Centralised Multimode Power Oscillation Damping Controller for Photovoltaic Plants with Communication Delay Compensation
本文针对光伏电站通信延迟影响集中式振荡阻尼控制的问题，提出一种基于开环相移补偿的多模式集中式控制器，并通过实验室实时平台验证了通信通道精确建模对控制器设计的重要性。
2023-04-13 cs.SY eess.SY
Asymptotic Stability of Active Disturbance Rejection Control for Linear SISO Plants with Low Observer Gains
本文研究低观测器增益下线性SISO被控对象ADRC的渐近稳定性，证明恒定扰动下可实现任意极点配置，无需高增益，并恢复模型观测器性能。
2023-10-12 cs.SY eess.SY
Use of Robust DOB/CDOB Compensation to Improve Autonomous Vehicle Path Following Performance in the Presence of Model Uncertainty, CAN Bus Delays and External Disturbances
针对自动驾驶车辆路径跟踪中存在的模型不确定性、CAN总线延迟和外部扰动问题，提出嵌入DOB和CDOB的补偿控制方案，经模型在环仿真验证可有效降低跟踪误差、提升系统鲁棒性与稳定性。
2023-06-10 cs.SY eess.SY
Coordinated Fast Frequency Regulation in Dynamic Virtual Power Plants via Disturbance Estimation
针对动态虚拟电厂中储能容量有限的问题，提出结合扰动估计的分散控制与分布式补偿的分层架构，实现快速频率调节与节点协调，并在高可再生能源4节点系统上验证。
2025-07-09 cs.SY eess.SY
Disturbance Observer
干扰观测器是一个内环输出反馈控制器，其作用是抑制外部干扰，并使外环基线控制器对对象的不确定性具有鲁棒性。因此，具有DOB的闭环系统通过基线控制器和无干扰的标称对象模型来逼近标称闭环。本文介绍了干扰观测器在什么条件下工作，以及如何设计干扰观测器，以保证鲁棒稳定性，并恢复标称性能，不仅在稳态，而且在大的不确定性和干扰的瞬态响应。
2021-01-08 cs.SY eess.SY
Model-plant mismatch learning offset-free model predictive control
提出了模型-对象失配学习无偏置模型预测控制（MPC），它学习和应用内在的模型-对象失配，有效地利用基于模型和数据驱动控制策略的优点，克服每种方法的局限性。在这项研究中，在受控变量空间的稳态流形上的模型-植物失配映射近似通过一般的回归神经网络从每个设定点的稳态数据。尽管学习的模型-对象失配图可以提供平衡点处的信息（即，设定点），它不能在瞬态期间提供模型-被控对象失配信息。此外，固有的模型-设备失配可以由于操作期间的系统特性变化而变化。因此，我们另外应用补充干扰变量，该补充干扰变量是基于标称无偏移MPC方案从干扰估计器更新的。然后，将组合扰动信号应用于无偏置MPC的目标问题和有限时域最优控制问题，以提高控制器的预测精度和闭环性能。这样，我们就可以利用学习到的模型-对象失配信息和标称扰动估计器方法的稳定特性。闭环仿真结果表明，该方法能够正确地学习模型-对象失配，有效地提高无偏置MPC的模型-对象失配补偿性能。此外，我们研究的鲁棒渐近稳定性的开发的无偏置MPC计划，这是已知的是难以分析在标称无偏置MPC，通过利用学习模型植物失配信息。
2020-12-13 cs.SY eess.SY
Neural Network-Augmented Iterative Learning Control for Friction Compensation of Motion Control Systems with Varying Disturbances
针对存在摩擦、模型不确定性及变扰动的线性洛伦兹力执行器轨迹跟踪问题，提出结合ILC与简单横向神经网络的鲁棒控制策略，简化在线训练，可适应时变摩擦、加快收敛，多任务实验验证其精确跟踪效果。
2025-11-14 cs.SY eess.SY
Robust Stabilization of Linear Plants Under Uncertainties and High-Frequency Measurement Noises
Institute for Problems of Mechanical Engineering Russian Academy of Sciences（俄罗斯科学院机械问题研究所）；ITMO University（ITMO大学）
