LQ Optimal Control for Power Tracking Operation of Wind Turbines
本文提出了一种单台风力发电机组的有功功率控制方法。现有技术的控制器通常采用单独的控制回路用于扭矩和桨距控制。相反，我们使用多变量控制方法。详细地，通过使用发电机速度、发电机扭矩和桨距角的参考轨迹来实现有功功率控制，使得如果天气条件允许，则满足期望的功率需求。然后，线性二次型（LQ）最优控制器用于参考跟踪。在OpenFAST仿真环境中，将控制器与最先进的方法进行比较。仿真结果表明，类似的有功功率跟踪性能，而LQ最优控制器的结果在较低的机械磨损。此外，所提出的方法具有良好的参考跟踪，并通过改善参考轨迹生成进一步的性能提高，可以预期。
2022-11-14 cs.SY eess.SY
Decentralized Semantic Communication and Cooperative Tracking Control for a UAV Swarm over Wireless MIMO Fading Channels
针对无人机群在MIMO衰落信道下的语义通信与协同跟踪控制问题，提出动态模型与漂移加惩罚优化，推导闭式最优解并建立稳定条件，显著优于现有方法。
2024-11-09 cs.SY eess.SP eess.SY
Temporal-Logic-Based Intermittent, Optimal, and Safe Continuous-Time Learning for Trajectory Tracking
在本文中，我们开发了安全的基于学习的控制器，用于完成复杂任务的系统，这些任务可以表示为线性时序逻辑规范，类似于搜索和救援任务所需的。在安全约束条件下，将原任务分解为一系列跟踪子问题。我们通过利用障碍函数将物理空间中的约束最优跟踪问题映射到变换空间中的无约束最优跟踪问题来施加安全条件。此外，我们开发的政策，间歇性地更新控制信号，以解决跟踪子问题，减少通信和计算资源的负担。随后，一个行动者-评论家算法被用来解决底层的Hamilton-Jacobi-Bellman方程。最后，我们支持我们提出的框架与稳定性证明，并通过模拟结果展示其有效性。
2021-04-06 cs.SY eess.SY
Constrained Optimal Tracking Control of Unknown Systems: A Multi-Step Linear Programming Approach
研究了具有输入约束的未知离散确定性系统的最优状态反馈跟踪控制问题。为了处理输入约束，最先进的方法利用一定的非二次级代价函数，这有时会限制实际系统。此外，众所周知，策略迭代（PI）和值迭代（VI）是数据驱动控制中两种广泛使用的算法，它们提供了互补的优势和劣势。在这项工作中，采用两步变换，它转换的约束输入的最优跟踪问题的无约束增广最优调节问题，并允许考虑一般阶段代价函数。在此基础上，提出了一种基于Q学习和线性规划的多步虚拟仪器算法。该算法提高了VI的收敛速度，避免了PI对初始稳定控制策略的要求，并且在不知道系统模型和阶段代价函数的情况下计算约束最优反馈控制器。仿真研究证明了所提出的方法的可靠性和性能。
2020-12-08 cs.SY eess.SY
Optimal Tracking Performance Limitation of Networked Control Systems with Limited Bandwidth and Additive Colored White Gaussian Noise
Huazhong University of Science and Technology（华中科技大学）；City University of Hong Kong（香港城市大学）；Yangtze University（长江大学）
本文研究了在带宽受限和加性有色白高斯噪声下的多输入多输出线性时不变系统网络化控制下的最优跟踪性能问题，分析了带宽限制和噪声对跟踪性能的影响。
2017-02-07 cs.SY eess.SY
Sparse Sensing Architectures with Optimal Precision for Tracking Multi-agent Systems in Sensing-denied Environments
在本文中，跟踪问题的多智能体系统，在一个特定的场景中，一段代理进入一个感知拒绝的环境或行为作为非合作目标，被认为是。重点是确定最佳的传感器精度，同时促进稀疏的传感器测量，以保证指定的估计性能。该问题是制定在离散时间集中卡尔曼滤波框架。该算法通过求解线性矩阵不等式约束下的半定规划，使得精度矩阵的迹最小，精度矩阵定义为传感器噪声协方差矩阵的逆矩阵。仿真结果揭示了传感器精度和感测频率之间的权衡。
2021-03-01 cs.SY eess.SY
Distributed Target Tracking with Fading Channels over Underwater Wireless Sensor Networks
针对水下无线传感器网络中信道衰落导致跟踪精度下降的问题，本文提出考虑测量波动、传输失败和信道估计误差的改进分布式无迹卡尔曼滤波器DUKF-Fc，并给出误差有界条件，仿真验证其有效性并讨论能耗权衡。
2023-08-08 cs.IT cs.SY eess.SY
