Suboptimal Control of Unknown Second-order Nonlinear Systems with Guaranteed Global Convergence
针对具有未知时变非线性动态的二阶系统，提出了一种次优自抗扰控制器（S-ADRC）。输出反馈控制器通过动态控制增益保证整体收敛到最优解附近，基于通过高增益观测器获得的估计的主要和扩展状态变量。三个数值例子比较所提出的控制方案适用于线性和非线性系统的固定增益的传统ADRC以及几个基于模型的最优和次优控制器的性能。
2022-06-20 cs.SY eess.SY math.OC
Regret Analysis of Distributed Online LQR Control for Unknown LTI Systems
Northeastern University（东北大学）
在线优化最近开辟了途径，研究最优控制的时变费用函数是事先未知的。受此启发，我们研究了动态未知的线性时不变（LTI）系统的分布式在线线性二次型调节器（LQR）问题。考虑一个多智能体网络，其中每个智能体都被建模为一个LTI系统。该网络具有全局时变二次成本，可以逆向演化，并且每个代理只能部分地顺序观察。该网络的目标是共同（i）估计未知的动态和（ii）计算本地控制序列竞争的最佳集中式政策在事后，这最小化网络成本随时间的总和。这个问题被公式化为后悔最小化。我们提出了一个分布式的在线LQR算法的变体，代理计算他们的系统估计在探索阶段。然后，每个代理应用分布式在线梯度下降的半定规划（SDP）的可行集是基于代理系统的估计。我们证明了我们提出的算法的遗憾界的比例为$O(T^{2/3}\log T)$，这意味着随着时间的推移，所有代理的共识的概率很高。我们还提供了仿真结果验证我们的理论保证。
2022-02-06 cs.LG cs.SY eess.SY
On-the-fly control of unknown nonlinear systems with sublinear regret
我们研究了数据驱动的问题，约束控制未知的非线性动力学从一个单一的正在进行的和有限的地平线轨迹。我们考虑一个一步最优控制问题的光滑，黑箱的目标，通常是一个已知的费用函数和未知的动态组合。我们研究了一种动态控制范例，即，在每个时间步，仅为所执行的控制动作提供动态的演变和成本的一阶信息。我们提出了一种基于优化的控制算法，迭代地最小化数据驱动的代理函数的未知目标。我们证明了所提出的方法会引起次线性累积遗憾（逐步次优相对于最优的一步控制器），是最坏情况下最优的一类广泛的数据驱动的控制算法。我们还提出了易于处理的重新制定的方法，可以利用现成的求解器进行有效的实现。
2022-06-22 cs.SY eess.SY math.OC
L2 Observers for a Class of Nonlinear Systems with Unknown Inputs
Purdue University（普渡大学）；Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
本文研究了一类非线性系统中状态和未知输入的估计问题，通过线性矩阵不等式（LMI）设计观测器，保证误差动态的L2性能，并探讨了LMI可行性的条件。
2019-02-21 cs.SY eess.SY math.DS
Distributed Personalized Gradient Tracking with Convex Parametric Models
我们提出了一种分布式优化算法，用于解决在线个性化优化问题的计算和通信节点的网络，其中每个节点链接到一个特定的用户。假设局部目标函数具有复合结构，并且由已知的时变（工程）部分和未知的（用户特定的）部分组成。关于未知部分，假设具有已知参数（例如，二次）结构，其参数将随着算法的进化而学习。该算法由两个相互交织的组件组成：（i）一个动态梯度跟踪计划，用于寻找局部解估计和（ii）一个递归最小二乘计划，用于估计未知参数，通过用户的噪声反馈的局部解估计。在适当的假设下，该算法表现出有界遗憾。最后，数值例子验证了理论分析。
2021-04-14 cs.SY eess.SY math.OC
Neuro-adaptive distributed control with prescribed performance for the synchronization of unknown nonlinear networked systems
King Fahd University of Petroleum and Minerals（国王法赫德石油与矿物大学）；University of Western Ontario（韦仕敦大学）；The University of Texas at Arlington（阿灵顿得克萨斯大学）
本文提出了一种具有预设性能函数（PPF）的神经自适应分布式协作跟踪控制，用于高度非线性多智能体系统。PPF允许误差跟踪从预定义的较大集合被限制到预定义的较小集合。关键思想是通过输出误差的变换将受约束系统转换为无约束系统。假设智能体的动力学完全未知，控制器针对强连接的结构网络进行开发。所提出的控制器使所有智能体能够跟随领导者节点的轨迹，同时满足必要的动态要求。所提出的方法保证了变换误差和自适应神经网络权重的均匀最终有界性。仿真包括两个例子，以验证所提出控制器在具有时间变化不确定参数和外部扰动的高非线性异构网络系统中的鲁棒性和平滑性。
2018-11-18 cs.SY eess.SY math.OC
