Gradient-Based STL Control with Application to Nonholonomic Systems
在本文中，我们研究了时间逻辑任务规范下的动力系统的控制，使用基于梯度的方法依赖于定量的措施，表示在何种程度上的任务得到满足。一类控制器能够提供满意度保证简单的系统和规格的介绍，然后扩展的情况下，单轮动力学。结合这样的控制器，以解决更复杂的任务规格，同时保持其计算效率的可能性进行检查，并通过仿真研究证明了一个有效的组合相关的实用性。引入的控制器设计框架奠定了基础，为今后的工作，有效地结合这些基本控制器的学习算法的目的，帮助探索的方向。
2019-09-05 cs.SY eess.SY
Design Of Fuzzy Logic Traffic Controller For Isolated Intersections With Emergency Vehicle Priority System Using MATLAB Simulation
Jabalpur Engineering College（贾巴尔普尔工程学院）
本文设计了基于模糊逻辑的交通控制器，通过MATLAB仿真优化隔离交叉口交通流，利用等待时间和队列长度进行控制，并集成紧急车辆优先系统以提升交通效率。
2014-05-05 cs.AI cs.SY eess.SY
Robust Local Stabilization of Nonlinear Systems with Controller-Dependent Norm Bounds: A Convex Approach with Input-Output Sampling
Department of Aerospace Engineering & Mechanics, University of Minnesota（明尼苏达大学航空航天工程与力学系）
本文提出一种基于输入输出采样的凸方法，用于非线性系统鲁棒局部稳定化，通过三次半定规划迭代算法实现控制器合成。
2022-12-06 cs.SY eess.SY math.OC
Combining Model-Based and Model-Free Methods for Nonlinear Control: A Provably Convergent Policy Gradient Approach
Caltech（加州理工学院）；Tsinghua University（清华大学）
基于无模型学习的控制方法最近取得了巨大的成功。然而，这样的方法通常遭受差的样本复杂度和有限的收敛保证。这与经典的基于模型的控制形成鲜明对比，后者具有丰富的理论，但通常需要强大的建模假设。在本文中，我们将这两种方法结合起来，以实现两全其美。我们考虑一个动力系统的线性和非线性组件，并开发了一种新的方法，使用线性模型来定义一个无模型的，政策梯度法的热启动。我们表明，这种混合方法优于基于模型的控制器，同时避免了与无模型的方法，通过数值实验和理论分析，其中我们推导出充分条件的非线性组件，使我们的方法是保证收敛到（近）全局最优控制器的收敛问题。
2020-06-12 cs.LG cs.SY eess.SY
Generative design of stabilizing controllers with diffusion models: the Youla approach
Politecnico di Milano（米兰理工大学）；University of Minnesota, Twin Cities（明尼苏达大学双城分校）
本文提出基于扩散模型的稳定控制器生成方法，结合Youla参数化理论，通过生成可行参数实现控制器设计，首次展示扩散模型在生成稳定控制器方面的应用。
2025-12-04 cs.SY eess.SY
A Safety-Critical Decision Making and Control Framework Combining Machine Learning and Rule-based Algorithms
Aalto University（阿尔托大学）
虽然基于人工智能的方法缺乏透明度，但基于规则的方法在安全关键系统中占主导地位。然而，后者无法与第一个在多个要求的鲁棒性方面竞争，例如，同时解决安全性，舒适性和效率。因此，为了从这两种方法中受益，它们必须加入一个单一的系统。本文提出了一个决策和控制框架，它的优势，基于规则和机器学习的技术，同时弥补他们的缺点。所提出的方法体现了两个控制器并行操作，称为安全和学习。基于规则的切换逻辑选择从两个控制器传输的操作之一。当学习控制器不满足安全约束时，安全控制器每次都被优先化，并且还直接参与安全学习控制器训练。选择自主驾驶中的决策和控制作为系统案例研究，其中自主车辆学习多任务策略以安全地穿过无保护的交叉口。多项要求（即，安全性、效率和舒适性）。数值模拟所提出的框架进行验证，其能力，以满足要求和鲁棒性不断变化的环境被成功地证明。
2022-01-30 cs.AI cs.LG cs.RO
Data-driven controller design for nonlinear systems: a two degrees of freedom architecture
Politecnico di Torino（都灵理工大学）；Politecnico di Milano（米兰理工大学）
本文提出一种无需系统动力学先验知识的数据驱动逆向控制方法，通过并行非线性与线性控制器提升闭环性能与稳定性。
2014-07-08 cs.SY eess.SY math.OC
Bayesian Controller Fusion: Leveraging Control Priors in Deep Reinforcement Learning for Robotics
Queensland University of Technology（昆士兰科技大学）
