Pitch Plane Trajectory Tracking Control for Sounding Rockets via Adaptive Feedback Linearization
本文针对单发动机推力矢量控制探空火箭，提出基于自适应反馈线性化的俯仰平面轨迹跟踪内外环控制策略，联合设计自适应律与跟踪控制器，并利用零动态推导带积分作用的LQR，仿真验证了其在多任务场景下抗风扰的跟踪能力与极低增益重调需求。
2025-03-06 cs.SY eess.SY math.DS
Adaptive Control of Dual-Rotor Rotational System with Unknown Geometry and Unknown Inertia
本文针对双转子旋转系统在惯性与几何构型未知情况下的控制问题，提出基于输入-输出反馈线性化的自适应控制器，并利用有限时间收敛估计器更新参数，通过阶跃和谐波跟随实验验证了其有效性与鲁棒性。
2025-04-08 cs.SY eess.SY
Data-Driven Model-Free Adaptive Predictive Control and its Stability Analysis
针对一类离散单输入单输出非线性系统，提出了一种新的全形式动态线性化（FFDL）数据驱动无模型自适应预测控制（MFAPC）方法。该方法的新颖之处在于不需要预先建立物理模型和李雅普诺夫稳定性理论来进行控制器的设计和理论分析。相反，拟议的MFAPC仅使用一种称为伪梯度（PG）矢量的新动态线性化方法，该方法仅与输入/输出（I/O）测量数据相关。本文的主要贡献是：首先，提出了一种新的具有可调参数的MFAPC;其次，我们证明了所提出的方法的有界输入有界输出稳定性，跟踪误差的单调收敛性和内部稳定性。第三，拟议的MFAPC可被视为当前MFAC的优雅扩展。仿真结果验证了所提出的MFAPC算法的有效性。
2020-12-03 cs.SY eess.SY
LPV Modeling of Nonlinear Systems: A Multi-Path Feedback Linearization Approach
本文介绍了一种系统的方法来综合线性参数变化（LPV）表示的非线性（NL）系统，这是由输入仿射状态空间（SS）表示。转换方法的结果在LPV-SS表示在可观察的规范形式。基于相对度的概念，首先将给定NL表示的SS描述转化为范式。在SISO的情况下，所有的非线性的原始系统被嵌入到一个NL函数，这是因式分解，基于所提出的算法，构建一个LPV表示的原始NL系统。整个过程产生LPV模型，其中调度变量取决于系统的输入和输出及其导数，实现了实际适用的转换的情况下，低阶导数的模型。此外，如果NL模型的状态可以被测量或估计，则提出了一种修改的过程来提供由这些状态调度的LPV模型。包括例子来证明这两种方法。
2021-03-26 cs.SY eess.SY
An interpretative and adaptive MPC for nonlinear systems
非线性系统的模型预测控制（MPC）在模型精度和实时计算负担之间存在折衷。一种广泛使用的近似方法是采用EKF方法的逐次线性化MPC（SL-MPC），其中EKF算法用于处理不可测扰动和不可用的完整状态信息。受此启发，本文提出了一种解释性和自适应MPC（IA-MPC）方法。在我们的IA-MPC方法中，首先通过在初始点处执行基于第一原理的模型的线性化来获得线性状态空间模型，然后将该线性状态空间模型转换为等价的ARX模型。该模型通过EKF算法进行在线更新，并将EKF算法改进为一种无矩阵求逆的解耦算法。相应的基于ARX的MPC问题，我们以前的无构造，无矩阵和无库的CDAL-ARX算法解决。这种简单的无库C代码实现将大大降低在嵌入式平台上部署非线性MPC的难度。在4个典型的非线性基准算例中，将IA-MPC方法与EKF方法的非线性MPC和EKF方法的SL-MPC进行了比较，结果表明了IA-MPC方法的有效性。
2022-09-04 cs.SY eess.SY
Comparison of artificial neural network adaptive control techniques for a nonlinear system with delay
针对带延迟的非线性对象，本文比较HDLNNC与AMPC-NPLPT两种神经网络自适应控制器，发现AMPC-NPLPT在控制精度上表现更优。
2023-04-26 cs.SY eess.SY
Nonparametric adaptive payload tracking for an offshore crane
Department of Mechanical and Industrial Engineering（机械与工业工程系）；Norwegian University of Science and Technology (NTNU)（挪威科学技术大学）