本文提出一种鲁棒算法，用于在参数不确定性和外部干扰下稳定线性系统，通过减少噪声影响并独立补偿不确定性和干扰来提高稳定性。
2016-12-28 cs.SY eess.SY
Reinterpreting PID Controller From the Perspective of State Feedback and Lumped Disturbance Compensation
本文从状态反馈与集总扰动补偿视角重新解释PID控制器，将其分解为齐次控制器与扰动观测器，分析测量噪声影响并给出参数整定方法，最后在VTOL飞行器轨迹跟踪和车辆横向控制中验证设计。
2024-11-22 cs.SY eess.SY math.OC
Data-Driven Inverse of Linear Systems and Application to Disturbance Observers
本工作发展了一个基于数据的构造LTI系统的逆动力学。具体地，这里解决的问题是基于预先收集的输入和输出数据从对应的输出序列中找到输入序列。该问题可以被认为是最近使用的行为方法，其中输出序列是通过求解由预先收集的数据形成的方程获得给定的输入序列的反向。在此条件下，问题给出了一个解决方案的调查，原来是L-延迟可逆的植物和一定程度的持续激励的数据输入。结果被应用于形成一个数据驱动的干扰观测器。由数据驱动的扰动观测器增强的对象动态特性在没有对象模型知识的情况下表现出扰动抑制。
2022-11-14 cs.SY eess.SY
Malleability-Resistant Encrypted Control System with Disturbance Compensation and Real-Time Attack Detection
本研究提出基于KHE的加密DOB-PID控制系统，兼具扰动补偿与延展性攻击实时检测能力，经工业线性平台实验验证，跟踪精度优于传统加密PID，可有效检测两类延展性攻击。
2025-07-30 cs.SY eess.SY
Sparse Packetized Predictive Control of Disturbed Plants Over Channels with Data Loss
本文研究了线性离散时间对象在有界扰动作用下，采用分组预测控制（PPC）策略时的闭环稳定性。在所考虑的反馈回路中，控制器通过施加有界辍学的数字通信通道连接到致动器。两种PPC策略被考虑在内。在这两种情况下，通过解决稀疏促进优化问题来生成控制分组。一个是基于l2约束l0优化问题。这样的问题是放松的l1-l2优化问题，在其他稀疏PPC设置。我们利用有效的解决方法，后者的优化问题。此外，我们表明，在植物干扰的存在下，l2约束l0稀疏PPC和无约束l1-l2稀疏PPC保证实际的系统稳定性，如果满足一定的条件。更准确地说，在每种情况下，我们可以推导出一个上限的系统状态，如果设计参数满足一定的条件。我们得到的界限是增加的扰动幅度。我们通过仿真表明，在这两种情况下提出的稀疏PPC策略，较大的干扰带来的性能下降，对系统的实际稳定性没有影响。
2021-08-19 cs.SY eess.SY
Harmonic Mitigation Schemes for Wind Power Plants by Embedding Control in Wind Turbines
谐波污染会损坏风电场的电气设备，并传播到外部电网。本文提出了一种谐波抑制方案，通过嵌入谐波控制功能的风力发电机（WT）管理WPP中的谐波。它可以改善电网规范规定的远程公共耦合点（PCC）的电能质量。该方案检测谐波在WT总线和PCC的基础上的瞬时测量，并计算所需的补偿电流。在所提出的谐波缓解方案中，结合了用于减少本地WT总线处的总谐波失真的一般补偿方案和用于减少远程PCC处的所选阶次谐波的特定补偿方案。此外，提出了一种基于频率相关模型的相位校正算法，用于补偿本地WT总线和远程PCC之间的相位差。在DIgSILENT/PowerFactory中实现了一个使用制造商现场测量数据的海上WPP模型，以验证所提出的谐波抑制方案的有效性。
2020-06-15 cs.SY eess.SY
Enhanced active power filter control for nonlinear non-stationary reactive power compensation
Norwegian University of Science and Technology（挪威科技大学）
提出基于希尔伯特-黄变换中经验模态分解的方法，分离并去除非线性非平稳电流扰动，结合p-q功率理论实现功率因数校正，简化了并联有源电力滤波器中的无功补偿。
2012-06-19 cs.SY eess.SY math.OC
Modular Transfer Learning with Transition Mismatch Compensation for Excessive Disturbance Rejection
