Constrained Attack-Resilient Estimation of Stochastic Cyber-Physical Systems
针对随机网络物理系统,提出了一种约束抗攻击估计算法(CARE)。CARE算法能够同时估计出系统的状态和攻击信号。它提高了估计精度和攻击检测性能时,物理约束和操作限制。特别地,CARE被设计用于同时输入和状态估计,提供最小方差无偏估计,并且这些估计随后被投影到由不等式约束限制的约束空间上。我们证明了估计误差和他们的协方差从CARE是小于那些从无约束的算法,并确认这一属性可以进一步降低攻击检测的漏报率。我们证明了CARE的估计误差实际上是指数稳定的均方。最后,一个说明性的例子,对车辆的攻击,以证明提高估计精度和检测性能相比,现有的无约束算法。
2022-10-11 cs.SY eess.SY math.OC
Resilient expansion planning of virtual energy plant with an integrated energy system -- reliability criteria of lines and towers
本文研究电网线路与杆塔状态对虚拟能源厂扩展规划的影响,通过引入维护成本、健康指数和风险因子,并结合热泵资源及敏感性分析,揭示网络条件与规划决策之间的权衡关系。
2021-11-09 cs.SY eess.SY math.OC
Safe and Resilient Multi-vehicle Trajectory Planning Under Adversarial Intruder
University of California, Berkeley(加州大学伯克利分校)
本文提出一种改进的序列轨迹规划方法,通过仅对固定数量的车辆进行重新规划,提高了多车轨迹规划的可扩展性和鲁棒性,适用于大规模系统。
2017-11-06 cs.SY eess.SY math.DS
Algorithms for Optimal Topology Design, Placement, Sizing and Operation of Distributed Energy Resources in Resilient Off-grid Microgrids
偏远社区的配电往往依赖于离网微电网。为了解决这些微电网的可靠性的挑战,我们开发了一个数学模型的拓扑设计,容量规划,并在微电网中,包括N-1安全分析的分布式能源的操作。由于最优化问题的大小令人望而却步,我们开发了一个滚动时域算法,该算法与基于递归的分解相结合,以有效地解决该模型。我们证明了我们的算法的效率,适应IEEE测试网络和一个真正的网络从阿拉斯加微电网。我们还比较了我们的模型所需的解决方案的时间与商业求解器和最近开发的分解算法来解决类似的问题。
2018-06-06 math.OC
Stochastic and Chance-Constrained Conic Distribution System Expansion Planning Using Bilinear Benders Decomposition
二阶圆锥规划(SOCP)已被用于电力系统的各种应用,如运行和扩展规划建模。在本文中,我们提出了一个两阶段的随机混合整数SOCP(MISOCP)模型的配电系统扩展规划问题,考虑不确定性,也捕捉非线性交流潮流。为了避免由于一些极端情况而导致的昂贵的投资计划,我们进一步提出了一个可能导致成本效益解决方案的机会约束变体。为了解决计算的挑战,我们扩展了基本的Benders分解方法,并开发了一个双线性变量来计算随机和机会约束的MISOCP公式。一组数值实验来说明我们的模型和计算方法的性能。特别是,结果表明,我们的Benders分解算法在处理随机场景的数量级上大大优于专业的MISOCP求解器。
2017-04-01 math.OC
Resilient Active Information Acquisition with Teams of Robots
University of Pennsylvania(宾夕法尼亚大学);University of Michigan(密歇根大学)
新兴的协作自治应用,如多目标跟踪,未知地图探索和持续监视,要求机器人规划路径以导航环境,同时最大限度地提高通过车载传感器收集的信息。在本文中,我们考虑这样的信息获取任务,但在对抗性的环境中,攻击可能会暂时禁用机器人的传感器。我们提出了第一个滚动时域算法,针对任何数量的攻击,我们称之为弹性主动信息采集(RAIN)的鲁棒性和自适应多机器人规划。RAIN以在线方式调用鲁棒轨迹规划(RTP)子例程,该子例程在前瞻规划范围内规划攻击鲁棒控制输入。我们通过限制RTP的次优性来量化RTP的性能。我们的理论分析的基础上引入的曲率概念在组合优化。我们在三种信息获取场景中评估RAIN:多目标跟踪,占领网格映射和持续监视。这些场景是在C++和基于Unity的模拟器中模拟的。在所有模拟中,RAIN实时运行,即使在存在大量攻击的情况下,也表现出与最先进的基线信息获取算法相比的卓越性能。我们还证明了RAIN的鲁棒性和有效性对不同的攻击模型(最坏情况和随机),以及不同的重新规划率。