Incremental Policy Iteration for Unknown Nonlinear Systems with Stability and Performance Guarantees
针对未知非线性系统的无模型鲁棒最优控制问题，提出融合递归最小二乘与线性 ADP 的增量策略迭代算法，并证明其鲁棒稳定性、近最优性及非镇定初始策略下的学习条件。
2025-08-29 cs.SY eess.SY math.OC
Distributed Nonlinear Model Predictive Control for District Heating Networks
Politecnico di Milano（米兰理工大学）；ETH Zurich（苏黎世联邦理工学院）
提出一种基于交替方向乘子法的分布式非线性模型预测控制方法，利用图模型优化建筑质量流量吸收，在集中式控制性能和分散式隐私保护之间取得平衡。
2026-05-28 cs.SY eess.SY math.OC
Nash Equilibrium Seeking for High-order Multi-agent Systems with Unknown Dynamics
本文研究了一类动态未知的高阶多智能体系统的纳什均衡搜索问题。不同于现有的结果，单积分器，我们的目标是引导这类不确定的高阶代理的输出，一些非合作博弈的纳什均衡在一个分布式的方式。为了克服高阶结构、未知的非线性和监管要求带来的困难，我们首先为每个代理引入一个虚拟玩家，并为他们解决一个辅助的非合作博弈。然后，我们开发了一个分布式的自适应协议，通过嵌入这个辅助游戏动态到一些适当的跟踪控制器的原始代理来解决这个问题。在一定的激励持续存在条件下，讨论了参数的收敛问题。数值算例验证了算法的有效性。
2021-01-08 cs.SY eess.SY math.OC
Multi-agent Optimal Consensus with Unknown Control Directions
研究了一类控制方向未知的异质高阶智能体的最优一致性问题。与已有的一致性结果相比，进一步要求一致点是某个分布式最优化问题的最优解。为了解决这一问题，我们首先为每个智能体增加一个最优信号发生器，以重现给定分布式最优化问题的全局最优点，然后通过为这些增强的智能体开发自适应跟踪控制器来完成全局最优一致性设计.此外，我们提出了一个扩展时，只有实时梯度。在这两种情况下，所有代理的轨迹被证明是明确的，并达到预期的共识的最佳点。两个数值例子验证了我们的算法的有效性。
2020-07-25 cs.SY eess.SY math.OC
Distributed simultaneous state and parameter estimation of nonlinear systems
本文研究了一类非线性系统的分布式状态和参数同时估计问题，对于这类系统，其增广模型包含状态和参数，且仅部分可观测。具体来说，我们首先说明如何灵敏度分析（SA）可以选择变量的同时状态和参数估计。然后，社区结构检测（CSD）的过程分解方法，提出了整个系统划分为互联的子系统的分布式估计的基础。接下来，我们根据配置的子系统模型开发本地移动时域估计器，并且本地估计器彼此通信以交换它们的估计。最后，提出了一种基于SA和CSD的分布式滚动时域估计（DMHE）机制。所提出的方法的有效性示出了使用由四个连接的反应器的化学过程。
2022-01-10 cs.SY eess.SY math.OC
Consensus of Multi-Agent Systems with General Linear and Lipschitz Nonlinear Dynamics Using Distributed Adaptive Protocols
School of Automation, Beijing Institute of Technology（北京理工大学自动化学院）；Department of Electrical and Computer Engineering, Utah State University（犹他州立大学电气与计算机工程系）
针对一般线性和Lipschitz非线性多智能体系统，设计分布式自适应协议实现无向连通图下的完全分布式一致性，无需全局信息。
2011-09-17 cs.SY eess.SY math.OC
Neural network based control of unknown nonlinear systems via contraction analysis
本文提出基于收缩分析的神经网络控制器设计方法，通过构造神经ODE系统并施加凸LMI条件确保收缩性，使未知非线性系统轨迹收敛至平衡点邻域，并用两个示例验证有效性。
2025-05-22 cs.SY eess.SY math.OC
Distributed Stochastic Nash Equilibrium Learning in Locally Coupled Network Games with Unknown Parameters
在随机纳什均衡问题（SNEPs）中，参与者对所处的复杂环境具有不确定性，模型中的参数具有多维未知性。在各种SNEP中，本文重点研究了局部耦合网络博弈，其中每个理性参与者的目标都受到其邻居的综合影响。我们提出了一个分布式学习算法的基础上的邻近点迭代和普通最小二乘估计，其中每个球员反复更新的本地估计的邻居的决定，使其增广的最佳反应的决定，给定当前的估计参数，接收实现的目标值，并学习未知的参数。利用Robbins-Siegmund定理和M-估计量的大偏差定律，证明了当更新步长以适当的速率衰减时，该算法对SNEP解的几乎必然收敛.