Continuous-Time Estimation-Aware Optimal Control of Mobile Sensors for Target Tracking
University of Minnesota（明尼苏达大学）
提出一种估计感知最优控制方法，用于移动传感器目标跟踪，考虑非线性动力学和协方差，确保连续时间约束满足，并在稀疏离散化下有效。
2026-10-06 cs.SY eess.SY
Approximate Optimal Trajectory Tracking for Continuous Time Nonlinear Systems
University of Florida（佛罗里达大学）；Indian Institute of Technology, Delhi（德里印度理工学院）；University of Transport and Communications（交通与通信大学）
针对连续时间非线性系统的最优跟踪问题，提出一种基于近似动态规划的控制方法，保证跟踪误差最终有界且控制器收敛到近似最优策略。
2013-10-02 cs.SY eess.SY math.OC
Time-optimal Velocity Tracking Control for Differential Drive Robots
University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文研究差分驱动非holonomic轮式机器人在最短时间内跟踪期望速度的问题，提出基于Pontryagin极值原理的控制方法，并针对时间变化的期望速度设计混合结构。
2017-06-15 cs.SY eess.SY
Fish Growth Trajectory Tracking via Reinforcement Learning in Precision Aquaculture
本文研究了在一个典型的生物能量生长模型下，通过强化学习跟踪鱼类生长轨迹的方法。由于养殖条件复杂，环境因素不确定，如温度、溶解氧、非离子氨等，以及鱼类生长模型的多输入、强非线性耦合等，基于模型的控制方法无法有效解决精密养殖中的生长轨迹跟踪问题。为此，我们制定的增长轨迹跟踪问题的采样数据最优控制使用离散状态-动作对马尔可夫决策过程。我们提出了两个Q-学习算法，学习最优控制策略从采样数据的鱼的生长轨迹在鱼的生命周期的每个阶段，从青少年到所需的市场重量在水产养殖环境。Q-学习方案学习最优的饲养控制策略，以在笼子里养殖的鱼的生长速率和最优的饲养速率控制策略与最优的温度曲线的水产养殖鱼的生长速率在坦克。仿真结果表明，两种Q学习策略都能在较小的进给量下实现较高的轨迹跟踪性能。
2021-03-12 cs.SY eess.SY
Off Policy Risk Sensitive Reinforcement Learning Based Optimal Tracking Control with Prescribe Performances
针对最优跟踪控制问题，提出了一种基于非策略强化学习的控制策略，使系统在学习过程中达到规定的全状态性能。将最优跟踪控制问题转化为基于辅助系统的最优调节问题。在一个优化框架下，将规定性能的要求转化为约束满足问题，并通过风险敏感的状态惩罚项来处理。为了得到Hamilton Jacobi Bellman方程的近似解，提出了一种结合当前数据和经验数据的非策略自适应批评学习结构。通过使用经验数据，建议的批评学习代理的权重估计更新律保证权重收敛到实际值。与一般的权值收敛需要引入外部信号以满足激励持续性条件的方法相比，该方法具有一定的实用性。给出了闭环系统稳定性和权值收敛性的证明。仿真结果验证了所提出的基于非策略风险敏感强化学习控制策略的有效性。
2020-08-31 cs.SY eess.SY
Optimal Tracking Control for Unknown Linear Systems with Finite-Time Parameter Estimation
线性系统的最优控制输入可由代数Riccati方程（ARE）求解，但从ARE方程得到精确解的形式仍有疑问。在工程中，可以通过迭代或优化来找到可接受的ARE数值解。最近，基于梯度下降的数值解已被证明是有效的近似最优的。本文将这种方法引入到非均匀线性系统的跟踪问题中。首先，假设线性系统的动力学参数都是未知的，由于梯度和允许的初始化都需要系统动力学的先验知识，这是很难处理的。为了解决这一问题，本文改进了动态回归扩展与混合（DREM）方法，使其能够在有限时间内估计参数矩阵。此外，引入了一个折扣因子，以确保异构系统的最优解的存在性。通过两个仿真实验验证了该方法的有效性。
2022-01-06 cs.SY eess.SY
A Finite Element Method Approach for Trajectory Generation via Time-Optimal Control and Model Predictive Control Tracking
本文提出一种结合 Galerkin 加权残差法与序列凸规划求解时间最优控制的新框架，避免打靶法初始化难题，并采用模型预测控制跟踪开环最优轨迹以抑制扰动，通过 Dubins 汽车动力学验证其有效性。
2023-11-17 cs.SY eess.SY
