Observer-Based Sampled-Data Stabilisation of Switched Systems with Lipschitz Nonlinearities and Dwell-Time
Tel Aviv University（特拉维夫大学）；University of Bergamo（贝加莫大学）；Politecnico di Milano（米兰理工大学）；University of Trento（特伦托大学）
研究了具有不确定Lipschitz非线性的线性仿射切换系统在驻留时间约束下的稳定化问题，采用基于状态观测器的采样数据切换律，利用Lyapunov-Metzler不等式设计切换律，推导了闭环系统全局渐近稳定性的时变LMI条件，并讨论了LMI的可行性。
2026-04-28 math.OC
Robust Aperiodic Sampled-Data Washout Control for Uncertain Affine Systems
本文针对不确定仿射系统，提出基于平方和规划的非周期采样数据洗出控制器设计方法，通过建立混合动力系统模型并给出控制器参数的充要条件，实现了零输入平衡点的稳定。
2025-05-29 cs.SY eess.SY math.OC
Adversarial Robustness for Matrix Control Barrier Functions in Sampled-Data Systems
Brigham Young University（杨百翰大学）
本文提出理论结果，通过矩阵控制屏障函数保证多智能体系统集合不变性，针对异构控制仿射智能体和对抗性智能体的安全性问题，提出方法保证集合不变性。
2026-03-18 math.OC
Global stabilization of feedforward systems under perturbations in sampling schedule
Technical University of Crete（克里特理工大学）；University of California, San Diego（加州大学圣地亚哥分校）
针对采样调度存在扰动的非线性前馈系统，提出不连续采样反馈律，实现全局渐近镇定，且采样周期序列一致有界于最大允许采样周期。
2011-08-13 cs.SY eess.SY math.OC
Adversarial Resilience for Sampled-Data Systems under High-Relative-Degree Safety Constraints
控制障碍函数（CBF）最近已成为一个强大的方法，使所需的安全集前向不变的单和多智能体系统。在多代理的情况下，以前的文献已经考虑的情况下，所有代理合作，以确保相应的设置保持不变。然而，这些作品不考虑的情况下，一个子集的代理人的行为敌对的意图违反安全界限。此外，多智能体CBF的先前结果通常假设控制输入是连续的，不考虑采样数据动态。本文提出了一个框架，正常行为的代理在多智能体系统中的异构控制仿射，采样数据动态呈现一个安全的一套前向不变的对抗代理的存在。所提出的方法考虑了实际控制系统的几个方面，包括输入约束，时钟周期和干扰，以及控制输入的分布式计算。我们的方法还考虑功能描述安全集具有较高的相对程度，相对于系统动力学。这些结果的有效性，通过模拟证明。
2021-02-09 math.OC
Criteria of stabilizability for switching-control systems with solvable linear approximations
Nanjing University（南京大学）
本文研究连续时间切换控制系统在子系统矩阵生成可解李代数且存在凸包中指数稳定仿射系统时，通过设计充分多的分段常数切换信号实现全局指数稳定。
2012-01-10 cs.SY eess.SY math.CA
Further Remarks on the Sampled-Data Feedback Stabilization Problem
本文针对自治非线性系统的采样数据反馈镇定问题，基于不连续控制Lyapunov函数建立充分条件，拓展了作者此前的研究结果，适用于一类控制仿射型非线性系统。
2023-07-21 cs.SY eess.SY math.OC
Generating a robustly stabilizable class of nonlinear systems for the converse optimality problem
逆向最优性理论解决了一个最优控制问题，相反，系统是未知的，价值函数的选择。以前的工作处理这个问题，在连续和离散的时间和非广泛考虑的干扰。本文将逆最优性理论推广到连续时间内具有扰动的仿射系统，同时考虑了控制输入和扰动的范数约束。在此背景下，可接受性定理和内部动力学模型的设计得到了推广。利用逆最优性工具：鲁棒控制李雅普诺夫函数，对初始逆最优性问题增加了鲁棒可镇定性条件。给出了一类开环鲁棒稳定且全局渐近稳定的非线性系统的设计方法。案例研究说明了所提出的理论。
2022-08-12 cs.SY eess.SY math.OC
Control Barrier Functions in Sampled-Data Systems