2022-04-05 math.OC
Distributed Nonlinear Control Design using Separable Control Contraction Metrics
The University of Sydney（悉尼大学）
本文针对大规模网络非线性动态系统设计分布式控制系统，通过利用可分离度量结构扩展控制收缩度量（CCMs）技术，提出基于局部传感器信息和邻居通信的控制器设计方法，并针对具有弦图的系统提出基于SDP分解的分布式合成方法。
2018-10-11 cs.SY eess.SY math.OC
Deep Koopman Iterative Learning and Stability-Guaranteed Control for Unknown Nonlinear Time-Varying Systems
Peking University（北京大学）；City University of Hong Kong（香港城市大学）
本文提出基于Koopman的迭代学习与稳定控制方法，用于高效逼近和控制未知非线性时变系统，通过在线更新提升模型以提高精度和稳定性。
2026-01-29 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
Distributed Control of Multiagent Systems under Unknown Persistent Disturbances
研究了多智能体系统在未知持续干扰下的一致性和形成问题。具体来说，我们提出了一种新的方法，结合现有的共识（或形成）算法与一个新的控制器。新的控制器具有积分作用，该积分作用基于局部投影到图拉普拉斯算子的列空间上的误差信号产生控制输入。该动作允许代理在恒定或随时间变化的干扰下实现共识或预定的形成目标。本研究分析了这种架构的稳定性，并提供了几个说明性的例子来证明所提出的方法。
2013-10-13 math.DS math.OC
Distributed Nash Equilibrium Seeking for Games in Systems with Unknown Control Directions
研究了不确定网络系统在控制方向未知的情况下的分布式纳什均衡求解问题。更具体地说，玩家的动态应该是一阶或二阶系统，其中控制方向是未知的，有参数不确定性。为了实现分布式纳什均衡搜索，提出了基于Nussbaum函数的策略，分别设计了优化模块和状态调节模块。优化模块生成一个参考轨迹，可以搜索纳什均衡，状态调节模块。状态调节器被设计为将玩家的动作引导到参考轨迹。在状态调节模块中引入了自适应律来补偿参与者动态中的不确定参数，并引入了Nussbaum函数来解决控制方向的不可用性。完全分布式实现所提出的算法进行了讨论和研究。通过我们的分析探索，我们表明，所提出的寻求策略可以驱动的球员的行动的纳什均衡渐近，而不需要均匀的球员的未知控制方向的基础上Barbalat引理。最后给出了一个数值例子来支持所提算法的理论分析。
2020-09-27 math.OC
Safe Learning-based Observers for Unknown Nonlinear Systems using Bayesian Optimization
Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
从具有未知动态的动力系统生成的数据使得状态观测器能够学习：对建模误差具有鲁棒性，在计算上易于设计，并且能够以保证的性能操作。本文提出了一种模块化的设计方法，它包括三个设计阶段：（i）初始鲁棒观测器设计，使之能够在不允许状态估计误差发散的情况下学习动态（ii）学习阶段，其中使用贝叶斯优化和高斯过程来估计未建模分量;以及（iii）重新设计阶段，其利用所学习的动态来改进所述状态估计误差的收敛速率。我们提出的基于学习的观测器的潜力是证明在一个基准非线性系统。此外，还提供了保证估计性能的证书。
2021-06-25 cs.LG cs.SY eess.SY
Incremental Learning and State-Space Evolving Fuzzy Control of Nonlinear Time-Varying Systems with Unknown Model
提出了一种对未知非线性系统进行增量式建模和时变控制的方法。该方法结合了进化智能，颗粒机器学习和多变量控制的元素。提出了一种基于状态空间模糊集的演化建模方法。由此产生的模糊模型的结构和参数开发的数据流，重点是内存和数据覆盖率。模糊控制器也进化，基于数据实例和模糊模型参数。它的局部增益被重新设计的实时-每当相应的局部模糊模型的变化-从一个线性矩阵不等式问题的解决方案，从一个模糊李雅普诺夫函数和有界输入条件。我们证明了Henon混沌的一步预测和渐近稳定性。
2021-02-18 cs.SY eess.SY math.DS
