Performance Analysis of Model-Free Adaptive Control
Feilong Zhang
针对无模型自适应控制（MFAC），该研究借助闭环函数分析控制律性能，旨在拓宽其适用范围。
我们通过闭环函数分析了无模型自适应控制（MFAC）律，以拓宽其应用范围。
We analyzed model-free adaptive control (MFAC) law through closed-loop function to widen its application range.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
Discussion on a Class of Model-Free Adaptive Control for Multivariable Systems
本文通过闭环函数分析无模型自适应控制（MFAC）律，旨在拓宽其在多变量系统中的应用范围。
Continuous-Time Output Feedback Adaptive Control for Stabilization and Tracking with Experimental Results
本文提出受离散时间回溯代价自适应控制启发的连续时间输出反馈方法，并用粒子群优化自动调节超参数，在双积分器、双旋翼跟踪及姿态镇定实验中验证了其无模型控制有效性。
Design of Adaptive Backstepping Control for Direct Power Control of Three-Phase PWM Rectifier)
本文重点研究了用于三相PWM整流器直接功率控制（DPC）的自适应反推控制器（adaptive-BSC）的设计。在所提出的系统中，期望通过使整流器的输出DC电压和无功功率跟踪期望的相应值来同时控制整流器的输出DC电压和无功功率。这是通过具有用于输出电压和无功功率的独立虚拟控制信号来实现的。从三相系统的动力学方程中得到自适应控制信号。为了比较，BSC和自适应BSC方程都被开发。在一个5 kW的系统上对它们进行了数值模拟。所提出的自适应BSC的设计工作在更具挑战性的系统变化相比，BSC，因为它必须估计的值的未知系统负载。尽管如此，它的表现仍然优于其BSC对手。
A Differential-Cascaded Approach for Adaptive Control of Robot Manipulators
研究了具有参数不确定性的非线性机器人的自适应控制。出于产生闭环机器人动力学与增强传输能力的参考扭矩和连接到线性动力学，我们开发了一种新的自适应方法，利用forwardstepping设计和惯性不变性，产生差分级联闭环动力学。利用这种方法，我们提出了一类新的非线性机器人自适应控制器。我们关于机器人自适应控制的具体研究展示了一种设计方法，旨在建立高度非线性不确定系统（例如，具有可变惯性矩阵）和线性动力学（通常具有相同或增加的阶数），这是文献中长期存在的棘手问题。
Transient and Asymptotic Properties of Robust Adaptive Controllers in the Presence of Non-Coercive Lyapunov Functions
自适应控制结构通常利用李雅普诺夫函数来设计自适应律。我们特别感兴趣的自适应控制方法，如众所周知的L1自适应架构，采用参数观测器用于此目的。在这种架构中，观测误差在确定跟踪误差的分析界限以及鲁棒性方面起着关键作用。在本文中，我们展示了强制性李雅普诺夫算子的不存在如何影响分析界，以及这种自适应系统的性能和鲁棒性。
Robust Adaptive Control Barrier Functions: An Adaptive & Data-Driven Approach to Safety (Extended Version)
提出了一种新的结构参数不确定性约束非线性系统的控制框架。通过在线参数自适应和数据驱动的模型估计，实现了安全集的前向不变性。新的自适应数据驱动的安全范例与最近的自适应控制算法合并，用于名义上在闭环中收缩的系统。这种统一比其他安全控制器更普遍，因为闭环收缩不要求系统可逆或处于特定形式。此外，该方法比非线性模型预测控制更便宜，因为它不需要完整的期望轨迹，而是仅需要期望的终端状态。以具有不确定非线性气动力的飞机俯仰动力学为例说明了该方法。
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。
Lyapunov-Based Deep Residual Neural Network (ResNet) Adaptive Control
