Decentralized Event-Triggering for Control of Nonlinear Systems
University of Maryland（马里兰大学）
针对非线性系统，提出一种仅利用局部信息的分散式异步事件触发机制，保证传感器到中央控制器传输间隔的正下界和系统渐近稳定性，并扩展至LTI系统的全局渐近稳定性和尺度不变性。
2014-06-13 cs.SY eess.SY math.OC
Experimental evaluation of sensor attacks and defense mechanisms in feedback systems
在这项工作中，我们评估理论结果的可行性，最坏情况下的影响，和防御机制对隐形传感器攻击的实验设置。我们证明了，对于一个控制器与稳定的动态的隐形传感器攻击是可能的进行和理论上的最坏情况下的影响是接近实际的。然而，虽然攻击理论上应该是可能的，当控制器有积分的行动，我们表明，积分行动减慢攻击者和攻击者是不能够保持隐身，如果它没有完善的知识的控制器状态。此外，我们还研究了不同的异常检测器对攻击影响的影响，并得出结论，具有内部动态的检测器的影响较小。最后，我们使用噪声注入到控制器的动态，以揭示否则隐形攻击。
2022-04-28 cs.SY eess.SY math.OC
Self-Healing Hybrid Control as a Proxy for Detection and Mitigation of Sensor Attacks in Cooperative Driving
Eindhoven University of Technology（埃因霍温理工大学）；Singapore University of Technology and Design（新加坡科技设计大学）
本文提出了一种实时混合控制器方案，通过传感器冗余和多数投票机制实时检测并缓解协同驾驶中的传感器攻击，仿真结果验证了其有效性。
2026-09-01 cs.SY eess.SY
Circular-Line Trajectory Tracking Controller for Mobile Robot using Multi-Pixy2 Sensors
Saigon University（西贡大学）；University of Technology (HCMUT)（胡志明市理工大学）；Vietnam National University Ho Chi Minh City（胡志明市越南国家大学）
针对移动机器人圆-线轨迹跟踪问题，提出利用三个 Pixy2 传感器获取信息并建立运动学模型，结合滑模控制器调节跟踪误差，仿真验证了方法有效性。
2023-08-12 cs.RO cs.SY eess.SY
Modular design of jointly optimal controllers and forwarding policies for wireless control
KTH Royal Institute of Technology（皇家理工学院）；Huawei Technologies Sweden AB（华为技术瑞典有限公司）
针对传感器通过不可靠、能量受限的多跳无线网络向控制器发送测量值的无线控制回路，提出将联合设计问题分解为传输调度和最优控制两个独立子问题，并分别给出最优解，实现高效协同设计。
2014-07-01 cs.SY eess.SY math.OC
Asynchronous Decentralized Event-triggered Control
University of Groningen（格罗宁根大学）
提出一种分散式事件触发控制器实现方法，允许传感器异步非周期测量，并通过单比特通信减少传输延迟和触发次数。
2013-05-17 cs.SY eess.SY math.OC
Model-Based Event-Triggered Implementation of Hybrid Controllers Using Finite-Time Convergent Observers
本文提出一种基于有限时间收敛观测器的混合控制器事件触发实现方法，实现了控制器与传感器设计的分离，并证明了混合闭环系统的渐近稳定性，数值仿真验证了其有效性。
2024-11-14 cs.SY eess.SY
Fractional Order Fuzzy Control of Nuclear Reactor Power with Thermal-Hydraulic Effects in the Presence of Random Network Induced Delay and Sensor Noise having Long Range Dependence
Jadavpur University（贾达普大学）；University of Southampton（南安普顿大学）；Indian Institute of Technology Delhi（德里印度理工学院）；Bhabha Atomic Research Centre（巴哈原子研究中心）
