Power-Efficient RAN Intelligent Controllers Through Optimized KPI Monitoring
本研究首次基于真实测量评估KPI监控对RIC功耗的影响，发现其在大规模部署中成为瓶颈，并通过消除冗余KPI传输实现超87%的功耗节省。
2025-01-21 cs.SY eess.SY
Direct transfer of optimized controllers to similar systems using dimensionless MPC
Faculty of Electrical Engineering and Computing, University of Zagreb（电子工程与计算学院，泽格里布大学）；Department of Engineering Cybernetics, Norwegian University of Science and Technology (NTNU)（工程 cybernetics 系，挪威科学与技术大学（NTNU））
本文提出利用无量纲MPC直接转移优化控制器至相似系统的方法，通过自动调优实现闭环行为的直接转移，并展示了在cartpole摆起和赛车问题中的应用。
2025-12-09 cs.LG cs.SY eess.SY
PI Controller for Active Twin-Accumulator Suspension with Optimized Parameters Based on a Quarter Model
Minia University（米尼亚大学）
本文研究双蓄能器悬挂系统在传统被动系统中的行为，重点分析舒适性和路持性能，通过构建四分之一模型的动力学模型，利用MATLAB Simulink环境进行仿真，采用多目标进化策略算法优化参数，并通过PI控制器提升悬挂性能。
2017-06-04 cs.SY eess.SY
Searching for Optimal Runtime Assurance via Reachability and Reinforcement Learning
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Rational CyPhy Inc.（理性赛博物理公司）；Air Force Research Laboratory（美国空军研究实验室）
针对现有运行时保证系统（RTA）设计保守或存安全隐患的问题，提出基于奖励塑形与强化学习的最优RTA设计方法，可在保障安全的同时提升实验性控制器利用率。
2023-10-06 cs.AI cs.FL cs.SY
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
Biogeography-Based Optimization of Fuzzy Controllers for Improved Quarter Car Suspension Performance
本文结合BBO、PSO与GA优化四分之一汽车悬架的Type-I/Type-II模糊控制器，证明BBO优化的Type-II控制可显著降低阶跃扰动下的车身位移与加速度。
2025-07-23 cs.SY eess.SY
Automated Synthesis of Controllers for Search and Rescue from Temporal Logic Specifications
ETH Zurich（苏黎世联邦理工学院）
本文基于时序逻辑规范，通过有限状态机合成离散控制器，实现搜索救援任务中的协同控制与目标寻找，验证了方法的有效性。
2013-04-25 cs.SY eess.SY
Advanced DOA Regulation with a Whale-Optimized Fractional Order Fuzzy PID Framework
Department of Computer Engineering, North Tehran Branch Islamic Azad University（伊斯兰Azad大学塔里赫分支计算机工程系）
本文提出一种基于鲸鱼优化算法的分数阶模糊PID控制器，用于将脑电双频指数维持在40至60的理想范围，实验表明其在稳定时间和稳态误差上均优于传统分数阶PID控制器。
2025-08-17 cs.AI cs.SY eess.SY
Enhancing Field-Oriented Control of Electric Drives with Tiny Neural Network Optimized for Micro-controllers
University of Pavia（帕维亚大学）；STMicroelectronics Inc.（意法半导体公司）；Mathworks（迈斯沃克公司）
