Influence Models on Layered Uncertain Networks: A Guaranteed-Cost Design Perspective
大规模社交网络的控制和估计往往需要代理之间的交互模型的可用性。然而，由于固有的复杂性和不可预测性，表征社会互动的准确模型带来了新的挑战。此外，模型的不确定性对于大规模网络变得更加明显。对于某些类别的社交网络，分层结构允许组合方法。在本文中，我们提出了这样一种方法来确定性能保证分层网络固有的模型不确定性。一个因式分解的方法来确定鲁棒稳定性和性能，这是通过一个分层的成本保证设计通过一个分层的Riccati型求解器，镜像网络结构。我们提供了一个例子，所提出的方法在大规模社交网络的意见动态的背景下。
2018-09-20 math.OC
On Symmetric Gauss-Seidel ADMM Algorithm for $\mathcal{H}_\infty$ Guaranteed Cost Control with Convex Parameterization
本文创新性地提出了一种对称Gauss-Seidel ADMM算法来解决H ∞保成本控制问题。在存在参数不确定性的情况下，H ∞保成本控制问题通常会导致大规模优化。这是由于所涉及的极端系统的数量相对于参数不确定性的数量呈指数增长性。通过Youla-Kucera参数化方法的一种变形，将稳定控制器参数化为凸集，从而将H ∞保性能控制问题转化为一个凸优化问题.基于一个适当的重新制定使用舒尔补，然后呈现可能的ADMM算法与对称高斯-赛德尔向后和向前扫描的使用。值得注意的是，这种方法消除了在许多H-无穷最优化问题中典型的经常令人望而却步的沉重计算负担，同时表现出良好的收敛保证，这对于所涉及的相关大规模优化过程尤其重要。该方法不仅保证了系统的鲁棒稳定性，而且在存在参数不确定性的情况下，系统的干扰抑制能力保持在最小值。更重要的是，由于所获得的有效性，该方法因此显然在各种重要的控制器综合问题中具有广泛的适用性，例如分散控制、稀疏控制和输出反馈控制问题。
2022-07-27 cs.SY eess.SY math.OC
Recursive state estimation for noncausal discrete-time descriptor systems under uncertainties
本文提出了一类线性非因果时变差分广义方程描述的不确定系统的在线状态估计方法。该方法是基于线性Minimax估计的概念和这里引入的奇异差分方程的因果关系指数。将动态规划和Moore伪逆理论应用于极小极大估计问题，得到了在线极小极大估计。它与卡尔曼滤波器的规则系统。给出了二维非因果广义系统状态估计的一个数值例子。关键词：卡尔曼滤波，在线状态观测器，保估计，广义系统，奇异系统，DAE。
2007-11-08 math.OC
Guaranteed cost structured control in infinite-horizon linear-quadratic cooperative differential games
本文研究了具有输出反馈信息结构的无限时间线性二次合作微分博弈，提出反馈保证成本结构控制概念，分析其性质并验证了Pareto最优控制的子最优性。
2026-08-25 cs.SY eess.SY math.OC
Polynomial Chaos-Based Flight Control Optimization with Guaranteed Probabilistic Performance
针对飞行动力学系统，提出了一种基于多项式混沌展开和优化的概率性能控制器设计方法。与保守处理不确定性的鲁棒控制技术不同，所提出的方法旨在有效地传播不确定性并优化控制参数以直接满足概率要求。为了实现这一点，违反概率的灵敏度进行评估的展开系数和四阶矩法的可靠性分析，然后进行优化，最大限度地减少故障概率下的机会约束。最后，用一个时间相关的多项式混沌展开来验证结果。通过这种方法，在保证闭环性能的同时降低了故障概率，从而增加了安全裕度。对一个参数不确定的纵向模型进行了仿真，验证了该方法的有效性。
2020-11-10 cs.SY eess.SY math.OC
Distributed Robust Control for Systems with Structured Uncertainties
我们提出了D-Phi迭代：一种用于结构不确定性系统的分布式、局部化和可扩展的鲁棒控制算法。该算法将分布式控制的系统级综合（SLS）参数化与L1，LInf和nu鲁棒控制的稳定性准则相结合。我们在仿真中表明，该算法实现了良好的标称性能，同时大大增加了鲁棒稳定裕度相比，LQR控制器。据我们所知，这是第一个分布式和本地化的算法结构鲁棒控制，此外，算法的复杂性只取决于局部邻域的大小，是独立的全球系统的大小。我们还表征了分布式和本地化计算的不同鲁棒性标准的适用性。
