Finite-Time Adaptive Fuzzy Tracking Control for Nonlinear State Constrained Pure-Feedback Systems
本文针对全状态约束纯反馈系统，提出一种有限时间自适应模糊跟踪控制方法，通过中值定理、状态变换和积分障碍李雅普诺夫函数实现误差有限时间收敛与状态约束满足，并通过仿真验证其有效性。
2024-12-28 cs.SY eess.SP eess.SY
MHE in Output Feedback Control of Uncertain Nonlinear Systems via IQCs
Chemnitz University of Technology（Chemnitz工业大学）
本文提出基于IQCs的MHE方法，用于不确定非线性系统的输出反馈控制，确保闭环系统对扰动具有输入到状态稳定性。
2025-11-05 cs.SY eess.SY
Computationally Efficient Robust Model Predictive Control for Uncertain System Using Causal State-Feedback Parameterization
研究了具有结构不确定性和有界扰动的线性时不变离散时间系统的鲁棒模型预测控制问题。通常情况下，约束RMPC问题的状态反馈参数化是非线性（和非凸）的在线实现具有过高的计算负担。为了弥补这一点，提出了一种新的方法来线性化的状态反馈RMPC问题，最小的保守性，通过使用半定松弛技术。该算法通过求解线性矩阵不等式（LMI）优化，在线计算状态反馈增益和扰动，与文献中的其他方案相比，具有大幅降低的计算负担，而不会对控制器的跟踪性能产生不利影响。此外，离线策略，提供了初步的可行性RMPC问题。所提出的计划的有效性证明通过数值例子从文献中。
2022-08-17 cs.SY eess.SY
An Output Feedback Stabilizer for MIMO Nonlinear Systems with Uncertain Input Gain: Nonlinear Nominal Model
School of robotics, Kwangwoon University（光云大学机器人学院）
本文研究了具有不确定输入增益矩阵的非线性多输入多输出系统的输出反馈稳定问题，假设系统具有明确的向量相对次数且零动力学是输入到状态稳定的，基于存在一个能够全局渐近稳定名义闭环系统原点的状态反馈控制器，提出一个输出反馈稳定器，以半全局实际意义恢复名义闭环系统的稳定性，与之前结果相比，允许名义系统具有依赖于状态的非线性输入增益矩阵，并通过修改基于扰动观测器的鲁棒输出反馈控制器的结构实现
2019-03-18 cs.SY eess.SY
Learning Flatness-Preserving Residuals for Pure-Feedback Systems
University of Pennsylvania（宾夕法尼亚大学）
本文提出了一种学习保持平坦性的残差方法，用于纯反馈系统，通过下三角结构保持系统平坦性，并在四旋翼模拟中验证了其优越的跟踪性能和效率。
2026-01-27 cs.SY eess.SY
Globally Composite-Learning-Based Intelligent Fast Finite-Time Control for Uncertain Strict-Feedback Systems with Nonlinearly Periodic Disturbances
本文针对具有非线性周期扰动的不确定严格反馈系统，提出一种基于傅里叶级数展开和复合学习的神经快速有限时间跟踪控制方法，并通过切换机制保证全局快速有限时间有界性。
2023-09-21 cs.SY eess.SY
Feedback Linearization Control for Systems with Mismatched Uncertainties via Disturbance Observers
针对非匹配不确定性，提出了一种基于自学习干扰观测器（SLDO）的反馈线性化控制方法。基于BNDO的FLC（FLC-BNDO）仅对非匹配时不变不确定性表现出鲁棒控制性能，而基于SLDO的FLC（FLC-SLDO）对非匹配时不变和非匹配时变不确定性表现出鲁棒控制性能，且在不存在非匹配不确定性时，两者均保持标称控制性能。在SLDO的估计方案中，BNDO被用来提供一个传统的估计律，它被用作第二类神经模糊系统（T2 NFS）的学习误差，T2 NFS学习不匹配的不确定性。因此，T2 NFS在非常短的时间内完全地对估计信号进行总体控制，并且给出对于干扰的无偏估计结果。针对区间二型模糊逻辑系统，提出了一种基于滑模控制理论的学习算法。对于具有不匹配不确定性的二阶非线性系统，证明了整个系统的稳定性。仿真结果表明，FLC-SLDO的控制性能优于传统的FLC、带积分作用的FLC（FLC-I）和FLC-BNDO。
2021-03-21 cs.SY eess.SY