针对海上起重机负载轨迹跟踪问题，提出基于新型笛卡尔模型与部分反馈线性化的非参数自适应控制器，在RKHS中逼近未知扰动与动力学，实现误差一致最终有界，经仿真与实验验证效果良好。
2025-10-04 cs.RO cs.SY eess.SY
Free Final Time Adaptive Mesh Covariance Steering via Sequential Convex Programming
RTX Technology Research Center（RTX技术研究中心）
本文提出了一种顺序凸规划框架，用于非线性随机微分方程的自由终时间协方差引导，通过时间归一化和时间扩张变量实现自适应离散化网格，优化控制策略和时间网格。
2026-03-17 cs.SY eess.SY math.OC
The PFDL-Model-Free Adaptive Predictive Control for a Class of Discrete-Time Nonlinear Systems
针对一类离散单输入单输出非线性系统，提出了一种新的部分形式动态线性化（PFDL）数据驱动无模型自适应预测控制（MFAPC）方法.本文的主要贡献是，我们结合MPC和MFAC的概念，提出了一种新的MFAPC方法。我们证明了所提出的方法的有界输入有界输出稳定性和跟踪误差的单调收敛性;此外，我们讨论了当前的PFDL-MFAC和建议的PFDL-MFAPC之间的可能的关系。仿真和实验结果验证了所提出的MFAPC的有效性。
2020-12-03 cs.SY eess.SY
Improving Cooperative Adaptive Cruise Control Robustness to Parametric Uncertainty via Plant Equivalent Controller Realizations
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）
本文提出通过优化植物等效控制器实现CACC在参数不确定性下的鲁棒性提升，采用凸优化方法确保稳定性和性能。
2026-09-10 cs.SY eess.SY
Full-Form Model-Free Adaptive Control for a Family of Multivariable System
本文针对多变量非线性系统，提出了一种基于全形式等效动态线性化模型的无模型自适应控制。与现有的MFAC相比，i）该控制律没有分母，分母来源于逆矩阵的范数，并且不可避免地丢失了系统输入和输出（I/O）之间的耦合关系。（2）简化了对角占优矩阵的限制性假设，扩展了对角占优矩阵的应用范围。iii）基于全形式EDLM的MFAC比当前基于部分形式和紧凑形式EDLM的MFAC更通用。最后，证明了跟踪误差的收敛性和被控系统的BIBO稳定性，这是MFAC中的一个公开问题。
2020-05-26 cs.SY eess.SY
Adaptive Koopman Model Predictive Control of Simple Serial Robots
German Research Center for Artificial Intelligence（德国人工智能研究中心）
本文提出自适应库普曼模型预测控制（KMPC），通过在线闭环反馈增量学习非线性系统动力学的线性表示，无需预先建模，并在1R和2R机器人上验证了其对力扰动和参数变化的泛化能力，优于静态KMPC和线性化MPC。
2025-07-02 cs.RO cs.SY eess.SY
A Linear Branch Flow Model for Radial Distribution Networks and its Application to Reactive Power Optimization and Network Reconfiguration
本文提出了一种冷启动线性分支流模型--改进的DistFlow模型。在改进的DistFlow中，有功功率和无功功率被它们与电压幅值的比值代替作为状态变量，从而减少了传统支路流线性化方法由于完全忽略二次项而引入的误差。基于路径支路关联矩阵，支路潮流和节点电压幅值可以以非迭代和显式的方式获得。随后，提出的修改DistFlow模型应用于无功优化和网络重构的问题，将其转化为一个混合整数二次规划（MIQP）。仿真结果表明，与现有的配电网冷启动线性支路潮流模型相比，改进的DistFlow模型具有更好的精度，所得到的MIQP无功优化和网络重构模型的计算效率也远高于现有的基准。
2020-11-22 cs.SY eess.SY