本文提出轻量级微型前馈神经网络TinyFC，通过剪枝与8位量化等优化技术，在微控制器资源限制下增强永磁同步电机FOC性能，仿真显示超调量最高降低87.5%甚至完全消除。
2025-02-01 cs.LG cs.SY eess.SY
Machine Learning Integrated with Model Predictive Control for Imitative Optimal Control of Compression Ignition Engines
压燃式发动机的高热效率和可靠性使其成为许多应用的首选。要想持续下去，就必须减少污染物的排放。一种解决方案是使用机器学习（ML）和模型预测控制（MPC）来最小化排放和燃料消耗，而不向发动机控制器增加大量计算成本。ML在本文中开发的建模发动机性能和排放，并模仿行为的线性参数变化（LPV）MPC。采用基于支持向量机的发动机性能和排放线性变参数模型，对4.5 Cummins柴油机进行了模型预测控制。与基准前馈生产控制器相比，这种在线优化MPC解决方案在最大限度地减少\nox排放和燃料消耗方面具有优势。为了降低MPC的计算成本，设计了一种深度学习方案来模仿所开发的控制器的行为。与康明斯生产控制器相比，模拟控制器在恒负荷下降低NOx排放的性能与在线优化MPC相似。此外，模仿控制器需要的计算时间比在线MPC优化少50倍。
2022-08-02 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
Bacterial Foraging Optimized STATCOM for Stability Assessment in Power System
IIIT（印度理工学院布巴内斯瓦尔分校）；CET（布巴内斯瓦尔工程技术学院）；DIT（都柏林理工学院）；The University of Texas at Dallas（德克萨斯大学达拉斯分校）
本文研究了利用静态补偿器（STATCOM）改进单机连接无限母线（SMIB）电力系统稳定性，通过粒子群优化（PSO）和细菌觅食优化（BFO）优化PID控制器参数，与传统PID控制器进行比较，验证新方案在稳定性和电压调节上的鲁棒性。
2016-10-01 cs.AI cs.SY eess.SY
Boosting the transient performance of reference tracking controllers with neural networks
Institute of Mechanical Engineering, Ecole Polytechnique Fédérale de Lausanne（洛桑联邦理工学院机械工程学院）
本文提出通过神经网络提升参考跟踪控制器的瞬态性能，结合性能提升框架优化通用瞬态成本，并通过机器人系统验证方法的有效性。
2026-02-04 cs.SY eess.SY
A novel computational technique using coefficient diagram method for load frequency control in an interconnected power system
提出了一种基于系数图法优化结构的两区域火电电力系统负荷频率控制新方法。作为现实分析的一部分，已被认为是与调速器死区（GDB）和发电速率约束（GRC）的非线性。在这篇文章中，一个混合CDM方法相结合，其数学方程的优化，以实现创新的控制器。此外，一个新的元启发式优化技术称为水循环算法（WCA）被用来确定CDM控制器的最佳系数。为了验证该方法的有效性，对非线性电力系统的动态参数进行了大范围的不确定性试验。此外，从一个经典的积分，CDM单独，优化模糊，优化PID，和建议的控制器所获得的结果之间的比较研究。在这种改进控制的新方法中，代数支持提供了一种鲁棒和响应的控制器，该控制器可以提供快速和稳定的动态响应，并有效地克服电力系统的参数中的非线性和不确定性的不利影响。
2022-08-15 cs.SY eess.SY
Optimize the parameters of the PID Controller using Genetic Algorithm for Robot Manipulators
Hanoi university of Industry（河内工业大学）
针对两自由度机械臂的非线性 PID 参数整定难题，提出用遗传算法优化 PID 参数，仿真表明其提升了精度、稳定性并缩短轨迹跟踪响应时间。
2025-01-08 cs.RO cs.SY eess.SY
Online-Optimized Gated Radial Basis Function Neural Network-Based Adaptive Control
提出融合TGRBF网络与非线性鲁棒控制器的自适应框架，通过事件触发动量梯度优化和Jacobian增益调节，实现未知时变非线性系统的高精度实时控制。
