Adaptive polytopic estimation for nonlinear systems under bounded disturbances using moving horizon
针对有界扰动下的非线性系统，提出了一种结合滚动时域和对偶估计技术的自适应多胞估计器设计方法。将LTI系统的滚动时域估计结果推广到多面体LPV系统。对于有界扰动，给出了保证鲁棒稳定性和收敛于真实状态和参数的设计和必要条件;对于无界扰动，给出了保证鲁棒稳定性和收敛于真实状态和参数的设计和必要条件。
2019-10-07 cs.SY eess.SY
Adaptive Experiment Design for Nonlinear System Identification with Operational Constraints
本文提出了一种自适应实验设计方法，用于在满足操作约束条件下在线辨识非线性系统模型。
2025-11-30 cs.SY eess.SY
Adaptive-Control-Oriented Meta-Learning for Nonlinear Systems
Stanford University（斯坦福大学）；Massachusetts Institute of Technology（麻省理工学院）
实时自适应对于在复杂动态环境中操作的机器人的控制是必不可少的。自适应控制律可以赋予即使是非线性系统良好的轨迹跟踪性能，只要任何不确定的动态项是线性参数化与已知的非线性特征。然而，通常很难先验地指定这些特征，例如旋翼机上的空气动力学扰动或操纵器臂与各种物体之间的相互作用力。在本文中，我们转向数据驱动的建模与神经网络学习，离线从过去的数据，这些非线性特征的内部参数模型的自适应控制器。我们的关键见解是，我们可以更好地准备控制器的部署与控制为导向的元学习功能在闭环仿真，而不是回归为导向的元学习功能，以适应输入-输出数据。具体地说，我们元学习的自适应控制器与闭环跟踪仿真作为基础学习者和平均跟踪误差作为元目标。与非线性平面旋翼机受风，我们证明了我们的自适应控制器优于其他控制器训练回归导向的元学习时，部署在闭环轨迹跟踪控制。
2021-06-19 cs.LG cs.RO cs.SY
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。
2020-04-13 cs.SY eess.SY
Approximate Nonlinear Regulation via Identification-Based Adaptive Internal Models
本文研究多变量非线性系统的正规型自适应输出调节问题。我们提出了一种调节器采用自适应内部模型的外源信号的非线性Luenberger观测器的理论基础上。自适应是通过离散时间系统辨识方案来进行的，其中可以使用满足某些最优性和稳定性条件的每个算法。实际和近似的监管结果给出有关的预测能力的识别模型的渐近约束的监管变量，成为渐近时，一个“正确的”内部模型存在于识别器的模型集。此外，拟议的办法不需要“高增益”稳定行动。
2020-09-15 cs.SY eess.SY
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。
2023-06-03 cs.SY eess.SY
Adaptive Nonlinear Regulation via Gaussian Process
针对非线性系统的输出调节问题，提出了一种基于学习的自适应内模设计策略。本文借鉴了文献[1]中提出的自适应内模设计方法，并将其推广为一个高斯过程回归量。基于学习的自适应是通过遵循“事件触发”逻辑来执行的，以便使用混合工具来分析所得到的闭环系统。与[1]中提出的方法不同，在[1]中，朋友应该属于特定的有限维模型集，这里我们只需要理想稳态控制动作的光滑性。本文还提出了数值模拟显示所提出的方法优于以前的方法。
2022-06-24 cs.SY eess.SY
Nonlinear Adaptive Cruise Control of Vehicular Platoons
研究了车辆编队在开放道路和环形道路上运行时的非线性自适应巡航控制器设计问题。所构造的反馈控制器是相邻车辆之间的距离和它们的速度的非线性函数。结果表明，所提出的新的控制器保证安全（避免碰撞）和有界的车辆速度，明确地描述了一组允许的输入。此外，我们保证了所需的配置以及字符串稳定性的排的全局渐近稳定性。某些宏观性质也进行了研究。通过数值算例验证了非线性自适应巡航控制器的有效性。
2020-07-14 cs.SY eess.SY math.OC
Adaptive Reconstruction of Nonlinear Systems States via DREM with Perturbation Annihilation