Adaptive Modified RISE Control for Quadrotors: Enhancing Trajectory Tracking Through Uncertainty Compensation
本文提出一种自适应修正符号误差鲁棒逆（AM-RISE）控制方法，通过显式补偿陀螺效应、旋翼动力学及参数不确定性等，实现四旋翼无人飞行器在复杂扰动下的可靠轨迹跟踪，并基于 Lyapunov 分析证明了渐近稳定性和改进的闭环性能。
2025-07-01 cs.SY eess.SY
Sequential feedback optimization with application to wind farm control
本文针对高维非线性系统反馈优化中一阶信息获取困难的问题，提出序贯线性化反馈优化框架，并进一步设计多时间尺度变体以降低计算成本，通过风电场控制仿真验证了收敛性和计算优势。
2025-07-20 cs.SY eess.SY math.OC
A Modified DTC with Capability of Regenerative Braking Energy in BLDC driven Electric Vehicles Using Adaptive Control Theory
University of Tabriz（特拉比兹大学）；North Carolina State University（北卡罗来纳州立大学）；Queensland University of Technology（昆士兰科技大学）；University of Ilam（伊拉姆大学）；Iran University of Science and Technology（伊朗理工大学）
本文提出一种新型再生制动方法，通过改进DTC切换算法，利用BLDC电机在不增加额外功率转换器或储能设备的情况下回收电动车电能，通过逆变器不同切换模式将机械能转换为电能，同时利用电池状态作为性能指标，并设计模型参考自适应系统以调节参数，验证了方法的高效性。
2017-10-05 cs.SY eess.SY
Contraction Metrics in Adaptive Nonlinear Control
李雅普诺夫稳定性理论是直接自适应控制的理论基础。从根本上说，李雅普诺夫稳定性需要构造一个距离函数，该函数必须随时间减小以确保稳定性。反馈线性化、反推和平方和优化是构造这种距离函数的常用方法，但需要系统具有某些固有/结构特性或涉及解决非凸优化问题。这些限制/复杂性的出现是因为李雅普诺夫稳定性理论依赖于构造显式距离函数。本文利用收缩度量，通过构造一个类似于距离的函数，而不是显式地构造一个可镇定非线性系统的自适应控制器。由于稳定性实际上是等价于存在的收缩度量，所提出的方法是显着更一般比现有的文献中的结果。特别地，该方法可以应用于欠驱动系统。更广泛地说，它也可以用于转移学习，其中反馈控制器已经为标称系统仔细学习，但需要在参数存在显著但结构化变化的情况下保持有效。仿真结果说明了该方法。
2020-02-17 cs.SY eess.SY
Adaptive Trajectory Bundle Method for Roll-to-Roll Manufacturing Systems
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出了一种自适应轨迹束方法，用于提升卷对卷制造系统中张力和速度控制的精度与约束满足能力。
2025-12-24 cs.SY eess.SY
Model-Free Adaptive Control Compensated with Disturbance
针对 SISO 与 MIMO 非线性系统的扰动抑制问题，本文利用扰动补偿改进 EDLM 并重构 MFAC，结合闭环方程分析稳定性，且通过算例验证定理。
2023-12-06 cs.SY eess.SY
L1 Adaptive Controller -- Performance Analysis of the Inverse DC Gain Method
University of Queensland（昆士兰大学）
本文分析了改进的L1自适应控制律，比较了其与原始控制律的性能，指出在允许轻微性能下降的情况下，无需零极点抵消技术即可用L1自适应控制律控制非最小相位系统。
2019-03-22 cs.SY eess.SY
Optimizing an Adaptive Fuzzy Logic Controller of a 3-DOF Helicopter with a Modified PSO Algorithm
Université de Sherbrooke（舍布鲁克大学）；Babol Noshirvani University of Technology（巴博勒诺希尔瓦尼理工大学）
