Data-driven Safe Control of Linear Systems Under Epistemic and Aleatory Uncertainties
考虑了在认知和偶然不确定性下约束线性系统的安全控制问题。偶然的不确定性表征随机噪声，并由概率分布函数（PDF）和认知的不确定性表征缺乏知识的系统动力学。基于数据的概率安全控制器设计的情况下，噪声PDF是1）零均值高斯与已知的协方差，2）零均值高斯与不确定的协方差，和3）零均值非高斯与未知的分布。通过引入概率压缩集，为第一种情况提供了易于检查的基于模型的条件，以保证概率安全。这些结果，然后扩展到第二和第三种情况下，分别利用分布鲁棒概率安全控制和条件风险值（CVaR）为基础的概率安全控制。然后考虑这些概率安全控制器的基于数据的实现。结果表明，直接学习一个安全控制器的数据丰富性的要求是相当弱的数据丰富性的要求，基于模型的安全控制方法，进行模型识别。此外，上界的最小风险水平，在此情况下，一个安全的控制器的存在是有保证的，学习使用收集的数据。最后通过仿真实例验证了该方法的有效性。
2022-10-27 cs.SY eess.SY
Distributed Control of Multi-zone HVAC Systems Considering Indoor Air Quality
本文研究了一种多区域暖通空调系统的可扩展控制方法，以优化同时维持热舒适性和室内空气品质（IAQ）（以CO2为代表）的能量成本。该问题是计算上的挑战，由于复杂的系统动力学，各种空间和时间的耦合，以及多个控制变量进行协调。为了应对这些挑战，我们提出了一个两级分布式方法（TLDM）与上层和下层控制集成。上层计算区域的质量流量，以保持区域的热舒适性，以最小的能源成本，然后下一级战略性地调节区域的质量流量和通风量，以实现IAQ，同时保持近的节能性能的上层。由于上层和下层计算都以分布式方式部署，因此所提出的方法具有可扩展性和计算效率。通过与集中式方法的比较，证明了该方法在节约能源成本方面的接近最优性能。此外，与现有的分布式方法的比较表明，我们的方法可以提供室内空气品质只有很少的能源成本增加，而后者失败。此外，我们证明了我们的方法优于需求控制通风策略（DCV）的室内空气品质管理约8-10%的能源成本降低。
2021-01-04 cs.SY eess.SY
Evaluating Power System Vulnerability to False Data Injection Attacks via Scalable Optimization
Arizona State University（亚利桑那州立大学）
本文提出三种高效算法评估电力系统在虚假数据注入攻击下的脆弱性，针对IEEE 118节点和波兰2383节点系统进行评估。
2016-05-20 cs.SY eess.SY
Grid-Interactive Thermal Management of AI Data Centers via Contextual Distributionally Robust Optimization
针对AI数据中心突发工作负载和不确定热量生成导致的热违规问题，提出情境分布鲁棒优化（CDRO）框架，通过动态调整Wasserstein半径实现电网交互冷却控制，在极端负载下实现近零热违规，并将鲁棒性成本溢价降低约13.7个百分点。
2026-07-02 cs.SY eess.SY
Toward Scalable Risk Analysis for Stochastic Systems Using Extreme Value Theory
我们的目标是分析有限时间随机系统的行为，其模型是不可用的，在更罕见和有害的结果的背景下。由于这些结果的罕见性，标准估计量在预测这些结果时并不有效。相反，我们使用极值理论（EVT），随机变量的归一化最大值的长期行为的理论。我们使用可积随机变量$Y$的上半幂函数$ρ(Y) = E(\max\{Y - μ,0\})$和平均值$μ= E(Y)$来量化风险。$ρ(Y)$是与$λ\in [0,1]$共同使用的均值上半对数功能$μ+ λρ(Y)$的风险感知部分。为了评估更罕见和有害的结果，我们提出了一个基于EVT的估计$ρ(Y)$在给定的分数的最坏情况。我们表明，我们的估计享有一个封闭的形式表示在流行的条件风险值功能。在实验中，我们说明了我们的估计使用少量的i.i.d.的外推功率。样品（$<$ 50）。我们的方法是有用的，当模型无法访问和数据收集是昂贵的有限时间系统的风险估计。数值复杂度不随状态空间的大小而增长。
2022-06-21 cs.SY eess.SY stat.ME
Scalable Grid-Aware Dynamic Matching using Deep Reinforcement Learning
本文提出一种两级分层匹配框架，将综合混合资源划分为可忽略内部损耗的区域，结合深度强化学习与最优潮流求解，在满足电网和用户约束的同时实现可扩展的高效动态匹配。
2023-09-20 cs.SY eess.SY
Fast and Scalable Multi-Agent Distribution Matching via Partitioned Optimal Transport
Texas Tech University（德克萨斯理工大学）