2022-09-19 cs.SY eess.SY math.OC
Distributed Adaptive Consensus Control of High Order Unknown Nonlinear Networked Systems with Guaranteed Performance
针对高阶非线性多智能体系统，提出了具有指定性能函数的自适应协同跟踪控制。使用这种方法，最初在已知大集合内的跟踪误差被限制在较小的预定义集合内。利用输出误差变换，将约束系统松弛并映射到无约束系统。控制器的设想下，代理的非线性动力学是未知的，感知网络的结构和强连接的假设。在所提出的控制器下，所有智能体跟踪的领导节点的轨迹，保证一致最终有界的转换误差和未知参数和动态的有界自适应估计。此外，建议的控制器与PPF分布，使得每个追随者代理需要自己的状态之间的信息相对于连接的邻居。针对具有不确定时变参数和外部干扰的高度非线性异构网络系统，验证了所提出的控制器的鲁棒性和平滑性。索引术语：预定性能，神经自适应，高阶，转换误差，多智能体，分布式控制，一致性，同步，瞬态，稳态误差，MIMO，SISO。
2019-04-25 math.OC
Robust stability for fractional-order systems with structured and unstructured uncertainties
针对阶数α∈(0,1)的两类不确定分数阶系统，分别提出了鲁棒稳定性的充分条件和充要条件，并通过求解线性矩阵不等式进行验证。
2012-12-17 cs.SY eess.SY math.OC
Adaptive Output Feedback MPC with Guaranteed Stability and Robustness
本文提出一种自适应输出反馈MPC框架，利用鲁棒自适应观测器的估计构造两层同伦管以应对参数未知、外部扰动和状态不可测，并保证递推可行性与鲁棒指数稳定性。
2025-02-06 cs.SY eess.SY math.OC
Structured H-infinity control of infinite dimensional systems
针对一类传递函数形式的无穷维线性定常系统，提出了一种新的基于频率的H ∞控制方法。我们的方法的主要好处是，减少或识别技术是不需要的，从而避免可能的失真。它可以利用传递函数模型或输入/输出频率响应数据（如果可用）。它计算任何大小和结构的简单实用控制器。我们使用一个非光滑的信赖域方法来计算任意结构的局部最优H ∞控制器的频率采样近似的基本无限维H ∞问题的指数稳定性在闭环中的方式得到保证，和最优值的近似值捕获的值的无限维问题在事先的公差水平。我们证明了我们的方法的多功能性和实用性的各种无穷维H ∞综合问题，包括分布式和边界控制的偏微分方程，控制的死区和延迟系统，并使用丰富的测试集。
2017-12-15 math.OC
An Input-Output Approach to Structured Stochastic Uncertainty
University of California at Santa Barbara（加州大学圣塔芭芭拉分校）
本文研究了具有外生随机扰动的线性时不变系统，并与结构化随机不确定性的反馈连接。通过输入-输出方法分析这些系统，不依赖于状态空间模型，适用于某些分布式系统。推导出均方稳定性条件，基于线性矩阵算子的谱半径，适用于相关不确定情况，并复现了非相关不确定情况的已有结果。
2018-06-19 cs.SY eess.SY math.OC
Tube-based Guaranteed Cost Model Predictive Control Applied to Autonomous Driving Up to the Limits of Handling
控制技术的发展，以保持车辆的稳定性下可能失去控制的情况下，是必不可少的自主地面车辆在公共场景中的安全部署。在本文中，我们提出了一种基于管的保证成本的模型预测控制器的自动驾驶汽车能够避免前后轮胎饱和，并跟踪提供的参考轨迹的车辆的处理的限制。这种方法确保车辆将保持在其安全操作范围内;因此，保证车辆的稳定性和性能，包括紧急情况下可能需要的高动态机动。我们还提出了一个新的保守逼近的非线性车辆动力学的线性系统的范数有界乘性不确定性和一个新的最大鲁棒可控不变集的车辆动力学。它包括一个更大的可行状态空间区域相比，以前提出的不变集。最后，我们提出了所提出的方法的性能的模拟和车载结果。
2020-12-09 cs.SY eess.SY math.OC