Robust Predictive Output-Feedback Safety Filter for Uncertain Nonlinear Control Systems
在现实世界的应用中，我们经常需要可靠的决策下动态不确定性使用嘈杂的高维传感器数据。最近，我们已经看到越来越多的基于学习的控制算法，以解决动态不确定性下的决策的挑战。这些算法通常对潜在的未知动态做出假设，因此可以提供安全保证。这对于其他广泛使用的基于学习的决策算法（如强化学习）更具挑战性。此外，大多数现有的方法假设访问状态测量，这在实践中可能是限制性的。在本文中，安全滤波器和鲁棒输出反馈控制的文献的启发，我们提出了一个鲁棒预测输出反馈安全滤波器（RPOF-SF）框架，提供安全认证的任意控制器应用于不确定的非线性控制系统。建议的RPOF-SF结合了一个鲁棒稳定的观测器，估计系统状态从嘈杂的测量数据和一个预测的安全过滤器，使任意的控制器安全（可能）最小限度地修改控制器的输入，以保证安全。我们在理论上表明，建议的RPOF-SF保证约束的满意度，尽管施加到系统的干扰。我们证明了所提出的RPOF-SF算法使用不确定的质量弹簧阻尼器系统的有效性。
2022-12-17 cs.SY eess.SY
Output Feedback Control of a Class of Uncertain Systems Under Control-derivative dependent disturbances
CNRS, University of Grenoble Alpes（法国国家科学研究中心，格勒诺布尔阿尔卑斯大学）；Schneider Electric Industrie（施耐德电气工业）
本文研究了在控制导数依赖扰动下，高不确定性系统的鲁棒动态输出反馈控制设计，提出动态输出反馈及参数充分条件以评估闭环性能。
2016-10-19 cs.SY eess.SY
Adaptive Feedback Regulator for Powered Lower-Limb Exoskeleton under Model Uncertainty
本文提出了一种基于神经网络的自适应反馈调节器，以确保横向和纵向的稳定性，并在模型不确定性的下肢外骨骼调节所需的步行速度。传统的基于模型的下肢外骨骼控制器在模型不确定性或外部干扰的情况下往往无法稳定机器人或准确跟踪期望的行为。本文提出了一种基于神经网络的在线自适应调节器，通过修改标称关节轨迹来补偿模型参数的未知变化和外部干扰。基于梯度下降的增量规则实现更新单层NN的权重，这可以通过设计有效地在线执行。我们证明了ATALANTE，一个完全驱动的下肢外骨骼截瘫患者设计的监管机构的性能。仿真结果表明，该方法显着提高了系统的稳定性和跟踪性能，尽管模型参数和大的对抗推显着变化。
2021-04-23 cs.SY eess.SY
Data-Driven Uncertainty Modeling for Robust Feedback Active Noise Control in Headphones
本文针对耳机反馈ANC中佩戴不确定性被高估的问题，提出数据驱动的不确定性建模方法，并通过原型实测证明其能安全提升数分贝的主动降噪性能。
2025-09-19 cs.SY eess.SY
Optimal Consensus for Uncertain High-order Multi-agent Systems by Output Feedback
高阶多智能体系统的分布式最优输出一致性问题是近年来研究的热点。本文进一步研究了具有参数不确定性的高阶多智能体系统的鲁棒控制问题，并通过测量输出反馈设计了分布式鲁棒控制器。我们首先开发一个动态补偿器来估计期望的最优一致点，并将问题转化为几个分散的鲁棒跟踪问题。然后，通过结合积分控制技术和脏微分观测器技术，在一个温和的图连通性条件下，构造性地提出了一种分布式输出反馈积分控制器来解决这个问题。
2021-11-20 cs.SY eess.SY math.OC
Output-feedback model predictive control under dynamic uncertainties using integral quadratic constraints
本文提出一种基于IQC的输出反馈管道MPC方案，通过联合设计鲁棒动态控制器与估计器并凸化峰峰值鲁棒估计问题，实现对动态不确定性系统的递推可行控制与稳定性保证。
2025-08-22 cs.SY eess.SY math.OC
Fixed-time safe tracking control of uncertain high-order nonlinear pure-feedback systems via unified transformation functions
针对带状态约束的不确定高阶非线性纯反馈系统，提出统一变换函数结合FDSC技术的自适应固定时间安全跟踪控制策略，实现约束与无约束场景下的统一控制结构与固定时间跟踪，经数值算例验证有效。
2023-04-30 cs.SY eess.SY math-ph
