Analysis of a Distributed Optimization-Based Control Architecture for Inverter-Interfaced Virtual Power Plants
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Indian Institute of Science(印度科学学院);University of Minnesota(明尼苏达大学)
针对虚拟电厂中逆变器接口分布式能源,提出一种基于采样数据优化二次控制的大信号稳定性分析方法。
2026-06-16 cs.SY eess.SY math.OC
Policy Optimization with Differentiable MPC: Convergence Analysis under Uncertainty
本文研究了结合梯度基策略优化与递归系统识别的方法,在不确定性下实现控制器设计的收敛性,并通过多个控制示例验证了该方法的有效性。
2026-04-14 cs.SY eess.SY math.OC
Joint Optimization of Wind Farm Layout Considering Optimal Control
尾流效应是海上风电场能量损失的主要原因之一。涡轮布置和协同控制都可以影响WF内部的尾流相互作用,从而影响整体WF功率产生。传统上,贪婪控制策略被假定在版图设计阶段。为了利用WF布局和控制之间的潜在协同作用,使得可以获得具有最大能量产出的系统级最优布局,布局优化应该与协作控制考虑一起执行。为此,本文提出了一种新的两阶段WF布局最优化模型。在叶片布局设计中考虑了涡轮偏航和轴向诱导的协同叶片控制。然而,WF控制的集成使布局优化变得更加复杂,并导致大规模的非凸问题,阻碍了现有布局最优化方法的应用。为了提高计算效率,我们利用联合最优化问题的层次性和可分解性,设计了一种基于分解的混合方法(DBHM)。联合最优化问题被分解为几个子问题及其协调,而不是同时操纵所有变量。对不同的工作框架进行了案例研究。结果表明,与传统的单独布局优化相比,所提出的联合优化可以获得具有更高能量产额的WF布局。此外,所提出的DBHM上考虑的联合布局最优化问题的计算优势也被证明。
2021-11-30 cs.SY eess.SY math.OC
Output-Feedback Control of Nonlinear Systems using Control Contraction Metrics and Convex Optimization
University of Sydney(悉尼大学);Massachusetts Institute of Technology(麻省理工学院)
本文提出利用控制收缩度度量和凸优化解决非线性系统输出反馈控制问题,通过双观测器和控制器问题的解法,证明分离原理成立,以摩尔-格雷泽喷气发动机压缩机模型为例进行验证。
2014-06-05 cs.SY eess.SY math.OC
Differentiable-by-design Nonlinear Optimization for Model Predictive Control
inspire AG
本文提出了一种为模型预测控制设计的可微非线性优化方法,通过正则化解决非线性优化问题的不可微问题,提升基于梯度的优化性能。
2026-11-18 cs.SY eess.SY math.OC
A new framework for constrained optimization via feedback control of Lagrange multipliers
Politecnico di Torino(都灵理工大学)
本文提出了一种基于反馈控制的新型优化框架,通过拉格朗日乘数的控制律设计,实现等式约束优化问题的收敛性分析与有效性验证。
2025-05-10 cs.SY eess.SY math.OC
Exponential Stability of Parametric Optimization-Based Controllers via Lur'e Contractivity
本文针对参数投影控制器驱动的LTI系统,利用Lur'e收缩性建立指数稳定性的LMI充分条件,并推广至单积分器系统及饱和控制和控制屏障函数控制场景。
2024-04-15 cs.SY eess.SY math.OC
Fixed-Order H-infinity Optimization of Time-Delay Systems
H ∞控制器由于其鲁棒性和稳定性在控制理论中得到了广泛的应用。经典的H ∞控制器综合方法的有限维LTI MIMO的结果是高阶控制器的高阶植物,而低阶控制器在实践中所期望的。基于非光滑、非凸优化方法和最近发展起来的H ∞范数计算数值方法,设计了一类时滞系统的固定阶H ∞控制器.
