Observer Design for a Class of Systems Described by Differential-Algebraic Equations and Parameter Identification of an Unmeasured Disturbance
ITMO University（圣彼得堡国立信息技术、机械与光学大学）
研究一类受未知不匹配干扰的线性广义系统的观测器设计与未测干扰参数辨识问题，引入结构假设构建观测器，提出新参数化方法，经数值仿真验证了方法的有效性。
2026-07-13 cs.SY eess.SY
Suppressing unknown disturbances to dynamical systems using machine learning
University of Colorado at Boulder（科罗拉多大学博尔德分校）；Trinity College（三一学院）
本文提出一种无模型方法，仅利用已知强迫函数下的历史观测数据，即可识别并抑制未知动力系统中的未知扰动，并在模拟混沌电路及数值示例中验证了其有效性。
2024-08-21 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
Adaptive polytopic estimation for nonlinear systems under bounded disturbances using moving horizon
针对有界扰动下的非线性系统，提出了一种结合滚动时域和对偶估计技术的自适应多胞估计器设计方法。将LTI系统的滚动时域估计结果推广到多面体LPV系统。对于有界扰动，给出了保证鲁棒稳定性和收敛于真实状态和参数的设计和必要条件;对于无界扰动，给出了保证鲁棒稳定性和收敛于真实状态和参数的设计和必要条件。
2019-10-07 cs.SY eess.SY
Data-Driven Strategy Synthesis for Stochastic Systems with Unknown Nonlinear Disturbances
针对受未知非线性扰动影响的随机切换系统，提出基于观测数据构建歧义集与RMDP抽象、结合LTLf自动机和鲁棒值迭代的策略综合方法，并实证验证其高规范满足概率。
2024-06-14 cs.SY eess.SY
Online inverse reinforcement learning with unknown disturbances
研究了存在未知扰动的非线性系统的在线逆强化学习问题。所开发的方法观察代理的状态和输入轨迹，并在线识别未知的奖励函数。次优引入的观测轨迹的未知外部干扰补偿使用一种新的基于模型的逆强化学习方法。观测器估计外部干扰，并使用由此产生的估计来学习演示器的动态模型。学习的演示模型与观察到的次优轨迹一起用于实现逆强化学习。理论保证，使用李雅普诺夫理论和仿真例子证明所提出的技术的有效性。
2020-03-09 cs.SY eess.SY math.OC
Adaptive Finite-time Disturbance Rejection for Nonlinear Systems using an Experience-Replay based Disturbance Observer
控制系统不可避免地会受到外部干扰的影响，而控制设计的一个主要目标就是减弱或消除外部干扰对系统性能的不利影响。本文提出了一种扰动抑制方法，对已有的结果作了两个主要的改进：1）放宽了对状态导数的计算或测量要求，而这些导数是不可测量的，并且它们的计算会被噪声所破坏; 2）实现了有限时间的扰动抑制和控制。为此，首先用一个未知动力学模型来描述扰动，并提出了一种自适应扰动观测器来估计扰动，然后利用一种滤波回归形式来描述非线性系统和未知扰动。结果表明，利用这种滤波回归形式，仅利用回归量的测量状态就能估计出扰动。也就是说，与现有的扰动抑制结果相反，所提出的方法不需要状态导数测量。为了提高扰动估计的收敛速度，提出了一种带有经验重放的自适应律。在扰动观测器的基础上增加一个自适应积分终端滑模控制器，以保证跟踪误差在有限时间内收敛到零。经验重放技术所使用的关于过去经验历史的可验证秩条件提供了收敛的充分条件。与已有结果相比，该方法不需要扰动动力学和状态导数的知识，且保证了系统的有限时间稳定性.仿真实例验证了所提出方法的有效性.