本文提出 Bayesian Controller Fusion (BCF) 混合控制策略，通过融合传统手工控制器和无模型深度强化学习的不确定性感知分布式输出进行控制仲裁，实现了安全、高效的探索，并在真实机器人导航和到达任务中显著超越单一方法性能。
2023-04-03 cs.AI cs.RO cs.SY
Iterative Joint Detection of Kalman Filter and Channel Decoder for Sensor-to-Controller Link in Wireless Networked Control Systems
本文提出了一种基于卡尔曼滤波与信道解码器的迭代联合检测算法，利用先验信息提升无线网络化控制系统中控制与通信的性能。
2025-12-18 cs.IT cs.SY eess.SY
Optimal Controller Identification for multivariable non-minimum phase systems
本文扩展了最优控制器辨识方法，在无需先验模型和NMP零点知识的情况下，通过模型参考范式同时辨识非最小相位系统的传输零点与最优控制器参数，并支持对角和块三角参考模型结构。
2023-05-30 cs.SY eess.SY
Combining Vision, Machine Learning and Automatic Control to Play the Labyrinth Game
本文提出结合确定性控制与学习控制的方法，利用视觉系统和PID控制器实现迷宫游戏的自动导航，通过学习提升控制性能。
2016-02-01 cs.RO cs.SY eess.SY
Learning neural controllers for nonlinear systems from data
Huazhong University of Science and Technology（华中科技大学）
针对未知非线性系统，提出一种结合离线数据辨识、硬饱和输入约束、SMT与李雅普诺夫分析的间接数据驱动神经控制器合成框架，经数值例子验证有效。
2026-10-16 cs.SY eess.SY
Robust direct acoustic impedance control using two microphones for mixed feedforward-feedback controller
EPFL（洛桑联邦理工学院）
本文提出了一种结合前馈和反馈麦克风策略的混合控制架构，通过改进模型误差处理能力，实现更鲁棒的声阻抗控制。
2022-11-03 cs.SY eess.SY
Learning When to Drive in Intersections by Combining Reinforcement Learning and Model Predictive Control
Zenuity AB（泽纽蒂公司）；Chalmers University of Technology（查尔姆斯理工大学）；AI Innovation of Sweden（瑞典人工智能创新中心）
在本文中，我们提出了一个决策算法，旨在自动车辆谈判与其他可能的非自动车辆在十字路口。决策算法分为两个部分：基于强化学习的高层决策模块和基于模型预测控制的底层规划模块。交通模拟与许多预定义的驾驶员的行为和意图，和所提出的决策算法的性能进行了评估对另一个控制器。结果表明，所提出的决策算法产生更短的训练集和提高性能的成功率相比，其他控制器。
2019-08-01 cs.AI cs.LG cs.RO
Combining Federated Learning and Control: A Survey
AIT Austrian Institute of Technology GmbH（奥地利技术研究院）；Robert Bosch GmbH（罗伯特·博世有限公司）；Automation and Control Institute, TU Wien（维也纳技术大学自动化与控制研究所）
本综述探讨了结合联邦学习与控制以增强非线性控制应用适应性、可扩展性与隐私性的方法，总结了最新概念并详细概述了从动态系统建模、自适应控制到多智能体决策知识转移的预期应用。
2024-07-17 cs.LG cs.SY eess.SY
Relaxed and hybridized backstepping
GIPSA-lab（GIPSA实验室）；LAGEP
本文提出一种混合反步控制方法，用于解决传统连续反步反馈法在非线性系统中的结构性障碍问题，通过结合反步控制器和局部稳定控制器，实现系统原点不全局渐近稳定但存在实用渐近稳定的吸引子。
2015-02-11 cs.SY eess.SY math.OC
Integration of Prior Knowledge into Direct Learning for Safe Control of Linear Systems
本文提出将先验知识集成到线性不确定系统的安全控制器直接学习中，通过利用矩阵Zonotope并添加等式一致性约束形式化闭环系统的可解释性，设计符合数据与先验知识的安全控制器，并基于线性规划提供集包含条件。
2025-03-02 cs.SY eess.SY
Stabilization of nonlinear systems using event-triggered output feedback controllers
Université de Lorraine（洛林大学）；CNRS（法国国家科学研究中心）；University of Melbourne（墨尔本大学）
本文设计事件触发输出反馈控制器以稳定非线性系统，通过结合事件触发和时间触发控制技术，确保传输间隔最小化，保证系统渐近稳定性。
2014-08-25 cs.SY eess.SY