本文提出一种分数阶模糊PID控制器，用于在随机网络延迟和长程依赖传感器噪声存在下控制核反应堆功率，通过遗传算法优化实现鲁棒性。
2013-06-16 cs.SY eess.SY math.OC
Resilient Feedback Controller Design For Linear Model of Power Grids
Virginia Polytechnic Institute and State University（弗吉尼亚理工大学）
本文设计了针对受传感器和执行器攻击的线性时不变系统鲁棒控制器，提出概率攻击模型，推导了攻击下的观测器和控制器，利用Lyapunov函数方法证明系统在输出反馈控制器下具有指数均方稳定性，仿真结果验证了控制器设计的有效性。
2018-07-18 cs.SY eess.SY
Sensorless Real-Time Reduced Order Model Based Adaptive Maximum Power Tracking Pitch Controller for Grid Connected Wind Turbines
提出了一种用于并网型风力发电机的无传感器最大功率跟踪变桨控制器。所提出的架构的主要优点是，该方法确保平稳运行，从而最大限度地减少机械应力和损坏的WT在高风速和电网瞬态条件。同时，它还：a）减少公共耦合点（PCC）总线电压的瞬变，b）减少转子速度振荡，以及c）控制风力涡轮机的输出功率而不超过其热极限。该方法可以在没有风速测量的情况下工作。为了考虑PCC处网格变化的影响，网格中的受影响区域被建模为研究区域（感兴趣区域），其余区域（外部区域）被建模为频率相关降阶模型（FDROM）。然后使用降阶模型（ROM）来估计参考速度。该控制器利用发电机实际转速与参考转速之间的误差进行设计，以保证平稳运行，并将转速和气动功率限制在额定值。该架构进行了评估，使用风电场集成昆都尔的两个区域和IEEE-39总线测试系统，使用实时数字仿真器（RTDS）。
2019-09-14 cs.SY eess.SY
Bayesian Meta-Learning on Control Barrier Functions with Data from On-Board Sensors
本文提出利用贝叶斯元学习框架学习控制屏障函数，使机器人能在未知环境中仅凭少量机载传感器数据快速适应新环境并在线合成安全控制器，同时提供概率安全保证。
2023-08-10 cs.SY eess.SY
An Evolutionary Algorithm for Actuator-Sensor-Communication Co-Design in Distributed Control
University of Michigan, Ann Arbor（密歇根大学安娜堡分校）
本文研究了分布式环境下执行器、传感器和通信的协同设计问题，通过进化算法优化控制成本和材料成本，验证了在标准笔记本上秒级完成98状态摆方程模型协同设计的可行性。
2026-09-22 cs.SY eess.SY
Digital Control of Negative Imaginary Systems Using Discrete-Time Multi-HIGS: Application to a Dual-Stage MEMS Force Sensor
Monash University（莫纳什大学）；Erik Jonsson School of Engineering and Computer Science, The University of Texas at Dallas（德克萨斯大学达拉斯分校埃里克·乔森工程与计算机科学学院）；School of Engineering, College of Systems and Society, Australian National University（澳大利亚国立大学系统与社会学院工程学院）
本文提出利用离散时间多HIGS控制器对负虚系统进行数字控制，通过双模和三模HIGS的并联组合实现渐近稳定，并应用于双级MEMS力传感器，有效抑制共振并保持优良相位特性。
2026-04-11 cs.SY eess.SY math.OC
Statistical Watermarking for Networked Control Systems
University of California, Berkeley（加州大学伯克利分校）；University of Michigan（密歇根大学）
本文提出一种统计水印检测方法，用于识别网络控制系统中的传感器和通信攻击。通过设计可由各子控制器控制的闭环系统，利用Heymann引理及其多输入扩展，实现对攻击的独立检测。
2017-09-25 cs.SY eess.SY math.OC
