Optimized Control of Variable Speed Hydropower for Provision of Fast Frequency Reserves
本文研究了以优化系统性能为目标的变速水电站控制器设计问题。控制目标意味着能够快速响应频偏,同时保持电力和液压变量在其约束范围内。模型预测控制器(MPC)的开发,以协调涡轮机控制器与虚拟同步发电机(VSG)控制的电力电子转换器。仿真结果表明,VSG能够通过利用涡轮和发电机的旋转能量提供快速的功率响应。MPC控制涡轮机的导叶开度,以恢复标称涡轮机转速。如果由于液压系统的限制而无法实现,则MPC通过改变VSG功率参考来调节VSHP的功率输出。所提出的控制系统允许VSHP提供快速频率储备(FFR)。
2020-03-13 cs.SY eess.SY
Hierarchical Frequency Control of Hybrid Power Plants Using Frequency Response Observer
频率控制(FC)使公用事业规模的并网混合动力发电厂(HPP)能够按照电网规范要求运行,同时从提供频率控制服务(FCS)中获取价值流。在本文中,一种新的分层FC的方法,提出了允许HPP提供三种类型的FCS,即快速频率响应(FFR),频率抑制响应(FCR)和频率恢复响应(FRR)。为了适应最先进的快速FC,用于快速FCS的控制器(例如FFR和FCR)在资产控制器处实现,而用于慢速FCS的控制器(例如FRR)在工厂控制器或HPP控制器(HPPC)处实现。控制反作用问题,这产生了跨控制层次,然后讨论。为了解决这个问题,一个创新的频率响应观测器(FROB)的建议。受扰动观测器(DOB)概念的启发,在设备控制器和HPPC处的FROB精确地估计在资产控制器处发起的频率响应,并且所获得的估计用于在设备控制器和HPPC处的控制补偿以避免控制反作用。该方案即使在HPP中存在系统不确定性(如参数不确定性、未知控制故障和时变通信延迟)的情况下也具有鲁棒性能。在MATLAB/Simulink中的一个电力系统动态模型中实现了所提出的方法,以突出其有效性和鲁棒性。
2022-04-03 cs.SY eess.SY
HyperController: A Hyperparameter Controller for Fast and Stable Training of Reinforcement Learning Neural Networks
Department of Electrical and Systems Engineering, Washington University in St. Louis(电气与系统工程系,华盛顿大学圣路易斯分校)
提出HyperController算法,将超参数优化建模为线性高斯动态系统并利用Kalman滤波器学习目标函数,实现了强化学习神经网络快速稳定的训练与部署。
2025-04-27 cs.LG cs.SY eess.SY
Chattering analysis of Lipschitz continuous sliding-mode controllers
Lipschitz连续滑模控制器(LCSMC)被开发为不连续SMC的积分,产生有限斜率的控制信号。然而,LCSMC仍然产生抖振的存在下,快速寄生动态。本文采用谐波平衡法(HB)对LCSMC驱动的系统进行了抖振分析。两种LCSMC被认为是:第一种是基于一个线性滑动变量(LSV)和第二个上的终端开关变量(TSV)。自激振荡的幅度和频率的预测允许计算由控制器消耗的平均功率,以保持进入真实滑动模式的轨迹。比较LCSMC与超扭曲控制器(STC),它产生一个连续的控制信号具有无限的斜率,进行。理论预测和仿真结果证实,LCSMC可能会引起快速振荡(抖振)的幅度和平均功率比由STC引起的。但是,令人惊讶的是,LSV-LCSMC产生的抖振可以小于TSV-LCSMC引起的抖振,当执行器足够快。另一方面,如果LSV-LCSMC闭环系统的滑动动态与执行器动态具有相似的速度,则系统甚至可能失去实际稳定性。
2020-04-02 cs.SY eess.SY
Stability-Constrained Learning for Frequency Regulation in Power Grids with Variable Inertia
针对高比例可再生能源电网的低时变惯量问题,提出结合线性控制与神经网络、具备Lyapunov稳定性保证的一次频率控制器,在12母线系统中显著降低成本并达到接近LQR的实时性能。
2024-06-11 cs.SY eess.SY
