Guaranteed optimal reachability control of reaction-diffusion equations using one-sided Lipschitz constants and model reduction
我们证明了，对于任何空间离散的反应扩散方程组，只要扩散系数足够大，由显式Euler时间离散格式给出的近似解收敛于精确的时间连续解.通过“足够大”，我们的意思是扩散系数值使得反应扩散系统的单侧Lipschitz常数为负。我们应用这个结果来解决有限时域控制问题的一维反应扩散的例子。我们还解释了如何进行模型降阶，以提高效率的方法。
2019-12-11 cs.SY eess.SY math.OC
Convergence Guarantee of Dynamic Programming for LTL Surrogate Reward
University of Florida（佛罗里达大学）
针对双折扣因子LTL代理奖励在折扣因子为1时动态规划收敛性不明的问题，本文证明更新中始终存在多步收缩，确保近似价值函数指数收敛并可靠计算满足概率。
2024-08-10 cs.RO cs.SY eess.SY
Safety Guaranteed Control for Spacecraft Inspection Mission
针对航天器巡视中多位置障碍与姿态禁区的安全问题，提出基于控制障碍函数和二次规划的安全速度生成、类比例速度跟踪及浸入与不变性扰动观测器，并证明稳定性与安全性。
2023-06-08 cs.SY eess.SY
Data-driven optimal control via linear programming: boundedness guarantees
本文研究基于线性规划的数据驱动最优控制，通过分析LP的几何特征建立充分条件，在最少约束下保证有限解，并证明在无模型场景中可通过选择合适的数据集和目标函数确保有界性。
2023-10-30 cs.SY eess.SY
Data-Driven Control Design with LMIs and Dynamic Programming
本文的目标是开发基于线性矩阵不等式（LMI）和动态规划的数据驱动控制设计和评估策略。我们考虑确定性离散时间LTI系统，其中系统模型未知。我们提出了有效的数据收集计划，从状态输入轨迹与数据驱动的LMI设计状态反馈控制器的稳定和线性二次调节（LQR）问题。此外，我们研究理论上保证的勘探计划，以获得有效的数据，从不同的情况下的轨迹。特别是，我们证明，随着越来越多的数据积累，收集的数据变得有效的算法具有更高的概率。最后，讨论了具有收敛保证的数据驱动的动态规划算法。
2021-06-16 cs.SY eess.SY math.OC
Control Synthesis of Nonlinear Sampled Switched Systems using Euler's Method
CMLA, CNRS & ENS Paris-Saclay（CMLA, 法国国家科学研究中心与巴黎萨克雷高等师范学院）；LMT, CNRS & ENS Paris-Saclay（LMT, 法国国家科学研究中心与巴黎萨克雷高等师范学院）；LSV, CNRS, INRIA & ENS Paris-Saclay（LSV, 法国国家科学研究中心、法国国家信息与自动化研究所与巴黎萨克雷高等师范学院）
本文提出了一种针对非线性采样切换系统控制综合的方法，该系统向量场满足单侧利普希茨条件。通过欧拉方法构建近似模型以生成保证控制，通过选择合适的时空离散化来限制符号建模引入的误差。
2017-04-11 cs.NA cs.SY eess.SY
Quadratic Programming for Continuous Control of Safety-Critical Multi-Agent Systems Under Uncertainty
研究了基于二次规划的安全关键多智能体系统的控制问题。每个被控主体被建模为一个积分器和一个不确定非线性驱动系统的级联。特别地，积分器表示位置-速度关系，并且致动系统描述实际速度对速度参考信号的动态响应。输入输出稳定性（IOS）的概念是用来表征的驱动系统的基本速度跟踪能力。驱动动力学的不确定性可能导致避碰QP算法的不可行性或不连续解。此外，受控积分器和不确定的致动动态之间的相互作用可能导致显著的鲁棒性问题。通过使用非线性控制方法和数值优化方法，本文首先贡献了一个新的可行集整形技术和改进的QP算法的可行性，鲁棒性和局部Lipschitz连续性。然后，我们提出了一个非线性小增益分析来处理固有的相互作用，以保证安全的闭环多智能体系统。数值模拟和物理实验表明，所提出的方法。
2022-11-30 cs.SY eess.SY
Toward Reliable Designs of Data-Driven Reinforcement Learning Tracking Control for Euler-Lagrange Systems
本文讨论了基于强化学习的直接信号跟踪控制，其目标是开发数学上合适且实用的设计方法。具体来说，我们的目标是提供可靠且易于实现的设计，以实现可重复的基于神经网络的解决方案。我们提出的新设计利用了两种控制设计框架：一种基于强化学习的数据驱动方法，以提供所需的自适应和（次）最优性，以及一种基于backstepping的方法，以提供闭环系统稳定性框架。我们开发这项工作的基础上建立的直接启发式动态规划（dHDP）的学习范式进行在线学习和适应和一类重要的非线性动态描述为欧拉-拉格朗日系统的backstepping设计。我们提供了一个理论保证的整体动态系统的稳定性，近似非线性神经网络的权重收敛，以及贝尔曼（次）最优的控制策略。我们使用模拟来证明显着改善的设计性能，所提出的方法在原来的dHDP。
2021-03-30 cs.SY eess.SY
Analyzing the Impact of Computation in Adaptive Dynamic Programming for Stochastic LQR Problem
本文研究了自适应动态规划在随机LQR问题中计算误差对控制性能的影响，发现采样周期显著影响算法收敛性，并证明了使用Euler-Maruyama方法的收敛率为O(h)。
2024-02-14 cs.SY eess.SY math.OC