Physics-informed Gaussian Processes as Linear Model Predictive Controller
OWL University of Applied Sciences and Arts（东威斯特法伦-利珀应用技术大学）
本研究提出一种基于物理信息高斯过程的线性时不变系统跟踪控制算法，采用控制即推理确定控制输入，结合虚拟设定值实现软约束的模型预测控制，理论与数值验证均表明其满足最优控制开环稳定性。
2025-07-31 cs.LG cs.SY eess.SY
Robust Model-Free Learning and Control without Prior Knowledge
California Institute of Technology（加州理工学院）
我们提出了一个简单的无模型控制算法，能够鲁棒学习和稳定的未知的离散时间线性系的完全控制和状态反馈的任意有界干扰和噪声序列。该控制器不需要系统动态、干扰或噪声的任何先验知识，但它可以保证鲁棒稳定性，并提供状态和输入轨迹的渐近和最坏情况下的界限。据我们所知，这是第一个无模型算法，它具有如此强大的稳定性保证，而不需要对系统进行任何事先假设。我们想强调的是，新的基于凸几何的方法对强大的稳定性分析，作为一个关键的推动因素，在我们的结果。我们将得出结论，仿真结果表明，尽管通用性和简单性，控制器表现出良好的闭环性能。
2020-10-01 cs.LG cs.SY eess.SY
Learning Input-Constrained Funnel Controllers from State Trajectory Data
ETH Zürich（苏黎世联邦理工学院）
该研究针对设计满足性能规范且有输入约束的反馈控制器的难题，提出基于优化框架，利用状态轨迹数据联合学习性能漏斗及反馈控制器，不依赖控制输入数据，开发非凸合成程序并建立互补保证。
2026-07-28 cs.SY eess.SY
Improving a Proportional Integral Controller with Reinforcement Learning on a Throttle Valve Benchmark
Huawei Technologies（华为技术有限公司）；Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；CNRS（法国国家科学研究中心）；Grenoble INP（格勒诺布尔理工学院）
本文提出结合比例积分控制器与强化学习引导的方法，在无先验知识下改善非线性节流阀的闭环控制，实验表明样本效率更高且性能优于纯PI控制器。
2024-07-15 cs.LG cs.SY eess.SY
Combining model-predictive control and predictive reinforcement learning for stable quadrupedal robot locomotion
针对四足机器人稳定步态生成问题，提出MPC与预测RL结合的混合控制器，以神经网络Q函数作为末端代价降低短时域计算负担，并实现无需预训练的实时稳定运动。
2023-07-15 cs.AI cs.RO cs.SY
On data-driven stabilization of systems with quadratic nonlinearities
在本文中，我们直接设计了一个状态反馈控制器，仅根据从有限长度的实验收集的输入状态数据，镇定一类不确定非线性系统。给出了系统绝对可镇定的充要条件，并设计了控制器。一些放松的先验信息下的系统和加强数据假设的结果进行了讨论。数值例子说明了不同水平的先验信息的方法。
2021-03-29 cs.SY eess.SY math.DS
A Robust Sensorless Controller-Observer Strategy for PMSMs with Unknown Resistance and Mechanical Model
在这项工作中，我们提出了一种混合的永磁同步电机无传感器策略，结合转矩/电流控制器和观测器的位置，速度，磁链和定子电阻。所提出的协同设计的动机是需要一个适当的信号注入技术，以保证完整的状态可观测性。在观测器设计中既没有使用典型的恒定或缓慢变化的速度假设，也没有使用先验的机械模型信息。相反，转子速度被建模为具有恒定（未知）符号和一致非零幅度的未知输入扰动。与所提出的架构，它表明，转矩跟踪和信号注入任务可以实现和渐近解耦。由于这些特点，我们把这种策略称为一个无传感器的机器人观察员没有机械模型。采用梯度下降电阻/反电动势估计，结合单位圆形式主义来描述转子的位置，我们严格证明区域实际渐近稳定的整体结构，与域的吸引力，可以任意大，不包括一个低维流形。该设计的有效性进一步验证了数值仿真，与无人机螺旋桨控制的一个具有挑战性的应用。
2020-02-05 cs.SY eess.SY
A Novel Robust Control Method Combining DNN-Based NMPC Approximation and PI Control: Application to Exoskeleton Squat Movements
Sharif University of Technology（谢里夫理工大学）
针对深度神经网络近似的非线性模型预测控制（NMPC-DNN）鲁棒性不足的问题，提出结合PI控制器的混合NMPC-DNN-PI方法，应用于外骨骼深蹲场景，在降低计算成本的同时提升了跟踪精度与人体关节助力效果。
2025-09-30 cs.RO cs.SY eess.SY
Meta-learning of data-driven controllers with automatic model reference tuning: theory and experimental case study