2020-07-29 cs.SY eess.SY
A real-time GP based MPC for quadcopters with unknown disturbances
高斯过程（GP）回归已被证明是预测扰动和模型失配并将此信息并入模型预测控制（MPC）预测的有价值的工具。不幸的是，经典GP上的推理和学习的计算复杂度是立方尺度的，这对于实时应用是难以处理的。因此，GP通常是离线训练的，这不适合学习干扰，因为它们的动态可能会随时间而变化。最近，已经引入了GP的状态空间公式，允许具有线性计算复杂度的推理和学习。本文提出了一个框架，使在线学习的干扰动力学的四轴飞行器，它可以在毫秒内执行使用状态空间制定的全球定位系统。所获得的扰动预测与MPC相结合，导致一个显着的性能增加与jMAVSim模拟。在Raspberry Pi 4 B上评估计算负担以证明实时适用性。
2022-10-14 cs.SY eess.SY
Robust State and fault Estimation of Linear Discrete Time Systems with Unknown Disturbances
Electrical Engineering Department of ESSTT, Research Unit C3S, Tunis University（突尼斯大学 ESSTT 电气工程系 C3S 研究单位）
本文提出了一种基于递归最小二乘滤波器的鲁棒故障和状态估计方法，用于具有未知扰动的线性随机系统。该方法通过简单易实现的平方根方法解决未知输入滤波器及相关信息滤波和平滑算法的数值问题，并采用迭代框架依次运行信息和协方差滤波器和平滑以估计状态和故障。
2013-06-19 cs.SY eess.SY
FTISS Adaptive Bearing-Only Formation Tracking Control with Unknown Disturbance Rejection
本文提出一种FTISS纯方位编队控制律，仅需局部方位测量且无需坐标系对齐，即可在有限时间内抑制未知恒定扰动并实现误差渐近收敛至零，仿真与实验验证了其有效性。
2024-12-20 cs.SY eess.SY
Novel Distributed Robust Adaptive Consensus Protocols for Linear Multi-agent Systems with Directed Graphs and External Disturbances
Peking University（北京大学）；City University of Hong Kong（香港城市大学）
本文提出新颖的分布式自适应一致性协议，用于解决具有定向图和外部扰动的线性多智能体系统的一致性问题，保证最终有界性和参数漂移问题。
2015-11-04 cs.SY eess.SY
Distributed Adaptive Consensus Protocols for Linear Multi-agent Systems with Directed Graphs and External Disturbances
Peking University（北京大学）
本文研究了具有定向通信图和外部扰动的线性多智能体系统的一致性设计问题，提出了一种基于邻居相对状态的分布式自适应协议，确保一致性误差的最终有界性，并明确给出了误差上界。
2015-02-02 cs.SY eess.SY
Anti-Disturbance Hierarchical Sliding Mode Controller for Deep-Sea Cranes with Adaptive Control and Neural Network Compensation
针对深海起重机在复杂海洋环境中的非线性扰动与不确定性，提出融合分层滑模、自适应与神经网络补偿的抗扰动控制器，经李雅普诺夫验证稳定性，仿真显示其在轨迹跟踪精度、响应速度和抗扰动方面优于传统PID。
2025-09-09 cs.SY eess.SY
Adaptive dynamic programming-based adaptive-gain sliding mode tracking control for fixed-wing UAV with disturbances
针对固定翼无人机（UAV）在匹配和非匹配扰动下的飞行控制问题，提出了一种基于自适应动态规划的自适应增益滑模控制（ADP-ASMC）方法。从固定翼无人机的动力学出发，建立了由姿态子系统和空速子系统组成的面向控制的模型。针对两个子系统中存在的不同问题，提出了两种新的自适应增益广义超扭曲（AGST）算法，以消除两个子系统中扰动的影响，使系统轨迹在有限时间内趋于所设计的积分滑动流形（ISM）。然后，基于期望的等效滑模动力学，采用改进的具有ACTOR CRITIC（actor-critic）结构的ADP（adaptive dynamic programming）方法生成近似最优的控制律，实现滑模动力学的近似最优性能.此外，通过李雅普诺夫稳定性定理，两个神经网络（NN）的跟踪误差和权值估计误差都是一致最终有界（UUB）的。最后，通过仿真对比验证了所提出的控制方案在固定翼无人机上的优越性能。