University of Technology Sydney（悉尼科技大学）；Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））；Beijing Institute of Technology（北京理工大学）
浅水环境下的水下机器人通常会受到很强的波浪力作用，这种波浪力往往会超过机器人的控制约束。基于学习的控制器适用于干扰抑制控制，但在马尔可夫决策过程（MDP）或部分可观测马尔可夫决策过程（POMDP）中，过多的干扰会严重影响状态转移。此外，目标系统上的纯学习过程可能会遇到破坏性的探索性操作或不可预测的系统变化，并且仅在先验模型上进行训练通常无法解决目标系统的模型失配。在本文中，我们提出了一个迁移学习框架，自适应控制策略下的动力学模型失配的水下机器人过度干扰抑制。应用模块化网络的学习策略，由广义控制策略（GCP）和在线扰动识别模型（ODI）。GCP首先在各种干扰波形上进行训练。然后，ODI学习使用系统的过去状态和动作来预测作为GCP输入（以及系统状态）的干扰波形。在模块化结构的基础上，提出了一种迁移强化学习算法，该算法通过最小化源任务和目标任务两个动态模型预测的迁移不匹配来学习额外的补偿策略。通过一个位姿调整任务的仿真实验，证明了TMC能够在机器人系统的经验模型下成功地抑制干扰，稳定机器人，同时提高了样本效率。
2020-07-29 cs.LG cs.RO cs.SY
Offset-free model predictive control: stability under plant-model mismatch
针对非线性无静差MPC长期依赖闭环稳定性假设的问题，本文提出含鲁棒状态与扰动估计器的设计，证明其在模型失配和持续扰动下的稳定性、无静差性能及鲁棒性。
2025-09-01 cs.SY eess.SY math.OC
Learning disturbance models for offset-free reference tracking
提出一种在线学习状态与指令相关非线性扰动模型的控制框架，可在给定未来参考样本等条件下实现时变轨迹的渐近无偏差跟踪，并在仿真中优于恒定扰动模型。
2025-09-02 cs.SY eess.SY
Decentralized Disturbance Accommodation with Limited Plant Model Information
ACCESS Linnaeus Center, School of Electrical Engineering, KTH Royal Institute of Technology（ACCESS林奈中心，电气工程学院，皇家理工学院）；Department of Aerospace Engineering, University of Illinois at Urbana-Champaign（航空航天工程系，伊利诺伊大学厄巴纳-香槟分校）
针对有限模型信息下的最优扰动调节与伺服机构控制器设计问题，通过竞争比指标比较闭环性能，发现最优策略产生动态控制器，可分解为静态反馈律和动态扰动观测器，常值扰动下对应比例积分控制。
2011-12-21 cs.SY eess.SY math.OC
State estimation for a class of nonlinear time-varying uncertain system under multiharmonic disturbance
针对多谐波干扰下的非线性时变不确定系统，提出一种三步观测器综合方法，结合自回归模型与DREM方法在有限时间内重构参数与干扰，最终构建无需测量输出导数的状态观测器，仿真验证了其有效性。
2024-07-25 cs.SY eess.SY
Robust Feedback Control of Power Systems with Solar Plants and Composite Loads
本文针对含光伏电站、复合负荷和高阶同步发电机的互联电力系统，设计基于控制理论的广域鲁棒反馈控制器，并通过仿真验证其作为二级控制层可显著提升暂态稳定性与抗扰鲁棒性。
2023-10-01 cs.SY eess.SY
Learning-Based Control Compensation for Multi-Axis Gimbal Systems Using Inverse and Forward Dynamics
无人航空航天器通常携带传感器（即，光电和/或红外成像相机）作为其主要有效载荷。这些传感器用于图像处理、目标跟踪、监视、绘图，并为环境调查提供高分辨率图像。在所有这些应用中获得稳定的图像至关重要。这通常通过使用多轴万向节系统来实现。本文主要研究多轴框架系统的建模与控制问题。提出了一种新颖的和全面概述的程序来推导两轴框架系统的非线性和高度耦合的运动方程。与现有文献不同的是，本文采用多体动力学建模技术对双轴框架系统进行了正动力学建模。除了正向动力学模型，逆动力学模型的开发，以估计与状态和机构相关的，复杂的干扰作用在系统上的互补转矩。采用多层感知器（MLP）结构的扰动补偿器，通过转矩输入通道处理外部、内部扰动和参数不确定性。我们的初步仿真和实验工作表明，新的神经网络（神经网络）为基础的控制器是更好地执行在整个操作范围内，而不需要任何调整或调整时，与著名的控制器，如级联PID，自抗扰控制器（主动扰动抑制控制），逆动态控制器相比。
