Event-Triggered Gain Scheduling of 2 x 2 Linear Hyperbolic PDEs via Neural Operators (Full Version)
Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Université Paris-Saclay（巴黎萨克雷大学）；CNRS（法国国家科学研究中心）；CentraleSupélec（巴黎中央理工-国立高等电力学院）；Univ. Lille（里尔大学）；Centrale Lille（里尔中央理工学院）
针对时变系数的线性双曲型PDE，提出事件触发增益调度框架，利用神经算子学习系统参数与反步核的映射，避免重复求解核方程，降低计算开销并保证闭环稳定性。
2026-07-01 cs.SY eess.SY
Scheduling of Event-Triggered Networked Control Systems using Timed Game Automata
Institut Teknologi Sepuluh Nopember（十月初六理工学院）；Delft Center for Systems and Control, TU Delft - Delft University of Technology（代尔夫特系统与控制中心，代尔夫特理工大学）
本文提出利用时序游戏自动机网络解决网络化控制系统调度问题，通过事件触发机制和强制更新策略避免通信冲突并保证系统稳定性。
2016-10-12 cs.SY eess.SY
Resource-Aware Stochastic Self-Triggered Model Predictive Control
本文考虑了在有限的资源因素，如电池寿命或硬件寿命下运行的不确定系统的控制。我们在这里考虑资源感知的自触发控制技术，调度系统的操作不均匀的时间，以平衡性能对资源消耗。当运行在一个不确定的环境中，未知的干扰可能会恶化系统的性能，通过对抗计划的事件触发时间表。在这项工作中，我们提出了一个资源感知的随机预测控制方案来解决这一挑战，提出了一种新的零阶保持反馈控制方案，以适应时间不均匀的预测控制更新。
2021-03-09 cs.SY eess.SY
Robust Resource-Aware Self-triggered Model Predictive Control
物联网中无线设备的广泛采用需要能够在有限资源（例如电池寿命）下运行的控制器。在不确定的环境中鲁棒地操作这些设备，同时管理可用资源，增加了控制器设计的难度。本文提出了一种鲁棒自触发模型预测控制方法来优化控制目标，同时管理资源消耗。特别地，针对连续时间线性系统，提出了一种新的零阶保持非周期离散时间反馈控制律。
2021-12-01 cs.SY eess.SY
Event-Triggered Distributed Model Predictive Control for Platoon Coordination at Hubs in a Transport System
本文研究了大规模运输系统中基于枢纽的车队协调问题，其中卡车有各自的效用函数需要优化。提出了一种基于事件触发的分布式模型预测控制方法来解决单个货车在枢纽等待时间的优化调度问题。在这种分布式框架中，卡车被允许独立地决定他们的等待时间，并且只有有限的信息在卡车之间共享。每辆卡车的效用函数都包含了排队获得的预期奖励和在枢纽等待的预期成本。协调方法的性能证明了在瑞典的道路网络与100辆卡车的模拟。
2022-02-18 cs.SY eess.SY
Energy-Aware Model Predictive Control for Batch Manufacturing System Scheduling Under Different Electricity Pricing Strategies
本文提出一种能量感知 MPC 框架，将其表述为 MIQP 以动态调度批量制造过程，在满足生产约束下降低能耗成本，并为应对不同电价策略提供实用见解。
2025-06-28 cs.SY eess.SY math.OC
LSTM-based model predictive control with discrete inputs for irrigation scheduling
从植物质量和水资源保护的角度来看，发展精心设计的灌溉调度方法是可取的。在这篇文章中，模型预测控制（MPC）与离散执行器的灌溉调度，其中的长短期记忆（LSTM）模型的土壤-水-大气系统用于评估的目标，以确保最佳的水分吸收在作物，同时最小化总耗水量和灌溉成本。一个启发式的方法，涉及一个sigmoid函数在这个框架中使用，以提高调度器的计算效率。调度方案被施加到均匀和空间可变的领域和结果表明，基于LSTM的MPC与离散执行器是能够规定最佳或接近最佳的灌溉计划，是典型的灌溉实践。
2021-12-12 cs.SY eess.SY
Inaccuracy matters: accounting for solution accuracy in event-triggered nonlinear model predictive control