Sum-of-Squares Data-driven Robustly Stabilizing and Contracting Controller Synthesis for Polynomial Nonlinear Systems
本文提出基于平方和规划的鲁棒收缩控制器综合方法，利用高品质数据辨识系统并在低品质数据时段在线综合控制器以限制状态偏差，并在无人机模型上验证了轨迹偏差的紧致控制效果。
2025-03-10 cs.SY eess.SY
Persistently Exciting Online Feedback Optimization Controller with Minimal Perturbations
本文提出一种持续激励的在线反馈优化控制器，通过双层优化和最小扰动估计梯度，无需随机扰动，在油气资源分配模拟中实现与随机扰动OFO相同利润且比无扰动OFO高1.4%的利润。
2025-05-26 cs.SY eess.SY
Abstractions and sensor design in partial-information, reactive controller synthesis
University of Delaware（特拉华大学）；Max Planck Institute for Software Systems（马克斯·普朗克软件研究所）；University of Pennsylvania（宾夕法尼亚大学）
本文提出了一种抽象方法，用于处理部分观察系统的反应控制器合成，通过识别必要的传感模态来解决感知限制问题，并通过插值技术改进模型和传感器设计。
2014-05-18 cs.SY eess.SY
Iterative Joint Detection of Kalman Filter and Channel Decoder for Sensor-to-Controller Link in Wireless Networked Control Systems
本文提出了一种基于卡尔曼滤波与信道解码器的迭代联合检测算法，利用先验信息提升无线网络化控制系统中控制与通信的性能。
2025-12-18 cs.IT cs.SY eess.SY
Neural Network Controller for Autonomous Pile Loading Revised
Tampere University（坦佩雷大学）；Aalto University（阿尔托大学）；Technische Universität Darmstadt（达姆施塔特工业大学）；Cargotec Oyj（卡哥特科公司）
我们最近提出了两个桩加载控制器，从人类示范学习：一个神经网络（NNet）[1]和一个随机森林（RF）控制器[2]。在现场实验中，射频控制器获得了明显更好的成功率。在这项工作中，以前的研究结果进行了大幅修订，在冬季条件下进行夏季训练的控制器。冬季实验表明，需要额外的传感器，更多的训练数据，以及一个控制器，可以利用这些。因此，我们提出了一种修正的神经控制器（NNetV2），它具有更有表现力的结构，并使用神经注意力机制集中在传感器和控制信号的重要部分。使用相同的数据和传感器来训练和测试三个控制器，NNetV2实现了对急剧变化的条件和卓越的成功率更好的鲁棒性。据我们所知，这是第一次在剧烈变化的室外条件下测试重型机器的基于学习的控制器，并在冬季提供高成功率，在夏季进行培训。
2021-03-23 cs.LG cs.RO cs.SY
Control of Fully Actuated Aerial Vehicles: A Comparison of Model-based and Sensor-based Dynamic Inversion
Professorship of Autonomous Aerial Systems, School of Engineering and Design, Technical University of Munich（自主航空系统教授职位，工程与设计学院，慕尼黑技术大学）
本文比较了模型驱动和传感器驱动动态逆控制器在全驱动六旋翼上的性能，发现传感器驱动在参数不匹配、风扰和传感器退化时表现更优，但在控制频率降低时模型驱动更佳。
2026-05-12 cs.RO cs.SY eess.SY
Safety Controller Synthesis for Stochastic Networked Systems under Communication Constraints
针对通信延迟与数据丢失的随机网络化系统，提出基于增广系统与控制屏障证书的安全控制器综合方法，将安全约束转化为矩阵不等式并量化安全概率，在RLC电路上验证有效性。
2025-09-09 cs.SY eess.SY
Optimal Downlink-Uplink Scheduling of Wireless Networked Control for Industrial IoT
