Consistency analysis of refined instrumental variable methods for continuous-time system identification in closed-loop
本文针对闭环场景下连续时间系统辨识的SRIVC及CLSRIVC方法的一致性问题展开研究,证明连续时间控制器下二者不具备通用一致性、离散时间控制器下可实现通用一致性,并通过数值模拟验证了理论结果。
2024-04-13 cs.SY eess.SY
Closed-Loop Frequency Analysis of Reset Control Systems
本文介绍了一种用于复位控制系统的闭环频率分析工具。首先,给出了具有复位元件并由周期参考驱动的闭环系统稳态响应存在的充分条件。然后,它表明,在特定条件下,这样的稳态响应周期性的输入是周期性的,与输入相同的周期。此外,一个框架,以获得稳态响应,并定义一个概念的闭环频率响应,包括高次谐波,提出。最后,定义了复位控制系统的伪灵敏度。这些简化了这类系统的分析,并允许分析工具的直接软件实现。为了证明所提出的分析方法的有效性的位置控制问题的精密定位工作台进行了研究。特别是,与使用基于描述函数的方法实现的结果的比较表明,所提出的方法实现了优越的闭环性能。
2020-11-24 cs.SY eess.SY
Towards Closed-loop Stability of Nonlinear Receding Horizon Games
Automatic Control Lab, ETH Zürich(苏黎世联邦理工学院自动控制实验室);ETH Zürich(苏黎世联邦理工学院);Institute of Control Systems, Hamburg University of Technology(汉堡工业大学控制系统研究所)
本文研究非线性递推博弈的闭环稳定性,通过递推可行性与turnpike现象建立联系,提出闭环轨迹渐近收敛的充分条件,并通过数值实验展示闭环吸引区随时间 horizon 缩小的指数行为。
2026-05-12 cs.SY eess.SY
Closed Loop Load Model Identification Using Small Disturbance Data
Zhejiang University(浙江大学)
本文研究了利用小扰动数据进行负荷模型识别的问题,证明了待识别的负荷与系统其余部分形成闭环系统,并分析了扰动对负荷输入输出关系的影响,指出负荷模型识别本质上是闭环识别,必须考虑闭环识别的影响,通过预测误差方法(PEM)解决闭环负荷模型识别问题。
2019-05-15 cs.SY eess.SY
Non-asymptotic Closed-Loop System Identification using Autoregressive Processes and Hankel Model Reduction
系统辨识的主要挑战之一是确定需要多少数据才能充分拟合模型。系统辨识方法性能的非渐进特征提供了这一知识。这样的特征可用于执行开环识别的几种算法。然而,通常情况下,数据是在闭环中收集的。开环识别方法应用于闭环数据可能导致有偏估计。子空间识别技术用来消除这些偏差的一种方法是首先拟合一个长期自回归模型,然后进行模型简化。这类算法的渐近行为是很好的特点,但非渐近行为是不是。这项工作提供了一个非渐近特性的一个特定的变种,这些算法。更具体地说,我们提供了非渐近上界的泛化误差的模型,以及高概率界之间的差异产生的模型和有限时域卡尔曼滤波器。
2019-09-05 cs.SY eess.SY
Relative Stability Analysis of Closed-Loop SISO Dead-Time Systems: non-imaginary axis case
本文给出了一种数值方法来分析给定左复半平面上的单输入单输出(SISO)时滞闭环系统的相对稳定性。将著名的虚轴边界穿越法推广到复平面内给定垂线稳定边界的情形。该方法允许计算的特征根跨越相对稳定性边界和其相应的延迟最大的预定义的延迟。基于此方法,我们分析了闭环系统对于所有正时滞的相对稳定性。这两种数值方法对高阶SISO纯滞后系统都是有效的。
2020-03-19 cs.SY eess.SY
Neural Network Training Using Closed-Loop Data: Hazards and an Instrumental Variable (IVNN) Solution
在控制系统中使用神经网络的趋势越来越明显。本文的目的是揭示,直接应用学习神经网络前馈控制器与闭环数据可能会引入参数不一致,降低控制性能,并提供一个解决方案。所提出的方法采用工具变量,以确保一致的参数估计。一个非线性系统的例子表明,开发的工具变量神经网络(IVNN)的方法渐近恢复的最优解,而预先存在的方法被证明会导致不一致的估计。