2021-12-05 cs.SY eess.SY
Adaptive optimal $\ell_\infty$-induced robust stabilization of minimum phase SISO plant under bounded disturbance and coprime factor perturbations
针对有界扰动与互质因子摄动下离散最小相位SISO对象的最优鲁棒镇定问题，提出基于集员估计与参数非线性变换转化为线性分式规划的自适应控制方法，可在参数未知时以指定精度实现与已知参数对象相当的最优输出渐近上界，还支持估计与先验假设的在线验证。
2022-07-28 cs.SY eess.SY math.OC
Equivalent Flux Compensation for SPMSM Sensorless Control under Parameter Mismatch
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；South China University of Technology（华南理工大学）；University of Oxford（牛津大学）
针对SPMSM无传感器控制中参数失配导致的位置估计误差，提出等效磁链补偿方法，通过实时估计并补偿等效磁链扰动，结合饱和函数与李雅普诺夫分析，实验验证可有效限制位置误差。
2026-09-25 cs.SY eess.SY
A Novel Approach to Disturbance Rejection in Constrained Model Predictive Control
本文研究离散时间系统线性模型预测控制中时变干扰的抑制问题。在文献中，干扰被广泛拒绝通过使用速度模型，干扰模型与观测器的方法或一个计划，结合了一个干扰观测器的补偿和MPC的反馈调节。相反，广泛使用的方法，在这项研究中提出的技术利用增量模型的植物，与快速变化的干扰的假设，制定一个控制律，拒绝变化的干扰。该方法的独特之处在于对扰动量和扰动变化率的补偿。通过提出一个代价函数，其中系统扰动的增量形式被作为优化变量，作为计算的最优扰动增量的函数的控制信号被公式化，以确保根据代价函数的最小化来驱动设备。利用控制律中最优扰动引入的自由度，将估计扰动增量引入控制信号中，使其始终与外部扰动增量相反。此外，建议的代价函数提供了一个加权矩阵，可以用来操纵的影响，外源干扰的系统的响应。为了估计不可测的干扰，一个组合的状态和干扰观测器的设计基于凸优化表示的H2-最小化问题。三个不同的系统的仿真被用来显示所提出的算法相比，传统的无偏置MPC技术的好处。结果表明，所提出的方案可以提供显着改善的输出跟踪和调节。
2022-10-03 cs.SY eess.SY
A General Model-Based Extended State Observer with Built-In Zero Dynamics
针对单输入单输出线性时不变系统，提出通用基于模型的扩张状态观测器，明确其存在条件与收敛特性，进一步设计内置零动态的改进版本，填补现有ESO设计的空白。
2023-05-07 cs.SY eess.SY
Steady-State Error Compensation in Reference Tracking and Disturbance Rejection Problems for Reinforcement Learning-Based Control
Paderborn University（帕德博恩大学）
强化学习（RL）是自动控制应用中一个有前途的，即将到来的主题。经典的控制方法需要先验的系统知识，数据驱动的控制方法，如RL允许一个无模型的控制器设计过程，使他们的新兴技术，不断变化的植物结构和参数的系统。虽然已经在各种应用中表明，复杂系统的瞬态控制行为可以通过RL充分处理，但非零稳态控制误差的挑战仍然存在，这是由于使用控制策略近似和有限的训练时间。为了克服这个问题，引入了一种基于行动者-批评者的RL控制器的积分动作状态增强（IASA），该控制器模仿积分反馈，其灵感来自于模型预测控制中的增量输入公式。这种增强不需要任何专业知识，使方法模型自由。因此，RL控制器学习如何更有效地抑制稳态控制偏差。来自电能工程领域的两个示例性应用验证了所开发的方法对于参考跟踪和扰动抑制两者的益处。与标准的深度确定性策略梯度（DDPG）设置相比，建议的IASA扩展允许在所考虑的验证场景内将稳态误差减少多达52 $\%$。
2022-01-31 cs.LG cs.SY eess.SY