针对半双工控制器下工业IIoT无线网络化控制的上下行传输折中，建立长期平均代价优化问题，给出有界代价最优平稳确定性策略的充要条件及低复杂度次优策略。
2019-10-06 cs.IT cs.SY eess.SY
Secure Sensor Design Against Undetected Infiltration: Minimum Impact-Minimum Damage
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出一种新机制，通过谨慎设计传感器输出来减少控制器被入侵后的损害，而非检测入侵。采用博弈论层次均衡方法，利用半定规划算法计算最优线性安全传感器输出，分析不同场景性能。
2018-01-05 cs.SY eess.SY
Adaptive Compliance Shaping with Human Impedance Estimation
人体阻抗参数在力量放大外骨骼的动力学中起着不可或缺的作用。许多方法被用来估计人体肌肉的刚度，但很少被用来提高这些设备的强度放大控制器的性能。我们提出了一个顺应性成形放大控制器，结合了一个准确的在线人体刚度估计从表面肌电图（sEMG）传感器和拉伸传感器连接到前臂和上臂的人。这些传感器值连同外骨骼位置及速度一起用于训练随机森林回归模型，所述随机森林回归模型准确地预测人的刚度，而不管变化的移动、松弛及肌肉共同收缩。我们的模型的准确性进行了验证，使用实验测试数据和该模型被实施到顺应性成形控制器。最后，我们表明，在线估计的刚度可以提高带宽和放大的控制器，同时保持鲁棒稳定。
2020-08-02 cs.SY eess.SY
Design and Simulation of Vehicle Motion Tracking System using a Youla Controller Output Observation System
本研究首次将Youla控制器输出观测器应用于车辆跟踪估计，仅用3个线性观测器实现全轨迹范围跟踪，通过切换技术保证平滑过渡，仿真验证其在多种驾驶场景下可准确鲁棒地估计车辆运动状态。
2025-06-13 cs.SY eess.SY
SEO: Safety-Aware Energy Optimization Framework for Multi-Sensor Neural Controllers at the Edge
University of California, Irvine（加州大学欧文分校）
考虑到平台的限制，能量管理已成为多传感器自治系统在边缘实现高性能的精髓。然而，典型的这种系统，是有他们的控制器的设计与正式的安全保证，优先于这样的优化，这反过来又限制了他们在实际环境中的应用。在本文中，我们提出了一种新的能源优化框架，是知道自治系统的安全状态，并利用它来调节能源优化方法的应用，使系统的形式安全属性被保留。特别是，通过一个系统的安全状态的形式化表征为一个动态的处理期限，计算工作量的基础模型可以相应地适应。在我们的实验中，我们对两种流行的运行时能量优化方法（卸载和门控）进行了建模，并在CARLA仿真环境中模拟了自动驾驶系统（ADS）用例，其性能表征来自标准Nvidia Drive PX2 ADS平台。我们的研究结果表明，通过在测试用例场景中的感知风险的正式认识，仍然实现了能源效率的提高（达到89.9%），同时保持所需的安全属性。
2023-02-24 cs.DC cs.LG cs.SY
Fundamental Limits for Sensor-Based Control via the Gibbs Variational Principle
Daniel Guggenheim School of Aerospace Engineering, Georgia Institute of Technology（丹尼尔·古金海姆航空航天工程学院，佐治亚理工学院）
通过吉布斯变分原理推导部分观测下因果反馈控制器的最小期望成本下界，提出自洽修正方法，并通过固定点方程获得可计算的数值界。
2026-07-08 cs.RO cs.SY eess.SY
Real-Time Sensor-Based Feedback Control for Obstacle Avoidance in Unknown Environments
本文提出一种基于距离函数及其梯度的局部Lipschitz连续安全速度锥控制器，实现未知环境中的实时避障与安全导航，并保证目标几乎全局渐近稳定，适用于有限距离传感器车辆。
2024-03-13 cs.SY eess.SY
Secure Traffic Lights: Replay Attack Detection for Model-based Smart Traffic Controllers