2021-03-17 cs.MA cs.RO math.OC
Solving Overstay in PEV Charging Station Planning via Chance Constrained Optimization
目前,公共插电式电动汽车(PEV)充电站的使用率仅为15%。在另外85%的时间内,充电器空闲或被完全充电的PEV占用。策略性地将一辆充满电的PEV切换到另一辆等待充电的PEV,我们称之为交换,是提高充电站利用率的不可或缺的措施。本文研究了考虑策略性立交的纯电动汽车充电站规划问题,这在文献中还没有得到很好的研究。目的是提高利用率,同时降低基建投资和运行成本。提出了一种新的电力/能源聚合模型的立交运营和机会约束规划模型的公共充电站与客户需求的不确定性与立交开发。数值实验表明了该方法的有效性。仿真结果表明,引入策略性互通式立体交叉运营,可以显著减少充电站数量,提高利用率和经济效益。
2019-01-21 math.OC
A Chance Constrained Information-Gap Decision Model for Multi-Period Microgrid Planning
提出了一种多周期微网扩展规划的机会约束信息差决策模型,该模型考虑了随机和非随机两类不确定性。MMEP的主要任务是确定微电网中分布式能源(DER)的最佳规模,类型选择和安装时间。在所提出的配方,信息差距决策论(IGDT)被应用到对冲非随机的不确定性的长期需求增长。然后,机会约束施加在操作阶段,以解决每小时的可再生能源发电量和负荷变化的随机不确定性。机会约束信息差决策模型的目标是在满足一组高概率操作约束的同时,最大化DER投资的稳健性水平。然而,IGDT和机会约束规划的结合使得计算变得非常具有挑战性。为了解决这一挑战,我们提出并实现了一个加强的双线性Benders分解方法。最后,通过简单和实际复杂微电网的算例研究,验证了所提规划模型的有效性。此外,我们的新的计算方法表现出优越的解决方案的能力和可扩展性。与直接使用专业的混合整数规划求解器相比,可以将计算时间减少几个数量级。
2017-08-24 math.OC
Resilient Timed Elastic Band Planner for Collision-Free Navigation in Unknown Environments
Lincoln Centre for Autonomous Systems, University of Lincoln(林肯大学林肯自主系统中心)
针对自主导航中初始规划方案失效问题,提出结合混合A*算法和软约束平滑技术的弹性轨迹重规划方法,通过动态Voronoi图优化障碍约束,在高障碍密度环境中较TEB和NMPC规划器性能提升约20%,提升导航效率与鲁棒性。
2024-12-04 cs.RO math.OC
Graph-Based Controller Synthesis for Safety-Constrained, Resilient Systems
对损坏、组件退化和对抗行为的恢复能力是自治系统设计中的关键考虑因素。除了设计策略,以寻求防止这种负面事件,至关重要的是,一个自治系统仍然能够实现其控制目标,即使系统部分失去控制权。虽然权限的丧失限制了系统的控制能力,但是可以以系统的控制目标仍然可以实现的方式使用剩余的权限。在本文中,我们考虑的问题的最优设计的自治系统的离散时间线性动态可用的控制动作依赖于敌对输入的权威损失的结果。核心问题是如何划分系统可以应用的控制输入集,使得系统状态保持在安全集内,而不管对抗输入将可用控制输入限制到单个分区元素。我们解释这样的问题首先作为一个变种的安全游戏,然后作为一个问题的存在性适当的边标签的图。我们得到的存在条件和计算效率高的算法,用于确定一个系统设计和控制策略,保持系统的安全。我们用两个例子来说明我们的结果:一个损坏的自动驾驶汽车和一种通过信道进行通信的方法,该方法确保了最小的运行数字和。
2018-08-13 math.CO math.OC
Superiorization as a novel strategy for linearly constrained inverse radiotherapy treatment planning