Adaptive Rejection of Periodic Disturbances Acting on Linear Systems with Unknown Dynamics
University of California, Berkeley（加州大学伯克利分校）；University of Science and Technology of China（中国科学技术大学）
本文提出了一种新颖的直接自适应控制方法，用于拒绝未知确定性干扰并跟踪未知轨迹，适用于动态不确定的系统，当干扰或轨迹为多个已知频率正弦波之和时。该方法无需植物动态模型，且在适应过程中不使用批量测量，适用于最小和非最小相位系统。
2016-03-17 cs.SY eess.SY
Robust time-varying formation design for multi-agent systems with disturbances: Extended-state-observer method
研究了受外界干扰的二阶多智能体系统的鲁棒时变编队设计问题。首先，通过构造扩张状态观测器，估计扰动补偿量，这是所提出的鲁棒时变编队控制协议中的一个关键项。在此基础上，给出了编队中心函数的显式表达式，并分析了扰动补偿对编队中心函数的影响。基于编队可行性条件，利用代数Riccati方程技术，推导了编队控制协议增益矩阵的鲁棒时变编队设计准则。进一步分析了多智能体系统的跟踪性能和鲁棒性。最后，通过数值仿真验证了理论结果的有效性.
2019-09-19 cs.MA cs.SY eess.SY
Design Constraints of Disturbance Observer-based Motion Control Systems are Stricter in the Discrete-Time Domain
本文表明，基于扰动观测器（DOb）的鲁棒运动控制系统的设计约束变得更加严格，当他们使用计算机或微控制器实现。更严格的设计约束提出了新的上限的工厂模型失配和带宽的DOb，从而限制了可实现的鲁棒性，对干扰和相位超前效应的内环。违反设计约束可能会产生严重的稳定性和性能问题，在实践中，因此，他们应该考虑调整鲁棒运动控制器的控制参数。本文还表明，连续时间分析方法在推导标称设备模型和数字DOb带宽的基本设计约束方面存在不足。因此，当在连续时间域中调整数字鲁棒运动控制器的控制参数时，我们可能会观察到意想不到的稳定性和性能问题。为了提高运动控制器的鲁棒稳定性和性能，本文采用广义连续和离散波德积分定理在一个统一的框架内解释的DOB的基本设计约束。仿真和实验结果验证了所提出的分析方法。
2022-02-01 cs.SY eess.SY
Active disturbance rejection for precise positioning of dual-stage hard disk drives
University of Guilan（吉兰大学）
本文提出了一种自适应控制算法用于双级硬盘驱动器的干扰抵消，设计了双PID控制器并采用递归最小二乘算法进行干扰识别与抵消，通过仿真验证了控制系统的可行性和精确跟踪能力。
2018-05-06 cs.SY eess.SY
Newton-series-based observer-predictor control for disturbed input-delayed discrete-time systems
本文研究了存在未知扰动的离散时间输入时滞系统的未来状态预测问题，这些未知扰动可以同时影响被控对象的状态方程和输出方程。由于干扰是未知的，计算未来工厂状态的准确预测是不可能的。为了规避这个问题，我们建议使用高阶扩展Luenberger型观测器的植物状态，干扰，和他们的有限差分变量，结合一个新的方程计算预测的基础上牛顿级数从微积分的有限差分。进行了详细的性能分析表明，在一定的假设下，既增强了预测和改进的未知干扰的衰减实现。线性矩阵不等式（LMI）的观测器的设计，以最大限度地减少预测误差。一个稳定的迭代设计算法的基础上的过程中，植物是受时变不确定性的情况下，也提出了。文献中的例子说明了该计划的优点。
2022-08-09 cs.SY eess.SY math.OC
Time-Varying Input and State Delay Compensation for Uncertain Nonlinear Systems
University of Florida（佛罗里达大学）
本文提出一种鲁棒控制器，用于具有同时未知时变状态延迟和已知时变输入延迟的第二阶非线性系统，以及加性光滑扰动。通过积分项构建无延迟闭环误差系统，利用Lyapunov-Krasovskii函数分析保证了在延迟有界且缓慢变化时的统一最终有界跟踪。
2015-01-15 cs.SY eess.SY
Minimum-Energy Distributed Filtering
School of Engineering and IT, UNSW Canberra（新南威尔士大学堪培拉校区工程与信息技术学院）