2020-03-24 cs.SY eess.SY math.OC
Safe Feedback Optimization through Control Barrier Functions
AI4I institute(AI4I研究所);Eindhoven University of Technology(埃因霍温理工大学);California Institute of Technology(加州理工学院);University of California San Diego(加利福尼亚大学圣地亚哥分校)
本文提出了一种基于高阶控制屏障函数的反馈优化方法,确保系统始终满足状态约束并实现稳定最优解。
2026-02-10 cs.SY eess.SY math.OC
A fast-solved model for energy-efficient train control based on convex optimization
在现代轨道交通中,训练节能控制(EETC)是指在各种运营和牵引约束条件下,以最小的能量消耗为目标,寻求最优的训练速度轨迹或控制策略。本文提出了一种基于凸优化的EETC模型,使该模型能用凸优化算法快速求解。通过与混合整数线性规划(MILP)和Radau伪谱法(RPM)等主流数学规划方法的比较,验证了该方法的高计算效率和鲁棒性.基于凸优化的特点,该方法在计算效率方面具有明显的优势,在各种轨道交通自动训练控制系统的在线应用中具有广阔的应用前景。
2022-01-26 cs.SY eess.SY math.OC
Occam's Razor in Residential PV-Battery Systems: Theoretical Interpretation, Practical Implications, and Possible Improvements
本文以住宅光伏-电池系统的奥卡姆控制为研究对象,将其理论解释为在线凸学习的特例并推导理论上界,设计了性能更优的同复杂度替代算法,为住宅光伏-电池系统控制提供了理论支撑与改进方向。
2024-11-28 cs.SY eess.SY
A Control Flow based Static Analysis of GRAFCET using Abstract Interpretation
针对GRAFCET并发行为易导致状态空间过大的问题,提出基于抽象解释的控制流静态分析方法,可检查无并发实例并开展流敏感分析,经工业级示例验证有效。
2023-08-25 cs.LO cs.PL cs.SY
An Approach for Design Parameter Optimization of the Triangle Cloud Control System
Kim Il Sung University(金日成大学)
本文提出混合混沌优化方法优化通用云控制系统设计参数,通过混沌方法确定离线参数,通过梯度方法确定在线参数。
2015-12-16 cs.SY eess.SY
Policy Optimization for Markovian Jump Linear Quadratic Control: Gradient-Based Methods and Global Convergence
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
最近,由于对强化学习的兴趣越来越大,用于控制目的的策略优化重新受到关注。本文研究离散马尔可夫跳变线性系二次最优控制的基于梯度的策略最优化方法的整体收敛性。首先,我们研究了MJLS的直接策略优化的优化景观,静态状态反馈控制器和二次性能成本。尽管结果问题的非凸性,我们仍然能够确定几个有用的属性,如bandwidth,梯度优势,几乎光滑。基于这些性质,我们证明了三种策略最优化方法的整体收敛:梯度下降法,高斯-牛顿法和自然策略梯度法。我们证明了这三种方法收敛到最优的状态反馈控制器MJLS在一个线性的速度,如果初始化在一个控制器,这是均方稳定。给出了一些数值例子来支持理论。这项工作带来了新的见解,了解性能的政策梯度法的马尔可夫跳跃线性二次控制问题。
2020-11-24 cs.LG cs.SY eess.SY
Receding Horizon Optimization for Disturbance-aware Predictive Control of Power Electronic Inverters