针对含未知输入和参数不确定性的非线性系统，提出基于DREM和扰动消除算法增强高增益观测器的自适应观测器，确保参数、状态和扰动估计渐近收敛至平衡点任意小邻域，并通过数值实验验证。
2024-03-20 cs.SY eess.SY
Online ResNet-Based Adaptive Control for Nonlinear Target Tracking
本文提出一种用于非线性目标跟踪的广义在线 ResNet 自适应控制方法，通过引入预激活捷径连接与零层块克服黑箱不确定性，并基于 Lyapunov 自适应律实现指数收敛，经对比实验验证了有效性。
2025-05-29 cs.SY eess.SY
Adaptive Identification of Nonlinear Time-delay Systems Using Output Measurements
针对由线性、Lipschitz和非Lipschitz分量组成的非线性时滞系统，提出了一种新的自适应辨识器。首先，设计了一个辨识器的先验已知的延迟值的不确定系统，然后将其推广到未知的延迟值的系统。该算法利用梯度算法保证了参数估计和状态观测的渐近性。通过对系统方程的一种特殊的等价扩展，对系统的未知时滞和系统参数进行了估计。算法的稳定性由线性矩阵不等式的可解性给出。仿真结果被调用，以支持开发的标识符设计，并说明所提出的综合过程的效率。
2020-05-05 cs.SY eess.SY
Robust H-infinity Adaptive Fuzzy Approach for Unknown Nonlinear Networked Systems
本文提出了一种用于未知非线性网络系统的H无穷自适应模糊控制方法，解决系统延迟和信息丢失问题，结合H无穷控制方法近似未知非线性函数，并证明闭环系统在存在干扰、延迟和信息丢失时的稳定性。
2018-09-11 cs.SY eess.SY
Adaptive Covariance Kalman Filtering and Nonlinear Decoupling Control via Feedback Linearization for a Three-Tank Process
Institut Teknologi Sepuluh Nopember（印尼理工学院）
针对三水箱过程，采用自适应协方差卡尔曼滤波进行状态估计，并设计线性状态反馈控制器和基于反馈线性化的非线性解耦控制器，实现参考跟踪。
2026-06-23 cs.SY eess.SY
Robust Adaptive Neural Network Control of Time-Varying State Constrained Nonlinear Systems
本文研究一类非常简单的未知非线性系统的跟踪控制问题。在本文中，我们提出了一种设计策略的跟踪控制的时变状态约束非线性系统的自适应框架。控制器的设计采用反推方法。在设计时，采用了障碍李雅普诺夫函数（BLF），使状态变量不违反约束条件。为了处理系统的未知动态，在线逼近器的设计使用神经网络与一种新的自适应法律的权重更新。为了使控制器的鲁棒性和计算成本低，干扰观测器的建议，以应付随着神经网络逼近误差和虚拟控制输入的时间导数的干扰。通过仿真研究证明了所提出的方法的有效性。
2022-10-09 cs.SY eess.SY
Adaptive Control of Uncertain Pure-feedback Nonlinear Systems
Center for Control Theory and Guidance Technology, Harbin Institute of Technology（哈尔滨工业大学控制理论与制导技术研究中心）；School of Mechatronic Engineering, Harbin Institute of Technology（哈尔滨工业大学机电工程学院）
本文提出自适应控制方法，解决不确定纯反馈非线性系统的全局渐近状态稳定问题，通过参数分离技术设计回步控制器，保证系统信号有界和全局渐近稳定。
2016-09-28 cs.SY eess.SY
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。
2020-03-06 cs.SY eess.SY
Distributed Adaptive Neural Interval Observers for Unknown Nonlinear Systems
Faculty of Mechanical Engineering, Ho Chi Minh City University of Technology (HCMUT), Vietnam National University Ho Chi Minh City (VNU-HCM)（胡志明市理工大学机械工程学院，越南国立大学胡志明市分校）；Department of Mathematics and Statistics, University of New Mexico（新墨西哥大学数学与统计系）