我们考虑在事件触发控制方案中使用近似系统预测的效果。这种近似可能是由于使用数值转录方法来解决连续时间最优控制问题。网格细化可以保证微分方程的误差上界，该微分方程对系统动力学进行建模。在网格细化方案的准确性保证下，我们证明了所提出的事件触发方案（将测量系统与近似状态预测进行比较）可以在保证严格正的更新间隔时间的情况下使用。我们表明，如果我们有知识的转录计划或近似误差，那么我们可以获得更好的在线估计的更新时间。我们还详细介绍了一种方法，收紧约束的近似系统轨迹中使用的非线性规划问题，以保证连续时间系统的约束满足。这是第一个将预测准确性纳入触发指标的工作。使用解决方案的准确性，我们可以保证可靠的下限更新时间和执行解决方案相关的约束收紧。
2021-05-28 cs.SY eess.SY math.OC
A Linear Programming Framework for Optimal Event-Triggered LQG Control
本文提出了一种基于线性规划的事件触发LQG控制框架，通过引入辅助变量将调度问题转化为高效的混合整数线性规划，从而实现动态适应并优于传统周期性策略。
2025-11-29 cs.SY eess.SY
A Resource-Aware Approach to Self-Triggered Model Predictive Control: Extended Version
在本文中，我们考虑了自触发的模型预测控制。在该变型中，控制器在当前采样时刻自身决定何时应当进行下一采样并且重新求解优化问题。我们将一个逐点的时间资源约束的优化问题，其确切的形式可以由用户选择。因此，所提出的方案相对于通用资源是资源感知的，通用资源在实践中可以涉及例如通信、计算、能量或金融资源。我们表明，凭借逐点的时间约束，也是一个短暂的和渐进的平均约束的资源使用得到保证。此外，我们得出的资源条件下，该计划实现递归的可行性和收敛性。最后，我们证明了我们的理论结果在一个数值例子。
2020-05-08 cs.SY eess.SY
Real-time nonlinear model predictive control framework for event-triggered switching in industrial batch polymerization process
KU Leuven（荷语鲁汶大学）；Zhejiang University of Technology（浙江工业大学）
针对间歇聚合过程的多阶段切换问题，提出结合平滑模式混合、先进步热启动、变量缩放和迭代预算限制的实时NMPC框架，实现无启发式切换的实时可行性，并通过工业气液聚合基准验证了改进的约束满足和缩短的批次时间。
2026-06-16 cs.SY eess.SY math.OC
Event-triggered Robust Model Predictive Control under Hard Computation Resource Constraints
本文提出一种事件触发模型预测控制（ET-MPC）方法，通过分布式事件触发线性控制与约束收紧的鲁棒MPC相结合，降低最坏情况计算负载，在扰动下稳定多个非线性系统，显著降低中央服务器硬件需求。
2025-04-28 cs.SY eess.SY
Abstracting the Traffic of Nonlinear Event-Triggered Control Systems
Delft University of Technology（代尔夫特理工大学）
本文提出了一种用于抽象非线性事件触发控制系统的框架，通过可达性分析和等时 manifold 方法，实现了对不确定系统的采样行为建模与调度。
2021-06-15 cs.SY eess.SY math.OC
Event-triggered and distributed model predictive control for guaranteed collision avoidance in UAV swarms
分布式模型预测控制（DMPC）常用于无人机机群的路径规划。然而，它需要在无人机上进行大量计算，导致重量和功耗增加。在这项工作中，我们建议卸载路径规划计算到多个地面计算单元。由于同时通信和重新计算所有的轨迹是不可行的一个大的群体与紧的时间要求，我们开发了一种新的事件触发DMPC，选择一个子集的最相关的无人机轨迹进行重新规划。由此产生的架构降低了无人机的重量和功耗，而主动冗余提供了对计算单元故障的鲁棒性。此外，DMPC保证了具有线性动力学的无人机的可行和无碰撞的轨迹。在模拟中，我们证明了我们的方法可以可靠地规划轨迹，同时节省60%的网络流量和所需的计算能力。硬件在环实验表明，该方法适用于实际四轴飞行器群的控制。
2022-06-22 cs.SY eess.SY
Sensor Scheduling in Variance Based Event Triggered Estimation with Packet Drops
Paderborn University（帕德博恩大学）；Uppsala University（乌普萨拉大学）