本文提出基于分区最优传输的可扩展框架，通过空间分块求解局部传输问题，实现多智能体终端分布匹配，并保证Wasserstein代价上界与循环间下降。
2026-10-01 cs.MA cs.RO cs.SY
Distributed Linear-Quadratic Control with Graph Neural Networks
控制网络系统已经成为一个至关重要的问题。在本文中，我们考虑一个分布式线性二次问题，并提出使用图神经网络（GNNs）的参数化和设计网络系统的分布式控制器。GNN具有许多理想的属性，例如自然分布和可扩展性。我们铸造的分布式线性二次型问题作为一个自监督学习问题，然后使用训练基于GNN的控制器。我们也得到了充分条件的闭环系统是输入状态稳定的，并得出一个上限有多少轨迹偏离标称值时，描述系统的矩阵是不准确的。我们运行了大量的模拟来研究基于GNN的分布式控制器的性能，并表明它们是计算效率和可扩展的。
2022-02-11 cs.SY eess.SP eess.SY
Scalable Verification of Neural Control Barrier Functions Using Linear Bound Propagation
Department of Computer Science University of Oxford（牛津大学计算机科学系）；St Hugh’s College University of Oxford（牛津大学圣希利学院）；Delft Center for Systems and Control TU Delft（代尔夫特理工大学系统与控制中心）；Dep. of Computer Science & Inst. for Data Science in Mech. Eng RWTH Aachen University（亚琛工业大学计算机科学系及机械工程数据科学研究所）；AI4I Italy（意大利AI4I）
本文提出一种基于线性边界传播的神经控制屏障函数验证方法，通过计算梯度边界和McCormick松弛，实现对神经网络作为控制屏障函数的有效验证，适用于任意控制-affine系统和多种非线性激活函数。
2026-04-14 cs.LG cs.RO cs.SY
Adaptive Risk-Certified Event-Triggered Replanning for Dynamic Navigation
University of Houston（休斯顿大学）
针对动态环境中预测误差导致的安全风险，提出CERT-Replan框架，利用校准屏障风险作为重规划信号，通过时域级风险监视选择低风险替代方案，显著降低碰撞率并减少安全过滤器干预。
2026-10-08 cs.RO cs.SY eess.SY
Risk-Sensitive Orbital Debris Collision Avoidance using Distributionally Robust Chance Constraints
University of California Berkeley（加州大学伯克利分校）
针对非线性轨道动力学下非高斯分布碰撞概率难以准确评估和计算的问题，提出一种基于条件风险价值（CVaR）近似的分布鲁棒机会约束避碰算法，在有限分布信息下保证安全并实现计算可处理。
2024-12-23 cs.RO cs.SY eess.SY
Robust Performance Analysis for Time-Varying Multi-Agent Systems with Stochastic Packet Loss
本文证明具有随机丢包的时变多智能体系统的 $H_2$-范数鲁棒上界，以独立于智能体数量的线性矩阵不等式实现任意规模系统的高效分析，并通过数值示例验证。
2023-04-05 cs.SY eess.SY math.OC
Robust and Scalable Tracking of Radiation Sources with Cheap Binary Proximity Sensors
US Army Research Laboratory（美国陆军研究实验室）；University at Buffalo, SUNY（纽约州立大学布法罗分校）
本文提出了一种利用廉价二进制接近传感器跟踪沿光滑轨迹移动的辐射源的新方法，通过分段线性连接和分段抛物线近似，证明在无噪声情况下，仅需3或6个传感器即可以概率1恢复轨迹信息，并给出了速度和仰角估计的误差上限。
2016-08-02 cs.SY eess.SY math.OC
Context-triggered Abstraction-based Control Design
本文提出两层抽象化控制综合方法，利用下层不变集、吸引域与上层有限博弈求解，为非线性系统自动设计满足上下文相关 LTL 规范且可扩展的混合控制器。
2023-08-14 cs.GT cs.SY eess.SY
FedeRage: Provably Convergent Agnostic Federated Learning under General Client Drift
针对客户端参与概率未知且数据异构的联邦学习，提出风险规避平均算法FedeRage，嵌入CVaR提升高损失和低频客户端权重，实现可证明收敛并在准确率、公平性和速度上超越现有方法。
2026-09-21 cs.DC cs.LG cs.SY