Unknown Input Observer Design for a class of Semilinear Hyperbolic Systems with Dynamic Boundary Conditions
研究了具有增量扇区有界非线性项和未知边界输入的PDE/ODE耦合系统的未知输入观测器设计问题。假设在分布域的边界上有可用的测量，未知输入观测器的综合是基于李雅普诺夫方法和凸优化。数值模拟支持和证实了理论研究结果，说明了所提出的非线性未知输入观测器的鲁棒估计性能。
2022-11-30 cs.SY eess.SY math.DS
Adaptive Consensus and Parameter Estimation of Multi-Agent Systems with An Uncertain Leader
研究了一类具有不确定领导系统的多智能体系统的领导-跟随一致性和参数估计问题。先导系统由一组幅值、频率和相位未知的正弦波组成。为每个智能体建立一个分布式自适应观测器来估计领导者的未知频率。研究表明，如果领导者的信号足够丰富，未知频率的估计误差渐近收敛到零的所有代理。基于所设计的分布式自适应观测器，为每个智能体综合一个分布式自适应控制律，以解决领导者跟随一致性问题。
2020-07-27 cs.SY eess.SY math.OC
Data-Driven Cooperative Adaptive Cruise Control for Unknown Nonlinear Vehicle Platoons
University of Glasgow（格拉斯哥大学）
针对现有研究忽略未知非线性车辆动力学的问题，提出基于在线行驶数据、建模为半定规划的统一数据驱动协同自适应巡航控制方法，适用于纯自动驾驶及人机混合车辆队列，经典型激进工况对比验证优于经典ACC方法。
2023-07-21 cs.RO cs.SY eess.SY
Arbitrarily Fast Switched Distributed Stabilization of Partially Unknown Interconnected Multiagent Systems: A Proactive Cyber Defense Perspective
最近已经开发了一个设计框架，以分布式方式稳定互连的多智能体系统，并系统地捕捉网络物理系统的架构方面。然而，这种控制理论框架导致稳定化协议，该稳定化协议相对于网络攻击是被动的，并且关于保证的弹性水平是保守的。我们将控制层拓扑结构和稳定增益视为自由度，并开发了一个混合控制和网络安全设计框架来解决上述问题。从控制的角度来看，尽管代理层建模的不确定性和扰动，我们提出了一个新的一步一步的过程来设计一组控制子层的控制层拓扑结构的任意快速切换。从积极的网络防御的角度来看，我们提出了一个可满足性模理论公式，以获得一组控制子层结构的安全考虑，并提供这些子层的频繁和快速的突变，使控制层拓扑结构将保持不可预测的对手。我们证明了两层互联多智能体系统的鲁棒输入到状态稳定性，并通过仿真验证了所提出的思想。
2021-11-19 cs.CR cs.SY eess.SY
Output consensus of nonlinear multi-agent systems with unknown control directions
在本文中，我们考虑了一般类的非线性多智能体系统的输出一致性问题，没有事先知道的智能体的控制方向。提出了两种分布式Nussbaum型控制律来解决异构多智能体的无领导者和领导者跟随的自适应一致性问题。最后通过实例和仿真验证了其有效性
2015-08-13 math.OC
Cooperative missile guidance design using Distributed Nonlinear Dynamic Inversion
本文提出基于分布式非线性动态逆的协同制导算法，用于实现多导弹协调攻击。
2025-09-22 math.OC
Distributed Task Allocation for Self-Interested Agents with Partially Unknown Rewards
本文研究奖励部分未知的自利智能体分布式任务分配问题，通过组合划分博弈与权重博弈刻画最优分配，并提出有限时间收敛的PBRAG动力学及在线分布式算法。
2023-11-01 math.OC
Network Utility Maximization with Unknown Utility Functions: A Distributed, Data-Driven Bilevel Optimization Approach
University at Buffalo（纽约州立大学布法罗分校）；University of Michigan, Ann Arbor（密歇根大学安娜堡分校）