针对ResNet自适应控制器缺乏Lyapunov权重更新律的问题，本文提出首个基于Lyapunov推导的ResNet自适应控制方法，并通过非光滑分析保证渐近收敛，Monte Carlo仿真显示其较全连接DNN性能提升64%。
An Adaptive Pilot Model with Reaction Time-Delay
实际的自适应控制实现人类飞行员共存的回路中仍然是罕见的，尽管他们在处理不确定的动力系统的成功。这是由于其特殊的非线性特性，导致不利的相互作用之间的驾驶员和自适应控制器。为了铺平道路的自适应控制器在驾驶应用中的实施，我们提出了一个自适应的人类驾驶员模型，考虑到在飞行员的响应时间延迟，而操作的自适应控制系统。该模型可用于评估自适应控制器，通过仿真环境和指导他们的设计。
L1 Adaptive Controller -- Performance Analysis of the Inverse DC Gain Method
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。
Adaptive Safety with Control Barrier Functions
自适应控制李雅普诺夫函数（aCLF）是在20年前提出的，它提供了一种基于李雅普诺夫的方法来稳定具有参数不确定性的系统。本文的目标是在安全关键控制的背景下，重新审视这一经典的配方。这将在安全性的背景下激发aCLF的变体：自适应控制障碍函数（aCBF）。我们所提出的方法自适应地实现安全，即使在参数模型的不确定性的存在下，保持系统的状态在一个安全的集合。我们将aCLFs和aCBFs统一为一个单一的控制方法，在一个基于二次规划（QP）的框架的背景下，不确定参数的系统。我们验证了这个统一的框架，以实现自适应巡航控制（ACC）模拟的稳定性和安全性的能力。
Multi-Objective $H_{\infty}$ Control for String Stability of Cooperative Adaptive Cruise Control Systems
自动车辆跟随系统通过缩短车辆间的时间间隔，在增加道路上的车辆密度方面发挥着决定性作用。然而，沿车辆队列的干扰衰减，即，在时间间隔越来越短的情况下，串稳定性是一个具有挑战性的任务。为了保证车队的稳定性，研究了自适应巡航控制的多目标$H_{\infty}$控制方法和协同自适应巡航控制结构。所提出的控制方法解决了一个优化问题，并实现了控制器，它不仅能够提供系统的稳定性，但也从传统的$H_{\infty}$控制的字符串稳定性不同。
Observer-Side Parameter Estimation For Adaptive Control
本文研究了自适应控制中观测器侧参数估计的机制，提出了一种增强观测器基于自适应控制鲁棒性的新方法。
Adaptive dynamic programming-based adaptive-gain sliding mode tracking control for fixed-wing UAV with disturbances
针对固定翼无人机（UAV）在匹配和非匹配扰动下的飞行控制问题，提出了一种基于自适应动态规划的自适应增益滑模控制（ADP-ASMC）方法。从固定翼无人机的动力学出发，建立了由姿态子系统和空速子系统组成的面向控制的模型。针对两个子系统中存在的不同问题，提出了两种新的自适应增益广义超扭曲（AGST）算法，以消除两个子系统中扰动的影响，使系统轨迹在有限时间内趋于所设计的积分滑动流形（ISM）。然后，基于期望的等效滑模动力学，采用改进的具有ACTOR CRITIC（actor-critic）结构的ADP（adaptive dynamic programming）方法生成近似最优的控制律，实现滑模动力学的近似最优性能.此外，通过李雅普诺夫稳定性定理，两个神经网络（NN）的跟踪误差和权值估计误差都是一致最终有界（UUB）的。最后，通过仿真对比验证了所提出的控制方案在固定翼无人机上的优越性能。
A Control Theoretical Adaptive Human Pilot Model: Theory and Experimental Validation
本文提出了一种自适应人类驾驶员模型，能够模仿交叉模型中存在的不确定性。所提出的结构是基于模型参考自适应控制，和自适应法律获得使用Lyapunov-Krasovskii稳定性准则。该模型可用于人在回路的稳定性和性能分析，结合不同类型的控制器和植物类型。为了验证的目的，采用实验设置来收集数据，并进行统计分析，以测量试点模型的预测能力。
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。
Adaptive and quasi-sliding control of shimmy in landing gears
