Augmentation of Generalized Multivariable Grid-Forming Control for Power Converters with Cascaded Controllers
用于功率转换器的电网形成控制策略的经典设计依赖于DC和AC状态及其对应的控制回路之间的时标分离的严格假设，例如，AC和DC环路，功率和级联的电压和电流环路等。本文提出了一种多输入多输出的电网形成（MIMO-GFM）控制的功率变换器使用多变量反馈结构。首先，MIMO-GFM控制通过一般的多变量控制传递矩阵将AC和DC回路耦合。然后，参数设计转化为一个标准的固定结构的H ∞综合。通过这种方式，所有的回路可以同时和最佳地调谐，而不依赖于回路解耦的假设。因此，可以实现优异且鲁棒的性能。实验结果验证了该方法的有效性。
2022-02-17 cs.SY eess.SY
Barrier Functions in Cascaded Controller: Safe Quadrotor Control
School of Electrical and Computer Engineering, Georgia Institute of Technology（佐治亚理工学院电气与计算机工程学院）
本文提出了一种基于二次规划的级联控制架构，用于四旋翼的安全控制，通过控制障碍函数构建安全区域，考虑非线性欠驱动动力学，实现四旋翼在姿态和横向领域的独立安全调节。
2020-02-17 cs.SY eess.SY
Multi-discontinuous Functional based Sliding Mode Cascade Observer for Estimation and Closed-loop Compensation Controller
针对传统单层滑模观测器在测量噪声下存在高脉冲问题，提出一种含多重不连续函数的级联滑模观测器，设计了观测器增益并验证了闭环补偿系统有效性，能平滑估计状态并降低控制消耗。
2023-10-26 cs.SY eess.SY
Cascaded TD3-PID Hybrid Controller for Quadrotor Trajectory Tracking in Wind Disturbance Environments
Shanghai Maritime University（上海海事大学）；Shenzhen Research Institute of Big Data（深圳大数据研究院）；Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Henan University of Science and Technology（河南科技大学）；Beijing University of Posts and Telecommunications（北京邮电大学）；Nanjing University of Information Science and Technology（南京信息工程大学）
本文提出一种级联混合控制框架，用于四旋翼在非线性动态和外部扰动下的轨迹跟踪。通过增强PID控制器与TD3算法，提升水平位置控制在严重扰动下的性能，并通过仿真和实测验证其鲁棒性。
2026-05-13 cs.SY eess.SY
Controller Adaptation via Learning Solutions of Contextual Bayesian Optimization
提出一种基于上下文贝叶斯优化与高斯过程学习最优解的控制器参数自适应框架，并在车联网仿真到实时实验中验证有效性。
2025-06-25 cs.SY eess.SY
Experimental Automatic Calibration of a Semi-Active Suspension Controller via Bayesian Optimization
道路车辆半主动悬架系统的下线（EoL）校准通常是一项关键且昂贵的任务，需要一个车辆和控制专家团队以及数小时的专业驾驶。在本文中，我们提出了一个纯粹的基于数据的调整方法，使自动校准的专有悬架控制器的参数依赖于很少的实验时间，并利用贝叶斯优化工具。还提供了一个详细的方法，如何选择最关键的自由度的算法。所提出的方法的有效性进行评估的商业多体模拟器以及一个真正的汽车。
2020-10-21 cs.SY eess.SY
Model-Guided Local Bayesian Optimization for Tuning of Interpretable Controllers in Injection Molding
RWTH Aachen University（亚琛工业大学）；TU Delft（代尔夫特理工大学）
针对注塑成型中控制器优化难题，提出基于物理启发神经网络模型及高斯过程的方法，能自动优化可解释控制器，兼具循环效率和风险意识，优于传统贝叶斯优化。
2026-07-07 cs.SY eess.SY
Cascade Control: Data-Driven Tuning Approach Based on Bayesian Optimization