2021-07-13 cs.SY eess.SY
Optimal Control in Both Steady State and Transient Process with Unknown Disturbances
针对现有在线优化反馈控制方法忽略瞬态性能的问题，本文提出扰动已知的超越最优控制器和不依赖扰动的近最优控制器，兼顾线性时不变系统的稳态与瞬态性能，并通过四节点电力系统案例验证了有效性。
2024-10-04 cs.SY eess.SY
Predefined-Time Integral Reinforcement Learning for Saturated Unknown Nonlinear Multi-Agent Systems Under FDI Attacks and Disturbances
Faculty of Mechanical Engineering, Ho Chi Minh City University of Technology (HCMUT), Vietnam National University Ho Chi Minh City (VNU-HCM)（胡志明市理工大学机械工程学院，越南国立大学胡志明市分校）
针对受FDI攻击、扰动和执行器饱和约束的未知非线性多智能体系统，提出基于积分强化学习的预定时间安全编队控制方法，通过零和博弈与截止期限分配实现独立于初始条件的收敛。
2026-09-15 cs.SY eess.SY
Disturbance-adaptive Model Predictive Control for Bounded Average Constraint Violations
EPFL（洛桑联邦理工学院）
本文提出一种新型扰动自适应模型预测控制框架，通过调整扰动模型来保证递归可行性并控制平均约束违反量，即使扰动模型不准确也能有效降低闭环累积成本。
2026-08-18 cs.SY eess.SY
Predefined-Time Resilient Integral Reinforcement Learning for Input-Constrained Unknown Nonlinear Systems Under FDI Attacks and Disturbances: A Fully Data-Driven Approach
Faculty of Mechanical Engineering, Ho Chi Minh City University of Technology (HCMUT), Vietnam National University Ho Chi Minh City (VNU-HCM)（胡志明市工业大学机械工程学院，越南国立大学胡志明市分校）
本文提出一种全数据驱动的积分强化学习控制方法，用于输入受限未知非线性系统，在FDI攻击和扰动下实现预定义时间收敛，并通过两连杆机器人验证有效性。
2026-09-11 cs.SY eess.SY
PAC Finite-Time Safety Guarantees for Stochastic Systems with Unknown Disturbance Distributions
College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算与数据科学学院）
本文提出了一种基于数据驱动的方法，通过有限样本建立随机系统在有限时间内的概率安全保证，结合VC维、场景优化和Rademacher复杂性理论，揭示样本大小、模型复杂度与安全容忍度之间的权衡。
2026-03-02 cs.SY eess.SY
Bearing-based Formation with Disturbance Rejection
本文针对领导者-跟随者结构下的基于方位编队控制，提出采用典型内模及自适应技术，以光滑控制律抑制未知三角多项式扰动，扩展了现有结果。
2023-08-29 cs.MA cs.SY eess.SY
Adaptive Backstepping Control for Fractional-Order Nonlinear Systems with External Disturbance and Uncertain Parameters Using Smooth Control