摆振是一种危险的现象，发生在飞机的前起落架振荡在一个快速和不可控的方式。在本文中，我们提出了使用两个非线性控制方法（零平均控制和模型参考自适应控制的基础上最小控制合成）作为简单而有效的策略，以抑制不希望的振荡，即使在存在的不确定性和部分状态测量。数值结果验证了所提出的控制方法。
Distributed Implementation of Minimax Adaptive Controller For Finite Set of Linear Systems
针对网络化动力系统，提出了一种基于有限线性模型的极大极小自适应控制算法。为了避免网络中每个节点中有限数量的可能动态所产生的不确定性，它只收集其相邻节点的历史数据来决定其沿其边缘的控制动作。这使得我们提出的分布式方法具有可扩展性。数值模拟表明，一旦每个节点有足够的估计不确定参数，分布式极大极小自适应控制器的行为像最优分布式H ∞控制器在事后。
A Primary Frequency Control Strategy for Variable-Speed Pumped-Storage Plant in Power Generation Based on Adaptive Model Predictive Control
针对低惯量电网频率控制难题，本文提出基于自适应模型预测控制的变速抽水蓄能电站发电工况一次调频策略，利用其灵活性提升调频性能。
Adaptive Output Tracking Control with Reference Model System Uncertainties: Extensions
本文扩展了针对未知参考模型系统的自适应输出跟踪控制，涵盖SISO离散时间及MIMO离散时间、连续时间和反馈线性化系统，通过参数化估计器处理不确定性，确保误差系统完全参数化以设计稳定更新律。
Fuzzy Logic based Autonomous Parking Systems -- Part IV: A Multiple-Model Adaptive Neural-Fuzzy Controller
本文设计了一种基于神经网络辨识的多模型自适应模糊控制器（MM-AFLC），用于智能自主泊车系统中无人车的控制。目标是在保持低实施成本的同时实现鲁棒控制。所提出的控制器的设计包括以下控制原理-非线性系统的神经网络辨识、模糊逻辑控制、自适应控制以及多模型自适应。这种集成确保了与以前的工作相比的卓越性能。广义控制器可以应用于不同的系统，而无需实际的植物模型的先验知识。在智能自主泊车系统中，所提出的控制器可用于车辆速度控制和转向盘转动。多模型自适应模糊逻辑控制器，鲁棒性也可以保证在各种操作环境下，无论不可预测的干扰。最后但并非最不重要的是，对比实验也表明，配备了新的控制器的系统能够实现更快，更平滑的收敛。
Human-Machine Adaptive Shared Control for Safe Automated Driving under Automation Degradation
针对自动化性能下降的情况，提出了一种人机自适应共享控制方法。首先，提出了一种新的风险评估模块，以监测驾驶行为和评估自动驾驶汽车的自动化性能下降。在此基础上，开发了自适应控制权限分配模块。在检测到任何性能退化的情况下，基于所评估的风险降低自动化系统的分配的控制权限，以降低车辆运动的潜在风险。因此，分配给人类驾驶员的控制权限自适应地增加，因此需要驾驶员更多地参与控制回路，以补偿自动化降级并确保AV安全。在不同的驾驶场景下进行了实验验证。测试结果表明，该方法能够通过人机自适应共享控制有效补偿车辆自动化性能的下降，保证自动驾驶的安全性
Discussions on Inverse Kinematics based on Levenberg-Marquardt Method and Model-Free Adaptive (Predictive) Control
本文从控制理论的角度对目前基于LM方法的逆运动学鲁棒数值解法进行了重新分析。通过分析修正后的无模型自适应控制（MFAC）的控制性能，与已有的研究相比，更清楚地分析了计算的鲁棒性和计算误差的收敛性能。然后以最小化预测跟踪误差为目标，提出了一种新的无模型自适应预测控制方法来解决机器人逆运动学问题。最后，我们应用MFAPC作为控制器的机器人运动控制问题的仿真。该方法不仅具有良好的控制性能，而且能有效地求解逆运动学问题。
Adaptive Distributed Observer-based Model Predictive Control for Multi-agent Formation with Resilience to Communication Link Faults
针对带输入约束和未知通信故障的非线性多智能体编队跟踪问题，提出基于自适应分布式观测器的分布式MPC方法，分解问题为本地子问题求解，提升故障韧性并简化控制构建。