2022-04-19 cs.SY eess.SY
Data-Driven Inversion-Based Control: closed-loop stability analysis for MIMO systems
Politecnico di Torino(都灵理工大学);Politecnico di Milano(米兰理工大学)
本文研究了数据驱动逆向控制在多输入多输出系统中的闭环稳定性问题,推导了有限增益稳定性条件。
2018-01-26 cs.SY eess.SY
Network-Realised Model Predictive Control Part I: NRF-Enabled Closed-loop Decomposition
Department of Automatic Control;Systems Engineering, ``Politehnica'' University of Bucharest, Bucharest, Romania -2.5mm;Laboratoire des Signaux et Syst\`emes, CentraleSup\'elec, Paris-Saclay University, Gif-sur-Yvette, France -10mm
本文提出双层控制架构,用于实现基于约束的决策策略,如模型预测控制器。通过分布式反馈-前馈方案设计信息流,并提出离线模型匹配方法设计第一层。
2026-04-10 cs.SY eess.SY
Closed-Loop Control Law for Low Thrust Orbit Transfer with Guaranteed Stability
Indian Space Research Organization(印度空间研究组织)
本文提出了一种基于Lyapunov的改进Q律控制方法,用于实现低推力轨道转移的闭环稳定性,适用于实时 onboard 实施。
2025-12-24 cs.SY eess.SY
From System Level Synthesis to Robust Closed-loop Data-enabled Predictive Control
Willems的基本引理和系统级综合都是通过输入输出序列来刻画线性动态系统。在这项工作中,我们将基本引理的应用从确定性的不确定LTI系统,然后进一步证明这种扩展是等价的系统级综合。基于这种不确定性扩展,提出了一种鲁棒闭环数据使能预测控制方案,其中因果反馈控制律进一步推导。两个数值实验,包括单区域建筑物的温度控制,进行了验证所提出的数据驱动控制器的有效性。
2021-03-09 cs.SY eess.SY
Closing the Loop: A High-Performance Connectivity Solution for Realizing Wireless Closed-Loop Control in Industrial IoT Applications
高性能实时无线连接是工业物联网(IIoT)的核心。实现无线闭环控制对于各种任务关键型IIoT系统至关重要。现有的无线技术不能满足闭环控制的严格性能要求。本文提出了一种新的无线解决方案,称为\textsf{GALLOP},实现多跳或单跳网络的闭环控制。\textsf{GALLOP}采用务实的设计方法来应对无线闭环控制的挑战。\textsf{GALLOP}的关键设计方面包括用于循环交换的控制感知双向调度、基于协作多用户分集的鲁棒重传技术以及用于可缩放操作的低开销信令。\textsf{GALLOP}专门设计用于在整个网络上闭合的控制回路,动态范围为几毫秒。基于蓝牙5测试平台上的广泛系统级仿真和硬件实现的性能评估表明,\textsf{GALLOP}可提供高性能连接,具有极低的确定性延迟、极高的可靠性和高可扩展性,可满足多功能工业物联网应用对无线闭环控制的严格要求。
2021-04-13 cs.NI cs.SY eess.SY
Sparse Feedback Controller: From Open-loop Solution to Closed-loop Realization
本文研究线性定常系统的离散时间稀疏反馈控制,提出利用动态线性补偿器实现输入稀疏性的最优反馈控制器,证明了开环与闭环稀疏控制解的等价性,并将其扩展至前馈跟踪问题。
2023-07-29 cs.SY eess.SY math.OC
Time-Series-Informed Closed-loop Learning for Sequential Decision Making and Control
Control and Cyber-Physical Systems Laboratory, Technical University of Darmstadt(控制与网络物理系统实验室,德累斯顿技术大学)