研究了一类具有参数不确定性和外部扰动的单输入单输出（SISO）公度分数阶非线性系统的控制问题。基于反步法，提出了一种自适应控制器，该控制器具有自适应律，用于估计未知系统参数和未知扰动的界。代替使用诸如$\mathrm{sign}$函数的不连续函数，采用辅助函数来获得平滑的控制输入，该平滑的控制输入在存在有界干扰的情况下仍然能够实现完美的跟踪。利用分数阶有向李雅普诺夫方法证明了所有闭环信号的全局有界性和分数阶系统输出对给定参考轨迹的渐近完美跟踪。为了验证所提出的控制方法的有效性，仿真例子。
2020-04-14 cs.SY eess.SY
Robust Adaptive Compensation of External Disturbances for Multi-Channel Linear Systems
本文提出一种基于内模原理和扩展误差自适应算法的多通道线性系统外部干扰补偿新方法，利用未知输入观测器估计状态与干扰，并构建扩展状态调节器，仿真验证了其有效性。
2023-10-11 cs.SY eess.SY
Disturbance Observer-Parameterized Control Barrier Function with Adaptive Safety Bounds
针对外部扰动下的鲁棒安全控制问题，提出DOp-CBF框架，利用扰动观测器动态调整安全界，保证前向不变性，并通过巡航控制仿真验证其安全与性能优势。
2025-02-26 cs.SY eess.SY
Adaptive Smooth Disturbance Observer-Based Fast Finite-Time Attitude Tracking Control of a Small Unmanned Helicopter
针对三自由度直升机系统在复合扰动下的姿态跟踪问题，提出了一种基于自适应平滑扰动抑制器的快速有限时间自适应反推控制方法。首先，提出了一种自适应平滑扰动观测器（ASDO）来估计复合扰动，该观测器具有输出平滑、有限时间快速收敛、对未知导数边界扰动的适应性等特点。然后，有限时间反推控制协议的构造，以驱动的仰角和俯仰角跟踪参考轨迹。为了解决传统反推设计框架中的“复杂性爆炸”和“奇异性”问题，利用快速有限时间命令滤波器（FFTCF）来估计虚拟控制信号及其导数。此外，一个分数功率为基础的辅助动态系统被引入到补偿所造成的误差的FFTCF估计。此外，设计了一种改进的基于分数阶幂次的自适应律，该自适应律引入了$σ$修正项，抑制了观测器逼近误差，从而进一步提高了跟踪性能.根据快速有限时间稳定性理论，闭环系统的信号都是快速有限时间有界的，而姿态跟踪误差可以在有限时间内快速收敛到原点的一个足够小的区域。最后，通过对比数值仿真验证了所设计控制方案的有效性和优越性。
2022-05-25 cs.SY eess.SY
Distributed consensus of linear MASs with an unknown leader via a predictive extended state observer considering input delay and disturbances
Ecole Centrale de Lille（里尔中央理工学院）；Beihang University（北京航空航天大学）；Beijing Jiaotong University（北京交通大学）
本文针对具有定向通信拓扑的线性多智能体系统在存在输入延迟和扰动时的扰动抑制问题，提出一种基于模型降阶技术的分布式一致性方法，设计了自适应预测扩展状态观测器并推导了线性矩阵不等式条件。
2018-03-23 cs.SY eess.SY
Observer-Based Robust Control for an Aerial Manipulator System under Unknown External Disturbances
Indian Institute of Technology Palakkad（印度理工学院帕拉卡德分校）
本文针对四旋翼-机械臂空中系统，提出基于非线性扰动观测器的鲁棒控制方法，实现子系统解耦并消除耦合扰动，仿真验证了其有效性。
2026-09-09 cs.SY eess.SY
DOB-Net: Actively Rejecting Unknown Excessive Time-Varying Disturbances
University of Technology Sydney（悉尼科技大学）；Centre for Autonomous Systems（自主系统中心）；Centre for Artificial Intelligence（人工智能中心）
本文提出了一种集成的强化学习（RL）的方法，称为干扰观测网络（DOB-Net），机器人在环境中的干扰是未知的和时变的，并可能经常超过机器人的控制能力。DOB-Net集成了扰动动态观测器网络和控制器网络。该观测器源于传统的DOB机制，通过递归神经网络（RNN）构建和增强，在RNN隐状态中编码未知扰动的过去值估计和未来值预测。这种编码允许控制器在机器人控制能力的约束下产生最优控制信号以主动地拒绝干扰。观察器和控制器在策略优化中通过优势行为者评价器共同学习。位置调节任务的数值仿真表明，所提出的DOB-Net显着优于传统的反馈控制器和经典的RL算法。