Uncertainties and output feedback in rollout event-triggered control
事实上，事件触发控制（ETC）往往表现出一个改进的性能-通信权衡比时间触发控制，使它特别有用的网络控制系统（NCS）。然而，已经证明很难先验地表征ETC产生的交通。推出ETC通过使用触发和控制律来解决这个问题，该触发和控制律由最优控制问题（OCP）的解决方案隐式定义，而不是像经典ETC中那样显式定义。这允许直接将预定义的传输流量约束以及状态和输入约束结合起来。在这篇文章中，我们研究了实际相关的情况下，输出，而不是状态测量是可用的，测量以及LTI工厂受到不确定性。为了解决这些挑战，我们适应的方法，从强大的基于管的模型预测控制，并提出了三种不同的策略来实现误差反馈的NCS设置，其适用性取决于执行器的能力。我们建立递归可行性，鲁棒约束满足和收敛。最后，我们用一个数值例子来说明我们的结果。
2022-01-28 cs.SY eess.SY
Output Feedback Tracking Control for a Class of Uncertain Systems subject to Unmodeled Dynamics and Delay at Input
Beihang University（北京航空航天大学）；National University of Singapore（新加坡国立大学）
针对含未建模高频增益和输入时滞的非线性不确定系统，通过加性分解将不确定系统转化为无不确定性系统，并设计输出反馈跟踪控制器，在三个基准示例上验证了有效性。
2012-01-25 cs.SY eess.SY math.OC
Model Reference-Based Control with Guaranteed Predefined Performance for Uncertain Strict-Feedback Systems
针对不确定严格反馈系统，提出基于模型参考的控制框架，结合齐次自适应估计器与障碍李雅普诺夫控制器，实现预定性能跟踪，并通过执行器实验验证。
2025-08-05 cs.SY eess.SY
An LMI Condition for the Robustness of Constant-Delay Linear Predictor Feedback with Respect to Uncertain Time-Varying Input Delays
Gipsa-lab（吉普萨实验室）
本文研究了在不确定时变输入延迟情况下，基于名义时变延迟值设计的常数延迟预测反馈的鲁棒性，通过构造合适的Lyapunov-Krasovskii泛函，推导出保证闭环系统在时变延迟围绕名义值小范围内指数稳定的LMI充分条件，并将结果扩展到存在边界控制输入时变延迟的对角无限维边界控制系统反馈稳定化问题。
2019-08-28 cs.SY eess.SY math.OC
Adaptive Fuzzy Tracking Control with Global Prescribed-Time Prescribed Performance for Uncertain Strict-Feedback Nonlinear Systems
针对具有不匹配不确定性和未知非线性的严格反馈系统，建立了具有全局预定性能和预定时间收敛性的自适应模糊控制策略。首先，为了量化跟踪误差的瞬态和稳态性能约束，设计了一类指定时间的指定性能函数，并引入了一种新的误差转换函数，以消除初值约束，解决了现有工作中的奇异性问题。其次，基于动态面控制方法，分别建立了具有或不具有逼近结构的控制器，以保证跟踪误差在给定的时间内达到给定的瞬态性能并收敛到给定的有界集。特别是，所规定的性能函数的建立时间和初始值是完全独立的跟踪误差和系统参数的初始条件，这改善了现有的结果。此外，通过构造一种新的类Lyapunov能量函数，不仅解决了backstepping技术中经常出现的微分爆炸问题，而且克服了动态面控制所导致的跟踪误差半全局有界的缺点.通过对实际算例的数值模拟，验证了主要结果的正确性和有效性。
2022-12-27 cs.SY eess.SY
A Mean Value Theorem Approach to Robust Control Design for Uncertain Nonlinear Systems
University of New South Wales at Australian Defence Force Academy（新南威尔士大学澳大利亚皇家军事学院）；University of Waterloo（滑铁卢大学）
提出一种基于均值定理的鲁棒反馈线性化两步方案，将不确定非线性系统转化为MIMO线性不确定模型，并设计极小极大LQR控制器，应用于吸气式高超声速飞行器的速度和高度跟踪控制。
2012-02-29 cs.SY eess.SY
Multi-Observer Output Feedback Stabilization of a Class of Uncertain Nonminimum-Phase Systems