针对序列决策算法闭环性能依赖参数且标准贝叶斯优化忽略时间结构的问题,提出时间序列感知的多保真贝叶斯优化框架及概率早期停止准则,在非线性控制基准上实现资源减半性能相当或同资源性能更优,提升样本效率。
2025-11-17 cs.LG cs.SY eess.SY
Bilinear Control of Convection-Cooling: From Open-Loop to Closed-Loop
本文研究了一种通过不可压缩速度场来强化对流冷却的双线性控制问题。讨论了最优开环控制和闭环反馈控制设计。讨论了表征最优解的一阶和二阶最优性条件。特别地,瞬时控制的方法被应用于建立反馈规律。此外,还研究了直接利用最优性系统和适当的数值离散格式来构造反馈律的问题。在计算上,实现闭环反馈控制比实现最优开环控制容易得多,因为后者需要在时间上向前求解状态方程,以及在时间上向后求解伴随方程以及非线性最优性条件。严格的分析和数值实验来证明我们的想法和验证的控制设计的有效性。
2021-07-13 cs.SY eess.SY math.OC
A Hierarchical Surrogate Model for Efficient Multi-Task Parameter Learning in Closed-Loop Control
Control and Cyber-Physical Systems Laboratory, Technical University of Darmstadt, Germany(德国达姆施塔特工业大学控制与信息物理系统实验室)
本文提出一种分层贝叶斯优化框架,用于高效学习闭环任务中的控制器参数,通过结构知识提升数据效率和适应性。
2025-08-19 cs.LG cs.SY eess.SY
Closed-Loop Identification of Stabilized Models Using Dual Input-Output Parameterization
本文提出双输入-输出参数化方法,利用闭环传递函数参数化被控对象,无需互质分解或标称模型即可保证辨识模型被已知控制器稳定,仿真显示优于现有基准方法。
2023-11-15 cs.SY eess.SY math.OC
Closed-loop control of a reaction-diffusion system
研究由Allen-Cahn扩散反应模型控制的热力学过程的闭环控制问题,提出基于有限测量点观测的反馈律,并利用Kakutani不动点定理证明解的存在性。
2011-09-21 cs.SY eess.SY math.OC
Large-scale Virtual Clinical Trials of Closed-loop Treatments for People with Type 1 Diabetes
我们提出了一个虚拟的临床试验,以评估闭环糖尿病治疗的安全性和有效性之前,一个实际的临床试验。这样的虚拟试验可以对算法进行快速和无风险的试验前测试,它们可以用于比较大型和多样化人群的不同治疗变化。参与者由多个数学模型表示,由随机微分方程组成,我们使用蒙特卡罗闭环模拟来计算闭环治疗的详细统计数据。我们使用高性能的软件和硬件实现虚拟临床试验,并且我们提出了一个具有两个数学模型的示例试验,该模型在52周内有100万名参与者(即,200万次模拟),可在2~h 9~ min内完成。
2022-05-03 cs.SY eess.SY math.OC
An Adaptive Neuro-fuzzy Strategy in Closed-loop Control of Anesthesia
本文提出了一种自适应神经模糊框架,以提高药物输注速率的闭环控制麻醉。所提出的控制器提供了一个次优的丙泊酚给药率作为输入,以达到所需的双频指数,这是系统的输出,在诱导和维持阶段。在该控制器中,评价剂评估植物输出并产生强化信号以适应控制器参数并使丙泊酚施用速率最小化。将该控制器应用于传统的麻醉药代动力学-药效学模型,以评估其在麻醉闭环控制中的适用性。为了模拟所设计的控制器,12名患者的生理参数被用于数学模型。仿真结果表明,所提出的控制器可以克服当前的挑战,在闭环控制的麻醉,如病人之间的变异性,模型的不确定性和手术干扰没有过量或剂量不足的时间范围为2至4分钟。结果的分析比较显示了控制器在麻醉闭环控制中的优势。
2019-10-14 cs.SY eess.SY math.OC
Stabilization with Closed-loop DOA Enlargement: An Interval Analysis Approach
研究了离散时间一般非线性对象的闭环吸引域(DOA)扩大镇定问题。首先,给出了闭环DOA渐近稳定和估计的充分条件。结果表明,对于给定的李雅普诺夫函数,状态控制空间中的负定不变集是稳定控制器集,其沿控制空间到状态空间的投影可以作为闭环DOA的估计.然后,提出了一种算法来近似的负定和不变集的给定的李雅普诺夫函数,其中的区间分析算法被用来找到一个内部的近似集所需的精度。最后,通过从正定函数集中选择合适的李雅普诺夫函数,建立了一个可解的优化问题,以扩大闭环DOA估计。该方法试图在状态控制空间中找到一个非结构化的控制器集合(即负定不变集),而不是传统综合方法中的结构化控制器参数设计。