公平的资源分配是通信网络中最重要的课题之一。现有的解决方案几乎完全假设每个用户效用函数是已知的和凹的。本文试图回答以下问题：如何分配资源时，效用函数是未知的，甚至用户？这个答案在下一代AI感知通信网络中变得越来越重要，在下一代AI感知通信网络中，用户实用程序非常复杂，并且很难获得其封闭形式。在本文中，我们提供了一个新的解决方案，使用分布式和数据驱动的双层优化方法，其中较低的水平是一个分布式的网络效用最大化（NUM）算法与凹代理效用函数，和上层是一个数据驱动的学习算法，以找到最佳的代理效用函数，最大化的总和，真正的网络效用。该算法从数据样本（效用值或梯度值）中学习，自动调整代理效用函数，以最大化真实网络效用，因此适用于未知效用函数。对于一般网络，我们建立了非凹效用函数的算法的非渐近收敛速度。仿真验证了我们的理论结果，并证明了该方法在现实世界的网络中的巨大有效性。
2023-01-06 cs.LG cs.NI math.OC
Prescribed-Time Regulation of Nonlinear Uncertain Systems with Unknown Input Gain and Appended Dynamics
研究了一类具有未知输入增益和附加动态（状态不可测）的非线性系统的规定时间镇定问题。与渐近稳定问题不同，规定时间稳定目标要求状态在可以任意选取的有限时间内收敛到原点（即，由控制系统设计者规定），而不管系统的初始条件。考虑的一类系统被允许有一般的非线性不确定项在整个系统动态以及不确定附加动态（有效地产生一个随时间变化的非零干扰信号输入到标称系统）。控制设计是基于一个时间尺度变换，动态高增益缩放，和适应动态与时间强迫条款。
2021-08-08 math.OC
Reservoir Predictive Path Integral Control for Unknown Nonlinear Dynamics
Toyota Central R&D Labs., Inc.（丰田中央研究实验室）；Nagoya Institute of Technology（名古屋工业大学）
本文提出基于回声状态网络和模型预测路径积分的控制方法，用于提升未知非线性动力学的控制性能，通过鲁棒随机控制减少控制成本达60%。
2026-02-06 cs.LG cs.SY eess.SY
Structural Foundations of Nonlinear Systems with Unknown Inputs: The UID-Induced Normal Form and Minimal-Sensing Structure-from-Motion
INRIA Rhone Alpes（法国国家信息与自动化研究所罗讷-阿尔卑斯分所）
本文提出UID诱导规范形，统一解决未知输入解耦与重构问题，并实现仅用三点特征和单轴陀螺仪的最小结构运动递归状态估计。
2026-10-06 cs.CV cs.RO math.OC
Distributed Nash Equilibrium Seeking for a Class of Uncertain Nonlinear Systems subject to Bounded Disturbances
针对联合强连通切换网络下受有界扰动影响的不确定非线性系统N人博弈，提出融合共识算法、分布式估计器与自适应控制的分布式纳什均衡求解方法，可处理界未知扰动，其特例可解决高阶积分器系统的该类问题。
2024-11-02 math.OC
Distributed model predictive control for continuous-time nonlinear systems based on suboptimal ADMM
针对连续时间非线性系统，提出了一种基于乘子交替方向法的分布式模型预测控制（DMPC）方案。ADMM算法中的停止准则限制了迭代，因此以次优解为代价限制了分布式MPC解期间所需的通信工作。在两种不同的ADMM收敛假设下，给出了次优DMPC格式的稳定性结果。特别是，它表明，在每个ADMM步骤所需的迭代是有界的，这也证实了在仿真研究。
2017-06-29 math.OC
Event-Triggered Funnel Control for Output Reference Tracking of Unknown Nonlinear Systems
Martin-Luther-Universität Halle-Wittenberg（哈勒-维滕贝格马丁·路德大学）
针对未知非线性系统输出参考跟踪问题，提出事件触发零阶保持实现的漏斗控制器，通过辅助积分状态补偿误差，保证闭环性能并排除芝诺行为，经数值仿真验证有效。
2026-11-02 math.OC
Resilient Distributed Parameter Estimation with Heterogeneous Data
研究了测量攻击下的弹性分布估计问题。一组代理各自对收集在向量参数中的未知向量场进行连续的局部、线性、噪声测量。局部测量模型在代理之间是异构的，并且对于未知参数可能是局部不可观察的。攻击者破坏了一些测量流，并任意更改它们的值。代理的目标是通过对等通信网络进行合作，以处理它们（可能受到损害）的本地测量结果并估计未知向量参数的值。我们提出了SAGE，饱和自适应增益估计，一个分布式的，递归的，共识+创新估计，是弹性的测量攻击。我们证明，只要妥协的测量流的数量低于一个特定的界限，那么，SAGE保证所有的代理的本地估计几乎肯定收敛到参数的值。估计器的弹性，即，它可以容忍的受损测量流的数量不依赖于代理间通信网络的拓扑。最后，我们通过数值例子说明SAGE的性能。