Federal University of Rio Grande do Norte（北里奥格兰德联邦大学）；State University of Rio de Janeiro（里约热内卢州立大学）
针对存在参数不确定性和外部扰动的非线性非最小相位系统，本文提出一种集成三类观测器的滑模控制方法，仅用输出测量即可实现全局渐近稳定，放宽了现有文献的限制性假设，仿真验证了其有效性。
2026-08-18 cs.SY eess.SY math.OC
Static Output Feedback Control for Nonlinear Systems subject to Parametric and Nonlinear Uncertainties
University of Alberta（阿尔伯塔大学）
本文研究了满足局部Lipschitz连续条件的离散非线性系统静态输出反馈控制器设计，通过凸多目标优化同时优化Lipschitz常数和扰动抑制水平，提升系统对非线性不确定性和参数变化的鲁棒性。
2016-06-25 cs.SY eess.SY math.DS
Artificial Delay Based ARC of a Class of Uncertain EL Systems with Only Position Feedback
Indian Institute of Technology Delhi（印度理工学院德里分校）；Fondazione Istituto Italiano di Tecnologia (IIT)（意大利理工大学基金会）
本文提出基于时间延迟的自适应鲁棒控制策略TARC，通过时间延迟估计未知动力学，无需系统模型或不确定性界，避免开关增益过估计问题，仅用位置反馈近似速度加速度，并提出新的连续时间域稳定性概念。
2017-11-03 cs.SY eess.SY
Adaptive Fuzzy Tracking Control for Nonlinear State Constrained Pure-Feedback Systems With Input Delay via Dynamic Surface Technique
本文针对含输入时滞和全状态约束的纯反馈系统，提出结合Pade近似、模糊逻辑系统、最小学习参数和动态面技术的自适应反步控制方案，实现有界稳定跟踪。
2024-12-28 cs.SY eess.SP eess.SY
Safety Control of Uncertain MIMO Systems Using Dynamic Output Feedback Barrier Pairs
本文针对不确定MIMO系统在部分状态信息下的安全控制问题，提出结合向量范数障碍函数与动态输出反馈控制器的方法，并设计障碍函数估计器提供鲁棒上界，在紧输入约束下优于现有方法。
2024-09-30 cs.SY eess.SY math.OC
Static output feedback stabilization of uncertain rational nonlinear systems with input saturation
本文利用鲁棒严格QSR耗散性的概念，研究了一类具有输入饱和和有界参数不确定性的连续时间非线性有理系统的静态输出反馈控制问题。将局部耗散性条件与广义扇区条件相结合，以线性矩阵不等式的形式给出了稳定控制器的综合。该策略适用于一般静态输出反馈设计，对对象输出方程没有任何限制。提出了一种基于线性矩阵不等式的迭代算法，以计算使闭环吸引域估计最大化的反馈增益矩阵。数值例子来说明这种新方法的适用性，从文献中借来的例子。
2022-03-30 cs.SY eess.SY math.OC
Distributed Optimal Output Consensus of Uncertain Nonlinear Multi-Agent Systems over Unbalanced Directed Networks via Output Feedback
针对不平衡有向图上规范形式的不确定非线性多智能体系统的分布式最优输出一致性问题，提出了一种新的基于扰动器的输出反馈控制方法.该问题的主要挑战在于不平衡有向图和多智能体系统的非线性，其智能体状态不能用于反馈控制。基于两层控制器结构，首先设计了一个分布式最优协调器，将所考虑的问题转化为参考跟踪问题。然后，分散输出反馈控制器的发展，以稳定所得到的增广系统。在控制器设计中，利用高增益观测器来估计存在不确定性和干扰的代理状态，使得所提出的控制器仅依赖于代理输出。在标准假设下证明了代理输出的半全局收敛性，并使所有局部代价函数之和最小化。所得到的结果的一个关键特点是，所考虑的非线性代理只需要局部Lipschitz，并具有全局渐近稳定和局部指数稳定的零动态。
2021-11-16 cs.SY eess.SY math.OC
Cooperative Control of Parallel Actuators for Linear Robust Output Regulation of Uncertain Linear Minimum-phase Plants
