并表明它产生有界的估计误差,其中的不确定性是由于未知的费用函数的曲率。自适应步长,然后最大限度地减少组合植物和控制器李雅普诺夫函数的最坏情况下的估计误差。我们证明,我们的ESC是输入状态稳定的抖动信号。最后,我们证明了我们提出的ESC通过五个数值例子,一个说明,一个实际的,和三个基准。
2021-12-18 cs.SY eess.SY math.OC
Adaptive Model Predictive Control for High-Accuracy Trajectory Tracking in Changing Conditions
Dynamic Systems Lab(动态系统实验室);University of Toronto Institute for Aerospace Studies(多伦多大学航空航天研究 institute)
本文提出一种结合模型预测控制与L1自适应控制器的自适应模型预测控制器,用于在未知和变化的扰动环境下提高系统轨迹跟踪性能。通过实验验证,该方法在四旋翼无人机上表现出更低的轨迹跟踪误差。
2018-08-02 cs.RO cs.SY eess.SY
Adaptive Flight Control in the Presence of Limits on Magnitude and Rate
在安全控制系统的设计中,必须考虑输入约束和参数不确定性。针对具有输入幅值和速率饱和的多输入多输出(MIMO)对象,提出了一种参数不确定性的自适应控制器。在控制路径中引入滤波器以适应速率限制的存在。一个输出反馈自适应控制器的设计,即使在存在这个滤波器的闭环系统的稳定。整体控制架构包括修改以考虑幅度和速率限制的自适应律。有界解和满意跟踪的分析保证。三个飞行控制仿真与非线性模型的飞机动力学证明所提出的自适应控制器的开环稳定和不稳定系统的动态以及输入幅度和速率饱和的不确定性的存在下的有效性。
2019-07-27 cs.SY eess.SY math.OC
Robust Adaptive Model Predictive Control with Worst-Case Cost
针对具有未知动态和有界测量噪声的线性时不变系统,提出了一种鲁棒自适应模型预测控制(MPC)算法。该系统的特点是由一个脉冲响应模型,这是假设躺在一个有界集称为可行的系统集。在线集员识别用于减少脉冲响应中的不确定性。在MPC方案中,实施鲁棒约束以确保可行集中的所有模型的约束满足。性能目标被制定为最坏情况下的成本相对于建模的不确定性。也就是说,在每个时间步,解决一个优化问题,其中控制输入优化的最坏情况下的不确定性设置的工厂。所提出的算法的性能进行比较,从文献中使用Monte-Carlo模拟的自适应MPC算法。
2019-11-19 cs.SY eess.SY math.OC
Learning in Dynamic Systems and Its Application to Adaptive PID Control
本文将 Brandt-Lin 学习算法推广到广义信号流图描述的动态系统,并推导新的 PID 自适应律,通过多类被控对象仿真验证其有效性。
2023-08-21 cs.SY eess.SY
Adaptive control of reaction-diffusion PDEs via neural operator-approximated gain kernels
University of California San Diego(加州大学圣地亚哥分校)
该研究将神经算子方法从双曲PDE自适应控制扩展到反应扩散PDE,通过近似增益核实现实时控制,证明了系统全局稳定性与渐近调节性,仿真显示计算速度提升达45倍。
2024-11-28 cs.AI cs.LG cs.SY
Nonparametric adaptive payload tracking for an offshore crane
Department of Mechanical and Industrial Engineering(机械与工业工程系);Norwegian University of Science and Technology (NTNU)(挪威科学技术大学)
针对海上起重机负载轨迹跟踪问题,提出基于新型笛卡尔模型与部分反馈线性化的非参数自适应控制器,在RKHS中逼近未知扰动与动力学,实现误差一致最终有界,经仿真与实验验证效果良好。
2025-10-04 cs.RO cs.SY eess.SY
Adaptive Neuro-Fuzzy Control of a Spherical Rolling Robot Using Sliding-Mode-Control-Theory-Based Online Learning Algorithm
KU Leuven(鲁汶大学)
由于模型只是真实系统的抽象,未建模动态、参数变化和干扰会导致基于此模型的常规控制器性能不佳。在这种情况下,传统的控制器不能保持良好的调谐。本文提出了一种自适应神经模糊控制器结合滑模控制(SMC)理论为基础的学习算法的球形滚动机器人的控制。所提出的控制结构由一个神经模糊网络和一个传统的控制器,用于保证系统在一个紧凑的空间渐近稳定。利用滑模控制理论推导了神经模糊系统的参数更新规则,并利用李雅普诺夫函数证明了学习的稳定性。仿真结果表明,基于滑模控制理论的学习算法控制方案在不知道球形滚动机器人动力学方程的情况下,不仅能够消除稳态误差,而且能够改善球形滚动机器人的瞬态响应性能。
2021-04-14 cs.RO cs.SY eess.SY
Learning-based vs Model-free Adaptive Control of a MAV under Wind Gust
ENSTA Bretagne(法国布列塔尼国立高等先进技术学院);Flinders University(弗林德斯大学);ONERA(法国航空航天研究院);Université Paris-Saclay(巴黎萨克雷大学)
未知变化条件下的导航问题是控制领域中最重要和研究最多的问题之一。经典的基于模型的自适应控制方法只能在提供了一个方便的工厂或环境模型时才能应用。最近的无模型自适应控制方法旨在通过直接从传感器反馈学习工厂和/或过程的物理特性来消除这种依赖性。虽然已经有以前的尝试,在改善这些技术,它仍然是一个悬而未决的问题,是否有可能应付现实世界中的不确定性的控制系统,是完全基于任一范例。我们提出了一种概念上简单的基于学习的方法,由一个完整的状态反馈控制器组成,通过基于Soft Actor-Critic算法的深度强化学习框架进行鲁棒调整。我们比较它,在现实的模拟,无模型控制器,使用相同的深度强化学习框架下控制的微型飞行器阵风。结果表明,基于学习的自适应控制方法在现代动态系统中的巨大潜力。
2021-07-06 cs.AI cs.LG cs.RO
Cooperative Adaptive Learning Control for A Group of Nonholonomic UGVs by Output Feedback
本章提出了一种基于高增益控制器的协同确定性学习(CDL)控制算法,用于一组相同的单轮车型无人地面车辆(UGV)跟踪期望的参考轨迹。对于车辆状态,可以测量车辆的位置,而速度估计使用高增益观测器。对于轨迹跟踪控制器,采用径向基函数(RBF)神经网络(NN)在线估计飞行器的未知动力学,并通过CDL保证NN权值收敛和估计精度。本章的主要挑战和新颖之处在于,在不完全了解车辆状态和车辆模型的情况下,使用这种基于混合器的CDL算法来跟踪参考轨迹。此外,系统中的任何车辆都能够沿着所有车辆代理所经历的轨迹的并集学习未建模动态的知识,使得所学习的知识可以被重新使用以遵循在学习阶段中定义的任何参考轨迹。基于学习的跟踪收敛性和共识学习结果,以及使用学到的知识跟踪经验轨迹,示出使用李雅普诺夫方法。仿真结果表明了该算法的有效性。
2020-02-24 cs.SY eess.SY