本文研究多传感器远程状态估计问题，考虑传感器通过独立同分布丢包信道传输局部状态估计至远程估计器，通过优化最小化估计误差协方差与能耗的凸组合，提出阈值策略的最优性。
2016-08-03 cs.SY eess.SY
Event-triggered Partitioning for Non-centralized Predictive-Control-based Economic Dispatch of Interconnected Microgrids: Technical Report
提出了一种求解电网经济调度问题的非集中式模型预测控制（MPC）方案。该计划由两部分组成。第一部分是事件触发的重新划分方法，将网络划分为固定数量的非重叠子系统{（微电网）}。重新划分过程的目的是获得自给自足的微电网，即，那些可以使用自己的发电机组满足当地负荷的发电厂。然而，由于该算法不能保证所有产生的微电网都是自给自足的，因此不能自给自足的微电网必须与它们的一些相邻微电网形成联盟。这一过程成为该计划的第二部分。通过联盟形成，我们可以将网络的经济调度问题分解为基于联盟的子问题，使得每个子问题都是可行的。此外，我们还表明，通过解决联盟为基础的子问题得到的解决方案是一个可行的，但次最优解集中的问题。此外，通过数值模拟验证了该方法的有效性.
2020-07-15 cs.MA cs.SY eess.SY
Makespan minimization of Time-Triggered traffic on a TTEthernet network
越来越多的现代应用和系统的可靠性在很大程度上取决于互连技术。例如，在汽车或航空电子工业中，通常需要交换多媒体数据以及安全相关信息的复杂系统对通信的高带宽和确定性行为提出了要求。TTEthernet是一种面向这些需求而开发的协议，它提供了高达1，Gbit/s的以太网带宽，并通过遵循预定时间表的时间触发消息传输来增强其确定性。因此，综合一个好的调度，满足所有的实时性要求是至关重要的整个系统的性能。在本文中，我们研究的概念，创建的时间触发的交通，同时最大限度地减少其完工时间的通信计划。其目的是最大限度地提高每个集成周期中剩余流量类别的不间断间隙。所提供的调度算法，基于资源受限的项目调度问题的公式化和负载均衡启发式，即使对于工业规模的实例，也在5分钟内获得接近最优的（非紧下限的15%以内）解决方案。所提供的方法的通用性允许根据特定的工业需求容易地修改或扩展问题陈述。最后，根据事件触发交通的最坏情况延迟分析，通过具有孔隙度的调度概念证明了所研究的最大完工时间最小化概念的合理性。
2020-06-20 cs.NI cs.SY eess.SY
Energy Scheduling for Residential Distributed Energy Resources with Uncertainties Using Model-based Predictive Control
本文提出了一种可靠的能源调度框架的分布式能源（DER）的住宅区，以实现适当的日常用电量与最大的可负担的需求响应。可再生和不可再生能源资源可用于响应客户的需求，使用不同类别的方法来管理能源期间。最优运行问题是一个混合整数线性规划（MILP）研究基于模型的预测控制（MPC），以确定哪个可调度单元应在什么时间和在什么功率水平，同时满足实际约束。可再生能源（RES），特别是太阳能和风能，最近已经扩大了它们在电力电力系统中的作用。虽然它们是环境友好型和可访问的，但在其性能方面存在挑战性问题，例如处理与它们有关的可变性和不确定性。本研究探讨了这些系统的能源管理在三个互补的情况下。第一种和第二种情况分别适用于价格恒定和价格变化的市场。此外，第三种方案提出考虑的作用，可再生能源的不确定性，它的目的是补偿电力短缺使用不可再生资源。在一个住宅小区进行了24小时的测试，结果表明该方法具有降低运行成本的能力。
2020-07-22 cs.SY eess.SY math.OC
Self-Triggered Distributed Model Predictive Control with Synchronization Parameters Interaction
针对多智能体系统，提出一种带同步参数交互的自触发分布式模型预测控制方法，通过一维同步参数实现协作，降低计算通信开销，保证递归可行性与稳定性，仿真验证有效。
2024-05-17 cs.SY eess.SY nlin.AO
Distributed Model Predictive Control for Asynchronous Multi-agent Systems with Self-Triggered Coordinator
针对带外部干扰的异步非线性多智能体系统，提出结合自触发生成器与预测时域调节器的分布式模型预测控制方法，实现控制性能与能耗的平衡及异步通信下的协调，验证了可行性与稳定性。
2024-05-17 cs.SY eess.SY nlin.AO
Multi-Variant Scheduling of Critical Time-Triggered Communication in Incremental Development Process: Application to FlexRay