Switched Linear Systems Meet Markov Decision Processes: Stability Guaranteed Policy Synthesis
切换线性系是动态在不同模式之间切换的时变非线性系统，其中每个模式对应于不同的线性动态。它们自然出现，以模拟系统运行期间的意外故障、环境不确定性或系统噪声。本文考虑一类特殊的切换线性系，其中模式切换由马尔可夫决策过程（MDP）控制。我们研究了在MDP中稳定切换系统的策略合成问题。给定一个策略，切换的线性系变成一个马尔可夫跳变的线性系，其稳定性条件已被广泛研究。我们利用这些稳定性条件，并提出了三种不同的计算方法来找到稳定的政策在MDP。我们得到我们的第一种方法，通过扩展的稳定性条件的马尔可夫跳线性系处理开关由MDP。这种方法需要找到一组双线性矩阵不等式的可行解，这使得策略合成通常具有挑战性。为了提高可扩展性，我们提供了两种基于凸优化的方法。我们给出了三个例子来展示和比较我们提出的解决方案。
2019-04-25 math.DS math.OC
Sparse $H_\infty$ Controller for Networked Control Systems: Non-Structured and Optimal Structured Design
本文针对连续时间LTI系统提出三类稀疏/结构化H∞控制器设计问题，通过线性化转化为凸SDP问题并设计保证收敛的ILMI算法，证明极限点为稳定点，数值仿真验证了其减少通信负担和提升性能的效果。
2025-05-06 math.OC
Static Output Feedback Control for Nonlinear Systems subject to Parametric and Nonlinear Uncertainties
University of Alberta（阿尔伯塔大学）
本文研究了满足局部Lipschitz连续条件的离散非线性系统静态输出反馈控制器设计，通过凸多目标优化同时优化Lipschitz常数和扰动抑制水平，提升系统对非线性不确定性和参数变化的鲁棒性。
2016-06-25 cs.SY eess.SY math.DS
Centralized model predictive control with distributed adaptation
University of Illinois at Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出一种集中式模型预测控制方法，通过分布式适应机制处理非线性系统的不确定性，确保系统稳定性与约束满足。
2020-09-14 math.OC
Minimum Cost Feedback Selection in Structured Systems: Hardness and Approximation Algorithm
本文研究线性定常结构系统的输出反馈选择问题。我们假设输入和输出是专用的，即，每个输入直接致动单个状态并且每个输出直接感测单个状态。给定一个具有专用输入和输出的结构化系统，以及表示每个反馈连接的成本的成本矩阵，我们的目标是选择一组最优的反馈连接，使得闭环系统满足任意极点配置。这个问题被称为专用i/o的最优反馈选择问题。我们首先证明了NP-困难的问题，使用减少从一个著名的NP-困难的问题，加权集覆盖问题。此外，我们还证明了最佳反馈选择问题的专用I/O是不可近似的一个常数因子的log n，其中n表示系统的维数。为此，我们提出了一种算法来寻找专用I/O的最优反馈选择问题的近似解。该算法由一个势函数和一个贪婪方案组成，并获得一个有保证的近似比的解决方案。然后，我们考虑两个特殊的网络拓扑结构的实际意义，称为后边缘反馈结构和层次网络。对于第一种情况，这是NP-困难的和不可近似的乘法因子的log n，我们提供了一个（log n）-近似解，其中n表示系统的维数。对于分层网络，我们给出了一个基于动态规划的算法，在多项式时间内得到一个最优解。
2019-03-29 math.OC
Guaranteed methods based on constrained zonotopes for set-valued state estimation of nonlinear discrete-time systems
本文提出基于均值扩展和一阶Taylor扩展的约束zonotope方法，用于非线性离散时间系统的集值状态估计，在保留计算优势的同时实现了更紧的预测和更新包络。
2019-08-29 cs.SY eess.SY math.DS
Path Structured Multimarginal Schrödinger Bridge for Probabilistic Learning of Hardware Resource Usage by Control Software