研究了三自由度直升机系统的控制器优化问题。将模糊逻辑与自适应控制理论相结合，对系统进行控制。该系统是广泛的非线性和高度敏感的控制器的参数，使它成为一个真正的挑战，研究这些参数对控制器的性能。使用元启发式算法来确定这些参数是一个很有前途的解决方案。本文提出了一种改进的粒子群优化算法（MPSO）来优化控制器。该算法具有很强的全局搜索能力，能够找到合理的搜索空间。该算法根据粒子适应度函数的大小来调整粒子的搜索空间，并用弱粒子替换新粒子。这些修改导致更好的精度和收敛速度。我们证明了MPSO算法的效率，通过比较它与标准的PSO和其他六个著名的元启发式算法优化时，自适应模糊逻辑控制器的3自由度直升机。通过计算机模拟，证明了该方法在系统存在不确定性和干扰时的有效性。通过比较MPSO和标准PSO优化控制器的结果，证明了该方法的优越性。
2022-05-01 cs.RO cs.SY eess.SY
Experimental Flight Testing of an Adaptive Autopilot with Parameter Drift Mitigation
University of Michigan（密歇根大学）；University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）
针对多旋翼自适应自动驾驶仪的参数漂移失稳问题，本文在自适应回路中引入由RCAC算法更新的静态非线性环节，并通过仿真与飞行实验验证其可提升固定增益控制性能并增强鲁棒性。
2023-04-20 cs.RO cs.SY eess.SY
A Modified Adaptive Data-Enabled Policy Optimization Control to Resolve State Perturbations
针对DeePO依赖探测噪声导致状态扰动的问题，提出PFDeePO，通过近平衡点暂停增益更新并在收敛时施加均值为1的乘性噪声，实现无扰动且稳定的自适应LQR控制。
2025-07-28 cs.SY eess.SY
Handling actuator magnitude and rate saturation in uncertain over-actuated systems: A modified projection algorithm approach
本文提出了一种投影算法，可用于约束的驱动器信号，在幅度和速率，不确定系统的冗余执行器。研究的闭环控制系统被假定为包含一个自适应控制分配器，以分配总的控制输入执行器。虽然传统的控制分配方法可以处理执行器的速率和幅度的限制，他们不能考虑执行器的不确定性。另一方面，自适应分配器管理不确定性和致动器幅度限制。建议的投影算法使自适应控制分配器处理幅度和速率饱和约束。数学上严格的分析表明，所提出的投影算法的帮助下，自适应控制分配器的性能可以得到保证，在误差界。仿真结果表明，所提出的方法的有效性，在研究环境（ADMIRE）中的气动数据模型被用作过驱动系统。
2020-09-07 cs.SY eess.SY math.DS
Learning-based control of a single-DOF Aero system
University of Turku（图尔库大学）
提出一种将反馈线性化与强化学习结合的自适应控制框架，通过李雅普诺夫稳定性分析保证闭环稳定性，并利用REINFORCE-with-baseline算法在线补偿未建模动态和扰动，在单自由度转子AERO系统上实现精确轨迹跟踪和强鲁棒性。
2026-07-02 cs.SY eess.SY
Enabling On-Chip High-Frequency Adaptive Linear Optimal Control via Linearized Gaussian Process
Nanyang Technological University（南洋理工大学）；Hohai University（河海大学）；Hong Kong University of Science and Technology（香港科技大学）
针对无人机复杂空气动力学与片上高频计算限制，提出线性化高斯过程与线性模型预测控制结合并辅以贝叶斯优化的自适应控制方法，实现实时高频求解且保持可接受跟踪误差。
2024-09-27 cs.RO cs.SY eess.SY
PowerLine Unmanned Surfer (PLUS): Shape Adaptive Dynamics Development and Control Design
提出PLUS概念与形状自适应飞行动力学及频率匹配控制框架，使固定翼UAV可低净空跟踪架空配电线路以收集能量，并通过变形机翼实验验证跟踪性能与参数敏感性。
2024-05-09 cs.SY eess.SY
Adaptive Robust Controller for handling Unknown Uncertainty of Robotic Manipulators