Fast-Response Variable-Frequency Series-Capacitor Buck VRM Through Integrated Control Approaches
针对AI负载供电的VRM需快速电压调节的需求,本文为变频SCB变换器提出集成线性与非线性控制器的方案,通过5S框架建模并基于PMP设计时间最优控制,仿真和硬件测试验证其响应速度快于传统设计且稳态误差为零。
2025-07-14 cs.SY eess.SY physics.app-ph
SAVER: Safe Learning-Based Controller for Real-Time Voltage Regulation
快速和安全的电压调节算法可以作为实现现代配电网中高水平可再生能源渗透的基本方案。面对不确定甚至未知的配电网模型和快速变化的功率注入,已经提出了无模型深度强化学习(DRL)算法来找到逆变器的无功功率注入,同时优化电压曲线。然而,这种数据驱动的控制器不能保证满足硬操作约束,例如将电压分布保持在标称值的一定范围内。为此,我们提出了SAVER:SAfe VoltagE Regulator,它由RL学习器和专门设计的计算高效的安全投影层组成。SAVER为一组DRL算法提供即插即用接口,保证系统电压在安全范围内。对真实数据的数值仿真验证了该算法的性能。
2021-11-30 cs.SY eess.SY
Fast Non-Episodic Adaptive Tuning of Robot Controllers with Online Policy Optimization
针对时变动力学与无情景重置的单轨迹设定,提出基于模型的在线策略优化算法 M-GAPS,通过重新参数化改善优化景观,实验证明其能快速寻优并适应未知扰动,兼具灵活性与数据效率。
2025-07-15 cs.RO cs.SY eess.SY
Design of H-infinity-based Robust Controller for Single-phase Grid-feeding Voltage Source Inverters
提出了一种基于H ∞鲁棒电流控制器的单相并网电压源逆变器LCL滤波器的设计方法。所提出的控制器的主要目标是在电网阻抗大范围变化的情况下具有良好的参考跟踪、扰动抑制和足够的LCL谐振阻尼。基于上述性能要求,设计了频率相关的加权函数。随后,次优控制问题的制定和解决,以确定稳定控制器。控制器的计算占用空间是为了便于在低成本控制器板上实现。最后在OPAL-RT上进行控制器半实物仿真验证,得到控制器的性能保证。与基于比例和谐振的电流控制器相比,该控制器在瞬态过程中具有快速响应和优越的参考跟踪性能,稳态时具有扰动抑制性能。
2020-08-24 cs.SY eess.SY
Scanning the Cycle: Timing-based Authentication on PLCs
可编程逻辑控制器(PLC)是工业控制系统(ICS)的核心部件。但是,如果PLC受到损害,或者通过网络从PLC发送的命令受到欺骗,后果可能是灾难性的。在这项工作中,提出了一种新的技术来验证PLC,旨在提高对强大的攻击者的酒吧,同时与实时系统兼容。所提出的技术捕获每个控制器在一个非侵入性的方式的定时信息。有人认为,扫描周期是一个独特的功能PLC,可以近似被动观察网络流量。欺骗PLC发出的命令的攻击者将偏离这种指纹。为了检测重放攻击,提出了一种PLC水印技术。PLC水印通过将输入/输出建模为PLC的请求/响应消息的函数来对扫描周期和控制逻辑之间的关系进行建模。所提出的技术进行了验证的业务水处理厂(SWaT)和智能电网(EPIC)的测试平台。实验结果表明,PLC可以区分基于其扫描周期的时序特性。
2021-02-17 cs.CR cs.SY eess.SY
Self-triggered stabilizing controllers for linear continuous-time systems
自触发控制是对事件触发控制方法的改进。与后者不同,自触发控制不需要持续监控系统的行为。相反,自触发算法依靠系统模型和过去的信息,预测控制律必须在发生之前更新的事件。在这项工作中,我们提出了一个自触发版本的事件触发控制方法,其中事件产生时,与系统相关的伪李雅普诺夫函数(PLF)增加到一定的限制。这种方法已被证明可以大大减少控制器和工厂之间的通信,同时保持系统的稳定性。为了预测PLF和上限之间的交点,我们使用一个简单而快速的求根算法。该算法混合了二分法的全局收敛性和牛顿-拉夫森法的快速收敛性。为了保证算法的收敛性,通过极小化算法求出了算法的初始值.