CTU in Prague（布拉格捷克理工大学）；Czech Institute of Informatics, Robotics and Cybernetics, CTU in Prague（布拉格捷克理工大学捷克斯洛伐克信息学、机器人和赛博净化学研究所）
本文提出了一种高效的启发式算法，用于生成新车辆变种的内部通信调度，确保新变种之间的兼容性并保持与旧变种的后向兼容性，同时探讨了兼容性对调度过程的影响。
2019-02-27 cs.SY eess.SY
Bi-level Model Predictive Control for Energy-aware Integrated Product Pricing and Production Scheduling
本文提出一种双层模型预测控制框架，联合优化产品定价与生产调度，利用价格弹性在可再生能源充足时降价增需，从而降低电网成本并提高利润。
2025-07-18 cs.SY eess.SY
Information-triggered Learning with Application to Learning-based Predictive Control
针对基于学习的控制中数据高效利用难题，提出信息触发学习框架与带稳定性保证的鲁棒LPC设计方法，经数值实验验证有效。
2025-08-02 cs.SY eess.SY
Event-triggered control and communication for single-master multi-slave teleoperation systems with Try-Once-Discard protocol
针对单主多从遥操作系统的通信带宽受限问题，结合TOD调度协议与事件触发机制，提出带虚拟观测器的自适应控制方案，实现主从同步并排除Zeno行为，经实验验证有效。
2025-10-02 cs.SY eess.SY
Semi-automated Thermal Envelope Model Setup for Adaptive Model Predictive Control with Event-triggered System Identification
本文提出一种语义辅助控制框架，通过知识图谱整合数据源自动配置MPC算法，并设计事件触发系统辨识方案，半自动完成建筑热围护结构建模，有效减少人工干预并兼顾计算效率与准确性。
2023-07-11 cs.SY eess.SY
Underwater Dead Reckoning with Deployable Situation-Triggered Covariance Scheduling
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；U.S. Army Engineer Research and Development Center, Construction Engineering Research Laboratory（美国陆军工程师研究与发展中心建筑工程研究实验室）
研究水下航位推算问题，提出情境触发校准自适应鲁棒扩展卡尔曼滤波器，利用机载概率触发器识别运动情境，通过离线校准和验证集选择调度策略，改进了无视觉航位推算，降低误差且方位误差不变。
2026-07-14 cs.RO cs.SY eess.SY
Gain-Scheduling Data-Enabled Predictive Control for Nonlinear Systems with Linearized Operating Regions
University of Oslo（奥斯陆大学）；Norwegian Defence Research Establishment（挪威国防研究研究所）
本文提出了一种基于线性化区域的增益调度数据驱动预测控制方法，通过复合区域设计实现平滑切换，提升非线性系统控制性能。
2026-02-26 cs.SY eess.SY
A Robust Predictive Control Method for Pump Scheduling in Water Distribution Networks
针对配水网络水泵调度中的模型与需求不确定性，提出稀疏重构的RMPC方法，以更低计算复杂度实现可靠约束满足，并在Randers网络上取得优于基线MPC的控制效果与相当经济性。
2025-07-24 cs.SY eess.SY
A Fast Dynamic Internal Predictive Power Scheduling Approach for Power Management in Microgrids
Indian Institute of Science（印度科学学院）；National Renewable Energy Laboratory（美国国家可再生能源实验室）；TVS Sensing Solutions（TVS传感解决方案）；Nanyang Technological University（南洋理工大学）