本文研究了具有保证收敛性的分布式滤波问题，采用最小能量滤波和H∞滤波方法，通过局部滤波器共享估计值以实现状态估计，并保证H∞性能。
2014-09-18 cs.SY eess.SY
Yet Another Tutorial of Disturbance Observer: Robust Stabilization and Recovery of Nominal Performance
ASRI, Department of Electrical and Computer Engineering, Seoul National University（首尔国立大学电气与计算机工程系自动系统研究室）；Department of Electrical Engineering and Computer Science, University of Central Florida（中佛罗里达大学电气与计算机科学系）；School of Robotics, Kwangwoon University（光云大学机器人学院）；Department of Electrical Engineering, Soongsil University（崇实大学电气工程系）
本文通过教程式回顾，探讨了干扰观测器在鲁棒稳定化和名义性能恢复方面的最新成果，分析了在Q滤波器带宽较大时，即使存在系统不确定性和干扰，实际不确定系统的行为可以接近无干扰名义系统的瞬态和稳态表现。
2016-06-20 cs.SY eess.SY math.OC
Frequency Separation based Adaptive Feedforward Control for Rejecting Wideband Vibration with Application to Hard Disk Drives
本文提出了一种基于频率分离的自适应前馈控制算法，该算法具有辨识对象和逐区补偿的能力。在该算法中，加速度计信号通过一系列均匀分布的带通滤波器滤波，产生一串频谱互斥的子带信号。在每个子带中，对应的子带信号作为前馈信号，并且仅需要识别该区域中的系统的频率响应，因此可以期望相当低的阶模型具有有效的补偿。从第一个区域开始，前馈控制参数与同一区域中的低阶对象模型同时学习，然后移动到下一个区域，直到执行所有区域。
2020-12-09 cs.SY eess.SY
Integral state-feedback control of linear time-varying systems: A performance preserving approach
提出了一种线性时变对象状态反馈控制器的积分扩展方法，该方法在未扰动情况下保持了标称控制器的性能。类似于具有积分作用的时不变状态反馈，该控制器实现了对干扰的完全抑制，这些干扰对被控对象的有效作用相对于控制输入是恒定的。此外，有界输入有界状态稳定性的任意干扰。一个修改，防止控制器的windup以及调整准则进行了讨论。所提出的技术的有效性被证明在模拟的两个坦克系统，线性化沿随时间变化的参考轨迹。
2021-11-23 cs.SY eess.SY
Extended Dynamics Observer for Linear Systems with Disturbance
这是四个系列论文的最后一部分，针对信号输入信号输出（SISO）线性有限维系统的一般输入干扰破坏的稳定性。提出了一种新的观测器，称为扩展动态观测器（EDO），同时估计状态和干扰。EDO的工作机制包括两个部分：已知动态的扰动被其动态完全抵消，未知动态的扰动被高增益吸收。研究发现，只要具有未知输入扰动的控制对象可观测，高增益总是有效的，这是观测器设计的唯一假设。当扰动动力学除有界性外完全未知时，EDO被简化为扩展状态观测器或高增益观测器的扩展。所开发的方法的主要优点是，控制对象和干扰的先验信息可以尽可能多地利用。我们拥有的先验信息越多，观测器的性能就越好。基于估计/消除策略的精神，还开发了基于EDO的稳定输出反馈。所得到的闭环系统的稳定性的建立和一些理论结果进行了验证，通过数值模拟。
2020-11-12 cs.SY eess.SY math.OC
Internal Model Based Active Disturbance Rejection Control
University of Science and Technology of China（中国科学技术大学）
本文提出基于内部模型的ADRC方法，利用已知的扰动特性实现完美扰动估计，通过仿真验证其有效性。
2016-03-11 cs.SY eess.SY
OneVision: Centralized to Distributed Controller Synthesis with Delay Compensation
University of Texas at Austin（德克萨斯大学奥斯汀分校）