School of Mathematics and Statistics, Fuzhou University（福州大学数学与统计学院）；Guangdong Provincial Key Laboratory of Fully Actuated System Control Theory and Technology, School of Automation and Intelligent Manufacturing, Southern University of Science and Technology（南方科技大学自动化与智能制造学院）
本文研究了不确定线性最小相位系统的鲁棒输出调节问题，提出动态输出反馈控制律以解决单执行器情况下的鲁棒输出调节问题，并构建了分布式动态输出反馈控制律以应对多执行器协同平行操作的鲁棒输出调节问题。
2026-03-31 cs.SY eess.SY
Barrier Pairs for Safety Control of Uncertain Output Feedback Systems
针对部分状态信息下不确定单输入单输出系统的安全控制问题，提出同时构建障碍函数与动态输出反馈安全控制器的方法，并设计基于标识符的估计器与故障检测器以保障系统安全。
2023-08-01 cs.SY eess.SY math.OC
Robust Data-Driven Output Feedback Control via Bootstrapped Multiplicative Noise
The University of Texas at Dallas（德克萨斯大学达拉斯分校）；The Australian National University（澳大利亚国立大学）
我们提出了一个强大的数据驱动的输出反馈控制算法，显式地将固有的有限样本模型估计不确定性的控制设计。该算法有三个组成部分：（1）一个子空间识别标称模型估计;（2）一个自举响应方法，量化的非渐近方差的标称模型估计;和（3）一个非传统的鲁棒控制设计方法，包括耦合的最佳动态输出反馈滤波器和控制器与乘性噪声。所提出的方法的一个主要优点是，系统辨识和鲁棒控制设计过程都使用随机不确定性表示，使实际固有的统计估计不确定性直接对准的不确定性的鲁棒控制器正在设计。此外，控制设计方法容纳了一个高度结构化的不确定性表示，可以捕捉不确定性形状比现有的方法更有效。我们通过数值实验表明，所提出的鲁棒数据驱动的输出反馈控制器可以显着优于确定性等效控制器的样本复杂性和稳定性鲁棒性的各种措施。
2022-05-10 cs.LG cs.SY eess.SY
RLO-MPC: Robust Learning-Based Output Feedback MPC for Improving the Performance of Uncertain Systems in Iterative Tasks
Vector Institute for Artificial Intelligence（人工智能向量研究所）
在这项工作中，我们解决的问题时，我们有不确定的意见和动态执行重复的任务。我们将此问题表示为一个具有输出反馈的迭代无限时域最优控制问题。以前，这个问题被解决的线性时不变（LTI）系统的情况下，噪声的全状态测量是可用的使用鲁棒迭代学习控制框架，我们称之为鲁棒学习为基础的模型预测控制（RL-MPC）。然而，这项工作并不适用于只有部分状态的噪声观测的情况。这限制了当前方法在实践中的适用性：首先，在实际应用中，我们通常无法访问完整状态。第二，观察中的不确定性，如果不考虑，可能导致不稳定和约束违反。为了克服这些局限性，我们提出了一种RL-MPC与鲁棒输出反馈模型预测控制的组合，称为基于鲁棒学习的输出反馈模型预测控制（RLO-MPC）。我们展示了递归的可行性和稳定性，并证明了理论上的保证迭代的性能。我们验证了所提出的方法在仿真和实验中的四旋翼稳定任务的数值例子。
2021-10-01 cs.RO cs.SY eess.SY
Adaptive Tube MPC: Beyond a Common Quadratically Stabilizing Feedback Gain
Indian Institute of Technology Delhi（印度德里理工学院）
本文提出了一种自适应管框架，用于处理具有参数不确定性和加性扰动的离散时间线性时不变系统的模型预测控制。通过在线参数学习逐步细化参数不确定性集并更新参数估计，从而适应MPC优化问题的各个组件，减少保守的控制动作。
2026-03-16 cs.SY eess.SY math.OC
Experiments with Tractable Feedback in Robotic Planning under Uncertainty: Insights over a wide range of noise regimes (Extended Report)
Texas A\&M University, College Station TX 77843, USA, .