2019-07-03 cs.SY eess.SY
A Fast Initialization Method for Neural Network Controllers: A Case Study of Image-based Visual Servoing Control for the multicopter Interception
State Key Laboratory of Fluid Power and Mechatronic Systems, School of Mechanical Engineering, Zhejiang University, Hangzhou, China(流体动力与机械系统国家重点实验室,机械工程学院,浙江大学,杭州,中国);Zhiyuan Research Institute, Hangzhou, China(智远研究院,杭州,中国)
本文提出一种神经网络快速初始化方法,通过构建符合稳定性条件的数据集,实现控制器的初始训练,并通过多旋翼拦截实验验证其有效性。
2025-09-23 cs.LG cs.RO cs.SY
Controller Hardware-in-the-loop (C-HIL) Testing of Decentralized EV-Grid Integration
目前的电网基础设施还没有为电动汽车(EV)的大规模集成做好准备。实时电网仿真和硬件测试对于快速准确地开发适用于该领域的电动汽车充电控制策略以减轻其不利影响是必要的。为了帮助实现这一目标,在这项研究中,我们开发了一个控制器验证测试平台,使用一个基线双向AC/DC转换器,通常用于车载电动汽车充电器,在硬件在环(HIL)测试系统。该转换器在非常快的时间尺度上实时运行,并集成到外部电网模拟器中。我们利用HIL器件的强大功能模拟电力电子,同时实时实现复杂的配电网运行。整个系统整体上提供了一个机会,看到分散式充电算法对配电网电压稳定性的实施效益。该研究提出了一种逐步开发和测试控制器的方法,为分散式电动汽车充电器控制策略的现场演示做出了重要贡献。
2022-05-01 cs.SY eess.SY
A Nonlinear Car-following Controller Design Inspired By Human-driving Behaviors to Increase Comfort and Enhance Safety
本文研究了车辆跟驰问题,提出了一种综合考虑驾驶舒适性、安全性、稳态响应和瞬态响应的非线性控制器。该控制器是根据汽车工业对低成本、快速响应、提高舒适性、增强安全性和提高可扩展性的要求而设计的。详细提供了设计见解和直觉。对闭环系统的对象稳定性、串稳定性和跟踪性能进行了理论分析。为控制参数的选择提供了条件和指导。进行了全面的仿真,以证明所提出的控制器在不同的驾驶场景的有效性。
2022-05-04 cs.SY eess.SY
Data-Driven Fast Frequency Control using Inverter-Based Resources
针对逆变器连接的可再生能源比例增加带来的控制挑战,本文提出了一种基于历史测量数据的主电网快速频率控制方法,无需参数化模型辨识,并在三区域测试系统中验证了其快速和局部的频率控制效果。
2023-04-11 cs.SY eess.SY
Voltage Control of DC Islanded Microgrids: Scalable Decentralised L1 Adaptive Controllers
University College Cork(科克大学);United Technologies Research Centre Ireland Ltd(联合技术研究中心爱尔兰有限公司)
本文提出了一种可扩展的去中心化控制方案,用于直流孤岛微电网的主级控制架构,通过在现有DC-DC升压转换器基线电压控制器中安装局部状态反馈L1自适应控制器,实现动态不确定性和即插即用操作下的快速稳健电压稳定性。
2018-03-20 cs.SY eess.SY
A Planning-free Longitudinal Controller Design for Vehicles in Dynamic Traffic Environments
本文研究了动态交通环境中的纵向控制问题,其中驾驶场景在自由驾驶场景和跟驰场景之间变化。提出了一种不依赖于规划算法的综合纵向控制器,以保证在场景变化时具有合理的瞬态响应和稳态响应。该设计考虑了乘客舒适性、安全性和扰动抑制,并试图满足自动车辆行业对更低成本、更快响应、更高舒适性、更高安全性和更高可扩展性的要求。详细提供了设计见解和直觉。进行了全面的仿真,以证明所提出的控制器在不同的驾驶场景的有效性。
2022-06-25 cs.SY eess.SY
Model-Free Fast Frequency Support of Wind Farms for Tracking Optimal Frequency Trajectory