我们提出了一种新的算法，以简化分布式机器人系统的控制器开发受到外部观测，干扰和通信延迟。与以前的方法，提出专门的解决方案来处理特定的机器人应用程序的通信延迟，我们的算法使用任意的集中式控制器作为规范，并自动生成分布式控制器与通信管理和延迟补偿。我们将我们的目标表述为非线性最优控制--使用后悔最小化目标来衡量分布式代理的行为与无延迟集中式响应的不同程度--并求解最优行动w.r.t.使用基于梯度的优化对该目标进行局部估计。我们分析了我们提出的算法的线性时不变的特殊情况下的行为，并证明了闭环动态满足一种形式的输入到状态稳定w.r.t.意想不到的干扰和观察。我们在模拟和现实世界的机器人任务的实验结果表明，我们的方法的实际用途，并显示出显着的改善，几个基线方法。
2021-04-14 cs.MA cs.RO cs.SY
Control design and analysis of a stochastic network control system
University of Delaware（特拉华大学）
本文研究随机网络控制系统中数据传输时间统计对系统动态的影响，推导系统瞬时矩的精确动力学并设计控制器以实现期望均值和方差。
2017-04-01 cs.SY eess.SY
Motion Planning and Robust Tracking for the Heat Equation using Boundary Control
研究了一类具有Neumann边界条件和反配置边界输入输出的热传导方程的鲁棒输出跟踪问题。所需的参考跟踪解决了著名的平坦性和李雅普诺夫方法。通过求解标称植物的运动规划问题来获得参考轮廓。为了在存在干扰和不确定性的情况下使闭环系统鲁棒化，然后用PI反馈加上一个不连续分量来增强闭环系统，该不连续分量负责拒绝具有\textit{a priori}已知幅度界限的匹配干扰。这种控制律只需要在控制输入所在的同一边界上的系统信息。所得到的动态控制器全局指数稳定的误差动态，同时也衰减Lipschitz的时间外部干扰和参数不确定性的影响。对于在不确定对象上进行运动规划的情况，得到了指数输入-状态稳定性，保持了跟踪误差范数的有界性。所提出的控制器依赖于一个不连续的长期，但通过一个积分器，从而最大限度地减少抖振的影响，在植物动态。仿真结果表明，在存在外部干扰和参数不确定性的情况下，不同类型的参考轨迹下，闭环系统的性能。
2022-04-26 cs.SY eess.SY math.OC
Performance tradeoffs of dynamically controlled grid-connected inverters in low inertia power systems
Johns Hopkins University（约翰斯·霍普金斯大学）；Lund University（隆德大学）
本文研究了低惯性电力系统中动态控制器设计的性能权衡，探讨了测量噪声、功率扰动和延迟对逆变器控制的影响，发现不同补偿策略在噪声抑制、扰动缓解和延迟鲁棒性上各有侧重。
2017-05-01 cs.SY eess.SY math.OC
Closed-loop Identification of a MSW Grate Incinerator using Bayesian Optimization for Selecting Model Inputs and Structure
针对城市固体废物炉排焚烧炉，提出利用贝叶斯优化选择模型输入与结构，实现低阶闭环辨识，获得高精度预测模型，支持基于模型的控制方案开发。
2024-01-10 cs.SY eess.SY
Simultaneous compensation of input delay and state/input quantization for linear systems via switched predictor feedback
本文针对带输入时滞且状态仅可量化的线性系统，提出一种切换预测器反馈控制律，通过动态调整量化器参数实现全局渐近镇定，并推广至输入量化情形。
2024-09-05 cs.SY eess.SY math.AP
A nonlinear dead-time compensation method for path tracking control
针对车辆路径跟踪控制中的死区时间问题，提出一种基于非线性预测模型、类似史密斯预测器的补偿方法，避免数值积分，仿真验证了其在多种扰动下的有效性。
2025-07-09 cs.SY eess.SY
Data-Driven Dead-Zone Compensation via Projection in Predictive Control Setting
Institute of Mechanical and Electrical Engineering, University of Southern Denmark（南丹麦大学机电工程学院）
本文针对运动控制中执行器死区导致的稳态偏移或极限环问题，提出一种数据驱动架构，通过并行辨识绝对子空间预测器并结合正交投影补偿死区，在Quanser扭转系统和功率放大器上验证了有效性。
2026-07-31 cs.SY eess.SY