本文提出了一种动态内部预测性电力调度方法，通过优化外部电力交换来提升微电网的电力管理效率，采用混合整数非线性规划转换为混合整数线性规划以降低计算复杂度。
2024-09-25 cs.SY eess.SY
Traffic Abstractions of Nonlinear Homogeneous Event-Triggered Control Systems
在以前的工作中，线性时不变的事件触发控制（ETC）系统被抽象为有限状态系统，捕获原系统的采样行为。结果表明，这些抽象可以用于ETC环路网络中的通信流量调度。在本文中，我们将这个框架扩展到非线性齐次系统类，但采用不同的方法，在一些步骤。最后，我们讨论了如何提出的方法可以扩展到一般的非线性系统。
2020-03-20 cs.SY eess.SY
Adaptive Event-Triggered Model Predictive Coverage Control with Average Update-Rate Regulation
Cornell University（康奈尔大学）；EPFL（洛桑联邦理工学院）
该研究提出带平均更新率调节的自适应事件触发MPC，将其应用于多智能体覆盖控制，可在接近目标更新预算的同时降低覆盖成本。
2026-10-14 cs.SY eess.SY
A Model Predictive Control Scheme for Flight Scheduling and Energy Management of Electric Aviation Networks
针对电动航空网络的航班调度与能源管理问题，本文提出MPC方案，联合建模调度与能源管理问题并滚动求解，实验证明其可降低10%-37%电网能耗，保障网络高效运行。
2025-11-17 cs.SY eess.SY
Deep Reinforcement Learning-Enhanced Event-Triggered Data-Driven Predictive Control for a 3D Cable-Driven Soft Robotic Arm
Mississippi State University（密西西比州立大学）；Michigan State University（密歇根州立大学）
提出一种强化学习自适应事件触发DeePC框架，通过训练RL策略决定何时调用优化器，在保持跟踪精度的同时减少计算开销，实验显示优化频率降低66%。
2026-06-29 cs.RO cs.SY eess.SY
Rollout event-triggered control: reconciling event- and time-triggered control
事件触发控制（ETC）和时间触发控制（TTC）是确定网络化控制系统的传输时刻的经典概念，它们各自具有缺点：难以调谐ETC以使得遵守特定带宽，而TTC不能使采样间隔适应控制系统的当前状态。在这篇文章中，我们提供了一个概述推出ETC，旨在协调ETC和TTC的优点的方法。我们团结在一个共同的框架下推出ETC的两个变种，目前的收敛和遵守预定义的带宽限制的条件。此外，我们证明，推出ETC满足性能约束，它允许一个非常灵活的传输调度类似于经典ETC。通过大量的数值模拟说明了上述有益的特性。
2022-04-01 cs.SY eess.SY
Renewable energy management in smart home environment via forecast embedded scheduling based on Recurrent Trend Predictive Neural Network
Institute of Theoretical and Applied Informatics, Polish Academy of Sciences（波兰科学院理论与应用信息研究所）；Prime Vision；Yaşar University（亚沙尔大学）
本文提出rTPNN-FES算法，将可再生能源预测与家电调度嵌入同一神经网络，在智能家居中实现接近最优且对预测误差鲁棒的调度，速度比优化方法快37.5倍。
2023-07-06 cs.LG cs.SY eess.SY
Stability and $\ell^2$-gain Analysis of Adaptive Control Systems with Event-triggered Try-once-discard Protocols
Graduate School of System Informatics, Kobe University（神户大学系统信息研究生院）
本文研究了具有事件触发try-once-discard协议的自适应控制系统稳定性与ℓ²增益分析，提出基于最大误差的自适应控制器设计方法，获得系统实际稳定性和闭环系统ℓ²增益上界条件。
2018-01-24 cs.SY eess.SY math.OC
A Model Predictive Control Approach for Low-Complexity Electric Vehicle Charging Scheduling: Optimality and Scalability