本文提出基于比例积分控制器的风场快速频率支撑方法,无需依赖同步发电机调速器模型,实现最优频率轨迹跟踪,并通过单风场和多风场系统验证其有效性。
2026-04-02 cs.SY eess.SY
Variable speed hydropower plant with virtual inertia control for provision of fast frequency reserves
在本文中,五个虚拟惯性控制结构的实现和测试的变速水电站(VSHP)。结果表明,所有五个可以提供快速的电力储备,以维持电网稳定后,干扰后的干扰。VSHP非常适合于该目的,因为其输出功率可以通过利用涡轮机和发电机的旋转能量几乎瞬时地改变。这将导致涡轮机转速暂时偏离其最佳值。然后,调速器控制将通过控制导叶开度并由此控制涡轮流量和机械功率来重新获得涡轮转速。这样,VSHP输出功率可以永久改变,以主要贡献频率储备。动态和特征值分析进行比较五个不同版本的基本VSG和VSM控制结构; VSG,工频PID控制器与永久下垂(VSG-PID),VSM,VSM与工频PD控制器(VSM-PD),和VSM与工频PID控制器和永久下垂(VSM-PID)。它们通过两个主要标准进行评估;它们提供瞬时功率(惯性)以降低频率变化率(ROCOF)的能力以及它们对频率遏制控制(稳态频率下降响应)的贡献
2020-03-18 cs.SY eess.SY
Structured Controller Parameter Tuning for Power Systems
随着波动发电份额的增加,电力系统的可靠和安全运行变得越来越具有挑战性,导致动态发生很大变化。通常,电力系统中的控制器(例如发电机的电压控制器)的架构和结构在网络的设计和建立期间是固定的。由于替换现有的控制器通常是不期望的和具有挑战性的,因此设置点调整以及控制器参数的调谐是抵消大的干扰和动态变化的可能性。我们提出了一种基于H ∞优化的结构化控制器参数快速且计算效率高的自适应方法,也称为结构化H ∞控制器合成,适用于电力系统。建立了保证该方法稳定的条件,并在由六个逆变器和一个负载组组成的试验台微电网中验证了结果,以及仿真研究。所提出的方法提高了系统的鲁棒性以及对阶跃扰动的时间响应,并且即使对于大型网络也允许结构化控制器整定。
2020-05-05 cs.SY eess.SY
Fuzzy Logic based Autonomous Parking Systems -- Part IV: A Multiple-Model Adaptive Neural-Fuzzy Controller
本文设计了一种基于神经网络辨识的多模型自适应模糊控制器(MM-AFLC),用于智能自主泊车系统中无人车的控制。目标是在保持低实施成本的同时实现鲁棒控制。所提出的控制器的设计包括以下控制原理-非线性系统的神经网络辨识、模糊逻辑控制、自适应控制以及多模型自适应。这种集成确保了与以前的工作相比的卓越性能。广义控制器可以应用于不同的系统,而无需实际的植物模型的先验知识。在智能自主泊车系统中,所提出的控制器可用于车辆速度控制和转向盘转动。多模型自适应模糊逻辑控制器,鲁棒性也可以保证在各种操作环境下,无论不可预测的干扰。最后但并非最不重要的是,对比实验也表明,配备了新的控制器的系统能够实现更快,更平滑的收敛。
2019-11-07 cs.SY eess.SY
Design and implementation of an adaptive critic-based neuro-fuzzy controller on an unmanned bicycle
University of Tehran(德黑兰大学)
本文提出了一种用于无人自行车的自适应批评者神经模糊系统,通过结合批评代理信号与误差反向传播,实现模糊推理规则的在线调整,验证了控制器在暂态响应、模型不确定性和在线学习速度方面的优越性。
2017-02-10 cs.SY eess.SY
Learning Robust Agile Flight Control with Stability Guarantees
Autonomous Aerial Systems Lab, Dep. of Aerospace and Geodesy, TU Munich(自主空中系统实验室,航空航天与大地测量系,慕尼黑技术大学)
本文提出一种神经增强反馈控制器,统一现有控制范式优势,实现超越执行器极限的精确轨迹跟踪,提供通用稳定性保证,并支持无需微调的仿真到现实直接部署。
2025-10-14 cs.RO cs.SY eess.SY
Implementation of complex-valued sliding mode controllers in three-phase power converters
针对三相功率变换器,本文提出两种低计算量、易实现的复值滑模控制器实现方法,无需动态解耦即可保持鲁棒性与快速响应,并通过仿真和硬件在环实验完成验证。
2024-04-04 cs.SY eess.SY