快速的城市化需要智能交通管理解决方案，这些解决方案将传感器、分布式交通控制器和V2X通信技术结合起来，提供精细的交通控制，以缓解拥堵。与许多其他网络物理系统一样，智能交通管理系统通常缺乏安全措施。这使得敌对实体有许多机会对传感器网络、无线数据共享和/或分布式流量控制器进行攻击。我们表明，这些漏洞可以被利用来破坏大城市地区的流动性，并为道路上的司机和行人造成不安全的条件。具体来说，在本文中，我们研究了基于模型的流量控制器的漏洞，并表明，即使有最先进的攻击检测器，虚假数据注入也可以用来阻碍移动性。我们演示了重放攻击建模一个孤立的十字路口VISSIM，一个流行的交通模拟器，并讨论了对策，以挫败这种攻击。
2020-03-09 cs.CR cs.SY eess.SY
Controllers with Minimal Observation Power (Application to Timed Systems)
Aalborg University（奥尔堡大学）；National ICT Australia（澳大利亚国家信息通信技术公司）；Université Libre de Bruxelles (U.L.B.)（布鲁塞尔自由大学）；Aix-Marseille University & CNRS（艾克斯-马赛大学与法国国家科学研究中心）
针对带成本的观测谓词集合，提出一种避免全子集搜索、重用迭代信息的最小成本谓词子集计算方法，并应用于时间系统。
2012-07-02 cs.GT cs.LO cs.SY
Optimal Controller and Quantizer Selection for Partially Observable Linear-Quadratic-Gaussian Systems
在网络化的控制系统中，传感信号通常在被传输到控制器之前被量化。因此，性能受到该量化过程的粗糙度的影响。现代通信技术允许用户根据所支付的价格获得分辨率变化的量化测量。在本文中，我们考虑联合最优控制器的合成和量化器调度的部分观测的量化反馈线性二次高斯（QF-LQG）系统，其中的测量被量化之前被发送到控制器。该系统提出了几种选择的量化器，以及使用每个量化器的成本。我们的目标是联合选择的量化器和综合的控制器，以达到控制性能和量化成本之间的最佳平衡。当量化的创新信号，而不是测量，该问题被解耦成两个优化问题：一个最优控制器的合成，和其他的最优量化器的选择。通过求解Riccati方程找到最优控制器，并且通过求解线性规划（LP）找到最优量化器选择策略，这两者都可以离线求解。
2021-11-08 cs.SY eess.SY math.OC
Optimal Sequence-Based Control and Estimation of Networked Linear Systems
Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）
针对多传感器网络化线性系统，提出一种统一的基于序列的控制与估计方法，通过发送控制输入序列补偿控制器-执行器通道的时延和数据丢失，并扩展至传感器-控制器通道，利用假设分布式卡尔曼滤波器（HKF）给出递归解。
2012-11-21 cs.SY eess.SY
The Canonical Controller for Distributed Systems
本文将Willems-Trentelman和van der Schaft关于可实现行为的结果推广到由偏微分或差分方程定义的线性分布系统的情况。证明了实现特定子系统的“最小”控制器是van der Schaft的规范控制器，从而回答了\cite{sc}在无穷维和$n-D$系统中的“公开问题”.这个结果是用来描述收集的所有线性子系统的电磁场，包含真空的解决方案，可以实现通过适当的选择电荷和电流密度。
2020-08-06 cs.SY eess.SY math.OC
Learning Safe, Generalizable Perception-based Hybrid Control with Certificates
MIT（麻省理工学院）
许多机器人任务需要摄像头和激光雷达等高维传感器来导航复杂的环境，但围绕这些传感器开发可证明安全的反馈控制器仍然是一个具有挑战性的开放问题，特别是当涉及学习时。以往的工作已经证明了安全的感知反馈控制器分离的感知和控制子系统，并作出强有力的假设的感知子系统的能力。在这项工作中，我们介绍了一种新的学习使能的感知反馈混合控制器，在那里我们使用控制障碍函数（CBFs）和控制李雅普诺夫函数（CLFs），以显示一个全栈感知反馈控制器的安全性和活性。我们使用神经网络直接在机器人的观测空间中学习全栈系统的CBF和CLF，而不需要假设单独的基于感知的状态估计器。我们的混合控制器，称为LOCUS（学习启用观察-使用切换的反馈控制），可以安全地导航未知环境，始终达到其目标，并安全地推广到训练数据集之外的环境。我们在仿真和硬件实验中展示了LOCUS，它使用激光雷达传感器的反馈成功地导航了不断变化的环境。
2022-01-04 cs.RO cs.SY eess.SY