Approximate Solution Methods for the Average Reward Criterion in Optimal Tracking Control of Linear Systems
本文针对确定性线性系统的平均奖励最优控制问题，推导值函数与最优策略，并提出基于模型预测控制的近似求解方法以支持实际实现。
2025-07-04 cs.SY eess.SY math.OC
$H_{\infty}$ Inverse Optimal Attitude Tracking on the Special Orthogonal Group $SO(3)$
利用逆最优和$\mathcal{L}_{2}$干扰抑制相结合的方法，解决了利用旋转矩阵的姿态跟踪问题。通过最小化一个有意义的代价函数，给出了求解逆最优非线性$H_{\infty}$控制问题的条件。该方法保证了能量增益从一个外源性的干扰到一个指定的误差信号尊重一个给定的上限。对于数值模拟，一个简单的问题设置从文献中被认为是和结果表现出竞争力的性能。
2021-07-16 cs.SY eess.SY math.OC
Optimal Time-Invariant Formation Tracking for a Second-Order Multi-Agent System
给定一个多智能体线性系统，我们形式化和解决的轨迹优化问题，封装轨迹跟踪，基于距离的编队控制和输入能量最小化。为此，一个数值投影算子牛顿的方法来找到一个解决方案，通过最小化的成本功能，能够捕捉所有这些不同的任务。为了稳定的形成，一个特定的潜在功能已被设计，允许获得指定的几何配置，而系统的重心位置和速度遵循所需的轨迹。
2022-02-21 cs.SY eess.SY
Optimal GNSS Time Tracking for Long-term Stable Time Realisation in Synchronised Atomic Clocks
Institute of Science Tokyo（东京科学大学）；Tokyo University of Marine Science and Technology（东京海洋大学）；National Institute of Information and Communications Technology（信息通信研究机构）
本文提出一种新的最优GNSS时间跟踪算法，通过引导同步微型原子钟组向标准GNSS时间靠拢，提升长期精度和稳定性，采用卡尔曼滤波估计GNSS接收器与原子钟的平均差异，通过优化问题最小化稳态Allan方差。
2026-04-01 cs.SY eess.SY
Model-Free Fast Frequency Support of Wind Farms for Tracking Optimal Frequency Trajectory
本文提出基于比例积分控制器的风场快速频率支撑方法，无需依赖同步发电机调速器模型，实现最优频率轨迹跟踪，并通过单风场和多风场系统验证其有效性。
2026-04-02 cs.SY eess.SY
Price of Anarchy in Multiuser Massive MIMO: Coordinated versus Uncoordinated Channel Tracking for High-Rate Internet of Things
研究了将高速率物联网（IoT）服务并入到大规模多输入多输出框架中。研究表明，只要大规模多输入多输出知道所有设备的信道，它就具有提供这种服务的内在潜力。我们提出的方法是联合估计和跟踪所有设备的信道，而不管它们当前的活动。利用设备信道随时间演化的动态模型，针对协作场景设计了最优和次优跟踪器。此外，我们引入了一种新的范例，其中BS不需要提前知道设备的导频接入模式，我们称之为不协调的设置。在激励这种情况下，我们得到的最佳跟踪器是棘手的。然后，目标跟踪的方法来解决测量中的不确定性，并获得次优跟踪器。我们提出的方法明确地解决了信道老化问题，并且不需要下行链路寻呼和上行链路接入请求控制信道，这些信道在拥挤的情况下可能成为瓶颈。最佳协调和非协调跟踪器之间的基本最小均方误差（MMSE）的差距，定义为无政府状态的价格进行评估和上界。最优跟踪器的稳定性也进行了研究。最后，各种建议的跟踪器的性能进行了数值比较。
2020-02-02 cs.SY eess.SP eess.SY
Reinforcement Learning for Robotic Time-optimal Path Tracking Using Prior Knowledge
South China University of Technology（华南理工大学）
时间最优路径跟踪作为工业机器人的一个重要工具，受到了众多研究者的关注。在大多数时间最优路径跟踪问题中，假设致动器转矩约束是保守的，这忽略了电机特性;即，致动器转矩约束是速度相关的，并且转矩和速度之间的关系是分段线性的。然而，考虑到电机特性增加了求解难度，在这项研究中，提出了一种改进的Q-学习算法的机器人时间最优路径跟踪的先验知识。在考虑Q-学习算法的局限性后，提出了一种改进的动作-价值函数，以提高收敛速度。该算法采用奖惩的思想，对满足约束条件的动作进行奖励，对违反约束条件的动作进行惩罚，最终得到满足约束条件的时间最优轨迹。通过实验验证了算法的有效性。