MPC-Based Fast Frequency Control of Voltage Source Converters in Low-Inertia Power Systems
可再生能源发电的快速部署导致旋转系统惯性和阻尼的显著降低,从而使电力系统中的频率控制更具挑战性。提出了一种基于模型预测控制(MPC)的新型并网发电机控制方案,旨在充分利用并网发电机的快速响应能力为系统提供快速的频率控制服务。控制器操纵转换器功率注入以限制干扰后的频率最低点和频率变化率。集中式和分散式MPC方法被认为是性能和实际实施方面的比较。特别注意的是分散控制器生成一个明确的MPC解决方案,以提高计算效率,降低硬件要求。从高保真微分代数方程模型的IEEE 39节点系统的仿真结果表明,所提出的控制方案的有效性。
2020-04-06 cs.SY eess.SY
Iterative Learning Control of Fast, Nonlinear, Oscillatory Dynamics (Preprint)
U.S. Naval Research Laboratory(美国海军研究实验室);Air Force Research Laboratory(空军研究实验室)
针对流体、等离子体和航空航天系统中难以主动控制的快速非线性振荡动力学,本文提出基于迭代学习控制、时间滞后相图和高斯过程回归的低速主动控制系统,在Lorenz方程组上验证其能迭代调整参数以重现目标轨迹,且对缺失信息和不可控参数具有鲁棒性。
2024-05-30 cs.LG cs.SY eess.SY
Fast Synthesis for Symbolic Self-triggered Control under Right-recursive LTL Specifications
我们扩展以前的工作,符号自触发控制的非确定性连续时间非线性系统没有稳定性假设的一个更大的类的规格。我们的目标是合成一个控制器的两个目标:第一个是建模为一个右递归LTL公式,第二个是确保控制器和系统之间的平均通信速率保持在一个给定的阈值以下。我们将控制问题转化为求解一个离散图上的平均支付平价博弈。除了扩展类的规格,我们提出了一种启发式方法,以缩短计算时间。最后,我们举例说明我们的结果的导航非完整机器人的几个规格。
2021-12-20 cs.SY eess.SY
Integrated Offline and Online Optimization-Based Control in a Base-Parallel Architecture
我们提出了一个集成的控制架构,以解决目前存在的差距,高效的实时实施基于MPC的控制方法的高度非线性系统的快速动态和大量的控制约束。所提出的架构包含两种类型的控制器:离线调整或优化的基本控制器,以及在线解决基于优化的控制问题的并行控制器。由基本控制器计算的控制输入为并行控制器的优化问题提供起始点,所述并行控制器在不超过控制采样时间的有限时间预算内并行操作。所得到的控制系统非常灵活,并且其结构可以很容易地在线修改或改变,例如,通过增加或取消控制器,在线改善被控系统的性能。在一个案例研究中,所提出的控制架构实施的高速公路交通,其特点是非线性,快速动态与多个控制约束,以最大限度地减少车辆的总行驶时间,同时增加他们的总行驶距离在固定的模拟时间窗口。仿真结果表明,该方法具有良好的实时性(即,在给定的时间预算内)所提出的控制结构的性能,具有总代价函数的最小实现值。此外,在考虑的案例研究的在线控制方法中,每辆车的平均成本的基础并行控制方法是最接近的在线MPC为基础的控制器,具有优良的性能,但可能涉及的计算时间,超过给定的时间预算。
2019-07-11 cs.SY eess.SY
Fast System Level Synthesis: Robust Model Predictive Control using Riccati Recursions
本文针对线性时变系统的鲁棒MPC扰动反馈优化问题,提出一种基于Riccati递推的快速系统级综合算法,实现控制器与名义轨迹交替优化并以q-线性速度收敛,计算速度较商业求解器提升最高达千倍。
2024-09-04 cs.SY eess.SY math.OC
Robust stabilization of polytopic systems via fast and reliable neural network-based approximations
IMT School for Advanced Studies Lucca(卢cca高等研究院);Department of Engineering Science, University of Oxford(牛津大学工程科学系)
针对多面体不确定线性系统,提出用 ReLU 神经网络近似传统镇定控制器,并给出基于最坏情况近似误差的稳定性充分条件及精确计算该误差的混合整数优化方法。
2024-01-23 cs.LG cs.SY eess.SY
Controller tuning in power systems using singular value optimization