级联控制器整定是一个多步骤的迭代过程，需要在机械系统的维护和修改时进行例行执行。提出了一种基于贝叶斯优化的数据驱动的级联控制器自动整定方法。该方法进行了测试的线性轴驱动器，建模使用的第一原理模型和系统辨识的组合。一个自定义的代价函数的基础上的性能指标，从系统数据在不同的候选配置的控制器参数建模的高斯过程。它进一步优化的采集功能，作为一个采样标准，以确定随后的候选配置的实验试验和改进的成本模型迭代的最小化，直到最小值根据终止criterion被发现，这导致在一个数据有效的过程，可以很容易地适应于变化的负载或机械修改的系统。该方法进一步比较了几个经典的方法进行自动调整，并根据定义的数据驱动的性能指标，表现出更高的性能。研究了训练数据对代价先验对达到最优所需迭代次数的影响，证明了贝叶斯优化调整方法的有效性。
2020-05-16 cs.SY eess.SY
Early Stopping Bayesian Optimization for Controller Tuning
针对控制器参数整定中固定长度回合浪费的问题，提出早停贝叶斯优化方法，通过三种启发式处理部分观测数据，实验证明可大幅减少优化时间。
2025-01-20 cs.SY eess.SY
Generalized State-Feedback Controller Synthesis for Underactuated Systems through Bayesian Optimization
欠驱动系统提出的挑战是能够控制的自由度不一定直接链接到致动器或这种关系是不直接的植物。旋转倒立摆是这样的系统的一个例子，其最简单的表示包括一个摆，其垂直角度应采取向上不稳定的位置的基础上，从另一个酒吧和一个适当的控制策略，酒吧是由电动机控制的脉冲。这个问题通常是由线性控制理论与状态反馈控制器，往往是通过设计一个满足某些约束的反馈增益获得解决。本文报道了一种贝叶斯优化方法设计一个广义的状态反馈控制器，涉及更多的参数比一个简单的状态反馈控制律，但与实现较低的控制努力的信号幅度方面的好处。源代码是公开的，以方便进一步的研究。
2021-04-04 cs.SY eess.SY
Retrofit Control: Localization of Controller Design and Implementation
Tokyo Institute of Technology（东京工业大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）
本文提出了一种针对稳定网络系统的retrofit控制方法，通过子系统模型设计控制器，利用分层状态空间扩展生成高维级联实现，分析闭环系统的稳定性和控制性能。
2018-03-12 cs.SY eess.SY math.DS
Guided Bayesian Optimization: Data-Efficient Controller Tuning with Digital Twin
本文提出guided Bayesian optimization算法，利用事件触发的digital twin指导无模型闭环控制器参数调整，在减少物理实验次数的同时高效找到最优参数。
2025-11-04 cs.SY eess.SY
MPC Controller Tuning using Bayesian Optimization Techniques
我们提出了一个贝叶斯优化（BO）框架调整模型预测控制器（MPC）的中央供暖，通风和空调（HVAC）工厂。这种方法将MPC的闭环性能与其整定参数之间的函数关系视为黑箱。该方法的动机是观察到通过试错法评估MPC的闭环性能是耗时的（例如，每个闭环仿真可以涉及解决数千个优化问题）。所提出的BO框架旨在通过策略性地探索和利用调优参数的空间来快速识别最优调优参数。BO框架的有效性证明了使用MPC控制器的中央HVAC工厂使用现实的数据。在这里，BO框架调整了热存储罐的回退条款，以最大限度地减少长达一年的闭环成本。仿真结果表明，BO可以找到最佳的退避条款进行13年之久的模拟，这显着减少了计算负担的一个天真的网格搜索。我们还发现，与BO获得的回退条款降低了闭环成本。
2021-04-11 cs.SY eess.SY
Safe Risk-averse Bayesian Optimization for Controller Tuning
Inspire AG（Inspire股份公司）；ETH Zurich（苏黎世联邦理工学院）
针对控制器整定中未知输入相关噪声与安全约束的挑战，提出结合安全学习与风险规避贝叶斯优化的RaGoOSE方法，并在合成基准及半导体精密运动系统上验证其优于现有方法。
2023-06-23 cs.RO cs.SY eess.SY
Personalized Building Climate Control with Contextual Preferential Bayesian Optimization
本文提出了一种基于情境偏好的贝叶斯优化算法，用于实现个性化建筑气候控制，通过二元偏好反馈和情境信息提升控制器调节效率，实验显示其在 occupant utility 上提升了23%。
2025-12-10 cs.SY eess.SY