Kernel Controllers: A Systems-Theoretic Approach for Data-Driven Modeling and Control of Spatiotemporally Evolving Processes
Pindrop Security；Distributed Autonomous Systems (DAS) laboratory Oklahoma State University（俄克拉荷马州立大学分布式自主系统实验室）
本文提出基于系统理论的方法，利用少量传感器和执行器实现对时空演变过程的建模、估计与控制，通过动态系统先验知识构建可控制的预测模型，并验证了其可观测性和可控性条件。
2015-08-09 cs.SY eess.SY
Frequency Shift Algorithm: Design of a Baseband Phase Locked Loop for Frequency-Domain Multiplexing Readout of X-ray Transition-Edge Sensor Microcalorimeters
过渡边缘传感器（TES）是一种用于测量单个X射线光子能量的极其灵敏的设备。对于天文光谱测量应用，SRON开发了一个频域复用（FDM）读出系统，用于千像素阵列的这种TES。每个TES在1至5 MHz范围内的特定频率下被电压偏置。各个像素之间的隔离是通过非常窄带（高Q）光刻LC谐振器获得的。为了防止由于互调线路噪声导致的能量分辨率降低，偏置频率分布在规则网格上。对LC谐振频率的精度要求很高。由于生产公差引起的谐振频率的偏差相对于带宽是显著的，并且控制器是必要的以补偿LC串联阻抗。我们提出了两个这样的控制器：一个简单的正交比例积分（PI）控制器和一个更复杂的阻抗估计。两个控制器都在基带中工作，并试图使TES电流与偏置电压同相，有效地作为锁相环（PLL）工作。它们允许TES像素的非LC谐振操作，同时保持TES热响应和能量分辨率。广泛的实验结果-最近发表在一个配套文件-与所提出的方法，表明这些控制器允许在多路复用操作中保存单个像素的能量分辨率。
2021-07-02 astro-ph.IM cs.SY eess.SY
Distributed control under compromised measurements:Resilient estimation, attack detection, and vehicle platooning
我们研究如何设计一个安全的基于分布式控制器，使一组车辆可以实现准确的状态估计和编队控制，即使车辆传感器的一个子集的测量受到恶意攻击者。我们提出了一个架构，包括一个弹性的观察员，攻击检测器，和一个基于分布式控制器。分布式检测器能够更新三组车辆传感器：肯定受到攻击的，肯定没有攻击的，和怀疑受到攻击的。自适应观测器通过预设的静态或时变阈值使测量新息饱和，使得潜在受损的测量对估计的影响有限。所提出的结构的基本特性包括：1）检测器是无故障的，攻击和攻击的车辆传感器可以在有限的时间内识别; 2）观察器保证实时误差界和渐近误差界，当更多的攻击或攻击的车辆传感器被检测器识别时，具有更紧的界限; 3）分布式控制器确保闭环稳定性。所提出的方法的有效性进行评估，通过模拟的应用程序，车辆编队。
2020-10-19 cs.SY eess.SY
Deep Reinforcement Learning for Adaptive Traffic Signal Control
Iowa State University（爱荷华州立大学）
许多现有的交通信号控制器要么是简单的自适应控制器的基础上放置在交通路口周围的传感器，或优化的交通工程师在一个固定的时间表。优化交通控制器非常耗时，通常需要经验丰富的交通工程师。最近的研究已经证明了在这种情况下使用深度强化学习（DRL）的潜力。然而，大多数研究都没有考虑可以无缝过渡到部署的现实设置。在本文中，我们提出了一个基于DRL的自适应交通信号控制框架，明确考虑现实的交通场景，传感器和物理约束。在这个框架中，我们还提出了一种新的奖励功能，显示出显着改善的交通性能相比，典型的基线预定时和完全驱动的交通信号控制器。该框架的实现和验证仿真平台上模拟现实生活中的交通场景和传感器数据流。
2019-11-14 cs.LG cs.SY eess.SP
Optimal Controller Realizations against False Data Injections in Cooperative Driving
本文针对协同驾驶中的FDI攻击，提出通过可逆控制器状态坐标变换生成等价实现，并结合可达性分析与线性矩阵不等式优化传感器组合，从而在不依赖攻击检测、不改变闭环性能的前提下提升鲁棒性。
2024-10-28 cs.CR cs.SY eess.SY
A Convex Parameterization of Controllers Constrained to use only Relative Measurements