Hopfield Neural Networks for Online Constrained Parameter Estimation with Time-Varying Dynamics and Disturbances
本文提出两种基于投影的Hopfield神经网络估计器，用于在线受限参数估计，通过约束意识和补偿机制提高估计精度与鲁棒性。
2025-11-26 cs.SY eess.SY
Model-Based Disturbance Rejection via Sliding-Mode Control: Continuous-Time Formulation and Proper Implicit Discretization
UNAM（墨西哥国立自治大学）
本文提出一种基于滑模控制的模型化扰动抑制方法，通过内模原理和隐式离散化实现有限时间收敛，达到$T^{p+1}\ar D$的控制精度，仿真验证其有效性。
2026-10-05 cs.SY eess.SY
Cost Functions over Feasible Power Transfer Regions of Virtual Power Plants
虚拟发电厂（VPP）促进分布式能源（DER）的传输级操作的集成。操作VPP的挑战是在DER的不确定性下在其可行功率传输区域上表征代价函数。为了解决这一问题，本文提出了一种表征方法的VPP日内操作的非预期性和鲁棒性的概念，对DER的不确定性的基础上。该特征源于设计一个二阶锥规划（SOCP）问题，基于该问题，通过探索每个时间段的边界点并建立时间耦合约束，构建了一个跨所有时间段的可行功率传输区域。此外，一个代价函数的可行的功率传输区域被制定为一个凸的分段曲面，其断点是通过解决SOCP问题，连同一个常数的补偿成本从线性规划问题。最后，为了减轻大量DERs带来的沉重的计算负担，提出了一种近似方法，通过识别关键DERs的不确定性具有主导作用。通过3节点系统和IEEE 136节点系统的数值实验，验证了所提方法的有效性。
2021-12-02 cs.SY eess.SY
A Simulative Study on Active Disturbance Rejection Control (ADRC) as a Control Tool for Practitioners
本文为控制工程从业者介绍了线性ADRC方法，通过一阶和二阶对象仿真评估其能力，并引入离散时间改进形式以加速高动态应用的实时实现。
2024-07-31 cs.SY eess.SY
Exploiting timing information in event-triggered stabilization of linear systems with disturbances
California Institute of Technology（加州理工学院）；University of Regina（雷吉纳大学）；University of California, San Diego（加利福尼亚大学圣迭戈分校）
本文提出了一种利用时间信息进行事件触发稳定化的方法，通过状态依赖的方式传输信息，解决了有扰动线性系统在有界延迟数字通信信道中的稳定问题，并给出了稳定所需的最小信息传输率下界。
2020-07-21 cs.IT cs.SY eess.SY
Unlocking feedforward capabilities in Model Predictive Control algorithms to deal with measurable disturbances
University of Almería（阿尔梅里亚大学）
提出一种在MPC中嵌入真正前馈能力的双控制结构框架，通过无控制代价的前馈动作实现可测扰动的完全补偿，并在DMC、GPC和状态空间MPC中验证有效性。
2026-06-05 cs.SY eess.SY
Exact Noise Limits for Bounded Scalar Stabilization Experiments
University of Sheffield（谢菲尔德大学）；ITMO University（伊托莫大学）
本文针对标量离散时间系统，精确确定了有界实验在镇定验证中可容忍的噪声上限，区分个体可镇定性、公共增益镇定与公共二次证书，并给出长时域极限及多维推广，为未知对象设计提供鲁棒性基准。
2026-10-01 cs.SY eess.SY math.OC
Multi-discontinuous Functional based Sliding Mode Cascade Observer for Estimation and Closed-loop Compensation Controller
针对传统单层滑模观测器在测量噪声下存在高脉冲问题，提出一种含多重不连续函数的级联滑模观测器，设计了观测器增益并验证了闭环补偿系统有效性，能平滑估计状态并降低控制消耗。
2023-10-26 cs.SY eess.SY