In-situ Controller Autotuning by Bayesian Optimization for Closed-loop Feedback Control of Laser Powder Bed Fusion Process
针对LPBF闭环控制器参数整定依赖人工且难迁移的问题，提出利用贝叶斯优化实现层内控制器的在线与离线自动整定，实验表明该方法能有效减少过热，但微观分析发现激光功率不足会导致未熔合孔隙。
2024-06-27 cs.SY eess.SY
A hierarchical Lyapunov-based cascade adaptive control scheme for lower-limb exoskeleton
针对具有控制饱和的下肢外骨骼，提出了一种基于分层李雅普诺夫的自适应串级控制方案。该方法由两个控制级组成，具有级联结构。在结构的高层，设计了一种基于Lyapunov的反步调节器，包括对不确定参数和摩擦力的自适应估计，以最小化关节位置与参考值的偏差。在底层，基于李雅普诺夫神经网络自适应控制器负责计算液压伺服系统的控制动作，以遵循在高层计算的力参考，也补偿模型的不确定性，非线性和控制饱和。所提出的方法能够最大限度地减少机器和人之间的相互作用扭矩，并适用于可能的不精确模型。在输入约束条件下，讨论了闭环系统的鲁棒性。仿真实验表明，该方法能有效地控制具有不确定性和非线性的模型，相对于PD控制器能施加较小的干扰力矩。
2019-06-18 cs.SY eess.SY
Economically Efficient Combined Plant and Controller Design Using Batch Bayesian Optimization: Mathematical Framework and Airborne Wind Energy Case Study
针对无法获取系统动态解析模型时的工厂与控制器耦合优化问题，提出基于高斯过程和批量贝叶斯优化的嵌套优化框架，并在浮空风力涡轮机案例中验证其仅需少数迭代即可使参数收敛至最优。
2019-01-22 cs.SY eess.SY
Robust Parametrization of a Model Predictive Controller for a CNC Machining Center Using Bayesian Optimization
诸如模型预测控制（MPC）和状态估计器的控制算法依赖于多个不同的参数。闭环的性能通常取决于这些参数的正确设置。调整通常由专家基于系统的仿真模型手动完成。这一程序产生了两个问题。首先，专家需要熟练，并且仍然可能无法找到最佳参数化。其次，由于仿真中的模型不准确，仿真模型的性能可能无法转移到现实世界的应用程序中。有了这个贡献，我们演示了工业铣削过程中贝叶斯优化如何自动化的调整过程，并帮助解决上述问题。鲁棒参数化是确保扰动的模拟与任意分布的模型植物失配。目标是最小化期望的积分参考跟踪误差，保证可接受的最坏情况下的行为，同时保持实时能力。这些口头要求被转化为受约束的随机混合整数黑箱优化问题。一个两阶段的最小-最大型贝叶斯优化程序的开发和比较基准算法在数控加工中心的仿真研究。它展示了如何通过贝叶斯优化获得的经验性能模型可以用来分析和可视化的结果。结果表明，优越的性能的情况下，只有标称模型用于控制器合成。优化后的参数化显著改善了初始手动调整的参数化。
2020-10-14 cs.SY eess.SY
Local Bayesian Optimization for Controller Tuning with Crash Constraints
Institute of Automatic Control, RWTH Aachen University（亚琛工业大学自动控制研究所）；Institute for Data Science in Mechanical Engineering, RWTH Aachen University（亚琛工业大学机械工程数据科学研究所）
本文针对高维控制器整定问题，提出一种带崩溃约束的局部贝叶斯优化方法，并通过仿真与硬件实验验证其能提升性能并减少整定成本。
2024-11-25 cs.LG cs.SY eess.SY
Robustness of Control Design via Bayesian Learning
Boise State University（博伊西州立大学）
在监督学习领域，贝叶斯学习在输入和参数扰动下显示出强大的预测能力。受这些发现的启发，我们证明了贝叶斯学习在控制搜索任务中的鲁棒性。我们试图找到一个线性控制器，稳定的一维开环不稳定随机系统。我们比较两种方法来推导控制器：第一（确定性）一个假设完美的知识系统参数和状态，第二个考虑到两者的不确定性，并采用贝叶斯学习计算后验分布的控制器。
2022-05-13 cs.LG cs.SY eess.SY
Feedback Linearization and Control of a Grid-Forming Power Converter in an Islanded Microgrid
University of New Hampshire（新罕布什尔大学）
针对孤岛微电网中构网型逆变器，提出基于全状态反馈线性化的控制方法，消除旋转耦合、电阻压降和负载电导的非线性影响，使系统表现为两个独立双积分器，并通过极点配置设计响应。