本文研究仅使用相对测量量的系统最优控制器设计问题，将相对测量结构表述为设计约束并转化为凸规划，支持网络结构约束，适用于分布式环境，并通过示例验证其优于标准输出反馈设计。
2024-03-21 cs.SY eess.SY
Computationally Efficient Safe Control of Linear Systems under Severe Sensor Attacks
针对严重传感器攻击下的线性系统，提出基于保守CBF界和部分SSR子问题的计算高效安全控制方法，避免组合爆炸，实现实时安全保证。
2025-02-28 cs.SY eess.SY
Dual Rate Control for Security in Cyber-physical Systems
University of Illinois（伊利诺伊大学）
本文研究了反馈系统中传感器和执行器的恶意攻击，提出双速率控制器能确保所有攻击可检测，通过快速采样输出提升性能。
2015-04-28 cs.SY eess.SY
Data-Driven Power Control for State Estimation: A Bayesian Inference Approach
Hong Kong University of Science and Technology（香港科技大学）；University of Newcastle, Australia（澳大利亚纽卡斯尔大学）
本文提出一种基于贝叶斯推断的数据驱动功率控制方法，通过优化传感器传输功率以提升状态估计精度，保留了局部状态估计的高斯性并推导出误差协方差的闭式解。
2015-03-24 cs.SY eess.SY
Towards Robust Deep Reinforcement Learning for Traffic Signal Control: Demand Surges, Incidents and Sensor Failures
Technical University of Denmark (DTU)（丹麦技术大学）
本文提出了一种开源的回调框架，用于在交通模拟环境中灵活评估不同深度强化学习配置，研究了深度强化学习自适应交通控制器在需求激增、事故导致的容量下降和传感器故障等场景下的表现，并提出了缓解这些外源不确定性的具体设计。
2019-07-22 cs.LG cs.SY eess.SY
End-to-end Analysis and Design of a Drone Flight Controller
Boston University（波士顿大学）
本文提出一种基于任务调度和通信抽象的可组合管道模型，用于分析飞行控制器的端到端时间特性，并通过实验验证了其在多旋翼无人机上的应用效果。
2018-02-15 cs.OS cs.SY eess.SY
Lower Bound of Networked Control with Multiple Sensors and One Controller And The Application to Tracking Gaussian-Markov Source
University of Texas at Austin（德克萨斯大学奥斯汀分校）；Purdue University（普渡大学）
研究多编码器单解码器网络控制系统的因果率失真函数这一长期未决问题，建立新的有向信息下界，证明线性编码器和解码器对优化下界的最优性，简化分析并给出相关半定规划公式。
2026-08-28 cs.IT cs.SY eess.SY
Fault Tolerant Control of Power Systems in presence of Sensor Failure
Amir Kabir University of technology（阿米尔卡比尔理工大学）
本文研究了存在传感器故障的大型电力系统容错控制问题，提出通过增加子系统以恢复可观测性，并利用结构分析方法设计了容错控制算法，通过IEEE 14节点系统验证了方法的有效性。
2015-08-31 cs.SY eess.SY
Reducing the LQG Cost with Minimal Communication
我们研究线性二次高斯（LQG）控制问题，其中控制器对系统状态的观测是这样的，期望的成本是无法达到的。为了实现所需的LQG成本，我们引入了一个通信链路从观察器（编码器）的控制器。我们研究了改进的LQG成本和消耗的通信（信息）资源之间的最佳权衡，测量与条件有向信息，在所有的编码-解码策略。主要结果是在有限时间内的情况下，适用于时变线性动力系统的最优化问题的半定规划制定。这一结果扩展了Tanaka等人的开创性工作，其中控制器所知道的关于系统状态的唯一信息经由通信信道到达控制器还可以访问系统状态的噪声观测的情形。作为我们的推导的一部分，以显示传输状态的无记忆高斯测量的编码器的最优性，我们表明，在编码器的控制器的观察的存在下，不能减少最小的有向信息。对于定常系统，其中最优策略可能是时变的，我们表明，在无限地平线的情况下，最优策略是时不变的，可以计算显式从一个有限维半定规划的解决方案。结果表明，通过示例表明，即使是低质量的测量可以有所需的通信资源的显着影响。