2020-01-29 cs.LG cs.RO cs.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
Bearing-Constrained Leader-Follower Formation of Single-Integrators with Disturbance Rejection: Adaptive Variable-Structure Approaches
针对受未知一致有界干扰的轴承约束领导者-跟随者编队稳定问题，提出基于位移或仅轴承向量的自适应变结构控制律，无需轴承拉普拉斯矩阵及干扰信息，可实现静态/移动编队稳定并通过仿真验证。
2024-11-27 cs.SY eess.SY
Adaptive prescribed-time disturbance observer using nonsingular terminal sliding mode control: Extended Kalman filter and particle swarm optimization
研究了在状态未知、参数未知、外部负载扰动和非对称输入饱和的情况下，单输入单输出非线性系统的自适应有限时间镇定问题.设计了一个预定的有限时间干扰观测器来逼近不可测的外部干扰。针对非对称输入饱和系统的闭环控制问题，提出了一种非奇异指定有限时间终端滑模控制。扩展卡尔曼滤波器算法用于实时估计系统的状态和未知参数。此外，粒子群优化算法被用来获得所提出的干扰观测器和控制器的设计参数。为了显示所设计的控制方案的性能，所提出的方法是用来保证规定的有限时间稳定的非局部应变梯度纳米梁的非线性振动。最后，通过数值仿真验证了所提出的自适应控制方案与传统的滑模控制相比的有效性和性能。
2020-12-02 cs.SY eess.SY
Model-Free Adaptive Control Compensated with Disturbance
针对 SISO 与 MIMO 非线性系统的扰动抑制问题，本文利用扰动补偿改进 EDLM 并重构 MFAC，结合闭环方程分析稳定性，且通过算例验证定理。
2023-12-06 cs.SY eess.SY
Online Data-Driven Safety Certification for Systems Subject to Unknown Disturbances
本文提出一种在线数据驱动的安全性验证策略，通过滚动时域估计器在线表征未知干扰并结合计算图分析工具进行可达性计算，以实时验证自主系统避开危险区域，理论证明与无人水面艇硬件实验均验证了其有效性。
2023-10-30 cs.SY eess.SY
Fixed-Time Resilient Integral Reinforcement Learning for Input-Constrained Unknown Nonlinear Systems Under FDI Attacks and Disturbances: A Data-Driven Admissible Warm Start
Faculty of Mechanical Engineering, Ho Chi Minh City University of Technology (HCMUT), Vietnam National University Ho Chi Minh City (VNU-HCM)（越南胡志明市国家大学胡志明市理工大学机械工程学院）
针对输入受限未知非线性系统在FDI攻击和扰动下的控制问题，提出一种固定时间弹性积分强化学习方法，利用数据驱动容许热启动，保证快速收敛和鲁棒性。
2026-09-15 cs.SY eess.SY
Output adaptive control for linear systems under parametric uncertainties with finite-time matching input harmonic disturbance rejection
我们考虑的任务，运动控制的非易失性操作使用并联运动学机电一体化设置，特别是，稳定的球在板上的不可测的外部谐波干扰。假设系统参数是未知的，并且只有球的位置是用电阻式触摸传感器可测量的。为了解决这个问题，我们提出了一种新的基于无源性的输出控制算法，可以实现任意相对度的不稳定线性化系统。与以前的工作相比，我们描述了一种新的方法来参数化谐波信号发生器和估计算法与有限时间收敛。该方案能够在控制信号幅度约束下实现快速干扰消除。
2020-05-18 cs.SY eess.SY