University of California, Santa Cruz（加州大学圣克鲁兹分校）；University of Pennsylvania（宾夕法尼亚大学）；Iowa State University（爱荷华州立大学）
本研究利用路径结构化多边缘薛定谔桥问题的最新求解算法，实现控制软件硬件资源使用的概率学习，可线性收敛地预测时变资源分布，在模型预测控制案例中验证了有效性，可推广至各类软件的信息物理相关性能预测。
2023-10-03 cs.LG cs.SY eess.SY
Passivity guaranteed stiffness control with multiple frequency band specifications for a cable-driven series elastic actuator
Tianjin Key Laboratory of Intelligent Robotics, Nankai University（天津智能机器人重点实验室，南开大学）
本文针对电缆驱动串联弹性执行器的刚度控制问题，提出了一种基于H∞综合方法的改进方案，通过在特定频率带内满足被动性、执行器限制、扰动抑制和噪声抑制等约束条件，提升了刚度控制的精度和鲁棒性。
2019-03-23 cs.RO cs.SY eess.SY
Dynamic Polytopic Template Approach to Robust Transient Stability Assessment
电力系统的暂态稳定评估需要考虑由于可再生能源和分布式发电机的集成而增加的不确定性风险。电网运行状态的不确定性阻碍了暂态稳定性的可靠评估。传统的方法，如时域模拟和直接能量法是计算昂贵的考虑到不确定性。本文提出了一种可达性分析方法，从不确定的初始条件计算可能的轨迹的界限。特征值分解被用来构建一个多面体模板，保证收敛到平衡点附近的可扩展数量的超平面。所提出的算法在给定的时间与多面体模板的可能状态的边界，并解决了随着时间的推移多面体的演变。该方法基于非线性函数的外逼近，采用线性规划松弛算法求解，具有可扩展性。我们证明了我们的方法在IEEE测试用例，以证明稳定性和约束的状态轨迹。
2017-05-02 math.DS math.OC
Robust Guaranteed-Cost Adaptive Quantum Phase Estimation
University of Warwick（华威大学）；National University of Singapore（新加坡国立大学）；Macquarie University（麦考瑞大学）；Australian National University（澳大利亚国立大学）；Centre for Quantum Computation and Communication Technology, Australian Research Council（澳大利亚研究委员会量子计算与通信技术中心）
本文提出一种鲁棒保证成本滤波器，用于实时估计变化的相位，通过最小化不确定模型参数的最坏方差，优于无不确定性的最优卡尔曼滤波器，且在最坏情况下优于异步测量的最优噪声阈值。
2017-04-05 cs.SY eess.SY math.OC
Adaptive sliding mode control without knowledge of uncertainty bounds
University of California, Berkeley（加州大学伯克利分校）；Ford Motor Company（福特汽车公司）
本文提出一种新的自适应方法，用于处理具有时变有界的非线性系统的控制输入。方法无需事先了解不确定性及其边界，通过自适应滑模结构调整增益，保证系统半全局稳定性，仿真显示可减小控制器增益并抑制抖振。
2018-03-15 cs.SY eess.SY math.OC
Optimal Decentralized Control for Uncertain Systems by Symmetric Gauss-Seidel Semi-Proximal ALM
研究了H2保成本分散控制问题。更具体地说，在适当的H2重新制定的基础上，我们把在存在参数不确定性的最优控制问题，然后适当的特点是凸约束和解决参数空间。通过适当的凸约束，将不确定性系统的镇定分散控制器增益集参数化为凸集，从而构造了一个近似的二次曲线最优化问题.这有利于使用对称高斯-赛德尔（SGS）半近似增广拉格朗日方法（ALM），达到高计算效率。对该方法在求解最优分散控制问题中的应用进行了全面的分析，并证明了所提出的方法能够有效地保证系统的分散结构、鲁棒稳定性和鲁棒性能.最后，通过算例验证了该优化方法的有效性.