Exponentially Convergent Direct Adaptive Pole Placement Control of Plants with Unmatched Uncertainty under FE Condition
针对非匹配不确定性对象，提出了一种直接自适应极点配置控制（APPC）的新方法。它保证了当回归量为负激励时，控制系统的指数稳定性和控制律可调参数的指数收敛性。考虑到已知的经典APPC方案和指数调节的自适应方法，所提出的方法的优点是，它不需要控制输入矩阵的先验信息，并确保控制律的每个可调参数的单调瞬态行为。数值实验验证了理论分析的正确性。
Adaptive Control for Flow and Volume Regulation in Multi-Producer District Heating Systems
流量和存储量调节对于区域供热系统中能源的充分运输和管理至关重要。在这封信中，我们提出了一种新的和适当定制的-分散-自适应控制计划解决这个问题，同时提供闭环稳定性保证。我们专注于一个系统配置，包括多个热生产者，消费者和存储罐通过一个共同的分配网络交换能量，这是现代和未来的区域供热装置的特点。所提出的控制器是基于无源性，反推和（间接）自适应控制理论。
Safety-Critical Adaptive Control with Nonlinear Reference Model Systems
针对不确定非线性系统，提出了一种模型参考自适应控制结构，以达到预定的性能保证。具体而言，一般的非线性参考模型系统被认为是捕捉一个理想的和安全的系统行为。一个自适应控制架构，然后提出了抑制系统的不确定性的影响，没有任何先验知识的幅度和速率上界。更重要的是，所提出的控制架构强制系统状态轨迹演变在用户指定的距离内的参考系统轨迹，满足安全约束。这消除了在模型参考自适应控制中通常需要的自适应速率的自组织调整过程以确保安全性。所提出的控制架构的功效也证明了通过一个说明性的数值例子。
A fuzzy logic feedback filter design tuned with PSO for L1 adaptive controller
本文提出基于模糊规则的在线连续调优方法，利用PSO优化模糊控制器参数，提升L1自适应控制器在非线性系统中的鲁棒性和适应性。
Adaptive and Robust Cross-Voltage-Level Power Flow Control of Active Distribution Networks
分布式能源（DER）到电力电力系统的大规模集成提供了新的机会，以确保稳定性。例如，有源配电网（ADN）可以用于紧急状态下的（子）传输系统中，只要保证ADN控制的高鲁棒性和性能。本文提出了一种用于ADN跨电压等级潮流控制的自适应控制系统。为此，使用增益调度方法。此外，这项工作介绍了一种控制参数整定的方法。为了验证控制参数调谐，使用示例性中压电网分析自适应控制系统的鲁棒性和性能。此外，不确定性的影响进行了检查。最后，自适应控制系统的操作演示通过执行时域仿真。
Safe and Stable Formation Control with Autonomous Multi-Agents Using Adaptive Control (Extended Version)
本文提出结合自适应控制、控制屏障函数和连接图的方法，解决多智能体系统在动态不确定性和通信限制下的稳定与安全编队控制问题，通过自适应控制确保稳定性，安全过滤器生成安全指令，参考模型实现无不确定情况下的编队控制。
Sub-Optimality of a Dyadic Adaptive Control Architecture
并矢自适应控制体系结构的发展是为了解决具有非匹配非线性、干扰和不确定性的非线性系统的控制律设计问题。这个框架的一个显着特点是它的工作能力与无限以及有限维系统，并与广泛的控制和自适应法律。在本文中，我们考虑的情况下，控制律的基础上的线性二次型调节器理论的控制律设计。我们基准的闭环系统对标准的线性二次控制律，以及那些基于状态相关的Riccati方程。我们提出的问题设计的一部分控制法作为一个Nehari问题。我们得到的控制律的次最优性的界限的解析表达式。
Adaptive-Robust Control of a Class of Uncertain Nonlinear Systems Utilizing Time-Delayed Input and Position Feedback
本文提出了一种适应性鲁棒控制策略，通过时间延迟逻辑近似未知动态，无需名义模型或不确定性预设界限，提升非holonomic轮式移动机器人跟踪精度。
Exponentially Stable Combined Adaptive Control under Finite Excitation Condition