本文提出一种分布式自适应神经区间观测器，用于未知非线性系统，通过局部测量与相邻信息构建区间估计，并引入经验回放机制增强权重收敛，经非线性示例验证。
2026-10-02 cs.SY eess.SY
Polynomial Chaos-Based Adaptive Control for Nonlinear Systems
Aeronautics Institute of Technology - ITA（巴西航空技术学院）
本文提出了一种非线性自适应次优控制策略，通过广义多项式混沌展开处理随机参数不确定性，设计了确定性模型并验证了控制律的渐近弱稳定性。
2018-08-24 cs.SY eess.SY
Meta-Adaptive Nonlinear Control: Theory and Algorithms
Caltech（加州理工学院）；Purdue University（普渡大学）
提出了一种在线多任务学习的自适应非线性控制方法，我们称之为在线元自适应控制（OMAC）。我们的目标是控制一个非线性系统的对抗性干扰和未知的$\textit{environment-dependent}$非线性动态，假设环境相关的动态可以很好地捕捉与一些共享的表示。我们的方法是由机器人控制，其中机器人系统遇到一系列新的环境条件，它必须迅速适应。一个关键的重点是整合在线表示学习与控制理论的既定方法，以达到一个统一的框架，产生控制理论和学习理论的保证。我们在不同的条件下提供我们的方法的实例，导致第一个非渐近的多任务非线性控制的端到端的收敛保证。OMAC还可以与深度表示学习集成。实验表明，OMAC显着优于传统的自适应控制方法，不学习共享表示，在倒立摆和6自由度无人机控制任务在不同的风条件下。
2021-10-26 cs.AI cs.LG cs.RO
Extremum Seeking-based Indirect Adaptive Control for Nonlinear Systems with State and Time-Dependent Uncertainties
Mitsubishi Electric Research Laboratories（三菱电机研究实验室）；University of Notre Dame（圣母大学）
本文提出一种间接自适应控制方法，结合鲁棒非线性状态反馈与无模型多参数极值搜索算法，用于非线性系统轨迹跟踪问题，通过两臂机械臂实例验证了方法的有效性。
2015-07-17 cs.SY eess.SY
Lyapunov-Based Deep Neural Networks for Adaptive Control of Stochastic Nonlinear Systems
本文提出基于李雅普诺夫的深度神经网络控制器，通过自适应权重更新律同时补偿随机非线性系统的漂移和扩散不确定性，并证明跟踪误差概率一致最终有界。
2024-12-30 cs.SY eess.SY
Adaptive tracking MPC for nonlinear systems via online linear system identification
针对未知非线性系统控制问题，提出基于移动窗口在线线性辨识的自适应跟踪MPC方案，证明其最优可达平衡点的实际指数稳定性，仿真验证其性能优于基于基本引理的直接数据驱动MPC。
2024-05-16 cs.SY eess.SY math.OC
Adaptive Set Observers Design for Nonlinear Continuous-Time Systems: Application to Fault Detection and Diagnosis
University of Bordeaux（波尔多大学）
针对非线性连续时间系统，提出基于保证LPV近似的自适应集观测器设计方法，解决集成员参数估计中的指数复杂度问题，并应用于故障诊断。
2010-12-03 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
Hybrid Direct-Indirect Adaptive Control of Nonlinear System with Unmatched Uncertainty
University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出了一种混合直接-间接模型参考自适应控制器，用于处理具有匹配和不匹配不确定性的系统问题。通过互补观测器模型在线估计不匹配不确定性，并将其转换为状态依赖的线性形式以增强名义系统动力学。同时，为切换系统设计的直接自适应控制器抵消系统中的匹配不确定性并实现参考模型跟踪。