2019-05-31 math.OC
Nonlinear Unknown Input Observability: The Analytic Solution in the case of a Single Unknown Input
本文在非线性可观性的框架下给出了一个基本的开放问题的分析解，即未知输入可观性问题（UIO问题）。这里提供的解决方案适用于单个未知输入的情况。第一部分的工作提出了这个分析解。对于可观测性秩条件，提出了基于可观测协分布计算的解析判据。类似的情况下，只有已知的输入，可观察的共分布是通过递归计算Lie导数的输出沿向量场的动态特性。然而，对应于未知输入，对应的向量场必须被适当地重新缩放。此外，输出的李导数也必须沿着一组新的向量场计算，这些向量场是通过递归地对定义动态的向量场执行适当的李括号来获得的。在实践中，整个可观测的协分布是由一个非常简单的递归算法。最后，它表明，递归算法收敛在一个有限的步骤和标准，建立已达到的收敛提供。通过检验多个已知输入和单个未知输入驱动的非线性系统的弱局部能观性，说明了所提出的能观性秩条件的解析扩展。对于这些系统，还提供了广泛的模拟。结果表明，一个简单的估计扩展卡尔曼滤波器的基础上，提供的结果，同意我们的可观性分析。最后，它表明，解析准则不仅是一个关键的分析工具，自动获得状态可观性（因此分析解的一个基本的开放问题），但它也可以是一个基本的工具，未知输入观测器设计。
2017-04-11 math.OC
Distributed Algorithm for the Global Optimal Controller of Nonlinear Multi-Agent Systems
School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院）；School of Computer Science and Technology, Shandong University（山东大学计算机科学与技术学院）；Department of Applied Mathematics, The Hong Kong Polytechnic University（香港理工大学应用数学系）
本文提出在信息结构受限下，通过分布式近似哈密顿-雅可比-贝尔曼方程实现非线性多智能体系统的全局最优控制器设计，验证了算法的有效性。
2026-04-07 math.OC
An Improved Distributed Nonlinear Observer for Leader-Following Consensus Via Differential Geometry Approach
研究了分布式非线性观测器框架下的领导者跟随输出一致性问题。通过引入一组几何条件，取代了对领导系统的某些假设，得到了一种新的具有较小保守性的分布式观测器策略，从而提高了已有结果的适用性.更具体地说，改进的分布式观测器可以精确地处理一些非线性领导系统的一致性问题，而传统的策略在一定的假设条件下是无效的，如弹性轴单连杆机械手（ESSLM）系统和大多数一阶非线性系统。我们证明了我们的分布式观测器的误差动态的指数稳定性的充分条件，提出了两个开创性的引理，以显示在李雅普诺夫型矩阵中出现的两个矩阵的最大特征值之间的关系。然后，利用微分几何中提出的零动态部分反馈线性化方法，设计了仿射非线性多智能体系统的纯分散控制律。利用这一改进，可以将已有的结果看作是一种特殊情况，因为跟踪器可以选择为任意的最小相位仿射光滑非线性系统。最后，将新的分布式观测器和改进的纯分散控制律应用到分布式控制框架中，构建了闭环系统。我们还证明了闭环系统的稳定性，以实现领导者跟随共识，即，证明了分布式控制框架满足确定性等价原理。以ESSLM系统和Van der Pol系统为例说明了该方法的有效性。
2020-07-08 math.OC
Distributed Optimal Consensus of Nonlinear Multi-Agent Systems
College of Electrical Engineering and Automation, Shandong University of Science and Technology（山东科技大学电气工程学院）；School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院）
本文研究了非线性多智能体系统的最优一致性问题，提出基于最优控制原理的分布式最优一致性算法，并在模型预测控制框架下开发了两种增强算法，证明了算法的收敛性和超线性收敛速度。
2026-04-05 math.OC
Reconstruction of unknown monotone nonlinear operators in semilinear elliptic models using optimal inputs