2026-06-06 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
Bayesian Optimization Based Grid Point Allocation for LPV and Robust Control
Eindhoven University of Technology（埃因霍温理工大学）；Breda University of Applied Sciences（布雷达应用科学大学）；HUN-REN SZTAKI（匈牙利研究网络 Széchenyi 人工智能研究所）
本文提出基于贝叶斯优化的网格点分配方法，用于高效设计LPV和鲁棒控制器，通过自动确定信息量足够的网格点，提升系统稳定性和性能。
2026-02-13 cs.SY eess.SY
Efficient Learning of Vehicle Controller Parameters via Multi-Fidelity Bayesian Optimization: From Simulation to Experiment
Group Innovation, Volkswagen AG（大众集团创新部门）；Control and Cyber-Physical Systems Laboratory, Technical University of Darmstadt（技术大学达姆施塔特控制与网络物理系统实验室）
针对车辆控制器参数调优成本高、依赖大量实车测试的问题，提出集成自回归多保真度高斯过程的贝叶斯优化方法，利用仿真与少量实车实验实现高效参数迁移与调优。
2025-06-10 cs.RO cs.SY eess.SY
Stabilization of a Quadrotor via Energy Shaping
本文针对无级联结构的三维欠驱动四旋翼镇定问题，采用IDA-PBC方法设计势能整形控制器，首次将PDE求解由二维扩展至完整三维，并通过仿真验证有效性。
2024-08-08 cs.SY eess.SY
PAC-Bayesian Optimal Control with Stability and Generalization Guarantees
Institute of Mechanical Engineering, EPFL（洛桑联邦理工学院机械工程学院）
本文提出一种基于PAC-Bayesian框架的最优控制方法，通过平衡经验性能与先验知识，保证闭环稳定性并提升泛化能力。
2025-12-02 cs.SY eess.SY
Optimized Cascaded Position Control of BLDC Motors Considering Torque Ripple
针对BLDC电机级联位置控制的控制器整定难题，建立含功率级的系统状态空间模型，采用NSGA-II优化梯形波与FOC两种控制机制，验证了优化技术对系统性能的提升效果。
2025-05-03 cs.SY eess.SY
Robust output-feedback VFO-ADR control of underactuated spatial vehicles in the task of following non-parametrized paths
针对欠驱动车辆在三维空间中的运动，设计了矢量场定向-主动扰动抑制（VFO-ADR）级联路径跟踪控制器。所提出的级联控制结构的概念将系统运动学从系统动力学中分离出来，类似于用于非完整系统的方法。由于在动态水平控制器中使用ADR控制方法，所提出的控制结构对甚至显著的模型不确定性和外部干扰都是鲁棒的。在ADR内环控制器内实现的基于误差形式的扩展状态观测器（ESO）的应用意味着控制结构的输出反馈特性，即，期望仅测量车体的位置和姿态。运动级控制器的设计是根据VFO方法，利用非参数化的路径表示来计算命令的速度。对所提出的控制结构进行了描述，然后利用输入到状态稳定性（ISS）定理进行了理论分析，并对所提出的解决方案进行了仿真验证。
2020-08-03 cs.SY eess.SY
Lipschitz Safe Bayesian Optimization for Automotive Control
本文提出一种仅依赖Lipschitz假设的安全贝叶斯优化算法，可同时满足多个安全约束，并在仿真和实车上实现自动驾驶轨迹跟踪控制器的自动整定。
2025-03-11 cs.SY eess.SY
Bayesian Optimization Parameter Tuning Framework for a Lyapunov Based Path Following Controller
针对非线性几何控制器中参数相互依赖导致手动调优效率低的问题，提出一种将闭环系统视为黑箱、利用高斯过程代理模型进行贝叶斯优化的数据高效调优方法，并在本田AI-Formula三轮机器人上验证了其在32次试验内提升控制器性能的有效性。
2026-05-27 cs.RO cs.SY eess.SY
High-Dimensional Surrogate Modeling for Closed-Loop Learning of Neural-Network-Parameterized Model Predictive Control
