Informativity conditions for data-driven control based on input-state data and polyhedral cross-covariance noise bounds
动力系统的建模和控制依赖于包含系统信息的测量数据。有限的数据测量通常导致一组未伪造的系统模型，即，解释了这些数据。二次性能镇定或控制的数据信息性问题涉及到控制器的存在性，该控制器使所有未伪造的系统镇定或实现期望的二次性能。最近的研究结果在文献中提供的信息量条件的基础上控制的输入状态数据和椭球噪声的界限，如能量或幅度的界限。在本文中，我们考虑的信息量的输入状态数据的控制噪声边界定义通过交叉协方差的噪声相对于一个工具变量，边界最初作为噪声特性的参数边界识别。所考虑的互协方差界被定义为有限数量的超平面，这导致一个（可能无界）多面体集的非伪造系统。我们提供信息性条件的输入状态数据与多面体交叉协方差界稳定和$\mathcal{H}_2$ / $\mathcal{H}_\infty$控制通过顶点/半空间表示的多面体集的未伪造的系统。
2022-02-18 cs.SY eess.SY math.OC
Data informativity for stabilization of discrete-time infinite-dimensional systems
本文提出了一种数据驱动的方法，用于离散时间无限维系统的稳定化，通过研究数据信息性条件，建立了无噪声和有噪声情况下的稳定化理论框架。
2025-11-20 math.OC
Informativity for centralized design of distributed controllers for networked systems
最近在数据驱动控制方面的工作已经导致了直接从未知系统的测量中找到稳定控制器的方法。然而，对于多智能体系统，我们往往有兴趣找到控制器，考虑到他们的分布式性质。例如，完整状态可能无法在每个代理处用于反馈。为了处理这样的信息，我们考虑的问题，找到一个给定的块结构的反馈控制器的测量数据的基础上。此外，我们提供了一个算法，如果它收敛，导致最大稀疏控制器。
2022-07-29 math.OC
Using data informativity for online stabilization of unknown switched linear systems
本文研究离散切换线性系的数据驱动切换控制器设计。执行初始化阶段，而不是访问完整的系统动态，在此期间，为每个模式收集状态和输入的无噪声测量。在一定的测量条件下，我们为切换系统设计了一个稳定的切换控制器。准确地说，控制器在识别系统的活动模式和应用预定的稳定反馈之间切换。我们证明，如果系统切换根据一定的规格，该控制器稳定的闭环系统。一个网络的例子上的模拟说明了我们的方法。
2022-09-12 math.OC
Cautious optimization via data informativity
本文研究基于含噪测量确定未知代价函数保证次优值的问题，提出直接基于数据的集值回归与鲁棒方法，获得函数上界闭式表达式及正则性质，支持次优性验证与谨慎优化，并应用于控制相关问题。
2024-07-26 math.OC
Data Informativity for Quadratic Stabilization under Data Perturbation
Institute of Science Tokyo（东京科学大学）
本文提出数据扰动概念，统一处理系统噪声和测量噪声，通过扩展矩阵S过程的关键引理，解决了数据信息度评估中的核心问题，无需假设噪声特性。
2024-10-08 cs.SY eess.SY math.OC
Data Informativity under Data Perturbation
Department of Information Physics and Computing, Graduate School of Information Science and Technology, the University of Tokyo（东京大学大学院信息理工学研究科信息物理与计算学系）
本文研究了在噪声影响下数据信息性的理论基础，提出了一种新的噪声模型，通过二次矩阵不等式推导出可处理的线性矩阵不等式条件，扩展了现有分析并放松了先前工作的假设。
2026-10-01 cs.SY eess.SY math.OC
Synthesis of Dissipative Systems Using Input-State Data
本文研究离散时间耗散线性系统的数据驱动综合问题，基于信息性方法引入闭环耗散性概念，利用二次矩阵不等式给出充分必要条件，并通过基于数据的线性矩阵不等式设计控制器，兼顾输出矩阵已知与未知情形。
2025-01-30 math.OC
Data-Driven Output Feedback based Analysis and Control for Unknown Discrete-Time Linear System
The Chinese University of Hong Kong（香港中文大学）
本文针对输入矩阵已知的未知离散时间线性系统，提出温和的数据可辨识性条件与直接的状态反馈控制方法，通过参数化观测器将动态输出反馈问题转化为状态反馈问题，实现了渐近逼近LQR解的动态输出控制。
2026-08-20 math.OC
Data-driven control of continuous-time systems: A synthesis-operator approach
Graduate School of System Informatics, Kobe University（神户大学系统信息学研究科）
本文提出基于合成算子的连续时间系统数据驱动控制框架，无需状态导数和采样，直接利用连续时间数据进行系统辨识与稳定化。