2021-09-25 cs.IT cs.SY eess.SY
Schemes for LQG Control over Gaussian Channels with Side Information
我们考虑在功率受限的加性高斯白噪声（AWGN）信道上控制不稳定标量线性对象的问题，其中控制器/接收器可以获得控制系统状态的附加噪声测量。为此，我们将噪声测量视为边信息，并将问题转换为在接收端具有边信息的联合信源信道编码问题。我们认为，明智的基于模的计划改善了他们的线性同行，并允许避免由于在传感器/发射机的边信息的无知的发射功率的大幅增加。我们证明了我们的技术的设置，其中i）传感器是不经意的控制目标，控制动作和以前的控制器状态估计，ii）系统输出跟踪所需的参考信号，这是只有在控制器通过积分控制动作。
2020-04-08 cs.SY eess.SY
Intelligent Mobility System with Integrated Motion Planning and Control Utilizing Infrastructure Sensor Nodes
University of Waterloo（滑铁卢大学）；University of Alberta（阿尔伯塔大学）
本文提出一种基于基础设施传感器节点和云计算的室内自主移动系统框架，开发了结合人工势场的MPC局部规划与跟踪控制器，实现可靠避障与运动跟踪，并可扩展至智能网联自动驾驶车辆。
2024-11-04 cs.RO cs.SY eess.SY
Attack Analysis and Resilient Control Design for Discrete-time Distributed Multi-agent Systems
Michigan State University（密歇根州立大学）
本文研究了对离散时间分布式多智能体系统造成的网络攻击的负面影响，并提出了一种针对传感器和执行器攻击的缓解方法。通过分析攻击如何传播并影响其他节点，展示了攻击如何导致系统不稳定，并设计了分布式自适应攻击补偿器以实现安全一致性。
2019-05-14 cs.MA cs.SY eess.SY
PID Controller Optimization for Low-cost Line Follower Robots
Abdullah Gül University（阿卜杜拉·居尔大学）
在本文中，修改的经典PID控制器和开环控制机制的发展，以提高稳定性和鲁棒性的差动轮式机器人进行了讨论。为了部署该算法，使用低成本和现成的组件（包括微控制器、反射传感器和电机驱动器）构建了一个测试平台。本文介绍了启发式方法中使用的系统规格的识别以及控制器的优化。详细分析了PID控制器，并在稳定性的背景下解释了每个项的效果。最后，讨论了控制器和机器人发展过程中面临的挑战。代码可在：https://github.com/sametoguten/STM32-Line-Follower-with-PID.
2021-11-07 cs.RO cs.SY eess.SY
Cyber-Physical Security and Safety of Autonomous Connected Vehicles: Optimal Control Meets Multi-Armed Bandit Learning
Centre for Wireless Communications (CWC), University of Oulu, Finland（奥卢大学无线通信中心（CWC））；WINLAB, Dept. of ECE, Rutgers University, New Brunswick, NJ, USA（罗格斯大学WINLAB，电子与计算机工程系，新泽西州新布朗斯维尔，美国）
本文提出了一种综合框架，用于防止自动驾驶联网车辆网络中的网络和物理攻击。首先，推导出一个最优安全控制器，通过优化自动驾驶车辆的速度和车辆间间距，最大化街道交通流量并最小化事故风险。其次，提出数据注入攻击检测方法，以应对传感器的网络攻击及其对自动驾驶系统的影响。
2018-12-13 cs.LG cs.SY eess.SY
The self-learning AI controller for adaptive power beaming with fiber-array laser transmitter system
Kaspersky Lab USA（美国卡巴斯基实验室）；University of Dayton（代顿大学）
本文提出一种基于深度神经网络的自学习AI控制器，利用目标面光伏阵列数据在线训练并合成最优控制，以替代传统SPGD算法，实现大气湍流下光纤阵列激光系统的自适应功率传输优化。
2022-04-08 cs.AI cs.SY eess.SY