2021-03-15 cs.SY eess.SY math.OC
Relations among Open-loop Control Ability, Control Strategy Space and Closed-loop Performance for Linear Discrte-time Systems
本文系统地研究了线性动力系统的控制能力的定义,以及开环控制能力与闭环性能之间的关系。首先,为了合理地定义和比较不同被控对象或同一被控对象在不同系统参数下的状态控制能力,讨论了输入变量、状态变量、系统模型的归一化问题。在单位输入约束(输入幅值受限)下,利用归一化方法定义了具有时间属性的状态控制能力。在此基础上,给出了开环控制能力、控制策略空间(即,控制问题的输入变量的解空间),以及具有时间属性的闭环性能。在此基础上,得出了对实际工程问题进行控制能力优化的必要性。最后,通过仿真实验对变量和系统模型进行了归一化处理,并比较了不同控制策略的控制能力。
2020-06-08 cs.SY eess.SY math.OC
Closed-Loop Molecular Communication with Local and Global Degradation: Modeling and ISI Analysis
本文提出闭环分子通信的解析模型,涵盖信号分子扩散、流动及局部与全局降解,经三维粒子仿真验证,并用于表征周期性到达引发的各类符号间干扰。
2025-06-20 cs.ET cs.SY eess.SY
Closed-loop Reference Models for Output-Feedback Adaptive Systems
The Boeing Company(波音公司)
针对输出反馈自适应系统,提出闭环参考模型方法,并扩展至任意相对阶的单输入单输出对象,以改善瞬态响应。
2012-11-28 cs.SY eess.SY math.OC
Safe and Stable Closed-Loop Learning for Neural-Network-Supported Model Predictive Control
Technical University of Darmstadt(达姆施塔特工业大学)
针对信息不完整场景下参数化预测控制器的安全学习难题,提出用神经网络参数化MPC阶段代价函数、在贝叶斯优化学习中融入稳定性信息的方法,实现闭环性能提升与严格概率安全保证。
2024-09-16 cs.LG cs.SY eess.SY
Closed-loop vs. Open-loop Kalman Filter Architectures in Airborne Aided Inertial Navigation
Airbus Central Research and Technology(空客中央研究与技术中心);Department of Engineering Cybernetics, Norwegian University of Science and Technology(挪威科技大学工程 cybernetics 系)
研究闭环与开环卡尔曼滤波器架构在机载辅助惯性导航中的性能影响,用标准惯性机制和直接位置辅助评估,通过模拟展示不同传感器误差下两种架构的权衡。
2026-07-07 cs.RO cs.SY eess.SY
Distributionally Robust Model Predictive Control: Closed-loop Guarantees and Scalable Algorithms
本文针对线性系统、凸约束和二次代价的分布鲁棒模型预测控制(DRMPC),建立了闭环性能保证并提出了超线性收敛的Newton型可扩展优化算法,同时揭示了其相较于随机MPC的长期性能条件。
2024-11-12 cs.SY eess.SY math.OC
Scalability Concept for Predictable Closed-Loop Response of Adaptive Controllers
Technische Universität München(慕尼黑工业大学);Missouri University of Science and Technology(密苏里科技大学)
本文提出可扩展性概念,用于通过调整不同自适应控制方案的学习率以实现可预测的闭环响应。
2014-09-05 cs.SY eess.SY math.DS
Quasi-static closed-loop wind-farm control for combined power and fatigue optimization