2025-06-16 cs.SY eess.SY
Optimized Cascaded Position Control of BLDC Motors Considering Torque Ripple
针对BLDC电机级联位置控制的控制器整定难题，建立含功率级的系统状态空间模型，采用NSGA-II优化梯形波与FOC两种控制机制，验证了优化技术对系统性能的提升效果。
2025-05-03 cs.SY eess.SY
Precise Insulin Delivery for Artificial Pancreas: A Reinforcement Learning Optimized Adaptive Fuzzy Control Approach
Ecole Nationale Polytechnique（国立高等理工学院）
本文提出用强化学习实时优化Type-1 Takagi-Sugeno模糊控制器的27个参数，实现人工胰腺对进餐量和时间变化的鲁棒自适应胰岛素输注，以最少外源性胰岛素稳定血糖。
2025-03-09 cs.LG cs.SY eess.SY
Sound Pressure Minimization at the Ear Drum for In-ear ANC Headphones using a Fixed Feedforward Remote Microphone Technique
University of Oldenburg（奥尔登堡大学）；Jade Hochschule（Jade应用科学大学）
在本文中，我们考虑一个入耳式耳机配备了一个外部麦克风，并旨在通过一个固定的前馈ANC控制器，以尽量减少在鼓膜的声压。基于测量的声学路径来预测由外部源和耳机在鼓膜处产生的声压，针对不同的声场优化ANC控制器的FIR滤波器系数。由于扬声器和麦克风之间的声反馈路径，基于奈奎斯特稳定性准则的稳定性约束被引入。由于重新插入耳机和受试者内的变化的性能退化，通过同时优化控制器的几个测量重复的声学路径来解决。仿真表明，针对同侧激励优化的控制器产生至少-10 dB的衰减，该衰减从同侧DoA延伸到大约+45°和-65°。针对扩散场激励优化的控制器在同侧上的更宽范围的DoA（即+90°至-90°）上实现至少-10 dB的衰减。优化控制器的几个测量重复被证明是有效的，对性能下降，由于重新插入和受试者内的变化。
2021-05-14 cs.SD cs.SY eess.AS
ECCBO: An Inherently Safe Bayesian Optimization with Embedded Constraint Control for Real-Time Optimization
提出ECCBO框架，用反馈控制器将约束控制到设定值，并由贝叶斯优化搜索这些设定值，从而在无过程模型条件下实现始终可行、零累积约束违反的实时优化。
2024-02-28 cs.SY eess.SY math.OC
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
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
Optimized Thermal-Aware Job Scheduling and Control of Data Centers
University of Groningen（格罗宁根大学）
本文提出热感知优化方法，通过调度作业减少数据中心冷却需求，设计控制器实现最优状态，经仿真验证在不同负载条件下收敛至最优参数。
2016-11-02 cs.SY eess.SY math.OC
Energy-efficient Reactive and Predictive Connected Cruise Control
在本文中，我们提出了一个框架的纵向控制连接和自动驾驶车辆行驶在混合交通组成的连接和非连接的人类驾驶车辆。提出了反应和预测控制器。无功控制器由显式反馈控制律给出。在预测控制器中，控制输入以滚动时域的方式进行优化，这取决于对前方车辆运动的预测。超越视线的信息是通过车辆到车辆（V2V）的通信，并利用所提出的反应和预测控制器。利用真实的交通数据的模拟表明，连接可以带来显着的节能。
2022-10-10 cs.SY eess.SY
Adaptive Feedforward Neural Network Control with an Optimized Hidden Node Distribution