提出了一种基于滚动优化方法的DC-AC逆变器扰动感知预测控制策略。首先,一个离散的事件驱动的混合自动机模型已被构造的非线性逆变器系统的动态。提出了一个无限离散状态空间转移序列优化的控制问题。采用滚动优化方法对离散优化问题进行在线分段求解。为此,提出了扰动感知的自适应控制,利用在线递推最小二乘(RLS)算法对外界扰动进行采样和估计。阐述了传统的PWM控制方案是所提出的控制方案的一个子集,并给出了它们之间的代码转换。通过增加额外的PWM约束的建议的控制策略,最优PWM控制模式(OPCM)作为一个例子。所提出的控制器可以自由地运行在原始的最优离散控制模式(ODCM)和OPCM。数值仿真结果表明,所提出的离散控制策略实现了DC-AC逆变抗负载漂移的扰动感知自适应控制,且ODCM的控制性能优于OPCM。此外,所提出的建模和控制框架具有支持其他形式的控制模式的潜力。
2020-12-22 cs.SY eess.SY
Synthesizing Control Laws from Data using Sum-of-Squares Optimization
本研究结合Koopman算子理论、控制李雅普诺夫函数与平方和优化,提出一种跳过系统辨识的数据驱动多项式控制器综合方法,经小车倒立摆实验验证有效。
2023-07-03 cs.SY eess.SY math.DS
Optimization-based Control for Bearing-only Target Search with a Mobile Vehicle
针对离散时间Dubins飞行器,设计了一种基于优化的控制器,使其仅利用方位测量就能尽可能快地接近位置未知的目标。为此,提出了一个双目标优化问题,该问题综合考虑了未知目标位置的估计和移动车辆控制到已知位置的性能,然后采用带归一化的加权和方法求解,并在此基础上结合目标位置的最小二乘估计给出了控制器.此外,控制器不需要车辆的全球位置信息。最后,仿真结果验证了所提出的控制器的有效性。
2019-08-01 cs.SY eess.SY
Co-Optimization of Adaptive Cruise Control and Hybrid Electric Vehicle Energy Management via Model Predictive Mixed Integer Control
该研究面向比亚迪秦Plus DM-i PHEV,将ACC与考虑离合器状态的EMS整合为MINLP,并在MPC框架下实现跟车节能协同优化,燃油消耗较顺序优化降低5.1%。
2023-04-24 cs.SY eess.SY
Robustness Evaluation of the Butterfly Optimization Algorithm on a Control System
本文采用文献[1]提出的蝶形优化算法(BOA)对所设计的超前-滞后控制器的参数进行优化,以获得稳定的控制系统。对BOA控制问题进行了数值分析,并与著名的遗传算法(GA)和差分进化算法(DE)的结果进行了比较。BOA在特征值分析方面表现更好,但在优化控制系统的最小阻尼系数方面与GA和DE相似
2019-11-30 cs.SY eess.SY
Co-optimization of Speed and Gearshift Control for Battery Electric Vehicles Using Preview Information
研究了基于短距离交通信息的纯电动汽车速度和换档控制的协同优化问题。为了实现更高的电动机效率,采用多速变速器,其控制涉及离散值换档信号。为了克服计算困难,在解决集成的速度和换档最优控制问题,涉及连续和离散值的优化变量,我们提出了一个分层的过程分解成纯粹的连续和离散的子问题,其中每一个可以有效地解决的集成混合动力问题。我们表明,在各种驾驶场景的模拟,速度和换档控制的共同优化,使用我们提出的分层程序可以实现更高的能源效率比其他典型的方法。
2019-10-04 cs.SY eess.SY
Adaptive Tuning of Online Feedback Optimization for Process Control Applications
TU Delft(代尔夫特理工大学);Eastern Switzerland University of Applied Sciences(东瑞士应用科学大学);KTH Royal Institute of Technology(瑞典皇家理工学院);Norwegian University of Science and Technology(挪威科技大学)
本文提出基于缩放投影梯度下降的自适应调节方法,用于优化在线反馈控制器参数,提升闭环性能。
2026-04-14 cs.SY eess.SY
Performance-based Trajectory Optimization for Path Following Control Using Bayesian Optimization
本文提出一种基于贝叶斯优化的样本高效调参算法,通过高斯过程建模性能指标,在分层轮廓控制中平衡快速遍历、跟踪精度与振动抑制,实现最佳加工性能。