Estimated-State Adaptive Sliding Mode Control and Disturbance Observation Using Second-Order Surfaces for Spacecraft Formation Reconfiguration
Yonsei University（延世大学）；State University of Rio de Janeiro（里约热内卢州立大学）
本文提出结合解析能量最优转移与鲁棒自适应滑模跟踪的两阶段控制框架，采用ASMC与SMDO，实现航天器编队重构的精确跟踪、扰动抑制与阶段平滑过渡。
2026-07-31 cs.SY eess.SY
Adaptive Disturbance Observer-based Full-Order Integral-Terminal Sliding Mode Control with Unknown A Priori Bound on Uncertainty
针对外部扰动界未知的非线性积分器链系统，提出ADO-FOITSMC连续有限时间控制方法，利用非单调自适应观测器增益抑制抖振并保证状态全局有界，且在刚性航天器姿态稳定中得到验证。
2025-10-05 cs.SY eess.SY math.OC
Scale-Free delta-Level Coherent Output Synchronization of Multi-Agent Systems with Adaptive Protocols and Bounded Disturbances
University of Twente（特温特大学）；Washington State University（华盛顿州立大学）
本文提出了一种基于智能体模型的自适应协议，用于在有界扰动下实现多智能体系统的无标度delta级协同输出同步。
2026-02-11 cs.SY eess.SY
Adaptive Observer for a Class of Systems with Switched Unknown Parameters Using DREM
本文针对一类具有切换未知参数的非线性系统，提出了一种自适应观测器，使其能同时估计系统的状态和参数。主要的挑战在于如何消除切换对参数估计造成的零输入响应的干扰影响。这些响应依赖于开关时刻（SASI）的未知状态，并对参数估计构成附加干扰，从而阻碍参数收敛到零。我们的解决方案是将零输入响应视为激励而不是干扰。这是通过首先用SASI增强系统参数，然后使用\textit{dynamic regression extension and mixing}（DREM）技术开发用于增强参数的估计器来实现的。由于其逐单元参数自适应的特性，系统参数估计与SASI解耦。其结果是，系统状态和参数的估计误差渐近收敛到零。此外，所提出的自适应观测器的鲁棒性是有保证的干扰和噪声的存在。数值算例验证了该方法的有效性。
2022-03-30 cs.SY eess.SY
Distributed Adaptive Backstepping Control for Vehicular Platoons with Mismatched Disturbances Using Vector String Lyapunov Functions
本文利用分布式自适应反推方法研究了具有非匹配干扰的编队控制问题。主要挑战是：（1）保持控制器的组合性和分布式特性，以及（2）确保控制器相对于一般类型的干扰的鲁棒性。为了解决这些问题，我们首先提出了一个新的概念，我们命名为“向量弦李雅普诺夫函数“，它的存在意味着l2弱弦稳定性。这个概念是基于向量李雅普诺夫函数为基础的稳定性分析，这取决于输入状态的比较系统的稳定性。利用这一概念，我们提出了一个自适应反推控制器的队列，这样的组合性和分布式的控制器的性质可以确保，而内部稳定性和字符串稳定的闭环系统的形式保证。最后，仿真例子说明了所提出的控制算法的有效性。特别是，我们提供的仿真结果比较我们提出的控制算法与最近提出的控制算法从文献中，两种类型的信息流拓扑结构和干扰。
2022-11-29 cs.SY eess.SY
Dual-Channel Adaptive NMPC for Quadrotor under Instantaneous Impact and Payload Disturbances
本文提出双通道自适应非线性模型预测控制（DCA-NMPC），通过级联NMPC与两个底层模型参考自适应控制器，解决四旋翼捕获有质量物体时的瞬时冲击和载荷不确定性问题，并通过数值仿真验证其有效性。
2025-07-21 cs.SY eess.SY
The Source of Disturbance Matters: External, Internal, and Control-Generated Noise in Adaptive Regulation
本研究通过模拟比较外部、内部及控制生成扰动对自适应调节的影响，发现内部扰动负担最大，且控制成本增加导致非单调响应，强调扰动来源与时机的重要性。