本文提出一种结合代理载荷模型与准静态高斯尾流模型的闭环风电场控制方法,在保证发电量的同时有效降低疲劳载荷,并能在线响应机组停机等动态场景。
2023-05-19 cs.SY eess.SY physics.flu-dyn
Closed-loop Multi-step Planning
School of Engineering, University of Glasgow(格拉斯哥大学工程学院);School of Computing Science, University of Glasgow(格拉斯哥大学计算科学学院)
针对纯闭环输入控制难以执行复杂计划的问题,提出闭环多步规划框架,通过定义离散临时闭环控制器和具备物理因果理解的监督模块模拟并串联控制器序列,在真实机器人上验证了有效性。
2025-01-29 cs.AI cs.RO cs.SY
Closed-loop Performance Optimization of Model Predictive Control with Robustness Guarantees
针对模型失配和噪声影响MPC性能的问题,提出基于反向传播的MPC调参方法,优化成本函数与约束,并利用场景方法给出约束违反的概率保证,仿真验证有效。
2025-06-21 cs.SY eess.SY math.OC
High-performance Uncertainty Quantification in Large-scale Virtual Clinical Trials of Closed-loop Diabetes Treatment
在本文中,我们提出了一个虚拟临床试验,用于评估闭环糖尿病治疗的性能和识别风险。虚拟临床试验能够对大量虚构患者(由数学模型表示)的许多治疗变化进行快速和无风险的测试。我们使用高性能软件和硬件中实现的闭环蒙特卡罗模拟来量化治疗性能的不确定性,并比较不同情况下或不同闭环治疗的性能。我们的软件可用于测试各种各样的控制策略,范围从自适应方法到非线性模型预测控制。我们展示了一个虚拟临床试验的例子,在52周内有100万名患者,我们使用高性能的软件和硬件在1小时22分钟内进行虚拟试验。
2022-02-28 cs.SY eess.SY math.OC
"Closed Proportional-Integral-Derivative-Loop Model" Following Control
Federal University of Technology, Akure(阿库雷联邦理工大学)
比例-积分-微分(PID)控制律作为人类决策中临界控制的计算机模拟,常常被忽视。本文提供了一个公式来解决这个问题。在此基础上,根据动力系统的稳态特性,提出了闭环PID模型跟踪控制(CPLMFC)方法,用于自动PID设计。此外,提供了一种用于闭环稳定时间识别的方法。CPLMFC算法和一些建议的准则,设置的关键权重的PID。最后,模拟了两个典型案例。理论结果和仿真结果(通过性能指标)表明,CPLMFC能够保证闭环自适应PID控制的实时性和稳定性
2020-06-10 cs.RO cs.SY eess.SP
Adaptive Systems with Closed-loop Reference Models: Stability, Robustness and Transient Performance
The Boeing Company(波音公司)
利用闭环参考模型中的额外设计自由度,提出一种具有改进瞬态特性的稳定自适应控制器,并通过数值研究验证理论。
2012-10-30 cs.SY eess.SY math.OC
Learning Lipschitz Feedback Policies from Expert Demonstrations: Closed-Loop Guarantees, Generalization and Robustness
University of California, Riverside(加州大学河滨分校)
在这项工作中,我们提出了一个框架来学习反馈控制政策,保证闭环泛化和对抗鲁棒性。这些策略是直接从专家演示中学习的,包含在状态控制输入对的数据集中,而不需要任务和系统模型的任何先验知识。我们使用Lipschitz约束的损失最小化方案来学习具有认证的闭环鲁棒性的反馈策略,其中Lipschitz约束作为一种机制来调整泛化性能和对对抗性干扰的鲁棒性。我们的分析利用Lipschitz属性获得闭环保证的泛化和鲁棒性的学习政策。特别是,我们推导出一个有限的样本界的策略学习错误和建立鲁棒闭环稳定下学习的控制策略。我们还得到了关于专家政策和有界(对抗性)的状态测量干扰下的闭环性能恶化的闭环遗憾的界限。数值结果验证了我们的分析,并证明了我们的鲁棒反馈策略学习框架的有效性。最后,我们的研究结果表明,标称闭环性能和对抗性鲁棒性之间存在潜在的权衡,并且标称闭环性能的改善只能以牺牲对抗性扰动的鲁棒性为代价。