2026-06-28 cs.SY eess.SY math.OC
Data-Driven Control in Infinite-Dimensional Spaces: Fundamental Lemma and Applications
Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡大学）
本文扩展持续激励、数据信息性和Willems基本引理至无限维空间，为偏微分方程和延迟微分方程系统的数据驱动控制奠定理论基础。
2026-09-23 math.OC
Data-Driven Stabilization Using Prior Knowledge on Stabilizability and Controllability
University of Groningen（格罗宁根大学）；Eindhoven University of Technology（埃因霍温理工大学）
该研究针对线性时不变系统的数据驱动镇定问题，引入能稳性、能控性先验知识拓展数据信息性概念，证明能稳性先验可放宽镇定充要条件，并提出配套的线性矩阵不等式形式的控制设计方法。
2026-10-02 cs.SY eess.SY math.OC
Data-Driven Gain Scheduling Control of Linear Parameter-Varying Systems using Quadratic Matrix Inequalities
本文综合了一个增益调度控制器，以稳定所有可能的线性参数变化（LPV）的植物是一致的测量输入/状态数据记录。受数据信息性和LTI镇定的启发，提出了一组二次矩阵不等式来表示噪声集、相容LPV对象类和可镇定对象类.通过参数集的顶点枚举避免了未知植物和“for all”参数之间的双线性。该方法的有效性和计算的易处理性的例子系统证明。
2022-12-03 cs.SY eess.SY math.OC
Necessary and Sufficient Conditions for Data-driven Model Reference Control
Southeast University（东南大学）；Bernoulli Institute for Mathematics, Computer Science and Artificial Intelligence, University of Groningen（格罗宁根大学伯努利数学、计算机与人工智能研究所）
该研究从数据驱动角度出发，基于数据信息性概念、不依赖持续激励数据，推导了无噪声和含噪声场景下模型参考控制的充要条件，可仅用系统生成数据直接完成参考模型匹配。
2024-10-31 math.OC
Data-driven stabilization of continuous-time systems with noisy input-output data
Kobe University（神户大学）
研究在噪声输入输出数据下基于数据的连续时间系统稳定化问题，通过操作符方法和行为理论，建立噪声数据对二次稳定化的必要充分条件，并提出稳定控制器设计方法。
2026-06-28 cs.SY eess.SY math.OC
Data-driven Analysis of T-Product-based Dynamical Systems
提出一种基于 T-product 的动力系统数据驱动分析框架，保留张量高阶结构，并研究系统辨识、稳定性、可控性与可镇定性，显著提升计算效率。
2024-10-27 cs.SY eess.SY math.DS
LMI-based Data-Driven Robust Model Predictive Control
Technical University of Darmstadt（达姆施塔特工业大学）
预测控制是一种基于系统模型来计算应用输入以优化未来系统行为的控制方法，目前已得到广泛应用。如果标称模型没有给出或者非常不确定，则可以采用数据驱动的模型预测控制方法，其中系统模型或输入直接从过去测量的轨迹获得。利用数据信息框架和Finsler引理，提出了一种基于数据驱动的鲁棒线性矩阵不等式模型预测控制方案，该方案考虑了输入和状态约束.使用这些数据，我们制定的问题作为一个半定优化问题，其解决方案提供了线性反馈的矩阵增益，而决定性的变量是独立的测量数据的长度。所设计的控制器使闭环系统渐近稳定，并保证约束满足。最后通过数值算例说明了该方法的有效性。
2023-03-08 cs.LG cs.SY eess.SY
Operator-based data embedding for data-driven control of continuous-time systems from noisy data
Graduate School of System Informatics, Kobe University（神户大学系统信息学研究科）
该研究针对含噪数据提出基于算子的数据嵌入方法，刻画与数据一致的系统集合，推导数据可辨识性条件并构造反馈增益，得到连续时间信号重构误差上界，用于连续时间系统的数据驱动控制。
2026-08-19 cs.SY eess.SY math.OC
An adaptive extension to robust data-driven predictive control under parametric uncertainty
University of Seville（塞维利亚大学）
针对参数不确定的时变线性系统，提出一种结合离线与在线数据、基于数据信息性框架和半定优化的自适应鲁棒数据驱动预测控制方法，实现稳定并保证代价递减。
2026-09-16 cs.SY eess.SY math.OC
Data-Driven Optimal Control of Affine Systems: A Linear Programming Perspective