我们应用优越化方法的调强放射治疗(IMRT)治疗计划问题。在优越化中,线性体素剂量不等式约束是基本的建模工具,其中可行性搜索投影算法将搜索可行点。该算法然后扰动梯度下降步骤,以减少一个非线性目标函数。在开源逆向计划工具包matRad中,我们使用成熟的Agmon,Motzkin和Schoenberg(AMS)可行性寻求投影算法和常见的非线性剂量优化目标函数实现了一个原型算法框架。在此基础上,我们将优化算法应用于调强放射治疗计划中,并与可行性搜索算法和非线性约束优化算法进行了比较。对于这些比较,我们使用TG 119水模体和CORT数据集的头颈部患者。裸可行性寻求与AMS证实了以前的研究,表明它可以找到的解决方案,几乎等同于所建立的分段最小二乘优化方法。优越化的原型解决了线性约束规划问题,具有类似的性能,一个通用的非线性约束优化,同时显示在约束附近和目标函数减少平滑收敛。在放射治疗逆向计划中,约束优化是一种有效的替代方法。未来的扩展与其他可行性寻求方法,例如,具有剂量体积约束和更复杂的扰动,可以释放其高性能逆向治疗计划的全部潜力。
2022-07-26 math.OC physics.med-ph
Resilient Non-Submodular Maximization over Matroid Constraints
University of Pennsylvania(宾夕法尼亚大学)
本文研究了在传感器和执行器失效情况下,基于Matroid约束的控制与传感问题,提出了一种具有系统级鲁棒性、可扩展性和可证明近似界的新算法。
2018-12-06 cs.RO cs.SY eess.SY
Moment constrained optimal dividends: precommitment \& consistent planning
在最优分红问题中,提出了一个限制分红次数的矩约束。这导致了一种新型的时间不一致的随机脉冲控制问题。首先,推导出预先承诺意义下的最优解。其次,问题被制定为一个内在的序列动态博弈与斯特罗茨的一致规划。特别是,纯股息策略和(强)子博弈完美纳什均衡的概念进行了调整。使用平滑拟合条件导出平衡。平衡被证明是强大的。不受控制的状态过程是一种相当普遍的扩散。
2019-09-24 math.OC q-fin.MF
Feasibility-Seeking and Superiorization Algorithms Applied to Inverse Treatment Planning in Radiation Therapy
我们应用最近提出的优越化方法(SM)的逆规划问题的放射治疗。逆规划问题在这里表示为一个大的线性双边不等式系统的强度向量的全变差(TV)的约束最小化问题。SM在概念上可以被视为介于可行性寻求的约束和完全成熟的约束最小化的目标函数受到这些约束。它是基于这样的发现,即许多可行性搜索算法(投影方法的品种)是扰动弹性,并可以主动转向一个可行解的约束减少,因此优越,但不一定是最小的,目标函数值。
2014-02-06 math.OC physics.med-ph
Constrained Attitude Reorientation Maneuver of Spacecraft based on Path Planning
University of Cincinnati(辛辛那提大学);Chosun University(朝鲜大学)
针对光敏仪器避光约束下的航天器姿态重定向问题,提出基于模糊增强势场路径规划的方法,结合动力学确定控制输入,仿真验证了约束满足下的成功机动。
2026-09-23 math.OC physics.space-ph
Efficient Multi-Year Security Constrained AC Transmission Network Expansion Planning
多年动态交流输电网扩展规划问题的求解因其潜在的精确性而逐渐成为规划研究的中心。然而,与DC TNEP相比,安全约束AC TNEP的计算负担是巨大的。对于一个动态的,安全约束的AC TNEP问题,计算负担变得非常过度,即使是中等规模的系统的解决方案变得几乎不可能。因此,本文提出了一种有效的,四阶段的解决方法,多年来,网络N-1意外事故和电压稳定约束,动态ACTNEP问题。一些智能逻辑策略的开发和应用,以减少优化算法的计算负担。所提出的方法被应用到Garver 6,IEEE 24和118总线系统,以证明其效率和能力,以解决TNEP为不同的系统规模。
2019-09-13 cs.SY eess.SY math.OC
Combining Safe Interval Path Planning and Constrained Path Following Control: Preliminary Results
National Research University Higher School of Economics(国家研究型高等经济大学);Moscow Institute of Physics and Technology(莫斯科物理技术学院);Peoples’ Friendship University of Russia (RUDN University)(俄罗斯人民友谊大学(RUDN大学));Bauman Moscow State Technical University(鲍曼莫斯科国立技术大学)