针对含未知非线性关系的物理模型，提出离线—在线贪婪重构算法，通过设计空间相关最优控制实现二维半线性椭圆模型中未知单调算子的精确辨识。
2025-02-03 math.AP math.OC
Adaptive Output Consensus of Heterogeneous Nonlinear Multi-agent Systems: A Distributed Dynamic Compensator Approach
分布式动态补偿器，也称为分布式观测器，在异构非线性多智能体系统的输出一致性问题中起着关键作用。然而，大多数现有的分布式动态补偿器要求补偿器的信息通过通信网络交换，或者每个子系统的控制器满足一类小增益条件。本文提出了一种新的分布式动态补偿器来解决参数未知的异构非线性多智能体系统的自适应输出一致性问题。分布式动态补偿器只需要通过通信网络交换输出信息。因此，它减少了通信负担，并有利于实现的动态补偿器。此外，分布式动态补偿器将原自适应输出一致性问题转化为一类参数未知的非线性系统的全局渐近跟踪问题。然后，利用自适应反推方法，我们为每个子系统设计了一个自适应跟踪控制器，它不需要像以前的研究中那样的小增益条件。进一步证明了闭环系统中所有信号全局一致有界，且所提出的控制方案能使所有子系统的输出渐近跟踪领导者的输出.仿真结果表明了该设计方法的有效性。
2019-12-17 math.OC
Online Learning and Control Synthesis for Reachable Paths of Unknown Nonlinear Systems
本文提出一种仅需局部动态和变化率界等有限先验知识，通过在线学习轨迹动态与代理动态综合控制，将未知非线性系统驱动至可达状态邻域的新方法。
2025-08-07 math.OC
Bilinear Koopman-Based Robust Model Predictive Control for Unknown Nonlinear Systems via Contraction Metrics
Graduate School of Information Science and Technology, The University of Tokyo（东京大学信息理工学研究科）
本文针对未知非线性系统，基于数据驱动的双线性库普曼实现提出鲁棒MPC框架。解决了有限维库普曼预测器的问题后，开发相关构造并制定问题。证明了闭环轨迹对约束的鲁棒满足等性质，数值实验显示该方法在性能上优于现有方法。
2026-07-29 math.OC
Nonlinear Programming Methods for Distributed Optimization
在本文中，我们研究如何标准的非线性规划算法可以用来解决有约束的最优化问题在分布式方式。优化设置由一组代理通过通信图进行交互，其共同目标是将表示为（可能是非凸的）可微函数的和的函数最小化。和中的每个函数对应于一个代理，并且每个代理具有关联的等式约束。通过重新铸造的分布式最优化问题成一个等价的，增强的集中式问题，我们表明，分布式算法的结果自然从应用标准的非线性规划技术。由于分布式公式化，标准假设和收敛结果不再成立。我们强调什么样的变化是必要的收敛仍然实现三个算法：两个算法的基础上拉格朗日方法，和一个算法的基础上的方法的乘数。收敛结果的变化是必要的，这主要是由于以下事实，即作为分布式公式的结果，提升的最优化问题的（局部）最小值是不规则的。与基于乘子方法的标准算法不同，对于分布式版本，我们不能证明可以实现理论上的超线性收敛速率。
2017-07-14 math.OC
Distributed Robust Nash Equilibrium Seeking for Mixed-Order Games by a Neural-Network based Approach
在实际应用中，具有异质动态的决策者可能参与相同的决策过程。这促使我们研究分布式纳什均衡寻求游戏中的球员是混合阶（一阶和二阶）的集成商的影响未知的动态和外部干扰在本文中。为了解决这个问题，我们采用了自适应神经网络来管理未知的动态和干扰，在此基础上，通过进一步适应基于梯度的优化和多智能体共识的概念，开发了分布式纳什均衡寻求算法。通过构造适当的李雅普诺夫函数，我们分析证明了收敛的报告的方法。理论研究表明，参与人的行动将被引导到纳什均衡的一个任意小的邻域，这也被模拟所证实。
2022-09-02 math.OC
Distributed Event-Triggered Leader-Follower Consensus of Nonlinear Multi-Agent Systems
我们考虑分布式领导者-追随者的共识问题与事件触发的通信。所考虑的系统是一个非线性输入仿射多智能体系统。该方法假设智能体具有相同的动力学结构，且参数不确定，满足增量稳定性条件。提出了一种分布式控制律，它基于两个新的通信触发条件（CTC）实现一致性：第一个条件实现渐近一致性，但不保证Zeno行为;第二个条件排除Zeno行为，但具有实际一致性.