在这封信中，我们讨论的仿射系统的数据驱动的线性规划的背景下的最优控制问题。首先，我们给出了值函数、Q-函数和松弛Bellman算子的不动点刻画的统一框架。然后，在无模型设置，我们展示了如何合成和估计贝尔曼不等式从一个小的，但足够丰富的数据集。为了保证探索的丰富性，我们完成了Willem的基本引理仿射系统的扩展。
2022-07-11 cs.SY eess.SY math.OC
Optimizing Electric Taxi Charging System: A Data-Driven Approach from Transport Energy Supply Chain Perspective
Tsinghua University（清华大学）；Sparkzone Institute Tsinghua University（清华大学智源研究院）
本文从交通运输能源供应链角度出发，提出数据驱动方法优化电动出租车充电站布局，通过案例研究评估系统效率和服务质量，对比分析拥堵情况下的效果。
2017-12-04 cs.SY eess.SY math.OC
On the Impossibility of Statistically Improving Empirical Optimization: A Second-Order Stochastic Dominance Perspective
当随机最优化中的基本概率分布仅通过数据观察时，已经研究了各种数据驱动的公式以获得近似最优解。我们表明，没有这样的配方可以，在某种意义上说，从理论上提高统计质量的经验优化得到的解决方案。我们通过证明任何数据驱动解决方案的最优性差距对Oracle最佳解决方案的一阶行为（包括偏差和方差）是由经验优化主导的二阶随机性来论证这一点，只要相对于底层分布保持适当的平滑性。我们证明了这种不可能的改进，在一系列的例子，包括正则化优化，分布鲁棒优化，参数优化和贝叶斯推广。我们还讨论了半参数统计推断和数据驱动的优化文献中的其他观点，我们的结果的连接。
2021-05-27 math.OC stat.ME
A Bayesian Perspective on the Data-Driven LQR
ETH Zürich（苏黎世联邦理工学院）
本文从贝叶斯视角提出数据驱动LQR的间接和直接方法，将后验不确定性纳入控制设计，通过分解期望成本揭示正则化原理，并展示两种方法在低数据情况下提升最优性与闭环稳定性。
2026-04-10 cs.SY eess.SY math.OC
Regularization in Data-driven Predictive Control: A Convex Relaxation Perspective
University of California San Diego（加利福尼亚大学圣地亚哥分校）
本文通过凸松弛视角探讨数据驱动预测控制中正则化的作用，提出A-DDPC方法，通过迭代算法解决内层问题，实验表明其在减少偏差和方差误差方面优于现有方法。
2026-10-19 cs.SY eess.SY math.OC
An SDE Perspective on Stochastic Inertial Gradient Dynamics with Time-Dependent Viscosity and Geometric Damping
本文利用随机Lyapunov分析研究带时变粘性阻尼和Hessian驱动阻尼的二阶随机惯性微分方程，证明了凸优化中函数值的几乎必然收敛与期望快速收敛，并给出了凸和强凸情形下的复杂性收敛速率。
2025-06-05 math.OC
Regret Optimality of Sample Average Approximation for Data-Driven Newsvendor Problems: A General Optimization Perspective
Fudan University（复旦大学）；Huazhong University of Science and Technology（华中科技大学）；Tsinghua University（清华大学）；Beijing Institute of Mathematical Sciences and Applications（北京数学科学与应用研究院）
研究数据驱动报童问题中SAA的遗憾最优性，将报童问题结构推广到一般凸性条件，对一般顺序随机优化问题的SAA进行统一遗憾分析，改进遗憾上下界，确立其遗憾率最优性，为政策设计和评估新算法提供支持，丰富分析工具。
2026-07-21 cs.LG math.OC
Stability in data-driven MPC: an inherent robustness perspective
本文从固有鲁棒性视角教程式分析未知 LTI 系统的 DD-MPC 稳定性，利用对噪声的连续性与标称 MPC 的鲁棒性证明多种噪声数据方案闭环稳定。
2022-08-25 cs.SY eess.SY math.OC
Data-Driven Feedback Linearization using the Koopman Generator
本文将反馈线性化几何视角与Koopman算子理论结合，提出数据驱动算法KGFL，通过函数字典和最小二乘实现反馈线性化，数值验证了算法有效性及字典、数据规模的影响。
2023-11-07 cs.SY eess.SY math.OC
Optimal Radio Resource Management for ISAC Under Imperfect Information: A Resource Economy-Driven Perspective
Ruhr University Bochum（波鸿鲁尔大学）
本文研究了下行一体化感知与通信系统中无线电资源管理的设计，通过联合优化时隙分配、波束适应、功能选择和用户-目标配对，以在不完美信息下实现资源消耗最小化。
2026-03-17 cs.IT cs.NI eess.SP