2026-09-23 cs.AI cs.SY eess.SY
Temporal Logic Control for Nonlinear Stochastic Systems Under Unknown Disturbances
提出基于数据驱动和抽象的框架，通过学习不确定马尔可夫决策过程并利用双层状态离散化获得更紧的不确定性估计，为未知干扰下的非线性随机系统综合鲁棒时序逻辑控制策略。
2025-04-27 cs.SY eess.SY
Stochastic Optimal Control For Gaussian Disturbances with Unknown Mean and Variance Based on Sample Statistics
针对加性高斯噪声具有未知均值和协方差的线性系统，提出了一种基于样本统计量的开环随机最优控制方法.我们考虑一个联合的机会约束下的时变多面体目标集的假设，干扰已被充分采样。我们推导出两个定理，使我们能够绑定的状态的概率超过一些样本的标准偏差远离样本均值。利用这些定理，我们将机会约束转化为一系列的凸线性约束。在这里，解决方案保证机会约束满足。我们证明了我们的方法上的卫星交会机动，并提供比较的情况下的方法。
2023-03-23 cs.SY eess.SY math.OC
Adaptive Fast Smooth Second-Order Sliding Mode Control for Attitude Tracking of a 3-DOF Helicopter
针对具有集中扰动的三自由度直升机姿态跟踪问题，提出了一种新的自适应快速平滑二阶滑模控制。结合非奇异积分滑模面，提出了一种新的自适应快速光滑二阶滑模控制方法，使俯仰角和俯仰角分别跟踪给定的期望轨迹，具有非奇异性、自适应干扰、抖振抑制和有限时间快速收敛等特点。此外，提出了一种新的自适应增益平滑二阶滑模观测器，以补偿时变集总干扰，与自适应增益二阶滑模观测器相比，具有更平滑的输出。利用有限时间李雅普诺夫稳定性理论证明了具有常值扰动的闭环系统的快速有限时间收敛性和具有时变集中扰动的闭环系统的快速有限时间一致最终有界性.最后，通过对比仿真实验验证了所提控制方法的有效性和优越性.
2020-09-27 cs.SY eess.SY
Discrete-time Indirect Adaptive Control for Systems with Disturbances via Directional Forgetting: Concurrent Learning Approach
提出一种结合方向遗忘与并发学习的离散时间自适应控制方法，无需PE条件及扰动信息，保证UUB且上界可设计，仿真验证有效性。
2025-02-28 cs.SY eess.SY
Deadzone-Adapted Disturbance Suppression Control for Global Practical IOS and Zero Asymptotic Gain to Matched Uncertainties
针对满足匹配条件且扰动与参数无界的时不变系统，提出结合非线性阻尼、单增益调整和更新律死区的DADS控制器，首次实现状态衰减至可指定小水平并防止增益与状态漂移。
2023-11-14 cs.SY eess.SY math.OC
Adaptive Control of SE(3) Hamiltonian Dynamics with Learned Disturbance Features
University of California San Diego（加州大学圣地亚哥分校）
自适应控制是机器人在快速变化的操作条件下可靠自主的关键组成部分。自适应控制设计受益于干扰模型，这在实践中往往是不可用的。这促使使用机器学习技术来离线地从训练数据学习干扰特征，其随后可以用于在线地补偿干扰。本文开发了几何自适应控制与学习的干扰模型的刚体系统，如地面，空中和水下航行器，满足汉密尔顿的运动方程的$SE(3)$流形。我们的设计包括一个\emph{offline disturbance model identification stage}，使用汉密尔顿为基础的神经常微分方程（ODE）网络训练的状态控制轨迹数据，和一个\emph{online adaptive control stage}，估计和补偿的基础上的几何跟踪误差的干扰。我们证明了我们的自适应几何控制器的轨迹跟踪仿真全驱动摆和欠驱动四旋翼系统。
2022-03-22 cs.LG cs.RO cs.SY
Improving the Region of Attraction of a Multi-rotor UAV by Estimating Unknown Disturbances
Faculty of Engineering, Memorial University of Newfoundland（纽芬兰纪念大学工程学院）