具有格型分布隐层节点的复合自适应径向基函数神经网络（RBFNN）控制存在3个固有缺点：1）自适应RBFNN的逼近域难以先验确定; 2）只能保证部分激励持续性（PE）条件; 3）通常情况下，RBFNN所需的隐层节点数很大。本文提出了一种自适应前馈RBFNN控制器的隐节点的优化分布，以适当地解决上述缺点。由K-均值算法计算的隐藏节点的分布沿着期望的状态轨迹最优地分布。自适应RBFNN满足PE条件的周期性参考轨迹。所有隐藏节点的权重将收敛到最优值。该方法大大减少了隐藏节点的数量，同时实现了更好的逼近能力。该控制方案在两种特殊情况下具有与经典PID控制相似的合理性，因此可以看作是一种具有更好逼近能力的增强型PID控制方案。对于由数字器件实现的控制器，对于具有未知动力学的机械手，该方法比具有精确动力学的基于模型的方法具有更好的控制性能，仿真结果验证了该方法的有效性。这一结果为自适应神经网络控制和确定性学习理论的协调提供了更深入的见解。
2021-04-22 cs.SY eess.SY
Computationally Efficient System Level Tube-MPC for Uncertain Systems
本文提出一种基于滤波器的系统级管式MPC（SLTMPC），通过在线优化的扰动集过逼近加性扰动和模型不确定性，并引入异步计算方案降低复杂度，首次提供严格闭环保证，数值实验验证其有效性。
2025-05-26 cs.SY eess.SY
A Novel Fractional Order Fuzzy PID Controller and Its Optimal Time Domain Tuning Based on Integral Performance Indices
Jadavpur University（贾达普大学）；Bhabha Atomic Research Centre（巴哈原子研究中心）
提出一种新型分数阶模糊PID控制器，以闭环误差及其分数阶导数为输入、分数阶积分为输出，利用遗传算法优化设计变量，在多种积分误差指标下优于传统PID、模糊PID和PIλDμ控制器。
2012-02-25 cs.SY eess.SY
Dynamic Control of a Fiber Manufacturing Process using Deep Reinforcement Learning
本文提出了一种用于控制纤维拉伸系统的无模型深度强化学习（DRL）方法。定制的基于DRL的控制系统预测性地调节光纤直径并产生具有期望的恒定或非恒定直径轨迹（即，沿着光纤长度的直径变化）的光纤。不使用系统的物理模型。该系统在一个具有非线性时滞和随机行为的紧凑型纤维拉丝系统上进行了训练和测试。对于具有随机阶跃变化的参考轨迹，经过1小时的训练，DRL控制器表现出与优化PI控制器相同的根均方误差（RMSE）;经过3小时的训练，它实现了二次动态矩阵控制器（QDMC）的性能。当PI反馈控制器在阶跃响应中显示出3.5秒的时滞时，DRL控制器显示出小于1秒的时滞。在训练过程中不使用的轨迹进行控制器性能测试;对于正弦扫描参考轨迹，DRL控制器保持RMSE在40 μ m以下高达45 mHz的频率，相比于QDMC的25 mHz。
2021-01-06 cs.SY eess.SY
Data-Driven Communication Topology and Distributed Controller Synthesis: Control-Aware and Co-Design
Imperial College London（帝国理工学院）；Tsinghua University（清华大学）
本文提出数据驱动的通信拓扑与控制器协同设计及控制感知方法，在混合整数半定规划中优化拓扑，兼顾通信成本与控制性能，仿真验证有效性。
2026-10-01 cs.SY eess.SY
Whale Optimization Algorithms based fractional order fuzzy PID controller for Depth of Anesthesia
针对麻醉深度控制中的非线性与患者生理参数不确定性，提出用WOA优化参数的FOFPID与FOPID，并基于8例患者的药效动力学和药代动力学模型验证FOFPID性能更优。
2025-07-21 cs.SY eess.SY math.OC
Input-Output History Feedback Controller for Encrypted Control with Leveled Fully Homomorphic Encryption
针对全同态加密下动态控制器因溢出导致系统失稳或性能下降的问题，提出基于输入-输出历史数据的加密控制器表示方法，通过批处理优化实现无失稳与性能保持，并理论分析与仿真验证了其可行性与稳定性。
2023-05-19 cs.CR cs.SY eess.SY
Online Event-Triggered Switching for Frequency Control in Power Grids with Variable Inertia
UC San Diego（加州大学圣迭戈分校）；University of Washington（华盛顿大学）
针对电网时变惯性导致频率动态退化的问题，提出一种基于Neural-PI控制器的在线事件触发切换算法，在保证系统稳定性的同时优化了时变惯性下的频率控制性能。