Control and Cyber-Physical Systems Laboratory, Technical University of Darmstadt（控制与物理系统实验室，德累斯顿技术大学）
本文提出使用贝叶斯神经网络替代模型改进高维控制器参数化学习，通过实验验证其在闭环优化中的有效性与稳定性。
2025-12-12 cs.LG cs.SY eess.SY
Guided Multi-Fidelity Bayesian Optimization for Data-driven Controller Tuning with Digital Twins
ETH Zürich（苏黎世联邦理工学院）；FHNW（弗里堡联邦理工学院）；Maxon Motor AG（Maxon电机有限公司）；ZHAW Zurich University for Applied Sciences（苏黎世应用科学大学）；ZHAW Centre for AI（ZHAW人工智能中心）
针对控制器整定中数字孪生模型失配与采样成本问题，提出带学习校正和成本感知采集的多保真贝叶斯优化框架，实验证明其整定效率优于标准及现有多保真方法。
2025-10-18 cs.RO 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
Decentralized Bayesian learning in dynamic games: A framework for studying informational cascades
University of Texas, Austin（德克萨斯大学奥斯汀分校）；University of Michigan, Ann Arbor（密歇根大学安娜堡分校）
本文研究了在涉及战略性代理的动态系统中贝叶斯学习的问题，提出了一种更一般化的框架来研究贝叶斯学习动态，考虑了非短视玩家和内生过程选择玩家参与的情况，并分析了信息级联现象。
2018-04-09 cs.GT cs.SY econ.TH
Sample-efficient Model Predictive Control Design of Soft Robotics by Bayesian Optimization
Michigan State University（密歇根州立大学）；Utah State University（犹他州立大学）
提出了一种基于贝叶斯优化的数据驱动模型预测控制（MPC）设计方法。该方法不需要对软体机器人的复杂动力学模型进行建模，而是利用贝叶斯优化方法搜索最佳预测的低维预测模型及其控制器，以最小化闭环响应的目标函数。在每次迭代中，通过贝叶斯优化从闭环输入-输出数据更新预测模型。然后基于更新的预测模型设计线性MPC，并基于闭环响应进行评估。与直接搜索控制器参数不同，闭环系统的稳定性和输入/输出约束可以很容易地在MPC设计中处理。经过几次迭代，可以得到一个收敛的（次）最优控制器的解决方案，它最小化用户定义的闭环性能指标。通过一个柔索驱动的软体机器人的高保真仿真，对所提出的方法进行了仿真和验证。仿真结果表明，所提出的方法可以实现理想的跟踪控制器的软体机器人没有事先已知的模型。
2022-10-17 cs.RO cs.SY eess.SY
Performance-based Trajectory Optimization for Path Following Control Using Bayesian Optimization
本文提出一种基于贝叶斯优化的样本高效调参算法，通过高斯过程建模性能指标，在分层轮廓控制中平衡快速遍历、跟踪精度与振动抑制，实现最佳加工性能。
2024-04-29 cs.SY eess.SY
A Multi-Fidelity Bayesian Approach to Safe Controller Design
本文提出SAFE-SLOPE算法，在Lipschitz常数未知时利用多保真高斯过程模型安全评估函数，并证明其在寻找线性时不变系统控制增益时比朴素采样方法具有更低的累积遗憾。
2023-08-09 cs.SY eess.SY
Falsification of Learning-Based Controllers through Multi-Fidelity Bayesian Optimization
West Virginia University（西弗吉尼亚大学）；Stanford University（斯坦福大学）；Rochester Institute of Technology（罗切斯特理工学院）
针对全保真仿真证伪学习型控制器安全性计算成本高的问题，提出基于贝叶斯优化的多保真度证伪框架，可自动切换高低保真仿真，在保证证伪性能的同时大幅降低成本。
2023-04-28 cs.LG cs.SY eess.SY
Data-driven adaptive building thermal controller tuning with constraints: A primal-dual contextual Bayesian optimization approach