研究了不确定条件下的机器人规划问题。这个问题可以作为一个随机的最优控制问题，完整的解决方案，这是根本上是棘手的，由于臭名昭著的灾难的维数。我们报告的结果进行了广泛的模拟研究，我们比较了两种方法，这两种方法的目的是通过使用替代，虽然不准确，治疗反馈的手段来挽救易处理性。第一个是最近提出的方法，基于一个接近最佳的“解耦原理”的易处理的反馈设计，其中一个标称开环问题得到解决，其次是一个线性反馈设计的开环。第二种是模型预测控制（MPC），这是一种广泛使用的方法，它在执行过程中使用对标称开环问题的重复重新计算来校正噪声，尽管当被解释为反馈时，这只能说是一种隐式形式。我们研究了一个更广泛的范围比以前报道的噪声水平和经验证据表明，解耦方法允许在广泛的不确定性条件下，而不会过度牺牲性能的易于处理的规划。
2020-07-18 cs.RO cs.SY eess.SY
Adaptive-Robust Control of a Class of Uncertain Nonlinear Systems Utilizing Time-Delayed Input and Position Feedback
本文提出了一种适应性鲁棒控制策略，通过时间延迟逻辑近似未知动态，无需名义模型或不确定性预设界限，提升非holonomic轮式移动机器人跟踪精度。
2016-02-11 cs.SY eess.SY
Output Feedback Adaptive Performance Control
ETH Zurich（苏黎世联邦理工学院）；University of Patras（帕特雷大学）
针对受硬执行器约束的不确定高阶非线性系统，提出带动态增益的PPO与自适应机制结合的输出反馈控制器，可恢复状态反馈方案性能，仿真验证其跟踪与控制平滑性。
2026-08-18 cs.SY eess.SY
Robust Output Feedback of Nonlinear Systems through the Efficient Solution of Min-Max Optimization Problems
针对带界不确定离散非线性系统的鲁棒输出反馈控制，提出构建半无限规划的方法，无需显式状态估计即可保证性能，结合局部约简技术加速求解，在二维四旋翼测试中实现了鲁棒约束满足与跟踪。
2024-09-13 cs.SY eess.SY
Invariance Feedback Entropy of Uncertain Control Systems
Ludwig Maximilian University of Munich（慕尼黑大学）；Technical University of Munich（慕尼黑工业大学）；University of Colorado Boulder（科罗拉多大学博尔德分校）
本文提出了一种新的不变反馈熵概念，用于量化任何强制给定状态空间子集保持不变的控制器所需的状态信息。研究了确定性情况下的熵概念，并证明了数据速率定理，展示了不变熵是实现闭环不变性的编码器-控制器的数据速率的紧下界。还分析了不确定线性控制系统，推导了不变反馈熵的通用下界，并讨论了静态无记忆编码器-控制器的数据速率下界。
2019-08-05 cs.SY eess.SY math.OC
Synthesis of Output-Feedback Controllers for Mixed Traffic Systems in Presence of Disturbances and Uncertainties
在本文中，我们研究混合交通系统，沿单车道环路或开放式道路。交通流形成了一个车队，其中包括许多异构的人类驾驶车辆（HDV），以及只有一个连接和自动驾驶车辆（CAV），从几个邻居接收信息。假设HDV的动力学遵循最优速度模型（OVM），单CAV的加速度直接由动态输出反馈控制器控制。这项工作的最终目标是提出一个鲁棒控制策略，可以平滑的交通流中存在不希望的干扰（例如突然减速）和参数的不确定性。合成动态输出控制器的先决条件是底层系统的可镇定性和可检测性。因此，首先从理论上证明了混合交通流系统的稳定性和可检测性。然后，两个H ∞控制策略，考虑和不考虑系统动态的不确定性，设计。随后通过数值模拟说明了这两种控制方法的有效性，并给出了各种实验结果，以证明所提出的控制器的有效性，以减轻干扰放大和实现队列稳定。
2021-07-28 cs.SY eess.SY math.OC
Fully Actuated Manifold Constraint Based Output Feedback Control for Input-Constrained Uncertain Nonlinear Systems
Institute of Electrical Engineering, Yanshan University（燕山大学电气工程学院）
本文提出了一种低复杂度、无模型的输出反馈控制器，用于处理具有未知输入约束的未知时变非线性系统，实现了预设的控制精度，并在执行器饱和后保持灵活的控制精度。该方法扩展了现有线性流形约束控制方法，包括非线性流形的构造和各种约束类型，从而在有限或固定时间内实现预设的控制精度。此外，通过构造误差驱动的灵活约束，实现了未知饱和情况下的灵活控制。最后提供了二阶及更高阶的控制示例和仿真。
2026-05-20 cs.RO cs.SY eess.SY
Closed-Loop Error Learning Control for Uncertain Nonlinear Systems With Experimental Validation on a Mobile Robot