Approximate Dynamic Programming with Feasibility Guarantees
针对网络化系统优化方案求解大规模问题计算负担重、分布式迭代技术仅渐近可行的问题，提出一种树结构耦合子问题下可一次性给出可行解的近似动态规划方案，推广了多领域方法并通过数值算例验证了对非凸约束问题的有效性。
2024-01-29 cs.SY eess.SY math.OC
Quadratic-Programming-based Control of Multi-Robot Systems for Cooperative Object Transport
Department of Mechanical Engineering, City University of Hong Kong（香港城市大学机械工程系）
本文提出基于二次规划的多机器人协同运输控制方法，通过设计速度和位置跟踪控制器，实现对球形物体的协同运输并保证系统稳定性。
2025-12-14 cs.SY eess.SY
Guaranteed cost structured control in infinite-horizon linear-quadratic cooperative differential games
本文研究了具有输出反馈信息结构的无限时间线性二次合作微分博弈，提出反馈保证成本结构控制概念，分析其性质并验证了Pareto最优控制的子最优性。
2026-08-25 cs.SY eess.SY math.OC
Computation of Parameter Dependent Robust Invariant Sets for LPV Models with Guaranteed Performance
针对线性变参数（LPV）系统，提出了一种计算鲁棒控制不变量（RCI）集的迭代算法和一种不变量诱导控制律。由于调度参数的实时测量通常是可用的，在所提出的公式中，我们允许RCI集描述以及不变性诱导控制器是调度参数相关的。所考虑的配方，从而导致参数依赖的条件下的集合不变性，这是取代充分的线性矩阵不等式（LMI）条件，通过波利亚的放松。这些LMI条件，然后结合一种新的体积最大化的方法在半定规划（SDP）的问题，其目的是在计算所需的大RCI集。除了确保不变性之外，还可以通过将所选择的二次性能水平作为SDP问题中的附加约束来保证RCI集合内的性能。数值算例表明，在不利用调度参数信息的情况下，该迭代算法可以生成大于最大RCI集的不变集.
2022-11-30 cs.SY eess.SY math.OC
Model-Free Incremental Adaptive Dynamic Programming Based Approximate Robust Optimal Regulation
本文提出了连续时间非线性系统无模型鲁棒最优调节的一种新形式。所提出的基于强化学习的方法，被称为增量自适应动态规划（IADP），利用测量数据，允许近似最优增量控制策略的设计，该控制策略在模型不确定性，环境干扰和输入饱和下增量地稳定受控系统。通过利用时间延迟估计（TDE）技术，我们首先利用传感器数据，以减少一个完整的动态，其中测量数据被采用来构建一个增量的动态，反映了系统的演变，在一个增量的形式的要求。然后，基于自适应动态规划设计近似最优增量控制策略，该策略被实现为一个简化的单临界结构，得到Hamilton-Jacobi-Bellman方程值函数的近似解.此外，对于神经网络，利用经验数据设计了一种保证权值收敛的非策略权值更新律。更重要的是，为了解决无意中引入的TDE误差，我们将TDE误差边界相关项纳入代价函数中，从而在优化过程中衰减TDE误差。给出了系统稳定性证明和权值收敛性证明。数值仿真结果验证了所提IADP的有效性和优越性，特别是在降低控制能量消耗和增强鲁棒性方面。
2021-05-06 cs.SY eess.SY
A Sequential Quadratic Programming Perspective on Optimal Control
本文以受约束 SQP 统一分析 Newton 法、iLQR 与 DDP，证明 iLQR 具有代价下降和收敛保证，并通过摆及 cart-pole 摆起实验验证。
2025-10-03 cs.SY eess.SY math.OC
Secondary Controller Design for the Safety of Nonlinear Systems via Sum-of-Squares Programming
针对对抗信号下的非线性多项式控制系统，提出基于 Lyapunov 可达性与 SOS 规划的安全验证条件，并在安全无法保证时综合多项式次级控制器，仿真验证了有效性。
2023-04-20 cs.SY eess.SY math.OC
Guaranteed Robust Nonlinear MPC via Disturbance Feedback
Institute for Dynamic Systems and Control（动态系统与控制研究所）
本文提出一种基于扰动反馈的鲁棒非线性MPC方法，通过将不确定系统分解为标称模型、扰动反馈控制器和误差界并利用序贯凸规划联合优化，在保证鲁棒约束满足、ISS和递归可行性的同时实现快速实时求解，并在火箭着陆等任务中验证。
2025-09-23 cs.RO cs.SY eess.SY
Recover Feasible Solutions for SOCP Relaxation of Optimal Power Flow Problems in Mesh Networks
本文提出了一种替代凸优化方法，通过二次锥规划松弛的OPF结果高效恢复可行解，解决了凸松弛精确性不足时的可行解恢复问题，优于基于半正定规划的算法。
2017-10-23 cs.SY eess.SY
Minimal Intervention Shared Control with Guaranteed Safety under Non-Convex Constraints
Aalto University（阿alto大学）
本文提出了一种考虑约束的辅助控制器，通过在线计算控制动作，确保递归可行性、严格约束满足和最小偏离用户意图，适用于非凸约束的现实场景。
2026-03-17 cs.HC cs.RO cs.SY