The Chinese University of Hong Kong（香港中文大学）；Shenzhen Research Institute, The Chinese University of Hong Kong（香港中文大学深圳研究院）
本文提出一种基于模型预测控制的电动汽车充电调度方法，通过在线动态规划解决非因果信息问题，分析算法在随机变量分布下的性能差距，并在周期性随机过程下实现O(1)复杂度。
2016-04-01 cs.PF cs.SY eess.SY
Event-Triggered Model Predictive Control with Deep Reinforcement Learning for Autonomous Driving
Michigan State University（密歇根州立大学）；Oakland University（奥克兰大学）
事件触发模型预测控制（eMPC）是一种流行的最优控制方法，其目的是减轻MPC的计算和/或通信负担。然而，它通常需要先验知识的闭环系统行为以及通信特性的设计事件触发策略。本文试图通过提出一个有效的eMPC框架来解决这一挑战，并展示了该框架在自动驾驶车辆路径跟踪上的成功实施。首先，一个无模型强化学习（RL）代理被用来学习最优的事件触发策略，而不需要一个完整的动力学系统和通信知识在这个框架。此外，包括优先经验重放（PER）缓冲区和长短期记忆（LSTM）的技术被用来促进探索和提高训练效率。在本文中，我们将所提出的框架与三种深度RL算法一起使用，即，双Q学习（DDQN）、近端策略优化（PPO）和软行为者-批评者（SAC）来解决这个问题。实验结果表明，与传统的基于阈值和线性Q的方法相比，这三种基于深度RL的eMPC（deep-RL-eMPC）在自主路径跟踪中均能获得更好的评价性能。特别是，具有LSTM的PPO-eMPC和具有PER和LSTM的DDQN-eMPC在闭环控制性能和事件触发频率之间获得了更好的平衡。相关代码是开源的，可在https://github.com/DangFengying/RL-based-event-triggered-MPC上获得。
2022-08-22 cs.RO cs.SY eess.SY
Predictive Scheduling of Collaborative Mobile Robots for Improved Crop-transport Logistics of Manually Harvested Crops
新鲜市场水果的人工收获机械化是水果业可持续发展的最大挑战之一。在手工收获草莓和鲜食葡萄等新鲜市场作物的过程中，采摘者要花大量时间步行，把满满的托盘送到田地边缘的收集站。提高这类作物收获自动化的一个步骤是部署收获辅助协作机器人（协作机器人），用于运输空托盘和满托盘，从而通过减少采摘者的非生产性行走时间来提高收获效率。这项工作提出了一个合作的机器人收获援助系统的发展和商业草莓收获过程中的评估。该系统的核心是一个预测随机调度算法，最大限度地减少预期的非采摘时间，从而最大限度地提高收获效率。在评估实验中，当机器人与采摘者的比例为1：3时，协作机器人将平均收获效率提高了约10%，并将平均非生产时间减少了60%。在这项工作中开发的概念可以应用到机器人收获辅助其他手动收获的作物，涉及步行作物运输。
2021-11-18 cs.RO cs.SY eess.SY
Multi-Agent Event-Triggered LQG Control under Shared Communication Constraints
University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）
本文针对共享通信容量受限的多智能体系统，提出基于MILP的滚动时域调度器及拍卖启发式调度器，实现事件触发LQG控制，在性能与通信成本间取得最佳权衡。
2026-09-21 cs.SY eess.SY
Decentralized LQ-Consistent Event-triggered Control over a Shared Contention-based Network
考虑多个独立的随机线性系统的网络，其中，对于每个系统，与传感器并置的调度器通过共享的基于竞争的通信网络仲裁到对应的远程控制器的数据传输。虽然这些系统在物理上是独立的，但它们的最优控制器设计问题通常可能由于网络争用而变得耦合，如果触发器基于状态相关事件来触发传输。在这篇文章中，我们提出了一类概率容许的最优控制器，相对于当地的标准LQG成本，具有确定性等价性，仍然可以分散确定。然后，在这个类中引入两个调度策略;一个非基于事件的和一个基于事件的，都具有一个容易调整的触发概率在每个时间步。然后，我们证明，对于每个闭环系统，基于事件的调度程序和其最优控制器优于非基于事件的调度程序和其相关的最优控制器的闭环系统。此外，我们表明，对于每个闭环系统，最优状态估计的调度策略遵循线性迭代。最后，我们提供了一种方法来调节触发器的触发概率最大化的网络效用函数。
2020-04-29 cs.SY eess.SY