University of Queensland（昆士兰大学）
针对反馈线性化系统，提出了一种闭环误差学习控制（CLELC）算法，并在移动机器人上进行了实验验证。传统的反馈和前馈控制器是基于标称模型，采用反馈线性化控制（FLC）方法设计的。然后，基于滑模学习算法，利用闭环误差动态学习系统行为的智能控制器的设计。这些控制器是并行工作的，智能控制器可以逐渐取代反馈控制器对系统的控制。除了滑模学习算法的稳定性外，还证明了一个$n$阶反馈线性化系统的闭环稳定性。仿真结果表明，CLELC算法可以提高控制性能（例如，更小的上升时间、稳定时间和超调），并且与传统的FLC方法相比，在存在不确定性的情况下也提供鲁棒控制性能。为了验证CLELC算法的有效性，对履带式移动机器人的轨迹跟踪问题进行了实时研究。实验结果表明，CLELC算法比传统的FLC方法具有更高的轨迹跟踪精度。
2021-03-16 cs.RO cs.SY eess.SY
Output Feedback MPC with Adaptive Tubes
Indian Institute of Technology Delhi（印度德里理工学院）
提出一种自适应管道的输出反馈模型预测控制框架，通过自适应观测器更新参数和状态估计，动态调整管道几何形状，实现递归可行性和鲁棒指数稳定性。
2026-05-22 cs.SY eess.SY math.OC
Universal approximation using differentiators and application to feedback control
National University of Singapore（新加坡国立大学）
针对一类状态不完全已知的非线性系统，提出基于积分链微分器或扩展观测器的通用逼近方法，同时实现不确定性逼近和未知状态估计，并有效抑制噪声。
2011-02-14 cs.SY eess.SY math.OC
Control of Uncertain PWA Systems using Difference-of-Convex Decompositions
在这份报告中，我们分析和设计反馈策略的离散时间分段仿射（PWA）系统的仿射动力学和多面体分区的不确定性。其主要思想是利用连续PWA系统的差分凸（DC）分解，以获得二次李雅普诺夫函数作为稳定性证书和稳定的仿射策略在一个更高的维度空间。当投影回状态空间时，我们得到时变PWQ李雅普诺夫函数和时变PWA反馈策略。
2023-03-20 cs.SY eess.SY math.OC
Global Stabilization of Triangular Systems with Time-Delayed Dynamic Input Perturbations
NYU Tandon School of Engineering（纽约大学坦登工程学院）
本文提出了一种针对具有时间延迟动态不确定输入非线性的严格反馈类非线性系统的设计方法，通过双动态高增益缩放结构设计全局稳定延迟无关鲁棒自适应输出反馈控制器。
2018-01-05 cs.SY eess.SY math.OC
Memory Resilient Gain-scheduled State-Feedback Control of Uncertain LTI/LPV Systems with Time-Varying Delays
KTH, School of Mathematics（瑞典皇家理工学院数学学院）；GIPSA-Lab, Departement of Control Systems (former LAG), Grenoble Universités, ENSE 3（格勒诺布尔大学 GIPSA 实验室控制系统系（原 LAG））；IRCCyN - Centrale de Nantes（南特中央理工学院 IRCCyN）
针对具有时变时滞的不确定LTI/LPV系统，提出一种通过状态反馈控制器实现鲁棒镇定且对时滞不确定性具有弹性的方法，并统一了无记忆和精确记忆控制器。
2012-04-04 cs.SY eess.SY math.CA
Adaptive Variants of Optimal Feedback Policies
University of California, Los Angeles（加州大学洛杉矶分校）；Massachusetts Institute of Technology（麻省理工学院）；Google AI（谷歌人工智能）
在一种新的控制理论框架下，研究了不确定非线性系统的最优反馈策略与在线学习的稳定组合问题。该框架可以系统地用于迁移学习和模拟到真实的应用，其中为标称系统学习的最优策略需要在参数存在显著变化的情况下保持有效。给定有界范围内的未知参数，所得到的自适应控制律保证闭环系统收敛到零代价状态。在线调整的学习率被用作一个关键的稳定机制，并保持确定性等价时，设计最优策略，而不假设不确定性是在控制范围内。该方法是说明熟悉的山地车问题，尽管存在参数模型的不确定性，它产生接近最佳的性能。
2022-04-12 cs.RO cs.SY eess.SY
Sliding Mode Control for Uncertain Systems with Time-Varying Delays via Predictor Feedback and Super-Twisting Observer