本文研究了机器人在静态和动态障碍物中的导航问题,并采用分层的方法进行了求解。首先,采用能够处理任意角度平移和旋转的安全区间路径规划算法规划参考轨迹。其次,路径跟踪问题被视为有约束的控制问题,并提出了原来的基于平坦性的方法来产生控制。我们提出了一些增强的路径规划算法,旨在寻找轨迹,更有可能被机器人没有碰撞。进行的实验评估的结果表明,成功解决的导航实例的数量显着增加时,使用建议的技术。
2019-06-17 cs.RO math.OC
Real Time Motion Planning Using Constrained Iterative Linear Quadratic Regulator for On-Road Self-Driving
Tencent Technology (Beijing) Company Limited(腾讯科技(北京)有限公司)
避免碰撞是人们在开发自动驾驶技术时需要考虑的最具挑战性的任务之一。在本文中,我们提出了一种新的时空运动规划算法,有效地解决了约束非线性最优控制问题,使用迭代线性二次型调节器(iLQR),该方法考虑了交通车辆的不确定驾驶行为,并将自动驾驶车辆之间的碰撞风险降至最低,(称为“自我”车辆)和交通车辆之间的距离,使得自我车辆能够与所有周围车辆保持足够大的距离,以实现交通中期望的防撞操纵。为此,我们引入了“碰撞多边形”的概念,用于计算自我车辆和交通车辆之间的最小距离,并提供了两种不同的解决方案,设计的运动规划问题的约束条件,通过适当建模的交通车辆的行为,以评估碰撞风险。最后,利用仿真器和3级自动驾驶测试平台,对iLQR运动规划算法在多个实时避碰任务中进行了验证。
2022-02-17 cs.RO math.OC
Reliability-Constrained Power System Expansion Planning: A Stochastic Risk-Averse Optimization Approach
这项工作提出了一种方法,将可靠性约束的最优电力系统扩展规划问题。除了LOLP和EPNS,传统上用于电力系统中,这项工作提出了使用的风险度量的风险值(风险价值)和CVaR(条件风险价值),广泛应用于金融市场。在规划问题中明确考虑可靠性约束可能是一项非常困难的任务,为了最大限度地减少计算工作量,这项工作采用Benders分解技术将扩展规划问题拆分为一个投资问题和两个子问题,以评估系统的运行成本和可靠性指标。运行子问题采用随机对偶动态规划(SDDP)求解,可靠性子问题采用蒙特卡罗模拟求解。所提出的方法适用于玻利维亚电力系统的最佳扩展规划的实际问题。
2019-10-28 cs.SY eess.SY math.OC
Using Uncertainty Data in Chance-Constrained Trajectory Planning
ETH Zurich(苏黎世联邦理工学院)
本文研究了在存在不确定位置障碍物的环境中进行轨迹规划问题,提出了一种在线学习分布矩的方法,并通过紧致的混合整数凸改写方法得到可行解,应用于自动驾驶领域。
2021-01-10 cs.SY eess.SY math.OC
The Benefits of an Integrated Approach for Stability-Constrained Power System Planning
German Aerospace Center (DLR)(德国航空航天中心)
针对电力系统规划串行方法的缺陷,研究集成方法在发电、输电、储能扩容时同步考虑稳定措施的优势,发现其可降低系统成本,且网格式电池储能系统的两用选项更具优势。
2026-08-07 cs.SY eess.SY math.OC
Non-Gaussian Chance-Constrained Trajectory Planning for Autonomous Vehicles under Agent Uncertainty
Massachusetts Institute of Technology(麻省理工学院)
智能体行为可以说是自动驾驶车辆轨迹规划中最大的不确定性来源。这个问题激发了大量的工作,在行为预测社区学习丰富的分布的未来状态和行动的代理。然而,目前大多数关于代理或障碍物不确定性下的机会约束轨迹规划的工作要么假设高斯不确定性或线性约束,这是有限的,要么需要采样,这在计算上难以编码在优化问题中。在本文中,我们通过提出一种由具有潜在非高斯分量的多项式和混合模型定义的上限机会约束的方法来扩展最新技术水平。我们的方法实现了它的通用性,通过使用统计矩的分布在浓度不等式的上限约束违反的概率。通过这种方法,基于优化的轨迹规划器可以规划相对于代表智能体未来位置预测的广泛分布的机会约束的轨迹。在实验中,我们表明,由此产生的优化问题可以解决与国家的最先进的非线性规划求解器计划轨迹足够快,在线使用。
2020-07-15 cs.RO cs.SY eess.SY