Model Predictive Control-Based Battery Scheduling and Incentives to Manipulate Demand Response Baselines
我们研究了电池储能系统在基于基线的需求响应（DR）计划下的操作，DR事件的时间表不确定。基于基线的DR计划可能会提供非期望的激励，以在非事件日夸大基线消费，以便增加事件日的“明显”DR减少并确保更高的DR支付。我们的目标是确定和量化这些激励措施。为了理解客户决策，我们制定了确定每小时电池充电和放电时间表的问题，以在足够长的时间范围内最小化预期净成本，定义为能源购买成本减去能源出口退税和DR付款（例如，一年）。这个随机优化问题的复杂性与所考虑的时间范围呈指数增长。为了获得计算上易于处理的解决方案，我们建议使用多阶段模型预测控制与场景采样。数值结果表明，我们的解决方案是接近最优的（例如，在测试情况下，最佳值的3%以内）。最后，我们应用我们的解决方案来研究一个示例住宅客户与太阳能光伏和电池系统参与一个典型的现有的基于基线的DR计划。结果表明，超过66%的平均明显的负载减少在DR事件可能会导致通货膨胀的基线消费在非事件天。
2019-09-26 cs.SY eess.SY
Event-Triggered Nonlinear Model Predictive Control for Cooperative Cable-Suspended Payload Transportation with Multi-Quadrotors
Toronto Metropolitan University（多伦多都会大学）；University of Alberta（阿尔伯塔大学）
针对多四旋翼吊挂载荷协同运输中的非线性耦合等挑战，提出一种事件触发分布式NMPC方法，通过轻量级状态参数化在SE(3)流形上规划轨迹，在保证轨迹跟踪与避障的同时显著降低计算与通信开销。
2025-03-26 cs.RO cs.SY eess.SY
Integrating Cybersecurity in Predictive Cost-Benefit Power Scheduling: A DeepStack Model with Dynamic Defense Mechanism
该研究提出带动态防御机制的DeepStack模型，结合BiLSTM、ConvGAN和分层优化框架，在伊利诺伊200节点系统上实现98%风电预测准确率，降本超3.8%，兼顾风电并网、成本控制与网络安全。
2026-08-10 cs.SY eess.SY
Multi-Variant Time Constrained FlexRay Static Segment Scheduling
FlexRay总线是汽车工业中使用的现代标准。它提供零抖动的确定性消息传输，同时在静态段中使用时间触发调度。当多个车型（即不同的车型及其版本）共享同一信号时，汽车制造商要求在所有车型中同时调度该信号。该要求简化了使用相同平台的不同车辆变体中的信号可追溯性和诊断，并简化了组件和工具的重复使用。在本文中，我们提出了一个第一次适合的启发式算法，它创建的时间表，同时在所有的时间表中发送一个给定的信号的几个车辆变量。调度算法还考虑了发布日期和截止日期等时间约束。最后，不同的算法版本进行了比较基准集和低计算时间的需求进行了验证，在大型实例。
2020-06-20 cs.SY eess.SY
Robust self-triggered DMPC for linear discrete-time systems with local and global constraints
针对一类离散线性系统，提出了一种鲁棒自触发分布式模型预测控制（DMPC）方案。针对加性扰动，提出了基于管道的方法，以满足局部状态和控制约束。同时，给出了一种特殊形式的约束紧化，以保证全局耦合约束。自触发机制通过跳过不重要的迭代步骤来减少计算负担，从而确定一定的采样时刻以并行方式解决DMPC优化问题。DMPC优化问题被构造为一个对偶形式，并基于交替方向乘子法（ADMM）与一些已知的简化分布式求解。证明了闭环系统的递推可行性和输入到状态稳定性，仿真实例验证了所提方案的性能。
2020-12-16 cs.SY eess.SY math.OC
AIMD scheduling and resource allocation in distributed computing systems
我们考虑的问题，同时调度和资源分配的一组计算单元的传入流的请求。通过将每个计算单元表示为一个节点，我们将整个系统建模为多队列方案。受通信网络中拥塞控制方法的启发，我们提出了一种类似AIMD（加法增加乘法减少）的接纳控制策略，该策略是稳定的，与节点总数和AIMD参数无关。准入政策允许我们建立一个事件驱动的离散模型，由本地可识别的使能条件触发。随后，我们提出了一个分散的资源分配策略，通过一个简单的非线性状态反馈控制器，保证在有限时间内全局收敛到一个有界集。最后，我们揭示了这些属性与服务质量规范的连接，通过计算本地排队时间通过一个简单的公式符合利特尔定律。
2021-09-06 cs.SY eess.SY