Università di Padova（帕多瓦大学）
针对机械臂轨迹跟踪需精确动力学模型及不确定性先验边界的问题，提出无先验知识的自适应鲁棒反馈线性化方案，经仿真验证性能与现有方法相当且所需先验知识更少。
2024-06-20 cs.RO cs.SY eess.SY
New Class K_infinity Function-Based Adaptive Sliding Mode Control Design
针对经典自适应滑模控制存在的抖振和过估计现象，提出了一种新的基于K_∞类函数的自适应滑模控制方案。两个控制器提出了凹和凸障碍函数来实现这种控制方法。为了避免大的初始控制幅度，两个修改后的控制方案提供，所提出的方法扩展到不同的场景。它被证明，所提出的控制器产生有限时间收敛到一个真正的滑动模式。最后，仿真和讨论显示所提出的控制方法的优点和有效性。
2020-12-04 cs.SY eess.SY
On Approximate Dynamic Programming with Multivariate Splines for Adaptive Control
University of Southampton（南安普顿大学）；Delft University of Technology（代尔夫特理工大学）
本文提出基于RLSTD算法和多变量简单样条的SDP框架，引入局部遗忘因子以保持样条连续性，通过实验展示SDP在跟踪时变系统和提升控制性能方面的优势。
2016-06-30 cs.LG cs.SY eess.SY
An Adaptive Data-Enabled Policy Optimization Approach for Autonomous Bicycle Control
Mälardalen University（梅拉达伦大学）；ETH Zurich（苏黎世联邦理工学院）
本文提出内回路FL与外回路自适应DeePO相结合的自主自行车平衡控制框架，利用离线数据、鲁棒正则化和遗忘因子提升抗扰与时变适应能力，仿真和实车实验证明其跟踪性能优于仅用FL。
2025-02-19 cs.RO cs.SY eess.SY
Adaptive dynamic programming for nonaffine nonlinear optimal control problem with state constraints
Tsinghua University（清华大学）；Carnegie Mellon University（卡内基梅隆大学）
本文提出了一种约束自适应动态规划（CADP）算法来求解具有已知动态的一般非线性非仿射最优控制问题。与以往的ADP算法不同，它可以直接处理具有状态约束的问题。首先，约束广义策略迭代（CGPI）框架的发展，以处理状态约束，通过将传统的策略改进过程转化为一个有约束的策略优化问题。接下来，我们提出了一个行动者-评论家的变体CGPI，称为CADP，其中的政策和价值函数近似的多层神经网络直接映射系统状态的控制输入和价值函数，分别。CADP将约束优化问题局部线性化为二次约束线性规划问题，然后通过求解其对偶问题得到策略网络的最优更新。通过引入信赖域约束，避免了策略的过度更新，从而保证了线性化的准确性.我们通过计算最小信赖域边界来确定策略优化问题的可行性，并在不可行时使用两个恢复规则来更新策略。路径跟踪任务中的车辆控制问题被用来证明所提出的方法的有效性。
2022-04-08 cs.LG cs.SY eess.SY
Adaptive Digital PID Control of a Quadcopter with Unknown Dynamics
University of Michigan（密歇根大学）；MIT（麻省理工学院）
针对动力学未知的四轴飞行器，提出了一种自适应自动驾驶仪。为此，PX 4自动驾驶仪的结构进行了修改，以取代反馈和前馈控制器的自适应控制法律的基础上追溯成本自适应控制（RCAC）。本文提供了一个数值研究的性能的自适应自动驾驶仪的四轴飞行器与未知的动态。为了反映先验建模信息的缺乏，所有的自适应数字控制器初始化为零增益。此外，改变四轴飞行器的转动惯量来测试自适应自动驾驶仪的鲁棒性。在所有测试案例中，车辆被命令遵循给定的轨迹，并检查由此产生的性能。
2020-05-31 cs.RO cs.SY eess.SY
A Data-Driven Prescribed-Time Control Framework via Koopman Operator and Adaptive Backstepping
本文提出一种融合EDMDc数据驱动建模与指定时间自适应反步控制的框架，通过库普曼线性化处理模型误差并避免复杂度爆炸，在范德波尔振荡器上验证了用户指定时间内精确镇定且闭环信号有界。
2025-07-03 cs.SY eess.SY math.OC