本文给出了具有分段常数控制器和固定时间步长的采样数据系统动力学中保证安全集前向不变性的条件。首先，我们引入两种不同的度量来比较分段常数控制器下前向不变性的充分条件的保守性。然后，我们提出了三种方法来保证前向不变性，两个动机的连续时间障碍函数，和一个动机的离散时间障碍函数。所有建议的条件是控制仿射，因此可以纳入二次规划控制综合。我们表明，所提出的条件是不太保守的比那些在早期的研究，并通过模拟显示，这使得使用障碍功能，是不可能实现所需的时间步长使用现有的方法。
2021-06-16 cs.SY eess.SY math.OC
Control Barrier Functions for Sampled-Data Systems with Input Delays
本文认为，一般的问题，理论上安全的控制器过渡到硬件。具体地说，我们探讨应用控制障碍函数（CBF）的采样数据系统：系统不断发展，但其控制行动是在离散的时间步长计算。虽然这种模型公式比其连续对应物更不常用，但它更准确地模拟了实践中大多数控制系统的现实，使安全保证更具影响力。在这种情况下，我们证明了强大的零阶保持控制器以及状态不确定性的集合不变性，而不需要明确计算任何控制不变集。然后，它表明，可以利用这个配方来解决在这个系统中的输入延迟，其结果是CBF的约束，是仿射的输入。结果表明，在一个不稳定的赛格威机器人系统的实时高保真仿真。
2020-05-13 cs.SY eess.SY math.OC
Control Barrier Function Meets Interval Analysis: Safety-Critical Control with Measurement and Actuation Uncertainties
本文提出了一个框架，设计可证明安全的反馈控制器的采样数据控制仿射系统的测量和驱动的不确定性。基于非线性函数的区间Taylor模型，提出了保证采样系统安全集前向不变性的采样控制障碍函数（CBF）条件。可达集过逼近和Lasserre的多项式优化的层次被用来寻找采样数据CBF条件下的边际项。分别针对相对度为1和相对度较高的CBF，给出了存在测量和驱动不确定性时系统安全控制的充分条件。通过两个数值例子和一个实验例子说明了所提出的方法的有效性，该实验例子实现了Crazyflie四轴飞行器上的实时控制器。
2021-10-03 cs.SY eess.SY math.OC
Reach-Avoid Model Predictive Control with Guaranteed Recursive Feasibility via Input Constrained Backstepping
Aalto University, Finland（阿尔托大学）
本文提出了一种新的采样数据模型预测控制框架，用于连续控制-仿射非线性系统，通过输入输出约束传播实现严格达-避和递归可行性保证。
2026-04-03 cs.SY eess.SY math.OC
Trajectory Manifolds for Nonlinear Data-Enabled Predictive Control
本文为非线性数据驱动预测控制中的轨迹流形建立几何基础，证明有限时域行为是嵌入子流形，维数为n+Nm，并给出显式全局坐标及精确编码器-解码器表示，无需可控性等假设。
2026-10-02 cs.SY eess.SY math.OC
Contraction-Based Model Predictive Control using Bilinear Koopman Realizations with Proportional Error Bounds
The University of Tokyo（东京大学）
本文提出一种基于双线性Koopman实现与比例误差界的鲁棒模型预测控制框架，通过重投影提升状态构建误差感知预测器，并利用同胚管收紧处理非线性约束，证明了约束满足、递归可行性与指数稳定性，数值实验显示其性能优于现有Koopman方法。
2026-09-29 math.OC
Necessary and Sufficient Conditions for Success of the Nuclear Norm Heuristic for Rank Minimization
在控制理论、机器学习和离散几何学的许多应用中，最小化受约束的矩阵的秩是一个具有挑战性的问题。这类最优化问题，称为秩最小化，是NP难的，对于大多数实际问题，没有有效的算法产生精确解。一种流行的启发式算法用决策变量的核范数（等于奇异值之和）代替秩函数。在本文中，我们提供了一个量化的充要条件时，这种启发式成功地找到了最小秩的解决方案的线性约束集。我们还提供了一个概率分布的仿射秩最小化问题的实例，使从这个分布中采样的实例满足我们的条件，以压倒性的概率成功提供的约束的数量是适当的大。最后，我们给出了经验证据，这些概率界提供了准确的预测的启发式的性能在非渐近的情况下。
2008-09-07 math.OC stat.CO stat.ML
Data-Driven Motion Planning for Uncertain Nonlinear Systems
Department of Mechanical Engineering, Michigan State University（机械工程系，密歇根州立大学）；Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究实验室（MERL））
本文提出一种仅依赖数据的非线性系统运动规划框架，通过构建重叠不变多面体、学习椭球不变集与增益、插值控制实现安全运动，仿真验证了其生成复杂非线性系统安全可行路径的有效性。
2025-07-31 cs.LG cs.RO cs.SY