2019-06-30 cs.RO cs.SY eess.SY
Adaptive Optimal Trajectory Tracking Control Applied to a Large-Scale Ball-on-Plate System
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
虽然关于自适应动态规划（ADP）的理论研究已经很多，但应用结果很少。因此，我们设计了一个基于ADP的最优轨迹跟踪控制器，并将其应用于一个大规模的球板系统。我们提出的方法采用了近似的参考轨迹，而不是使用设定点跟踪，并允许自动补偿恒定的偏移量。由于该算法的离线特性，该方法只需要少量的测量数据来训练控制器。我们的实验结果表明，这种跟踪机制显着降低了控制成本相比，设定值控制器。此外，与基于模型的最优控制器的比较突出了我们的无模型基于数据的ADP跟踪控制器的优点，其中不需要系统模型和手动调整，而是使用测量数据自动调整控制器。
2021-01-25 cs.LG cs.SY eess.SY
Optimal Sensor Placement for Target Localization and Tracking in 2D and 3D
National University of Singapore（新加坡国立大学）
本文通过统一框架和框架理论，分析了二维和三维中仅方位、仅距离和接收信号强度三种传感器的最优布置问题，给出了最优布置的充要条件及其解析性质，并提出了梯度控制律以数值构造最优布置。
2012-10-28 cs.SY eess.SY math.OC
Model-based reinforcement learning for infinite-horizon approximate optimal tracking
University of Florida（佛罗里达大学）
本文提出了一种近似在线自适应解决方案，用于解决具有未知漂移动力学的连续时间非线性系统的无限 horizon 最优跟踪问题，通过基于模型的强化学习放松持续激励条件，并通过Lyapunov稳定性分析证明了策略收敛性。
2015-06-01 cs.SY eess.SY math.OC
An Optimal Polarization Tracking Algorithm for Lithium-Niobate-based Polarization Controllers
本文提出了一种用于三阶段任意偏振跟踪的最优算法，通过铌酸锂基偏振控制器实现设备校准、偏振态旋转和稳定化，并通过MATLAB环境进行数值模拟验证。
2016-03-12 cs.CE cs.SY eess.SY
Time-Optimal Path Tracking for Cooperative Manipulators: A Convex Optimization Approach
Linköping University（林雪平大学）；ABB Robotics Division（ABB机器人事业部）
研究了多机器人协同搬运物体的时间最优路径跟踪问题。考虑到刚性抓物体的问题，我们表明，它可以作为一个凸优化问题，并有效地解决了最优性的保证。当公式化问题时，我们避免使用特定的扳手分布，并利用系统可用的全部驱动。然后，我们考虑的问题，掌握使用摩擦力，并表明，这个问题也，在一个力封闭掌握假设，可以制定为一个凸优化问题，并有效地解决和最优。为了确保牢牢把握，在这一方法中考虑了内力。
2023-03-13 cs.RO cs.SY eess.SY
A Stochastic Optimal Control Model with Internal Feedback and Velocity Tracking for Saccades
提出了一种基于速度跟踪和内反馈的随机最优控制的扫视眼动模型。上丘神经生理学研究的最新证据表明，存在一个动态输入的扫视生成系统，编码扫视速度，而不仅仅是扫视幅度和方向。新的证据使得它必须测试，如果扫视控制可以使用所需的速度输入，这是建议的速度跟踪模型的基础。该模型使用健康人受试者产生的扫视行为数据进行验证。它生成不同幅度的水平扫视轨迹，并预测垂直和倾斜扫视行为。本文提出了有史以来第一个模型的扫视系统的最佳控制框架，使用另一种解释的速度为基础的控制，相反，占主导地位的端点为基础的模型在文献中。
2020-11-10 cs.SY eess.SY q-bio.NC
Tracking of stabilizing, optimal control in fixed-time based on time-varying objective function
通过最小化时变目标函数来确定输入仿射系统的控制器，其中镇定通过李雅普诺夫函数衰减条件作为约束来保证。通过一个障碍函数将该约束条件纳入目标函数。所得到的松弛代价函数的时变最小值由跟踪系统确定。该系统是利用松弛代价函数的二阶导数构造的，并改进了现有的时变优化方法。在一些温和的假设下，跟踪系统产生的解决方案是可行的所有时间，它收敛到松弛的目标函数的最优解在用户定义的固定时间。在一个案例研究中，这些结果的有效性相比，指数收敛。
2021-10-11 cs.SY eess.SY math.OC
Time-Optimal Path Tracking for Industrial Robots: A Dynamic Model-Free Reinforcement Learning Approach