针对不确定非线性系统，提出组合模型参考自适应控制，在有限激励条件下实现闭环指数稳定，收敛速率与激励水平无关，并经仿真验证。
$\mathcal{L}_1$-$\mathcal{GP}$: $\mathcal{L}_1$ Adaptive Control with Bayesian Learning
我们提出了$\mathcal{L}_1$ - $\mathcal{GP}$，一种基于$\mathcal{L}_1$自适应控制和高斯过程回归（GPR）的安全同时控制和学习的体系结构。一方面，$\mathcal{L}_1$自适应控制提供了稳定性和瞬态性能保证，这允许GPR有效且安全地学习不确定动态。另一方面，学习的动态可以方便地纳入$\mathcal{L}_1$控制架构，而不牺牲鲁棒性和跟踪性能。随后，学习的动态可以导致不太保守的设计性能/鲁棒性权衡。我们通过数值模拟说明了所提出的架构的有效性。
Adaptive Zero Reaction Motion Control for Free-Floating Space Manipulators
本文提出了一种自适应零反力运动控制器，用于具有不确定动力学和运动学的自由浮动空间机械臂，解决了自适应反力空问（RNS）控制方案中线性表达难以获得的问题，实现了航天器姿态调节和末端执行器轨迹跟踪。
CNN-based End-to-End Adaptive Controller with Stability Guarantees
本研究提出一种基于CNN的端到端在线自适应控制器，通过梯度下降推导自适应律并经Lyapunov方法证明稳定性，仿真验证其在仿射非线性系统中性能优于DNN自适应控制器。
Functional Uncertainty Classes, Nonparametric Adaptive Contro Functional Uncertainty Classes for Nonparametric Adaptive Control: the Curse of Dimensionality
本文提出一类基于算子值核的向量值再生核希尔伯特空间（机动vRKHS），用于表示非参数自适应控制中的函数不确定性，以解决维数灾难问题。
Adaptive Tracking Control with Binary-Valued Output Observations
针对二值输出观测下的线性系统，提出基于双阵列鞅理论的自适应跟踪控制方法，实现全局收敛与最优长期平均跟踪误差，为一般二值传感器系统提供首个自适应控制结果。
A Discrete-Time Least-Squares Adaptive State Tracking Control Scheme with A Mobile-Robot System Study
本文提出基于最小二乘算法的离散时间自适应状态跟踪控制方案，解决 Lyapunov 方法不适用的长期问题，并应用于多移动机器人系统实现状态跟踪与碰撞规避。
RISE-Based Adaptive Control with Mass-Inertia Parameter Estimation for Aerial Transportation of Multi-Rotor UAVs
针对多旋翼无人机的空中运输问题，提出了一种基于质量惯量估计的自适应跟踪策略。首先建立了多旋翼无人机在扰动作用下的线性参数化动力学模型。随后，级联控制器与鲁棒积分的符号的错误（RISE）条款被施加到平滑的控制输入和地址有界干扰。然后，基于滤波运算设计了质量-惯性参数的自适应估计律。这种操作被引入到提取估计误差，利用理论上保证有限时间（FT）收敛的估计误差。最后，通过仿真验证了所设计控制器的有效性.仿真结果表明，与传统的基于滑模控制算法和基于梯度估计策略的自适应控制器相比，该方法具有更好的跟踪和估计性能。
Data-Driven Retrospective Cost Adaptive Control for Flight Control Application
与固定增益鲁棒控制不同，直接自适应控制使用部分建模信息进行在线调整。本文结合回溯成本自适应控制（RCAC），一种采样系统的直接自适应控制技术，和基于变速率遗忘递推最小二乘（RLS）的在线系统辨识。RCAC和RLS-VRF的结合构成了数据驱动的RCAC（DDRCAC），其中使用在线系统辨识来构造目标模型，该目标模型定义了追溯性能变量。本文研究了RLS-VRF提供目标模型所需的建模信息，特别是非最小相位（NMP）零点的能力。DDRCAC被应用到单输入，单输出（SISO）和多输入，多输出（MIMO）的数值例子与未知的NMP零点，以及几个飞行控制问题，即，未知的过渡从最小相位到NMP横向动力学，灵活的模式，颤振，和非线性平面导弹动力学。