Swiss Federal Laboratories for Materials Science and Technology (Empa)（瑞士联邦材料科学与技术实验室（Empa））；Swiss Federal Institute of Technology Lausanne (EPFL)（洛桑瑞士联邦理工学院（EPFL））
针对带约束的建筑热控制器参数自适应调优问题，提出原始-对偶上下文贝叶斯优化方法，在仿真中实现更优的能耗节省与热不适度控制，还可跟踪时变约束阈值。
2023-10-01 cs.LG cs.SY eess.SY
Tracking control for a cascade perturbed control system using the active disturbance rejection paradigm
本文讨论了在轨迹跟踪任务中闭环串级控制系统的稳定性问题。所考虑的植物由基本的二阶全驱动扰动动力学和一阶系统，描述了动态的输入。本文提出的主要理论结果涉及的稳定性条件的基础上制定的李雅普诺夫分析的串级控制结构，利用自抗扰方法。特别是，一个可行的一组观察员带宽上施加的限制进行了讨论。为了说明闭环控制系统的特性，给出了仿真结果。此外，控制器进行了实验验证，使用两个轴的望远镜安装。所得到的结果证实，所考虑的控制策略可以有效地应用于机械系统时，需要高的跟踪精度。
2020-02-04 cs.SY eess.SY
Bayesian Multi-Task Learning MPC for Robotic Mobile Manipulation
ETH Zurich（苏黎世联邦理工学院）
由于需要解决许多不同的任务，例如开门或拾取和放置物体，机器人中的移动操作具有挑战性。通常，机器人的基本第一原理系统描述是可用的，从而激励基于模型的控制器的使用。然而，机器人动力学及其与物体的相互作用受到不确定性的影响，限制了控制器的性能。为了解决这个问题，我们提出了一个贝叶斯多任务学习模型，使用三角基函数来识别动态中的错误。通过这种方式，可以利用来自不同但相关的任务的数据来提供描述性错误模型，该模型可以针对新的、看不见的任务进行有效的在线更新。我们将这种学习方案与模型预测控制器相结合，并广泛测试所提出的方法的有效性，包括与现有的基线控制器的比较。我们目前的模拟测试与球平衡机器人，和开门硬件实验与四足机械手。
2023-03-21 cs.RO cs.SY eess.SY
On Controller Tuning with Time-Varying Bayesian Optimization
RWTH Aachen University（亚琛工业大学）；Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
针对变化环境下控制器在线调参问题，提出一种基于不确定性注入（UI）和凸性建模的时变贝叶斯优化遗忘策略，有效降低了遗憾并减少了不稳定参数配置。
2022-07-22 cs.LG cs.SY eess.SY
A Data-Driven Automatic Tuning Method for MPC under Uncertainty using Constrained Bayesian Optimization
模型预测控制器（MPC）的闭环性能对预测模型的选择、控制器公式和整定参数很敏感。然而，预测模型通常针对预测精度而不是性能进行优化，并且MPC调谐通常手动完成以满足（概率）约束。在这项工作中，我们展示了一个通用的方法，自动调整MPC下的不确定性。特别是，我们制定的自动调谐问题作为一个受约束的黑盒优化问题，可以解决与衍生自由优化。我们依赖于贝叶斯优化（BO）的约束变体来解决MPC调整问题，该问题可以直接处理噪声和昂贵的评估功能。所提出的自动调整方法的好处是证明了一个基准的连续搅拌釜反应器的例子。
2020-11-24 cs.SY eess.SY
Output-Positive Adaptive Control of Parabolic PDE-ODE Cascades
Xiamen University（厦门大学）
本文提出了一种针对具有参数不确定性的抛物型PDE-ODE级联系统的安全自适应控制方法，结合自适应控制屏障函数和参数识别技术，实现系统安全性和状态收敛性。
2026-09-30 cs.SY eess.SY
A Decade of Bayesian Optimization for Controller Tuning and Robot Learning: Tutorial, Review, and Future Prospects
RWTH Aachen University（亚琛工业大学）；University of Technology Nuremberg（纽伦堡工业大学）；Technical University of Munich（慕尼黑工业大学）
本文综述贝叶斯优化在控制器调参和机器人学习中的十年进展，提供教程式设置指南、方法分类，并针对控制应用缺乏标准基准的问题，提出轻量级基准套件及评估指标。
2026-09-10 cs.RO cs.SY eess.SY
Stability-informed Bayesian Optimization for MPC Cost Function Learning