2022-01-20 cs.LG cs.SY eess.SY
Verifying Closed-Loop Contractivity of Learning-Based Controllers via Partitioning
Department of Mechanical Engineering and Ken Kennedy Institute, Rice University(机械工程系和肯·凯利研究所,里士大学)
本文提出通过分块策略和区间分析验证基于神经网络的控制器闭环收缩性,通过倒立摆实验证明了方法的有效性。
2025-12-01 cs.LG cs.SY eess.SY
Reach-SDP: Reachability Analysis of Closed-Loop Systems with Neural Network Controllers via Semidefinite Programming
University of Pennsylvania(宾夕法尼亚大学)
在闭环控制系统中使用神经网络来提高性能和降低在线实现的计算成本已引起越来越多的兴趣。然而,由于神经网络的非线性和组合结构,为这些系统提供安全性和稳定性保证具有挑战性。本文提出了一种新的前向可达性分析方法,用于线性时变神经网络反馈互联系统的安全验证。我们的技术方法依赖于抽象的非线性激活函数的二次约束,这导致外逼近的前向可达集的闭环系统。我们表明,我们可以计算这些近似可达集使用半定规划。我们在四旋翼示例中说明了我们的方法,在该示例中,我们首先通过深度神经网络近似非线性模型预测控制器,然后应用我们的分析工具来证明闭环系统的有限时间可达性和约束满足。
2020-04-16 cs.LG cs.SY eess.SY
Advancing Trajectory Optimization with Approximate Inference: Exploration, Covariance Control and Adaptive Risk
Technische Universität Darmstadt(达姆施塔特工业大学)
离散时间随机最优控制对于一般非线性系统仍然是一个具有挑战性的问题,实际的求解器通常依赖于确定性等价假设,重新规划和/或广泛的正则化。控制作为推理是一种将随机控制框架为等价推理问题的方法,并且已经证明了现有方法的理想品质,即在探索和正则化方面。我们专门着眼于输入推理控制(I2C)算法,并得出三个关键特性,使先进的轨迹优化:一个“专家”的线性高斯控制器,结合了开环优化和闭环方差减少的好处时,优化非线性系统,固有的自适应风险灵敏度的推理制定,和协方差控制功能,只有一个小的算法调整。
2021-03-10 cs.LG cs.RO cs.SY
Adaptive Output Feedback based on Closed-loop Reference Models
Harvard Medical School(哈佛医学院);Brigham and Women’s Hospital(布莱根妇女医院);Massachusetts Institute of Technology(麻省理工学院);Boeing Company(波音公司)
本文提出了一种自适应控制器设计与分析,用于具有输出反馈的线性系统,利用闭环参考模型作为观测器,确保全局稳定性和渐近输出跟踪。
2014-10-07 cs.SY eess.SY math.OC
VABO: Violation-Aware Bayesian Optimization for Closed-Loop Control Performance Optimization with Unmodeled Constraints
Mitsubishi Electric Research Laboratories(三菱电机研究院);École polytechnique fédérale de Lausanne(洛桑联邦理工学院);Swiss Federal Laboratories for Materials Science and Technology(瑞士联邦材料科学与技术实验室)
研究了具有未建模动态的闭环控制系统的性能优化问题。贝叶斯优化(BO)已被证明是有效的,通过自动调整控制器增益或参考设定点,在一个无模型的方式来改善闭环性能。然而,BO方法很少在具有未建模约束的动态系统上进行测试。在本文中,我们提出了一个违规感知BO算法(VABO),优化闭环性能,同时学习约束可行的解决方案。与允许无限约束违反的经典约束BO方法或保守并尝试以接近零的违反操作的安全BO算法不同,我们允许预算约束违反以改善约束学习并加速优化。我们证明了我们提出的VABO方法的有效性,工业蒸汽压缩系统的能量最小化。
2021-10-14 cs.LG cs.SY eess.SY