2019-02-21 cs.SY eess.SY
Fault tolerant controller design for a class of affine nonlinear systems based on adaptive virtual actuator
针对一类仿射非线性系统，提出了一种自适应容错控制器设计方法。这种方法隐藏了故障和外部干扰。与需要独立的故障检测、隔离和识别单元的过程相比，所建议的方法集中于故障隐藏以减少单元。所提出的方法的主要优点是：1）保证闭环系统的稳定性，2）正常和故障系统的状态收敛到零，3）跟踪误差收敛到原点。所提出的方法的鲁棒性对外部干扰是有保证的。仿真结果验证了所提出的容错控制方法的有效性。
2020-03-30 cs.SY eess.SY
Stochastic Adaptive Control for Systems with Nonlinear Parameterization: Almost Sure Stability and Tracking
KTH（皇家理工学院）
本文研究了一类非线性随机系统的自适应控制问题，提出在线非线性加权最小二乘参数估计算法，证明参数估计的全局强一致性，并开发了具有衰减激励信号的自适应控制算法，实现系统全局稳定与长期平均跟踪。
2026-04-08 cs.SY eess.SY
Learning Adaptive Parameter Policies for Nonlinear Bayesian Filtering
University of West Bohemia in Pilsen（比尔森西波希米亚大学）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出利用强化学习学习非线性贝叶斯滤波器的自适应参数策略，以提高估计质量和一致性。
2026-05-13 cs.SY eess.SY
Regret Bounds for Adaptive Nonlinear Control
Harvard University（哈佛大学）；Google Brain Robotics（谷歌大脑机器人）；Massachusetts Institute of Technology（麻省理工学院）
研究了已知离散非线性系统在未建模扰动下的自适应控制问题。证明了随机环境下具有匹配不确定性的自适应非线性控制的第一有限时间后悔界，表明与具有完整未建模干扰知识的预言控制器相比，确定性等价自适应控制的后悔上界在期望下为$\widetilde{O}(\sqrt{T})$.此外，我们表明，当输入受到$k$时间步长延迟，遗憾退化为$\widetilde{O}(k \sqrt{T})$。我们的分析得出了非线性控制理论（李雅普诺夫稳定性和收缩理论）和现代后悔在线凸优化分析的经典稳定性概念之间的联系。稳定性理论的使用使我们能够分析具有挑战性的无限地平线单轨迹设置。
2020-11-26 cs.LG cs.SY eess.SY
Adaptive observer for a nonlinear system with partially unknown state matrix and delayed measurements
研究了具有未知时变参数的非线性系统在测量滞后条件下的自适应状态观测器设计问题。许多研究人员提出了状态观测问题（例如Sanx et al.（2019））。本文发展了Bobtsov et al.（2021 b），Bobtsov et al.（2021 a），Bobtsov et al.（2022 a），Bobtsov et al.（2022 b）中提出的结果。在假设状态矩阵可以表示为已知部分和未知部分之和的情况下，问题得以解决。输出向量以已知的恒定延迟测量。提出了一种重构未知状态和未知时变参数的自适应观测器。
2022-11-16 cs.SY eess.SY math.OC
Enabling Adaptive and Enhanced Acoustic Sensing Using Nonlinear Dynamics
由于传感器数据的远程处理等原因，实时数据的传输正在大幅增加。满足这一需求的途径是自适应传感，其中传感器仅使用传感器级的预处理来获取相关信息。在这里，我们提出了自适应声传感器的基础上集成的传感和驱动的机械振荡器。他们的动态被转移到一个非线性政权使用反馈或耦合。这增强了动态范围、频率分辨率和信噪比。将可调传感特性与声音分析相结合，可以仅获取相关信息，而不是通过后处理从不相关的数据中提取信息。
2020-07-14 cs.SY eess.SY physics.app-ph
A universal reproducing kernel Hilbert space for learning nonlinear systems operators