Robust Adaptive Control for Circadian Dynamics: Poincare Approach to Backstepping Method
本文研究了以Van der Pol方程形式表示的昼夜动态数学模型，结合庞加莱思想的反步法与微分拓扑技术，设计了特定适应律的鲁棒模型辨识自适应控制。
Adaptive Output Tracking Control with Reference Model System Uncertainties
本文针对参考系统未知且输出导数不可测的自适应跟踪问题，提出一种扩展MRAC方案，通过参数化估计等效参考输入，在不依赖参考系统传递函数的情况下实现闭环稳定与渐近跟踪。
L1-Adaptive MPPI Architecture for Robust and Agile Control of Multirotors
提出了一种多旋翼控制结构，将模型预测路径积分控制（MPPI）和L1自适应控制相结合，实现了快速的模型预测轨迹规划和鲁棒轨迹跟踪。MPPI提供了一个框架，以解决非线性预测控制与复杂的代价函数的实时。然而，它往往缺乏鲁棒性，特别是当模拟的动态不同于真实的动态。我们表明，L1自适应控制器鲁棒的架构，使整个系统的行为与MPPI模拟标称系统类似。该架构在模拟多旋翼赛车环境中进行了验证。
An Application of Model Reference Adaptive Control for Multi-Agent Synchronization in Drone Networks
本文提出分布式模型参考自适应控制策略，用于无人机网络的多智能体鲁棒同步，通过实时参数更新减少能耗并延长运行时间，实验证明其在垂直速度控制上优于经典PID控制器。
Adaptive Model Predictive Control for Ground Vehicles: Review and Demonstrative Implementation
本文综述了自动驾驶车辆的自适应模型预测控制方法，分析传统模型预测控制的不足，涵盖多种自适应MPC类型，并通过仿真示范其在轨迹跟踪中的权重与速度自适应应用。
Anti-Disturbance Hierarchical Sliding Mode Controller for Deep-Sea Cranes with Adaptive Control and Neural Network Compensation
针对深海起重机在复杂海洋环境中的非线性扰动与不确定性，提出融合分层滑模、自适应与神经网络补偿的抗扰动控制器，经李雅普诺夫验证稳定性，仿真显示其在轨迹跟踪精度、响应速度和抗扰动方面优于传统PID。
Memory Augmented Neural Network Adaptive Controller for Strict Feedback Nonlinear Systems
在这项工作中，我们考虑了严格反馈非线性系统的自适应非线性控制问题，其中决定系统动态的函数是完全未知的。我们假设系统的函数$g_i$ s的某些上界是已知的。控制设计的目标是设计一个自适应控制器，可以适应未知函数的变化，甚至是突然的。针对严格反馈非线性系统的控制问题，提出了一种新的反演记忆增强神经网络（MANN）自适应控制方法。在这里，每个神经网络，在反推神经网络自适应控制器，增加了一个外部的工作记忆。NN可以将相关信息写入其工作记忆，然后检索它们以修改其输出，从而为它提供有效利用过去学习信息的能力，并提高其学习速度。我们提出了一个具体的设计，这个外部存储器接口，并表明，所提出的控制设计实现了闭环系统的有界稳定。我们还提供了大量的数值证据表明，建议的记忆增强提高了学习速度的显着保证金。
Symbiotic Control of Uncertain Dynamical Systems: Harnessing Synergy Between Fixed-Gain Control and Adaptive Learning Architectures
本文提出一种共生控制框架，协同融合固定增益控制与自适应学习，在无需不确定性先验知识的情况下实现更可预测的闭环行为，且对神经网络近似误差和自适应参数选择具有鲁棒性。
Gradient-Based Adaptive Prediction and Control for Nonlinear Dynamical Systems
本文提出基于梯度的自适应预测与控制方法，用于非线性随机动力系统，通过弱凸性条件实现全局收敛，并在实测数据和仿真中验证其有效性。
Adaptive Approximation-Based Control for Nonlinear Systems: A Unified Solution with Accurate and Inaccurate Measurements