2021-01-12 cs.SY eess.SY math.OC
Sparse Sensing and Optimal Precision: Robust $\mathcal{H}_{\infty}$ Optimal Observer Design with Model Uncertainty
我们提出了一个框架，其中包括三个方面的估计问题，即，稀疏传感器配置，最佳精度和鲁棒性模型的不确定性的存在。该问题在$\mathcal{H}_{\infty}$最优观测器设计框架中进行了阐述。我们考虑两种类型的不确定性系统，即结构仿射和非结构化的不确定性。我们的目标是设计一个观察员与给定的$\mathcal{H}_{\infty}$性能指标与最小数量的传感器和最小的精度值，同时保证所有容许的不确定性的性能。该问题是作为一个凸优化问题的线性矩阵不等式。数值模拟表明，在这项工作中提出的理论结果的应用。
2020-09-03 cs.SY eess.SY math.OC
Extremum Seeking Nonlinear Regulator with Concurrent Uncertainties in Exosystems and Control Directions
针对存在参数、控制方向、外系统动力学多重不确定性的非线性系统PORP问题，提出基于非线性内模和极值搜索控制的非自适应框架，无需Nussbaum增益，经李括号法证明闭环稳定，误差指数收敛，仿真验证了有效性。
2025-06-16 cs.SY eess.SY math.OC
Optimal Dispatch of Residential Photovoltaic Inverters Under Forecasting Uncertainties
University of Minnesota（明尼苏达大学）；National Renewable Energy Laboratory（国家可再生能源实验室）
本文研究在光伏预测误差下如何通过逆变器提供辅助服务以避免过电压，提出考虑条件风险价值的非凸混合整数非线性规划方法，并通过实测数据验证其有效性。
2014-11-07 cs.SY eess.SY math.OC
Contraction $\mathcal{L}_1$-Adaptive Control using Gaussian Processes
University of Illinois at Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校）；Georgia Institute of Technology（佐治亚理工学院）
我们提出了$\mathcal{CL}_1$ - $\mathcal{GP}$，一个控制框架，使安全的同时学习和控制系统的不确定性。两个主要组成部分是基于收缩理论的$\mathcal{L}_1$（$\mathcal{CL}_1$）控制和高斯过程（GP）回归形式的贝叶斯学习。$\mathcal{CL}_1$控制器确保在提供安全证书的同时满足控制目标。此外，$\mathcal{CL}_1$ - $\mathcal{GP}$将任何可用数据合并到不确定性的GP模型中，这提高了性能并使运动规划器能够安全地实现最优。这样，即使在学习瞬态期间，也始终保证系统的安全操作。我们提供了一些说明性的例子，在各种环境中的平面四旋翼系统的安全学习和控制。
2021-11-30 cs.LG cs.RO cs.SY
Practical prescribed-time prescribed performance control with asymptotic convergence -- A vanishing sigma-modification approach
SUSTech（南方科技大学）
本文提出一种方法，确保在存在时变参数和动态不确定性及不确定控制系数的情况下，为一类非线性系统实现实用预设时间控制。通过构造性能速率函数和sigma修正策略，设计了自适应动态表面控制框架，以降低控制复杂度并实现渐近收敛。
2026-01-21 cs.SY eess.SY math.OC
An Input-Output Approach to Structured Stochastic Uncertainty in Continuous Time
University of California, Santa Barbara（加州大学圣塔芭芭拉分校）
本文通过输入输出方法研究连续时间线性时不变系统在反馈下的随机不确定性，提出基于矩阵算子谱半径的均方稳定性条件，涵盖无限维系统和时滞系统。
2018-06-24 cs.SY eess.SY math.OC
Social welfare optimisation in well-mixed and structured populations
Faculty of Computer Science and Engineering, Ho Chi Minh City University of Technology (HCMUT), Vietnam（计算机科学与工程学院，胡志明市技术大学（HCMUT））；Vietnam National University - Ho Chi Minh City (VNU-HCM), Vietnam（越南国家大学-胡志明市（VNU-HCM））
本文提出通过单目标优化最大化社会福利，揭示在混合与结构化种群中激励成本与合作动态的关系。
2025-12-14 cs.AI cs.MA math.OC