2024-08-27 cs.AI cs.SY eess.SY
Hybrid fuzzy logic and pid controller based ph neutralization pilot plant
School of Engineering, University of Warwick（华威大学工程学院）
本文提出一种优化的数学模型和先进混合控制器设计，用于pH中和试点工厂的控制设计与自动化，以应对过程控制中的挑战。
2013-05-13 cs.AI cs.SY eess.SY
Lyapunov-Regularized Reinforcement Learning for Power System Transient Stability
University of Washington（华盛顿大学）
随着可再生能源的日益广泛应用，电力系统的暂态稳定性问题变得越来越重要。这些资源导致机械惯性的减小，但也提供了频率响应的增加的灵活性。也就是说，它们的电力电子接口可以实现几乎任意的控制律。为了设计这些控制器，强化学习（RL）已经成为一种强大的方法，在搜索最佳的非线性控制策略参数化的神经网络。一个关键的挑战是强制学习控制器必须是稳定的。提出了一种基于李雅普诺夫正则化RL的有耗网络暂态稳定最优频率控制方法。由于缺乏解析的李雅普诺夫函数，我们学习一个由神经网络参数化的李雅普诺夫函数。损耗是针对物理电力系统专门设计的。然后，将学习到的神经李雅普诺夫函数用作正则化，通过惩罚违反李雅普诺夫条件的行为来训练神经网络控制器。算例分析表明，引入李雅普诺夫正则化，使控制器能够稳定，并获得较小的损失。
2021-05-06 cs.LG cs.SY eess.SY
Sparse State Feedback Control for Industrial Applications
Lund University（隆德大学）；Boliden AB（博利顿公司）
提出基于优化的方法设计工业稀疏状态反馈控制器，以某矿浮选槽液位控制为例，通过坐标搜索算法优化增益矩阵，相比传统方法能提升抗干扰能力，增益矩阵更易调整解释，适用于工业部署。
2026-07-07 cs.SY eess.SY
Full Attitude Control of an Efficient Quadrotor Tail-sitter VTOL UAV with Flexible Modes
University of Hong Kong（香港大学）；Hong Kong University of Science and Technology（香港科技大学）
本文提出了一种高效四旋翼尾坐式VTOL UAV的灵活模式全姿态控制系统，通过频率响应模型优化控制器参数和滤波器，实现系统柔性模式的补偿，提高姿态跟踪性能和鲁棒性，并在悬停、前进加速和减速飞行中验证了控制系统的有效性。
2019-03-15 cs.SY eess.SY
Robust Optimal Safe and Stability Guaranteeing Reinforcement Learning Control for Quadcopter
本研究改进ROSS-GT方法设计四旋翼神经网络控制器，通过李雅普诺夫函数与扇区边界推导的约束保障稳定性，同时在稳定控制器中寻优以降低跟踪误差与控制成本。
2025-03-24 cs.SY eess.SY
Learning Optimal Robust Control of Connected Vehicles in Mixed Traffic Flow
本文针对混合交通中人类驾驶行为非线性带来的控制难题，提出基于策略迭代和零和博弈的方法学习H∞最优鲁棒控制器，并通过平方和规划优化衰减水平，仿真验证其能有效抑制交通扰动。
2023-09-18 cs.SY eess.SY
Hierarchical H2 Control of Large-Scale Network Dynamic Systems
North Carolina State University（北卡罗来纳州立大学）
本文提出一种结构约束方法，将H2控制问题转化为凸优化问题，实现分层控制，减少通信链路并提升计算效率。
2017-09-26 cs.SY eess.SY
Comparative Analysis of Control Strategies for Position Regulation in DC Servo Motors
本研究设计并比较了直流伺服电机的五种控制策略，通过MATLAB仿真评估其性能，发现带有积分作用的状态反馈控制器（SFCIA）在稳态误差、超调量和调节时间等指标上最优，适用于高精度位置控制。
2025-01-21 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