在追求机器人操作器沿预定路径的时间最优路径跟踪（TOPT）轨迹时，通常使用预先识别的机器人动力学模型来获得完美跟踪所需的最优轨迹。然而，由于不可避免的模型-对象失配，实际测量的转矩和由动态模型计算的转矩之间可能存在很大的误差，这导致获得的轨迹是次优的，甚至是不可行的，超过给定的限制。本文提出了一种面向TOPT的SARSA算法（TOPTO-SARSA），并提出了一种两步法寻找时间最优运动并保证可行性：首先，通过强化学习Agent与运动学模型的交互，使用TOPTO-SARSA算法寻找满足运动学约束的安全轨迹。其次，利用TOPTO-SARSA算法，通过智能体与现实世界的交互来寻找最优轨迹，并保证最后一次交互时的实测力矩满足给定的限制。在一个六自由度机器人上的实验验证了该算法的有效性。
2019-08-03 cs.RO cs.SY eess.SY
State tracking of linear ensembles via optimal mass transport
Iowa State University（爱荷华州立大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）
本文基于最优质量运输理论，利用输出测量追踪不可区分代理群体的状态，通过凸优化问题估计群体状态轨迹，当边际分布为高斯时可转化为半正定规划问题。
2018-03-06 cs.SY eess.SY math.DS
Optimal selection and tracking of generalized Nash equilibria in monotone games
在单调博弈论中，一个基本的公开问题是在所有可用的广义纳什均衡中计算一个特定的广义纳什均衡（GNE），例如关于系统级目标的最优均衡。现有的GNE寻求算法实际上收敛保证朝向任意的，可能是低效的，平衡。在本文中，我们解决了这个开放的问题，利用不动点选择理论的结果，进而推导出分布式算法的计算最佳GNE单调游戏。然后，我们扩展的技术结果随时间变化的设置，并提出了一种算法，跟踪序列的最优均衡的渐近误差，其范围取决于当地的计算能力的代理。
2022-03-15 cs.SY eess.SY math.OC
Optimal Trajectory Tracking of Nonholonomic Mechanical Systems: a geometric approach
本文将非完整系统轨迹跟踪转化为最优控制问题，提出无坐标几何框架并利用Pontryagin极小值原理确定极值必要条件，以非完整全驱动粒子为基准示例验证了所提方法。
2019-01-29 cs.SY eess.SY math.OC
Statistically Consistent Inverse Optimal Control for Linear-Quadratic Tracking with Random Time Horizon
逆最优控制（IOC）的目标是根据观测到的最优轨迹来确定潜在的目标函数。它提供了一个强大的框架来建模专家的行为，和一个数据驱动的方式来设计一个目标函数，使诱导的最优控制是适应上下文环境。本文设计了一种求解随机时间范围线性二次跟踪问题的IOC算法，并证明了算法的统计相容性。更具体地说，所提出的估计是一个凸优化问题的解决方案，这意味着估计不遭受局部极小值。这使得经过验证的统计一致性能够在实践中实际实现。该算法还验证了模拟数据以及从现实世界的实验数据，无论是在确定的目标函数的人类跟踪运动的设置。在合成数据集上验证了算法的统计一致性，在真实数据集上的实验结果表明，通过估计目标函数，可以得到较好的人体跟踪运动预测结果。结果表明，该理论和模型在实际应用中具有良好的性能.此外，由于所识别的目标函数描述了个人习惯和偏好，因此所识别的模型可以用作个性化康复机器人控制器设计中的控制目标。
2022-04-27 cs.SY eess.SY math.OC
Proximally Optimal Predictive Control Algorithm for Path Tracking of Self-Driving Cars
SRM Institute of Science and Technology（SRM科学技术研究所）
本文提出一种近端最优预测控制算法，作为自动驾驶车辆横向控制器，在先前转向角邻域内选择最优转向命令，以平衡跟踪效率与计算成本，并通过仿真实验验证其在路径跟踪中优于PID、Pure-Pursuit和Stanley控制器。
2021-08-05 cs.RO cs.SY eess.SY
Fast computation of the TGOSPA metric for multiple target tracking via unbalanced optimal transport
Saab Surveillance, Saab AB（萨博监视，萨博公司）；KTH Royal Institute of Technology（皇家理工学院）；University of Gothenburg（哥德堡大学）
本文提出一种基于非平衡多边际最优传输和熵正则化的近似算法，用于高效计算多目标跟踪中的TGOSPA度量，在保证近似精度的同时显著降低计算成本。
2025-05-22 cs.CV cs.SY eess.SY