本文研究学习带输入的离散时间非线性动力系统算子问题，受径向基函数神经网络通用逼近定理启发，构造输入轨迹与初始状态空间核函数的乘积，证明其生成的再生核Hilbert空间在非线性系统算子空间中稠密且完备，提供了直观通用的核函数学习框架。
2024-12-24 cs.SY eess.SY math.DS
Virtual Contraction Approach to Decentralized Adaptive Stabilization of Nonlinear Time-Delayed Networks
本文提出虚拟收缩方法，利用对角占优结构和对角高增益实现未知非线性时滞网络的分散自适应镇定，并通过SIS流行病传播控制案例验证其有效性。
2025-09-22 cs.SY eess.SY math.OC
An adaptive fuzzy sliding mode controller for nonlinear systems with non-symmetric dead-zone and its application to an electro-hydraulic system
死区是工业执行器中最常见的硬非线性之一，它的存在会严重影响控制系统的稳定性和性能。针对一类具有非对称死区输入的不确定非线性系统，提出了一种自适应变结构控制器。所采用的方法主要是基于滑模控制的方法，但增强了自适应模糊算法来补偿死区。利用李雅普诺夫稳定性理论和Barbalat引理，分析证明了闭环系统的收敛性。为了说明控制器的设计方法，所提出的计划的应用程序的电液系统。通过数值仿真对控制系统的性能进行了评价。
2022-05-23 cs.SY eess.SY math.OC
Adaptive High Order Sliding Mode Observer Based Fault Reconstruction for a Class of Nonlinear Uncertain Systems: Application to PEM Fuel Cell System
Laboratoire IRTES, Université de Technologie de Belfort-Montbéliard（贝尔福-蒙贝利亚尔理工大学 IRTES 实验室）
针对具有Lipschitz非线性的非线性不确定系统，提出一种自适应增益超螺旋观测器，通过等效输出误差注入实现故障重构，并在包含商用双螺杆压缩机和实时质子交换膜燃料电池仿真系统的硬件在环模拟器上验证了其有效性。
2013-03-21 cs.SY eess.SY math.OC
Nonlinear Adaptive Algorithms on Rank-One Tensor Models
本文提出低复杂度非线性模型，基于可分解的Volterra核，推导出精确梯度型算法，进而发展出LMS滤波器及TRUE-LMS算法，通过仿真验证其在非线性处理中的优越性能。
2016-10-24 cs.LG cs.SY eess.SY
Consensus of Multi-Agent Systems with General Linear and Lipschitz Nonlinear Dynamics Using Distributed Adaptive Protocols
School of Automation, Beijing Institute of Technology（北京理工大学自动化学院）；Department of Electrical and Computer Engineering, Utah State University（犹他州立大学电气与计算机工程系）
针对一般线性和Lipschitz非线性多智能体系统，设计分布式自适应协议实现无向连通图下的完全分布式一致性，无需全局信息。
2011-09-17 cs.SY eess.SY math.OC
Robust I&I Adaptive Tracking Control of Systems with Nonlinear Parameterization: An ISS Perspective
在ISS框架下研究了一类非线性参数化非线性系统的浸入不变性（I&I）自适应跟踪问题。在适当的假设条件下，提出了一种新的I&I适应控制算法，使得ISS估计误差子系统和ISS跟踪误差子系统相互连接。使用ISS小增益条件，所需的一致全局渐近稳定性的互联“错误”系统可以实现和一个求和型严格的李雅普诺夫函数可以明确地构造。利用这个基于ISS的设计框架，它示出了相应的鲁棒性相对于输入扰动可以呈现为ISS。为了消除需要解决浸入流形成形偏微分方程，提出了一种新的基于滤波器的方法，它保留了基于ISS的设计框架。最后，我们证明了所提出的框架上的跟踪问题的串联弹性致动器的有效性。
2021-02-26 cs.SY eess.SY math.OC