2024-04-29 cs.SY eess.SY
Data-Driven Scenario Optimization for Automated Controller Tuning with Probabilistic Performance Guarantees
不确定性下复杂系统的先进控制策略的系统设计和验证在很大程度上仍然是一个悬而未决的问题。尽管黑盒优化方法的自动控制器整定的承诺,他们通常缺乏正式的保证解决方案的质量,这是特别重要的安全关键系统的控制。本文重点研究了控制器自动整定的闭环性能保证问题,该问题可以归结为不确定性条件下的黑箱优化问题。我们使用非凸情景理论的最新进展,提供了一个分布的闭环性能指标的概率上的限制。为了减轻数据驱动场景优化方法的计算复杂性,我们将自己限制在一组离散的候选调优参数上。我们建议使用约束贝叶斯优化从不同的随机种子点运行多次来生成这些候选人。我们应用所提出的方法调整一个经济的非线性模型预测控制器的半间歇反应器建模由七个高度非线性微分方程。
2020-11-15 cs.SY eess.SY
Control of Permanent Magnet Motors with Actuation Bounds using Convex Optimization
本文提出了一种永磁电机速度控制的非线性控制算法。这个想法依赖于一个反馈线性化技术,也确保遵守电流和电压的界限。这些界限是由电源的实际限制引起的。反馈线性化的法律计算使用凸优化例程,以尽量减少响应时间以及。凸优化的辅助导致计算效率。此外,该方法的数学易处理性也有助于分析模型不确定性和反馈测量噪声下的系统性能。模拟和计算证实了所提出的想法。
2019-11-26 cs.SY eess.SY
Plant and Controller Optimization for Power and Energy Systems with Model Predictive Control
本文探讨了电气化移动性的植物特性和控制器参数的优化。汽车和飞机等移动运输系统的电气化能够提高效率和成本等关键性能指标。然而,新组件内的电气和热动态之间的强双向耦合带来了集成挑战,增加了组件退化并降低了性能。减少这些问题需要新的工厂设计和控制策略。电气化移动性文献提供了关于工厂和控制器优化的先前研究,称为控制协同设计(CCD)。这些研究中的一个空白是缺乏模型预测控制(MPC),公认的管理多域动态电气化系统,CCD框架内。本文通过三个贡献来解决这个问题。首先,热电机械混合动力电动汽车(HEV)模型的开发,是适合植物优化和MPC。其次,同时植物和控制器优化进行此多域系统。第三,MPC集成在CCD框架内使用候选HEV模型。结果表明,同时优化植物和MPC参数可以减少超过60%的物理组件的大小和关键性能度量误差超过50%。
2020-10-14 cs.SY eess.SY
On Robustness in Optimization-Based Constrained Iterative Learning Control
迭代学习控制(ILC)是一种用于重复性任务的控制策略,其中利用来自先前运行的信息来改善未来的性能。基于优化的迭代学习控制(OB-ILC)是一个功能强大的设计框架,约束迭代学习控制的过程中的测量集成到一个优化算法,以提供对噪声和建模误差的鲁棒性。针对约束线性过程,提出了一种基于前后向分裂算法的鲁棒迭代学习控制器。它演示了如何利用结构化的不确定性信息来确保约束满足,并通过结合单调算子理论和鲁棒控制的概念,在迭代域中提供了严格的稳定性分析。精密运动平台的数值模拟支持的理论结果。
2022-05-26 cs.SY eess.SY
Robotic Control Optimization Through Kernel Selection in Safe Bayesian Optimization
School of Data Science, The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳)数据科学学院);Singapore Institute of Manufacturing Technology, A*STAR(新加坡制造技术研究院(新加坡科研局));Department of Electrical and Computer Engineering, National University of Singapore(新加坡国立大学电气与计算机工程系);Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州)机器人与自主系统学部)
本文提出一种基于学习的控制优化方法,通过核选择增强加性高斯过程的安全贝叶斯优化算法,高效解决高维复杂系统的多控制器优化问题,并在Safe Control Gym基准的无人机PID控制中验证了其优于现有技术的显著改进。