Trade-Offs in Stochastic Event-Triggered Control
Paderborn University（帕德博恩大学）；University of Notre Dame（圣母大学）
本文研究了线性时不变系统中随机事件触发调度下的最优输出反馈控制，旨在通过减少传感器到控制器的通信量来提高网络能耗效率，并设计控制策略以最小化二次成本函数。
2017-08-09 cs.SY eess.SY
Towards Event-Triggered NMPC for Efficient 6G Communications: Experimental Results and Open Problems
本文研究了模型预测控制与网络通信的协同设计，设计并实现了基于6G平台的事件触发非线性模型预测控制器，实验证明其在减少通信需求的同时能保持与周期性控制相似的性能。
2025-06-26 cs.NI cs.SY eess.SY
A Hierarchical Stochastic Model Predictive Control Framework for Integrated Request-aware Charge Scheduling and Service Allocation
Univ. Grenoble Alpes, CNRS, Grenoble INP（格勒诺布尔阿尔卑斯大学、法国国家科学研究中心、格勒诺布尔理工学院）；College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）
研究针对按需出行电动汽车在A到B租赁模式下的充电与服务分配问题，提出分层随机模型预测控制框架，通过分段线性模型、混合逻辑切换机制及分布式方法，有效应对计算挑战，降低充电成本与电池容量退化。
2026-07-29 cs.SY eess.SY
Integrating machine learning paradigms and mixed-integer model predictive control for irrigation scheduling
University of Alberta（阿尔伯塔大学）；Lethbridge College（莱斯布里奇学院）
本研究针对农业水资源稀缺与传统灌溉调度不足的问题，融合聚类、深度学习与强化学习三类机器学习范式，结合混合整数模型预测控制实现精准灌溉调度，在实际农田案例中达成显著节水与增产效果。
2023-06-14 cs.AI cs.LG cs.SY
Scheduling Delays and Curtailment for Household Appliances with Deterministic Load Profiles using MPC
智能家用电器可以时移和削减其电力需求，以协助需求侧管理或允许在有限的电力下运行，如在离网应用中。本文提出了一种调度过程中，随着时间的变化，确定性的负载配置文件启动电器。自触发模型预测控制用于将家庭净功率需求限制在给定阈值以下。同时，与可变充电或热负荷相比，确定性负荷分布更难以调度，因为一旦电力需求得不到满足，系统就会发生故障。该方案将负荷转移时间的决策问题转化为一个连续的优化问题，并引入一个非齐次时间网格系统来处理不同设备的优化问题，并在此基础上达成共识。所提出的方案的有效性进行了研究，通过数值比较与混合整数MPC控制器和三个家用电器和可中断洗衣机的案例研究。
2022-06-12 cs.SY eess.SY
Learning event-triggered controllers for linear parameter-varying systems from data
State Key Laboratory of Robotics and Systems, Harbin Institute of Technology（哈尔滨工业大学机器人技术与系统国家重点实验室）；Nanyang Technological University（南洋理工大学）；The Hong Kong Polytechnic University（香港理工大学）；Adelaide University（阿德莱德大学）
针对事件触发LPV系统难以获得精确模型的问题，提出基于θ-持续激励和受扰动数据的数据驱动控制设计，并通过半定规划保证稳定性与最优增益调度，且扩展至轨迹跟踪。
2026-10-12 cs.SY eess.SY
EAPS: Edge-Assisted Predictive Sleep Scheduling for 802.11 IoT Stations
Santa Clara University（圣克拉拉大学）；Commonwealth Scientific and Industrial Research Organisation (CSIRO)（英联邦科学与工业研究组织（CSIRO））
针对802.11物联网站点能效机制PSM和APSD的不足，提出边缘辅助预测性休眠调度机制EAPS，通过机器学习预测下行数据包交付来调整休眠时长，在保持低能耗的同时实现接近常唤醒状态的低延迟。
2020-06-28 cs.LG cs.NI cs.SY