随着可再生能源发电在大型电力系统中所占份额的不断增加,电力系统的运行变得越来越具有挑战性。可再生能源和传统发电的组合不断变化,导致动态发生很大变化,增加了停电的风险。我们建议重新调整电力系统中已经存在的控制器的参数,以应对看似变化的操作条件。为此,我们提出了一种快速和计算效率的结构控制器的参数调整的方法。调谐的目标是将系统极点移动到复平面中的指定区域,例如用于稳定或振荡阻尼。该方法利用频域中的奇异值优化,这使得能够扩展到大型系统,而不限于电力系统。该方法的效率上增加的大小与多个初始参数化的三个系统。
2020-05-08 cs.SY eess.SY
Design of the PID temperature controller for an alkaline electrolysis system with time delays
电解系统使用比例-积分-微分(PID)温度控制器来将堆温度维持在设定点附近。然而,电解系统中的热传递延迟导致PID温度控制器的手动调整是耗时的,并且经常发生温度振荡。本文针对碱性电解系统设计了PID温度控制器,实现了温度的快速稳定控制。在频域中建立了电解系统的热动态模型,用于控制器设计。在此基础上,利用根分布分析了温度稳定性,并综合考虑温度超调量和调节时间对PID参数进行了优化。通过实验验证了最优PID控制器的性能。此外,仿真结果表明,对于小型实验室系统,应采用堆前温度作为反馈变量,以抑制堆温度波动;对于大型系统,应采用堆后温度作为反馈变量,以提高系统的经济性。该研究对保证电解系统的温度稳定和控制具有一定的指导意义。
2022-10-03 cs.SY eess.SY
Multi-layer barrier adaptation of the discrete-time super-twisting controller
Technical University of Denmark(丹麦技术大学);Universidad Nacional Autonoma de Mexico(墨西哥国立自治大学)
本文提出一种多层屏障结构,用于离散时间滑模控制,通过精确匹配方法实现屏障函数调制的超扭曲算法,提升系统稳定性和鲁棒性。
2026-04-28 cs.SY eess.SY
Comparative Analysis of PI and PID Controllers for Level and Flow Control in Coupled Tank Systems
针对非线性耦合水箱系统的液位与流量控制,通过实验和图形分析比较PI与PID控制器,揭示二者在响应速度、精度、抗噪性、稳定性及整定难度上的权衡。
2024-10-29 cs.SY eess.SY
Modelling and Fast Terminal Sliding Mode Control for Mirror-based Pointing Systems
University of Technology Sydney(悉尼技术大学)
本文提出了一种新的离散时间快速终端滑模控制器,用于基于镜面的指向系统,通过非线性最小二乘识别方法估计参数,并基于推导的模型设计了连续域的滑模面,利用欧拉离散化合成离散时间控制器,并通过添加线性项改进滑模面的暂态动态,最后基于Sarpturk到达条件证明了控制器的稳定性。
2018-12-19 cs.RO cs.SY eess.SY
Decentralized Safe Reinforcement Learning for Voltage Control
基于逆变器的分布式能源通过快速调节其无功功率为快速时标电压控制提供了可能性。电力电子接口允许这些资源实现几乎任意的控制律,但设计这些分散控制器是不平凡的。强化学习(RL)方法越来越受欢迎,用于搜索由神经网络参数化的策略。然而,很难强制执行学习控制器是安全的,因为它们可能会将不稳定性引入系统。提出了一种电压控制的安全学习方法。我们证明了系统是指数稳定的,如果每个控制器满足一定的Lipschitz约束。优化了Lipschitz界集,扩大了神经网络控制器的搜索空间。我们显式设计神经网络控制器的结构,使它们通过设计满足Lipschitz约束。构建了一个分散的强化学习框架,用于在无模型设置中训练每条总线上的局部神经网络控制器。
2021-10-03 cs.SY eess.SY
Fast Online Reinforcement Learning Control using State-Space Dimensionality Reduction
在本文中,我们提出了一种快速强化学习(RL)控制算法,使大规模网络化动态系统的在线控制。RL是设计线性时不变(LTI)网络无模型线性二次型调节器(LQR)控制器的一种有效方法,该网络具有未知的状态空间模型。然而,当网络规模很大时,传统的RL可能会导致不可接受的长学习时间。所提出的方法是通过一个投影矩阵投影的测量状态来构造一个压缩的状态向量。这个矩阵是从在线测量的状态,它捕获的开环网络模型的主导可控子空间的方式构建的。接下来,RL控制器学习使用降维状态而不是原始状态,使得所得成本接近最优LQR成本。数值的好处,以及该方法的网络物理实现的好处进行了验证,使用说明性的例子,包括IEEE 68总线基准电力系统的广域控制的例子。