2024-11-12 cs.RO cs.SY eess.SY
Deployment of an Online Feedback Optimization Controller for Reactive Power Flow Optimization in a Distribution Grid
本文在实际配电网中部署了基于在线反馈优化(OFO)的无功潮流控制器,利用现有逆变器在满足电压约束的同时优化变电站无功潮流,并验证其达到TRL 7级。
2023-08-10 cs.SY eess.SY
Deterministic Annealing Optimization for Witsenhausen's and Related Decentralized Stochastic Control Problems
本文提出基于确定性退火的非凸优化方法,用于解决离散时间随机控制问题中的控制器映射全局优化,展示了其在Witsenhausen问题上的严格优越性。
2016-07-11 cs.SY eess.SY
Synchronization and Control of Chaotic Spur Gear System Using Type-II Fuzzy Controller Optimized via Whale Optimization Algorithm
本文提出用WOA优化PID初始参数、并由区间II型FIS整定系数的模糊控制方案,实现混沌直齿轮系统在多参考输入和不确定性下的同步与控制,且性能优于对比方法。
2024-01-18 cs.SY eess.SY
Fixed-Order H-infinity Controller Design via HIFOO, a Specialized Nonsmooth Optimization Package
我们报告我们的经验与固定阶H ∞控制器设计使用HIFOO工具箱。我们应用HIFOO的各种基准固定(或减少)阶H ∞控制器设计问题的文献中,与其他方法发表的结果进行比较。结果表明,HIFOO可以作为一个有效的替代现有的方法固定阶HIFOO控制器的设计。
2020-03-04 cs.SY eess.SY
Online Optimization with Memory and Competitive Control
Tsinghua University(清华大学)
针对一类新的带记忆的在线优化问题,提出了竞争算法。我们考虑的设置,学习者寻求最小化的命中成本和切换成本,取决于以前的$p$决定的总和。此设置泛化平滑在线凸优化。所提出的方法,乐观正则化在线平衡下降,实现了恒定的,无量纲的竞争比。此外,我们展示了具有记忆的在线优化与具有对抗性干扰的在线控制之间的联系。这种联系,反过来,导致一个新的恒定竞争的政策,丰富的在线控制问题。
2021-01-08 cs.LG cs.SY eess.SY
Robust Control Optimization for Quantum Approximate Optimization Algorithm
量子变分算法最近引起了人们极大的兴趣,这是由于它们在有噪声的中间尺度量子(NISQ)器件上实现和测试的可行性。我们研究了量子近似优化算法(QAOA)的鲁棒性,该算法可用于解决某些量子控制问题、状态准备问题和组合优化问题。我们证明,QAOA模拟的误差可以显着减少鲁棒控制优化技术,特别是,通过序贯凸规划(SCP),以确保误差抑制的情况下,误差的来源是已知的,但不一定是它的大小。我们表明,稳健的优化提高了QAOA的客观景观,以及在存在相干误差和初始状态准备的错误的整体电路保真度。
2019-11-02 cs.SY eess.SY quant-ph
VABO: Violation-Aware Bayesian Optimization for Closed-Loop Control Performance Optimization with Unmodeled Constraints
Mitsubishi Electric Research Laboratories(三菱电机研究院);École polytechnique fédérale de Lausanne(洛桑联邦理工学院);Swiss Federal Laboratories for Materials Science and Technology(瑞士联邦材料科学与技术实验室)
研究了具有未建模动态的闭环控制系统的性能优化问题。贝叶斯优化(BO)已被证明是有效的,通过自动调整控制器增益或参考设定点,在一个无模型的方式来改善闭环性能。然而,BO方法很少在具有未建模约束的动态系统上进行测试。在本文中,我们提出了一个违规感知BO算法(VABO),优化闭环性能,同时学习约束可行的解决方案。与允许无限约束违反的经典约束BO方法或保守并尝试以接近零的违反操作的安全BO算法不同,我们允许预算约束违反以改善约束学习并加速优化。我们证明了我们提出的VABO方法的有效性,工业蒸汽压缩系统的能量最小化。