Distributionally Robust Stochastic Data-Driven Predictive Control with Optimized Feedback Gain
针对部分观测未知随机LTI系统，提出可优化仿射反馈增益、用CVaR处理安全约束的分布鲁棒数据驱动预测控制，并证明其与模型基随机预测控制等价。
2024-09-11 cs.SY eess.SY
Sample-efficient Model Predictive Control Design of Soft Robotics by Bayesian Optimization
Michigan State University（密歇根州立大学）；Utah State University（犹他州立大学）
提出了一种基于贝叶斯优化的数据驱动模型预测控制（MPC）设计方法。该方法不需要对软体机器人的复杂动力学模型进行建模，而是利用贝叶斯优化方法搜索最佳预测的低维预测模型及其控制器，以最小化闭环响应的目标函数。在每次迭代中，通过贝叶斯优化从闭环输入-输出数据更新预测模型。然后基于更新的预测模型设计线性MPC，并基于闭环响应进行评估。与直接搜索控制器参数不同，闭环系统的稳定性和输入/输出约束可以很容易地在MPC设计中处理。经过几次迭代，可以得到一个收敛的（次）最优控制器的解决方案，它最小化用户定义的闭环性能指标。通过一个柔索驱动的软体机器人的高保真仿真，对所提出的方法进行了仿真和验证。仿真结果表明，所提出的方法可以实现理想的跟踪控制器的软体机器人没有事先已知的模型。
2022-10-17 cs.RO cs.SY eess.SY
IAE Optimized PID Tuning via Second Order Step Response Target Matching
本文提出SOSTIAE方法，通过匹配目标二阶系统响应进行PID整定，在保持IAE指标的同时优化瞬态性能，相比MATLAB pidtune显著降低超调并提升IAE性能。
2025-05-26 cs.SY eess.SY
An integrated design of robust decentralized observer and controller for load frequency control
本文针对多区域电力系统全局优化需求，提出基于单步LMI的$H_\infty$优化集成设计方法，同步设计分散LFC观测器与控制器，结合特征值配置提升瞬态性能，经三区域系统仿真验证优于传统方案。
2024-09-16 cs.ET cs.SY eess.SY
Optimal Energy Shaping Control for a Backdrivable Hip Exoskeleton
University of Michigan（密歇根大学）；Shanghai Jiao Tong University（上海交通大学）
外骨骼中广泛使用的任务相关控制器跟踪预定义的轨迹，其过度约束具有残余自主移动性的个体的自主运动。另一方面，能量整形通过改变闭环中人体的动态特性来提供任务不变的辅助。虽然人体外骨骼系统通常使用欧拉-拉格朗日方程建模，但在我们以前的工作中，我们将系统建模为端口受控哈密顿系统，并使用基于互连阻尼分配无源性的控制为膝踝外骨骼设计了任务不变控制器。在本文中，我们扩展了这个框架，设计一个控制器的backdrivable髋关节外骨骼，以协助多个任务。选择一组包含运动学信息的基函数并优化相应的系数，使得控制器能够为不同的日常活动提供符合人体标准的力矩。两名身体健全的受试者的人体实验证明了控制器在不同任务中减少肌肉努力的能力。
2023-03-25 cs.RO cs.SY eess.SY
What price to pay? Auto-tuning a building MPC controller for optimal economic cost
Laboratoire d'Automatique, EPFL, 1015 Lausanne, Switzerland.（自动化实验室，EPFL，瑞士拉沃斯纳，1015）
本文提出利用约束贝叶斯优化自动调优MPC控制器，通过案例研究展示其在降低电力成本和优化需求侧管理程序方面的显著效果。
2026-05-01 cs.LG cs.SY eess.SY
Optimization of the Model Predictive Control Update Interval Using Reinforcement Learning
SINTEF Digital；NTNU（挪威科技大学）