针对精确与非精确状态测量下的非线性系统，本文证明标准自适应近似控制器在一定条件下可作为统一方案，并可扩展至未知动态及执行器或过程故障情形。
Cognitive Preadaptation for Resilient Adaptive Control
在本文中，我们研究了一种新的控制结构和算法，将预适应功能。我们提出了一个预适应机制，可以增强任何自适应控制计划，并提高其弹性。通过对飞行控制系统的仿真，说明了预适应机制在提高自适应性方面的有效性。我们表明，我们提出的预适应机制可以减少响应的峰值多达$50\%$。我们提出的方案也表明，预适应机制是有效的，在广泛的情况下，这表明该机制是可靠的。
Distributed Adaptive Control for Uncertain Networks
针对局部动态含有限取值不确定参数的网络，提出一种可扩展的分布式极小极大自适应控制算法，并给出 ℓ₂ 增益上下界，仿真显示其在不确定性被充分估计后可逼近最优分布式 H∞ 控制器。
Adaptive Pressure Control for Use in Variable-Thrust Rocket Development
本文提出了一种抗延迟闭环参考模型自适应控制方法，用于实现喷气火箭的可变推力控制，通过改进瞬态响应和延迟补偿，提升了控制器性能和对时间延迟与不确定性的处理能力。
Output-Positive Adaptive Control of Parabolic PDE-ODE Cascades
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。
Adaptive Safety-Critical Control for a Class of Nonlinear Systems with Parametric Uncertainties: A Control Barrier Function Approach
针对含参数不确定性的非线性系统安全控制问题，提出结合控制障碍函数与自适应律的方法，可无在线参数估计验证容许控制集非空，还通过数据驱动算法优化参数边界，经仿真验证有效。
Discrete-Time Adaptive State Tracking Control Schemes Using Gradient Algorithms
本文解决了离散时间系统自适应状态跟踪的开放问题，提出基于梯度算法更新控制器参数的直接与间接自适应控制方案，并将该新框架扩展至连续时间系统与Lyapunov方法对比。
Leveraging PID Gain Selection Towards Adaptive Backstepping Control for a Class of Second-Order Systems
在这项工作中，我们建立了一个方便的自适应反推控制律和一个标准的比例积分微分（PID）控制器的一类二阶系统之间的相似性。提取的相似性提供了一个更深入的理解，从性能的角度来看，通过一个直观的方法来选择其抽象的控制器增益，在其传统的稳定性的角度。这种相似性分析为研究人员使用成熟的PID整定方法来预测基于李雅普诺夫稳定性的控制器的性能打开了大门。同时，所得到的配方揭示了如何相应的PID控制律可以连接到李雅普诺夫稳定性理论。
Composite Adaptive Control for Time-varying Systems with Dual Adaptation
针对含有时变不确定参数的动力系统，提出了一种基于双自适应策略的复合自适应控制结构。虽然大多数文献中的自适应控制方案解决的情况下，恒定的参数，最近的研究已经概念化的改进自适应控制技术的时变系统的严格的稳定性证明。所提出的工作是朝着类似的方向努力，其中引入了一种新的双重自适应机制，以有效地解决参数的时变性质。投影和$σ$ -修改算法的策略相结合，使用的变量，索赔的跟踪误差空间的全局结果。虽然经典的自适应系统需要一个严格的条件的持续激励（PE）的精确参数估计，所提出的工作依赖于一个温和的条件，称为初始激励（IE）相同。严格的李雅普诺夫稳定性分析进行建立一致最终有界（UUB）稳定的闭环系统。进一步分析表明，所提出的工作可以恢复以前设计的基于IE的自适应控制器的性能的情况下，时不变系统。
Safe Learning-Based Adaptive Augmentation Control for Fixed-Wing UAV under Uncertainty
本文提出一种基于强化学习的自适应增广控制方法，结合域随机化、安全滤波器和扰动观测器，补偿固定翼无人机系统中的匹配不确定性，并避免增广与安全滤波器的交互问题。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈
发表机构由 AI 从论文文本抽取，如发现错误，欢迎反馈修正建议。