2023-03-03 math.OC
Distributed Average Tracking for Second-order Agents with Nonlinear Dynamics
研究了具有非线性动力学的物理二阶智能体的分布式平均跟踪问题，其中智能体之间的相互作用用一个无向图来描述。在智能体和参考输入的动力学中，都存在一个满足Lipschitz型条件的非线性项。为了实现非线性项存在下的分布式平均跟踪问题，为每个智能体设计了一个非平滑滤波器和一个控制输入。其思想是每个滤波器输出渐近地收敛到参考输入和参考速度的平均值，并且并行地驱动每个代理的位置和速度以跟踪其滤波器输出。为了克服非线性项的无界效应，每个智能体的滤波器和控制输入都采用了新的状态依赖的时变增益。在该算法中，每个智能体除了需要其自身的滤波器输出、绝对位置和绝对速度以及其邻居的参考输入和参考速度之外，还需要其邻居的滤波器输出。最后，在智能体和参考输入的动态都存在未知有界项的情况下，将算法简化为实现物理二阶智能体的分布式平均跟踪。
2016-03-23 math.OC
Reachability of Nonlinear Systems with Unknown Dynamics
确定给定非线性控制系统的可达集对于系统控制和规划是至关重要的。然而，如果系统的动态不完全已知，则计算这样的集合是不可能的。本文的动机是一个场景，系统遭受不良事件中期操作，导致系统的动态发生重大变化，使他们在很大程度上是未知的。我们的目标是保守地近似系统的可达集仅从其在一个单一的点的局部动态和其动态的变化率的界限。我们将系统动力学的知识转化为一个普通的微分包含。然后，我们推导出一个保守的近似速度提供给系统在每个系统状态。使用这种近似的包含可以被解释为一个控制系统;导出的控制系统的轨迹保证是未知系统的轨迹。为了说明我们的工作的实际实施和后果，我们将我们的算法应用到一个简化的无人机模型。
2021-08-25 math.DS math.OC
A Sparse Polytopic LPV Controller for Fully-Distributed Nonlinear Optimal Control
本文研究图上非线性动力系统的分布式最优控制，即每个子系统的动态特性仅依赖于相邻状态的大规模系统。从以前的工作中，我们设计了一个基于云的部分分布式解决方案，在这里，我们提出了一个完全分布式的算法。本文的方法的关键新颖之处在于设计了一个稀疏控制器来稳定非线性系统在分布式算法每次迭代的轨迹。所提出的控制器是基于一个稳定控制器的多面体线性参数变化（LPV）系统满足非凸稀疏约束的设计。由于一个合适的选择的顶点矩阵和迭代过程中使用凸近似的非凸矩阵问题，我们能够设计一个控制器，其中每个代理可以本地计算的反馈增益在每次迭代通过简单地结合一些顶点矩阵，可以预先离线计算的系数。我们显示的有效性的策略上进行的多智能体编队控制问题的模拟。
2020-01-28 math.OC
Distributed Coordinated Control of Large-Scale Nonlinear Networks
利用向量李雅普诺夫函数方法，提出了一种分布式协调方法，用于大规模非线性动力系统的稳定性分析和控制设计。该方法将大系统分解为相互作用的子系统网络，通过比较系统分析系统的稳定性。然而，找到这样的比较系统并不容易。在这项工作中，我们提出了一个基于平方和的完全分散的方法来计算比较系统的网络的非线性系统。在比较系统的基础上，我们引入了一种分布式最优控制策略，在该策略中，各个子系统（智能体）与它们的近邻协调设计局部控制策略，使整个系统在初始扰动下指数稳定，并给出了相互作用的Van der Pol系统网络的控制算法.
2015-07-21 math.DS math.OC