针对带时变测量延迟、未知扰动及部分状态不可测的线性时不变系统，结合超螺旋观测器与开环预测器设计滑模控制策略，实现延迟补偿、状态估计与全局镇定，仿真验证了有效性。
2025-07-28 cs.SY eess.SY math.OC
Negative Imaginary State Feedback Equivalence for a Class of Nonlinear Systems
本文研究了一类非线性系统状态反馈等价于具有正定存储函数的非线性负虚（NI）系统的充要条件。感兴趣的非线性系统具有相对次数小于或等于2的标准形。系统的非线性是相对于一个子集的状态变量，这是具有外部动态的状态变量的限制。在较弱的假设下，这类系统与非线性NI系统和非线性输出严格负虚（OSNI）系统是状态反馈等价的当且仅当它们是弱最小相位系统。这样的状态反馈控制方法也可以渐近稳定的非线性OSNI系统的不确定性问题的系统。最后给出了一个数值例子，说明了不确定系统的状态反馈等价控制和镇定的过程。
2022-06-07 cs.SY eess.SY math.OC
On the exponential convergence of input-output signals of nonlinear feedback systems
本文针对含无界开环子系统的线性时不变系统与非线性不确定性反馈互联，利用积分二次约束、有向间隙和指数加权给出保证内生输入-输出信号对所有初始条件指数收敛的条件。
2024-06-12 cs.SY eess.SY math.OC
Uncertain AoI in Stochastic Optimal Control of Networked and Constrained LTI Systems
本文研究了具有随机信道模型和干扰的单回路网络控制系统的有限时域最优控制。为了应付的不确定性，提出了一种基于优化的控制方案，它使用的干扰反馈和年龄的信息作为中心方面。扰动反馈是以前提出的用于无网络控制系统的平衡随机最优控制控制律的推广。平衡最优性被理解为最小化与参考的期望偏差和最小化未来状态的不确定性之间的折衷。同时考虑了时变状态约束和时不变输入约束，控制器采用半定规划综合。
2021-05-07 cs.SY eess.SY math.OC
Feedback Design for Devising Optimal Epidemic Control Policies
本文提出一种反馈设计，通过鲁棒观测器在不确定模型和噪声测量下实现疫情状态估计，并最小化预测成本泛函以设计最优控制策略，有效缓解疫情监测与控制中的不确定性。
2023-04-05 cs.SY eess.SY math.DS
Stochastic Model Predictive Control with Optimal Linear Feedback for Mobile Robots in Dynamic Environments
Robert Bosch GmbH（罗伯特·博世有限公司）；University of Freiburg（弗赖堡大学）
针对动态环境中人类运动不确定性，本文提出带最优线性反馈的随机模型预测控制，使机器人更紧密跟踪参考轨迹，仿真验证其优于无反馈方法，并平衡计算时间与性能。
2024-07-19 cs.RO cs.SY eess.SY
Residual Feedback Learning for Contact-Rich Manipulation Tasks with Uncertainty
Albert-Ludwigs-Universität Freiburg（阿尔伯特-路德维希-弗莱堡大学）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Bosch Center for Artificial Intelligence (BCAI)（博世人工智能中心（BCAI））
虽然经典控制理论在许多问题场景中提供了最先进的解决方案，但通常希望改进这些解决方案的结构并超越其局限性。为此，残差策略学习（RPL）提供了一个公式，以改善现有的控制器与强化学习（RL）通过学习一个附加的“残差”的输出一个给定的控制器。然而，这种方法的适用性高度依赖于控制器的结构。通常，控制器的内部反馈信号限制RL算法充分改变策略，从而学习任务。我们提出了一个新的配方，解决这些限制，也修改反馈信号的控制器与RL政策，并显示我们的方法在位置和方向的不确定性下的接触丰富的挂钩插入任务的优越性能。此外，我们使用最近的笛卡尔阻抗控制架构的控制框架，可以提供给我们作为一个黑盒子，而假设没有关于其输入/输出结构的知识，并显示标准RPL的困难。此外，我们引入了一个自适应的课程，为给定的任务，逐步增加任务的位置和方向的不确定性方面的难度。显示结果的视频可以在https://youtu.be/SAZm_Krze7U上找到。
2021-08-06 cs.AI cs.LG cs.RO
Robust Model Predictive Control with Polytopic Model Uncertainty through System Level Synthesis
针对多面体模型不确定性与加性扰动下的离散线性系统，提出基于System Level Synthesis的鲁棒MPC方法，联合在线优化LTV控制器与不确定性影响界，显著降低保守性且计算量相当。
2023-09-26 cs.SY eess.SY math.OC