在控制应用中，通常需要对控制器的复杂性和性能以及可用的计算资源进行折衷。例如，嵌入式控制应用中的典型硬件平台是具有有限存储器和处理能力的微控制器，并且对于电池供电的应用，控制系统可以占能量消耗的显著部分。我们提出了一个控制器的架构，其中的计算成本是明确优化的控制目标。这是通过一个三部分架构来实现的，在该架构中，高级的、计算上昂贵的控制器生成计划，计算上更简单的控制器通过补偿预测误差来执行该计划，而重新计算策略决定何时应该重新计算该计划。在本文中，我们采用模型预测控制（MPC）作为高级计划生成控制器，线性状态反馈控制器作为简单的补偿控制器，强化学习（RL）学习重新计算的政策。两个例子的仿真结果展示了该架构的能力，以改善MPC的方法，并找到合理的妥协权衡性能的控制目标和计算资源的消耗。
2020-11-26 cs.LG cs.SY eess.SY
Deep Reinforcement Learning-based Intelligent Traffic Signal Controls with Optimized CO2 emissions
Simon Fraser University（西蒙弗雷泽大学）；Breeze Traffic Inc.（微风交通公司）
针对交通信号控制中CO2排放研究不足的问题，提出强化学习奖励塑造方案EcoLight，在减少CO2排放的同时保持旅行时间等指标竞争力，并比较了Q-Learning、DQN、SARSA和A2C算法在多场景下的性能。
2023-10-23 cs.AI cs.LG cs.SY
On feedforward control using physics-guided neural networks: Training cost regularization and optimized initialization
ASML（阿斯麦尔）；Eindhoven University of Technology（埃因霍温理工大学）
基于模型的前馈控制器的性能通常受限于逆系统动态模型的精度。物理引导的神经网络（PGNN）是一种已知物理模型与神经网络并行协作的网络，最近被提出作为实现所识别的逆动力学的高精度的方法。然而，神经网络的灵活性，可以创建overparameterization时，与物理模型，这导致在训练过程中的参数漂移。这种漂移可能导致物理模型的参数不对应于它们的物理值，这增加了PGNN对训练数据中不存在的操作条件的脆弱性。为了解决这个问题，本文提出了一种正则化方法，通过识别的物理参数，结合优化的训练初始化，提高训练收敛性。正则化的PGNN框架在现实生活中的工业直线电机上进行了验证，它提供了更好的跟踪精度和外推。
2022-01-28 cs.LG cs.SY eess.SY
Jointly-optimized Trajectory Generation and Camera Control for 3D Coverage Planning
KIOS Research and Innovation Centre of Excellence（KIOS卓越研究与创新中心）；University of Cyprus（塞浦路斯大学）
本文提出一种联合优化UAV轨迹与相机控制的三维覆盖规划方法，通过光线追踪和混合整数规划实现物体表面最大覆盖，并经真实与合成实验验证。
2025-04-08 cs.RO cs.SY eess.SY
Deep Reinforcement Learning for Adaptive Traffic Signal Control
Iowa State University（爱荷华州立大学）
许多现有的交通信号控制器要么是简单的自适应控制器的基础上放置在交通路口周围的传感器，或优化的交通工程师在一个固定的时间表。优化交通控制器非常耗时，通常需要经验丰富的交通工程师。最近的研究已经证明了在这种情况下使用深度强化学习（DRL）的潜力。然而，大多数研究都没有考虑可以无缝过渡到部署的现实设置。在本文中，我们提出了一个基于DRL的自适应交通信号控制框架，明确考虑现实的交通场景，传感器和物理约束。在这个框架中，我们还提出了一种新的奖励功能，显示出显着改善的交通性能相比，典型的基线预定时和完全驱动的交通信号控制器。该框架的实现和验证仿真平台上模拟现实生活中的交通场景和传感器数据流。
2019-11-14 cs.LG cs.SY eess.SP
Adaptive Nonlinear Model Predictive Control for a Real-World Labyrinth Game
ETH Zurich（苏黎世联邦理工学院）
针对真实世界迷宫游戏问题，提出分两层的自适应非线性模型预测控制方法，引入自适应约束并学习迷宫表面不规则性地图，可处理干扰与模型误差，性能优于经典方法。
2025-02-10 cs.RO cs.SY eess.SY
Data-Driven Extrusion Force Control Tuning for 3D Printing
针对3D打印因条件差异导致质量不稳及手动调参次优的问题，本研究采用贝叶斯优化确定最优控制器参数，并结合迁移学习利用历史信息，提出了一种整合挤出力控制与迁移学习的闭环3D打印自动校准框架以实现高质量打印。
2024-03-25 cs.SY eess.SY math.OC