本文提出一种元学习方法，利用类似系统的先验知识以减少实验工作量并简化数据驱动控制器的超参数调整，通过变负载和架构的无刷直流电机PI控制器调谐实验验证了其有效性。
2024-03-21 cs.SY eess.SY
A PAC-Bayes Approach for Controlling Unknown Linear Discrete-time Systems
The University of Melbourne（墨尔本大学）
本文提出了一种PAC-Bayes框架，用于学习未知随机线性离散时间系统的控制器，推导了数据依赖的高性能界限，并提出了具有理论保证的高效学习算法，适用于有限和无限控制器空间。与先前工作相比，我们的界限适用于无界二次成本，在LQG最优的特殊情况中，数值结果表明所学控制器的性能与LQG相当。
2026-08-05 cs.SY eess.SY math.OC
Disturbance Bounds for Signal Temporal Logic Task Satisfaction: A Dynamics Perspective
这封信提供了一种新的方法来测试和评估预先存在的控制器从控制障碍函数和动力学的角度来看。更恰当地说，现有的测试和评估技术往往需要先验知识的空间允许的干扰。然而，我们的工作，确定了一个两个规范的干扰界拒绝系统的控制器，而不需要事先这些干扰的具体知识。作者认为，确定这样的干扰界提供了一个更好的理解的鲁棒性，一个给定的控制器实现一个指定的任务-通过一个简单的，线性系统的例子激励。此外，我们表明，我们得到的干扰界是准确的，通过模拟1000随机试验中，一个赛格威控制器对满足其规格，尽管随机扰动在我们确定的范围内。
2021-10-22 cs.SY eess.SY
Predictive reinforcement learning based adaptive PID controller
针对非线性、不稳定和强耦合系统，提出融合模型先验与数据驱动的PRL-PID控制器，通过动作平滑和分层奖励提升稳定性、跟踪精度与训练效率。
2025-06-10 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
Cooperative Distributed Robust Control of Modular Mobile Robots with Bounded Curvature and Velocity
University of Utah（犹他大学）
本文研究了一种新型的运动控制系统，用于具有柔性框架轮式模块化移动机器人（CFMMR）。该系统结合了基于有限曲率的运动控制器和非线性阻尼动态控制器，通过多种控制器交互形式评估不同控制结构，实验结果验证了姿态调节的有效性。
2019-05-03 cs.RO cs.SY eess.SY
Data-Driven Communication Topology and Distributed Controller Synthesis: Control-Aware and Co-Design
Imperial College London（帝国理工学院）；Tsinghua University（清华大学）
本文提出数据驱动的通信拓扑与控制器协同设计及控制感知方法，在混合整数半定规划中优化拓扑，兼顾通信成本与控制性能，仿真验证有效性。
2026-10-01 cs.SY eess.SY
Robust internal model control approach for position control of systems with sandwiched backlash
针对含夹层间隙系统的位置控制问题，本文基于改进线性内模控制框架并结合小死区设计鲁棒控制器，通过三平台步进电机实验验证其对间隙及线性系统变化的高鲁棒性。
2023-07-12 cs.SY eess.SY
Robust Combination of Local Controllers
Stanford University（斯坦福大学）
针对高维连续MDP规划问题，提出非参数化组合局部控制器的方法，并分别应用于随机最短路径和折扣MDP，前者保证高概率到达目标，后者通过鲁棒线性规划处理模型不确定性。
2013-01-10 cs.AI cs.SY eess.SY
Learning-enhanced robust controller synthesis with rigorous statistical and control-theoretic guarantees
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）；University of Stuttgart（斯图加特大学）
机器学习与控制的结合提供了许多机会，特别是对于鲁棒控制。然而，由于在许多现实世界的应用程序中的强大的安全性和可靠性要求，提供严格的统计和控制理论的保证是至关重要的，但难以实现基于学习的控制方案。我们提出了一个学习增强鲁棒控制的一般框架，允许系统集成的工程知识，是完全兼容的现代鲁棒控制，仍然具有严格的和实际意义的保证。建立在线性分数表示和积分二次约束框架的基础上，我们将高斯过程回归作为学习组件和最先进的鲁棒控制器合成。在一个具体的鲁棒控制的例子中，我们的方法被证明产生更多的数据，而保证始终保持提高性能。
2021-05-07 cs.LG cs.SY eess.SY
Model-Based Policy Search for Automatic Tuning of Multivariate PID Controllers
Bosch Center for Artificial Intelligence（博世人工智能中心）
本文提出基于模型的策略搜索框架，用于自动调优多变量PID控制器，通过数据驱动的方法解决复杂系统的控制器调优问题。
2017-03-08 cs.LG cs.RO cs.SY