Adaptive backstepping control for FOS with nonsmooth nonlinearities
针对分数阶系统的输入饱和与死区等非光滑非线性问题，提出通过引入中间变量分解控制输入的自适应反步控制方法，实现扰动估计与饱和补偿，保证输出渐近跟踪参考信号。
2019-01-17 cs.SY eess.SY math.OC
An adaptive fuzzy dead-zone compensation scheme for nonlinear systems
死区非线性在许多工业自动化设备中经常遇到，它的存在会严重损害控制系统的性能。由于模糊逻辑能够以算法的方式表达人类的经验，因此在过去的几十年中，模糊逻辑被广泛地应用于不确定动力系统的控制和辨识。尽管这种启发式方法很简单，但在某些情况下，需要对问题进行更严格的数学处理。针对具有死区输入的非线性系统，提出了一种自适应模糊控制器。跟踪误差的收敛特性将使用李雅普诺夫稳定性理论和Barbalat引理来证明。应用这种自适应模糊方案的范德波尔振荡器来说明控制器的设计方法。数值结果也被提出，以证明控制系统的性能。
2022-06-01 cs.SY eess.SY math.OC
A Diffusion Kernel LMS algorithm for nonlinear adaptive networks
Mathematical and Algorithmic Sciences Lab, Huawei France R&D（华为法国研发中心数学与算法科学实验室）
本文提出一种分布式非线性自适应学习算法，通过扩散基核最小二乘算法（KLMS）实现节点协作优化，理论分析证明其无悔界性质，并通过实验验证其优于其他LMS变种。
2016-02-07 cs.IT cs.SY eess.SY
A Framework for Adaptive Stabilisation of Nonlinear Stochastic Systems
Leibniz University Hannover, Institute of Automatic Control（汉诺威莱布尼茨大学自动控制研究所）；University of Melbourne, Department of Electrical and Electronic Engineering（墨尔本大学电气与电子工程系）
本文提出了一种基于确定性等价学习的自适应控制策略，用于非线性随机系统的稳定性分析与保障。
2025-11-21 cs.LG cs.SY eess.SY
Discrete-Time Adaptive Control of a Class of Nonlinear Systems Using High-Order Tuners
研究了一类离散非线性系统的状态可达自适应控制问题。最近，高阶调谐器算法被开发用于识别问题的上下文中的具有时变回归量的凸损失函数的最小化。基于Nesterov算法，当回归量随时间变化时，高阶调谐器保证有界参数估计，当回归量为常数时，高阶调谐器加速跟踪误差的收敛.在本文中，我们应用高阶调谐器的适应控制的一类特殊的离散时间非线性动力系统。首先，我们表明，植物这一类，潜在的动态误差模型可以因果关系转换为代数误差模型。第二，我们表明，使用这个代数误差模型，高阶调谐器可以应用于证明稳定的类动力系统围绕一个参考轨迹。
2023-03-17 cs.SY eess.SY math.DS
Adaptive Event-triggered Reinforcement Learning Control for Complex Nonlinear Systems
The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）；University of Cincinnati（辛辛那提大学）
本文提出一种自适应事件触发强化学习控制方法，通过联合学习控制与通信策略并利用累积奖励增广状态空间，在无需显式学习触发条件的情况下实现高效触发判定，适用于具有复杂交互的连续时间非线性系统。
2024-09-29 cs.AI cs.LG cs.SY
Adaptive Observers and Parameter Estimation for a Class of Systems Nonlinear in the Parameters
University of Leicester（莱斯特大学）；KU Leuven（荷语鲁汶大学）；Eindhoven University of Technology（埃因霍温理工大学）
针对参数非线性的一类常微分方程系统，基于弱吸引集和非均匀收敛概念，提出状态与参数渐近重构方法，推广了传统自适应观测器设计。
2013-06-21 cs.SY eess.SY math.DS