2020-09-15 cs.SY eess.SY
Reachability analysis for piecewise affine systems with neural network-based controllers
针对分段仿射(PWA)系统的NN基控制器无法保留原控制器稳定性保证的问题,提出基于混合整数线性规划计算可达集过近似的方法,可验证系统收敛性并满足约束,还能修改控制器确保渐近稳定性。
2024-11-06 cs.SY eess.SY
Nonlinear Model Predictive Control of Variable Speed Hydropower for Provision of Fast Frequency Reserves
本文提出了一种非线性模型预测控制器(MPC)控制变速水电站(VSHP)的发展。MPC协调涡轮机控制器与电力电子转换器的虚拟同步发电机(VSG)控制,以优化工厂的性能。主要目的是通过利用涡轮机和发电机的动能来提供对频偏的快速功率响应。这可以通过允许涡轮旋转速度暂时偏离其最佳速度来实现。此外,效率应该最大化,同时保持电力和液压变量在其约束范围内。仿真结果表明,所提出的MPC还能够阻尼电网中的功率振荡,减少压力管道中的水击,并改善未来对水轮机水头、水轮机功率和水轮机流量的估计。这确保了涡轮机压头不会超过其极限,并且减少了扰动后涡轮机速度的过冲。此外,VSG转换器控制通过利用涡轮机和发电机的旋转能量实现快速功率响应。因此,VSHP可以向电网提供大量的快速频率储备(FFR)。
2020-06-03 cs.SY eess.SY
Control Barrier Function Based UAV Safety Controller in Autonomous Airborne Tracking and Following Systems
Virginia Tech(弗吉尼亚理工大学);University of Kentucky(肯塔基大学);University of Louisville(路易斯维尔大学)
针对无人机空中跟踪非合作目标时的碰撞风险,提出基于控制屏障函数的二次规划安全控制器,最小化修改轨迹跟踪输入以保证安全,并在AirSim模拟中验证了有效性。
2023-12-28 cs.RO cs.SY eess.SY
Modelling Controllers for Cyber Physical Systems Using Neural Networks
University of Colorado Boulder(科罗拉多大学博尔德分校)
模型预测控制器(MPC)被广泛用于控制信息物理系统。它是一个迭代过程,在固定的时间范围内优化机器人未来状态的预测。MPC在实践中是有效的,但是因为它们在计算上昂贵且缓慢,所以它们不太适合用于实时应用。克服这个缺陷可以通过近似MPC的功能来实现。神经网络是非常好的函数逼近器,并且与MPC相比更快。将神经网络应用于基于控制的应用是具有挑战性的,因为数据与i.i.d假设不匹配。本研究探讨各种模仿学习方法,使用神经网络在基于控制的环境,并评估其优点和缺点。
2022-12-21 cs.RO cs.SY eess.SY
Federated Learning on the Road: Autonomous Controller Design for Connected and Autonomous Vehicles
Virginia Tech(弗吉尼亚理工大学);Princeton University(普林斯顿大学);Shenzhen Research Institute of Big Data(深圳大数据研究院);Future Network of Intelligence Institute(未来网络智能研究院);Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));University of Oulu(奥卢大学)
提出了一种基于大规模无线连接的联合学习框架,用于设计互联自主车辆(CAV)的自主控制器。在该框架中,控制器使用的学习模型在一组CAV之间协同训练。为了捕捉不同的CAV参与FL训练过程和不同的本地数据质量之间的CAV,提出了一种新的动态联邦邻近(DFP)算法,占CAV的移动性,无线衰落信道,以及不平衡的和非独立的和相同分布的数据在CAV。一个严格的收敛性分析所提出的算法,以确定如何快速的CAV收敛到使用最优的自主控制器。特别是,不同的CAV参与FL过程和不同的CAV数据质量的影响,所提出的DFP算法的收敛性进行了明确的分析。在此基础上,设计了一种基于契约理论的激励机制来提高FL收敛速度。仿真结果表明,基于DFP的控制器能够在不同的交通场景下准确地跟踪目标CAV的速度。此外,结果表明,所提出的DFP算法具有更快的收敛速度相比,流行的FL算法,如联邦平均(FedAvg)和联邦近端(FedProx)。实验结果也验证了契约激励机制的可行性,与基线相比,该激励机制可以使DFP算法的收敛速度提高40%。