Technical University of Darmstadt（达姆施塔特工业大学）；University of California, Berkeley（加利福尼亚大学伯克利分校）
本文提出一种稳定性信息贝叶斯优化方法，用于学习MPC代价函数，通过约束优化闭环性能并保证稳定性，仿真验证了其有效性与安全性。
2024-04-18 cs.LG cs.SY eess.SY
ECCBO: An Inherently Safe Bayesian Optimization with Embedded Constraint Control for Real-Time Optimization
提出ECCBO框架，用反馈控制器将约束控制到设定值，并由贝叶斯优化搜索这些设定值，从而在无过程模型条件下实现始终可行、零累积约束违反的实时优化。
2024-02-28 cs.SY eess.SY math.OC
Design and Implementation of a Three-Link Brachiation Robot with Optimal Control Based Trajectory Tracking Controller
本文介绍了一种三连杆臂式机器人的设计与实现。机器人能够使用连续的手臂摆动沿着水平猴杆行进。我们建立了一个全阶动力学模型的机器人和制定每个周期的机器人摆动运动作为一个最优控制问题。采用迭代线性二次型调节器（iLQR）算法求解一次摆动过程中的最优控制策略。我们选择合适的机器人设计参数，通过比较成本的机器人运动所产生的iLQR算法为不同的机器人设计。特别是，使用这种方法，我们显示了具有身体链接和低惯性臂的重要性，以实现有效的臂式运动。此外，我们提出了一个轨迹跟踪控制器，它结合了一个级联的PID控制器和输入输出线性化控制器，使机器人精确地跟踪所需的轨迹，并拒绝外部干扰期间臂。仿真机器人和实际机器人的实验表明，机器人能够在相同或不同间距的单杠之间稳定地摆动。
2019-11-12 cs.SY eess.SY
Adaptive Bayesian Optimization for High-Precision Motion Systems
Inspire AG（因斯皮尔公司）
针对贝叶斯优化计算成本高难以用于实时场景的问题，提出基于GoOSE的实时无模型自适应控制方法，通过算法修改提升计算效率与并行化，并在半导体精密运动系统上验证了其优于基线方法的性能。
2024-04-22 cs.LG cs.RO cs.SY
Vehicle Cabin Climate MPC Parameter Tuning Using Constrained Contextual Bayesian Optimization (C-CMES)
针对车辆多区域座舱气候MPC因外部流量变化导致性能下降的整定难题，提出基于约束上下文贝叶斯优化的流量依赖鲁棒参数整定方法，含后处理平滑步骤，仿真验证其性能优于恒定参数化且超调更低、行为更一致。
2023-10-05 cs.SY eess.SY
Cascade PID Control of an Inverted Pendulum on a Cart System: Simulation and Experimental Analysis
本文研究了级联PID控制在倒立摆车系统中的性能，通过仿真和实验验证了控制结构的有效性，发现实验中存在传感器噪声等因素导致的差异，提出LQR内环控制提升抗扰动性能。
2026-05-08 cs.SY eess.SY
Trajectory Tracking Control of the Bionic Joint Actuated by Pneumatic Artificial Muscle Based on Robust Modeling
为了简单有效地实现单块气动人工肌肉驱动的仿生关节的轨迹跟踪控制，提出了一种基于鲁棒建模方法的级联控制策略。首先，将比例方向阀的输入电压与PAM内部驱动压力之间的关系解析地表示为一个非线性模型。其次，将PAM的驱动压力输入与仿生关节的角位置输出之间的非线性关系等效地描述为一个带有参数摄动的二阶线性时不变模型（LTI），并采用鲁棒建模方法对模型参数进行辨识。在此基础上，建立了非线性模型和线性时变模型的混合模型，并设计了相应的级联控制器，外环为采用LSDP方法设计的H ∞角位置跟踪控制器，内环为基于反馈线性化理论的非线性PAM驱动压力控制器。最后，在关节旋转90 °范围内，工作频率上限为1.25rad/s的条件下完成了实验。关节与开发的级联控制器跟踪给定的参考轨迹与稳态误差小于2%。结果表明，在相对较低的工作频率下，采用所提出的控制策略对高度非线性系统的轨迹跟踪控制是高效的。
2022-08-10 cs.SY eess.SY nlin.AO
Distributed Model Predictive Control Design for Multi-agent Systems via Bayesian Optimization
针对多智能体系统中局部模型不完善的问题，提出融合ADMM的MABO算法与对偶分解框架的DMPC协同学习方法，经理论证明其最优收敛性，数值算例验证可提升闭环控制性能。
2025-05-19 cs.SY eess.SY