本文提出用神经网络估计未知扰动并融入标称模型，结合图形化技术计算LQR控制下多旋翼无人机的吸引域，实验表明该方法比传统Lyapunov方法更准确且更少保守。
2024-08-30 cs.LG cs.RO cs.SY
Leaderless Consensus of Heterogeneous Multiple Euler-Lagrange Systems with Unknown Disturbance
Queen’s University（女王大学）；Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））；Southeast University（东南大学）；Delft University of Technology（代尔夫特理工大学）
本文提出一种无领导者一致性控制方法，用于异质多Euler-Lagrange系统在存在未知扰动下的群体模型学习与轨迹一致性问题。
2023-01-19 cs.SY eess.SY math.OC
Aggregation and Data Driven Identification of Building Thermal Dynamic Model and Unmeasured Disturbance
聚合模型是多区域建筑的单区域等效模型，可用于多种用途，包括基于模型的大型供暖、通风和空调（HVAC）设备控制。本文研究了从输入输出数据中同时辨识集总热动态模型和未知扰动的问题。未知干扰是一个关键的挑战，因为它是不可测量的，但不可忽略。我们首先提出了一个原则性的方法来聚合成一个单一的区域模型的多区域建筑物模型，并显示聚合是不平凡的，因为它已经被假定在现有技术中。然后，我们提供了一种方法来识别该模型的参数和未知的干扰，这个聚合（单区域）模型。最后，我们测试我们提出的识别算法，从橡树岭国家实验室的多区域建筑试验台收集的数据。由聚合方法提供的一个关键的洞察力，使我们能够认识到在什么条件下，估计的干扰信号将必然是穷人和不确定的，即使在一个专门设计的测试的情况下，其中影响每个区域的干扰是已知的（如我们的实验测试台的情况下）。这种洞察力用于提供一种启发式方法，该方法可用于评估识别结果何时可能具有高或低的准确性。
2020-01-24 cs.SY eess.SY
Stochastic MPC with Realization-Adaptive Constraint Tightening
针对存在附加干扰的线性定常系统，提出了一种随机模型预测控制器（SMPC）。扰动的分布是未知的，并假定有界支持。一个基于样本的策略是用来计算鲁棒的状态机会约束所需的扰动序列集。这些集合是使用从其支持中提取的扰动样本离线构建的。对于在线MPC实现，我们提出了一种新的机会约束的重构策略，其中约束收紧是通过调整离线计算集的基础上，以前实现的干扰沿轨迹计算。建议的MPC是递归可行的，可以降低保守性比现有的SMPC方法在较高的离线计算时间的成本。数值仿真验证了该方法的有效性。
2022-09-29 cs.SY eess.SY
A Passivity-Agnostic Framework for Distributed Adaptive Synchronization under Unknown Leader Dynamics
Northeastern University（东北大学）
本文提出了一种适用于未知领导者动态的分布式自适应同步框架，通过 passivity-agnostic 设计在不同条件下实现稳定同步与参数适应。
2026-03-02 cs.SY eess.SY
DADS Under Unknown Input Coefficients
本文证明死区自适应扰动抑制（DADS）方案可用于输入系数未知的时不变控制仿射系统，基于Lyapunov方法设计显式控制器，实现状态可指定衰减且无增益、状态和输入漂移。
2025-10-05 cs.SY eess.SY math.OC
RTD-RAX: Fast, Safe Trajectory Planning for Systems under Unknown Disturbances
Georgia Institute of Technology（佐治亚理工学院）；School of Electrical and Computer Engineering（电子与计算机工程学院）；School of Mechanical Engineering（机械工程学院）；School of Civil and Environmental Engineering（土木与环境工程学院）
RTD-RAX通过非保守的RTD方法快速生成目标导向候选轨迹，并利用混合单调可达性实现快速扰动感知在线安全认证，确保在实时不确定环境下轨迹安全。
2026-03-23 cs.RO cs.SY eess.SY