2021-10-14 cs.LG cs.SY eess.SY
Computing Safe Control Inputs using Discrete-Time Matrix Control Barrier Functions via Convex Optimization
Department of Electrical and Computer Engineering, Brigham Young University(电气与计算机工程系, BYU)
本文提出一种基于凸优化和矩阵控制障碍函数技术的新方法,解决了离散时间非凸安全集系统计算保持安全性的控制输入的实时性限制,并在双旋翼系统仿真中验证了有效性。
2025-10-10 cs.RO cs.SY eess.SY
Robust Optimization, Structure/Control co-design, Distributed Optimization, Monolithic Optimization, Robust Control, Parametric Uncertainty
本文提出一种针对工业基准的鲁棒结构/控制优化端到端框架,利用LFT和TITOP方法处理参数不确定性,通过分布式和整体式两种优化架构在满足控制性能和稳定性要求下实现航天器质量显著减少。
2023-06-14 cs.NA cs.SY eess.SY
Robust optimization for quantum reinforcement learning control using partial observations
目前的量子强化学习控制模型通常假设量子态是先验已知的,用于控制优化。然而,由于所需的量子测量的数量与量子比特的数量成指数比例,量子态的完全观察在实验上是不可行的。本文研究了一种使用部分观测的鲁棒强化学习方法来克服这一困难。这种控制方案与近期量子器件兼容,其中噪声是普遍的,并且预先确定量子态的动态实际上是不可能的。我们表明,这种简化的控制方案可以实现类似的,甚至更好的性能相比,传统的方法依赖于充分的观察。通过量子态控制和量子近似优化算法的例子,证明了该方案的有效性。已经表明,即使噪声幅度处于与控制幅度相同的水平,也可以实现高保真度的状态控制。此外,对于含噪声控制哈密顿量的QAOA,优化精度也能达到可接受的水平。这种鲁棒控制优化模型可以用来补偿实际量子计算中的不确定性。
2022-06-29 cs.SY eess.SY quant-ph
Learning control of quantum systems using frequency-domain optimization algorithms
在超快激光控制量子系统的背景下,利用频域优化算法研究了两类量子控制问题。在第一类中,系统模型是已知的,并且基于频域梯度的优化算法被应用于搜索最优控制场以选择性地和鲁棒地操纵原子铷中的布居转移。另一类量子控制问题涉及具有未知模型的实验系统。在这种情况下,我们引入了一个差分进化算法与混合策略,以寻找最佳的控制领域,并证明在超快激光控制实验的能力,为Pr(hfac)$_3$分子的碎片。
2020-05-26 cs.SY eess.SY quant-ph
Push-Pull Optimization of Quantum Controls
量子最优控制涉及建立一个目标函数,该目标函数评估代表实现过程w.r.t.的操作员的质量。目标进程。在这里,我们提出了一个更强的目标函数,它不仅包括目标算子,而且还包括一组正交算子。我们发现所有运营商的综合影响的优化例程的收敛性显着优越。我们将此方法称为$\textit{push-pull}$优化。特别是,我们描述了采用推拉优化的梯度为基础的方法和变分原理为基础的方法。我们对一对伊辛耦合量子比特的量子控制的推挽优化进行了广泛的数值模拟。最后,我们展示了它的实验应用,通过制备一个长寿命的单态阶的双量子位系统使用NMR技术。
2019-09-14 cs.SY eess.SY quant-ph
A cGAN Ensemble-based Uncertainty-aware Surrogate Model for Offline Model-based Optimization in Industrial Control Problems
Siemens Technology(西门子技术公司)
针对工业控制中含噪数据建模与无反馈参数优化问题,提出基于cGAN集成的不确定性感知代理模型,在离散与连续控制案例中均优于多个基线方法。
2024-03-24 cs.AI cs.LG cs.SY