2022-06-16 cs.AI cs.LG cs.SY
Probabilistic performance validation of deep learning-based robust NMPC controllers
尽管最近在计算硬件、优化算法和定制实现方面取得了进展,但实时解决非线性模型预测控制问题仍然是一个重要的挑战。当由于干扰、未知参数或测量和估计误差而存在不确定性时,这一挑战甚至更大。为了将先进控制方案应用于快速系统和低成本嵌入式硬件,我们建议使用深度学习近似鲁棒非线性模型控制器,并使用概率验证技术验证其质量。我们提出了一种基于有限族的概率验证技术,结合广义最大值和约束退避的思想,使统计上有效的结论与一般性能指标相关。对一个不确定非线性系统的仿真结果表明了该方法的潜力。
2021-09-22 cs.SY eess.SY math.OC
Feasibility Analysis and Regularity Characterization of Distributionally Robust Safe Stabilizing Controllers
针对含模型不确定性的控制仿射系统,提出分布鲁棒安全镇定控制器的可行性检查条件(一个必要、两个充分),刻画计算复杂度并验证其比直接SOCP求解更快,同时分析控制律的正则性。
2023-12-29 cs.SY eess.SY math.OC
Angular Momentum about the Contact Point for Control of Bipedal Locomotion: Validation in a LIP-based Controller
University of Michigan(密歇根大学)
在双足机器人的运动控制中,质心线速度被广泛接受为概括机器人状态向量的主要变量。本文讨论了无质量腿直线倒立摆(LIP)模型,指出了角动量在反馈控制中优于线速度的性质。为了不混淆角动量的好处与任何其他控制设计决策,我们首先重新制定标准的LIP控制器的角动量。然后,我们实现的反馈控制器的20度的自由度的双足机器人,凯西蓝,其中每条腿占近三分之一的机器人的总质量为35公斤。在该控制器下,机器人实现了快速行走、行走时快速转弯、大干扰抑制和在崎岖地形上的运动。本文中开发的推理适用于其他控制设计理念,无论是混合零动态还是强化学习。
2021-04-30 cs.RO cs.SY eess.SY
Fixed-Order H-Infinity Controller Design for Port-Hamiltonian Systems
提出了一种新的固定阶H ∞控制器设计方法,用于潜在大规模端口Hamilton(pH)对象。我们的方法计算的控制器,也是pH值(因此被动),使所得的闭环系统是被动的,这确保了闭环稳定性简单地从植物和控制器矩阵的结构。通过这种方式,我们可以避免计算昂贵的特征值计算,否则将是必要的。结合基于样本的目标函数,使我们能够避免H ∞范数的多次评估(这通常是固定阶H ∞控制器合成中的主要计算负担),这使得我们的方法非常适合于具有高状态空间维度的植物。在我们的数值实验中,我们表明,在使用完善的H ∞合成方法后应用被动执行后处理步骤通常会导致H ∞性能恶化。除此之外,我们的方法还计算pH控制器,这些控制器是自动被动的,同时旨在最小化闭环传递函数的H ∞范数。此外,我们的实验表明,对于大规模的植物,我们的方法是显着快于成熟的固定阶H ∞控制器的合成方法。
2022-09-27 cs.SY eess.SY math.DS
Polynomial-Time Reachability for LTI Systems with Two-Level Lattice Neural Network Controllers
University of California, Irvine(加州大学欧文分校)
本文研究了线性定常系统(LTI)在整流线性单元(ReLU)两级格型(TLL)神经网络(NN)控制器控制下的可达集的计算复杂性。特别是,我们表明,对于这样的系统和控制器,它是可以计算的确切的一步可达集在多项式时间的大小的TLL NN控制器(神经元的数量)。此外,我们表明,一个紧密的限界框的可达集是可计算的,通过两个多项式时间的方法:一个多项式复杂性的大小TLL和其他多项式复杂性的Lipschitz常数的控制器和其他问题的参数。最后,我们提出了一个务实的算法,自适应地结合了(半)精确可达性和近似可达性,我们称之为L-TLLBox的好处。我们评估L-TLLBox与最先进的NN控制器可达性工具的经验比较。在我们的实验中,L-TLLBox在相同的网络/系统上完成可达性分析的速度比这个工具快5000倍,同时产生的可达性盒的面积是它的0.08到1.42倍。
2022-12-20 cs.LG cs.SY eess.SY