On the Mixed H2/H-infinity Loop Shaping Trade-offs in Fractional Order Control of the AVR System
University of Southampton（南安普顿大学）；Imperial College London（帝国理工学院）
本文研究了分数阶PID控制器在AVR系统中的频域设计，通过系统范数结合多目标优化算法，分析了设定点跟踪、负载扰动和噪声抑制等性能指标的权衡。
2014-05-12 cs.SY eess.SY math.OC
Controller synthesis for input-state data with measurement errors
该研究面向仅含测量误差的输入-状态数据，提出基于线性矩阵不等式的线性系统状态反馈控制器设计方法，并建立能量界情形与公共 Lyapunov 函数鲁棒镇定的等价关系。
2024-05-14 cs.SY eess.SY math.DS
Offset-free Data-Driven Predictive Control for Grid-Connected Power Converters in Weak Grid Faults
Eindhoven University of Technology（埃因霍温理工大学）
针对弱电网故障下传统PI控制器控制并网变换器时振荡响应大、故障穿越性能差的问题，提出无静差数据驱动预测控制方法，无需物理建模即可实现更优控制效果，显著提升故障穿越能力且计算效率与传统PI相当。
2026-09-29 cs.SY eess.SY
Learning Robust Data-based LQG Controllers from Noisy Data
针对未知线性时不变系统的联合状态估计与控制问题，提出基于半定规划的含噪数据驱动LQG控制器设计方法，证明其稳定性并通过数值测试验证了有效性。
2023-05-02 cs.SY eess.SY
Dynamic Output-Feedback Controller Synthesis for Dissipativity and $H_2$ Performance from Noisy Input-Output Data
Faculty of Mechanical Engineering and Naval Architecture, University of Zagreb（机械与船舶工程学院，萨格勒布大学）；Electrical Engineering Faculty, Eindhoven University of Technology（电气工程学院，埃因霍温理工大学）
针对离散时间线性时不变系统，提出利用含噪输入输出数据直接综合动态输出反馈控制器的方法，以实现给定二次供给率下的耗散性或$H_2$性能，方法基于线性矩阵不等式且无保守性。
2026-07-21 cs.SY eess.SY math.OC
Dynamic Output-Feedback Controller Synthesis for Dissipativity and $H_2$ Performance from Noisy Input-State Data
Faculty of Mechanical Engineering and Naval Architecture, University of Zagreb（萨格勒布大学机械与船舶工程学院）；Electrical Engineering Faculty, Eindhoven University of Technology（埃因霍温理工大学电气工程学院）
本文针对噪声输入-状态数据，提出动态输出反馈控制器综合方法，实现系统 dissipativity 和 $H_2$ 性能，通过线性矩阵不等式参数化标量变量，非保守地完成控制器设计。
2026-07-21 cs.SY eess.SY math.OC
Non-conservative Design of Robust Tracking Controllers Based on Input-output Data
本文研究了带噪声输入输出数据的最坏情况鲁棒最优跟踪问题。我们利用行为系统理论来表示系统轨迹，同时避免明确的系统辨识。我们假设，最近的输出数据中使用的数据依赖表示是嘈杂的，我们提供了一个非保守的设计过程的鲁棒控制的基础上优化与线性成本和LMI约束。我们的方法依赖于与数据相关的系统表示兼容的噪声序列的参数化，并在一个合适的重新制定的性能规格，这进一步使应用的S-引理推导出一个LMI最优化问题。通过仿真讨论了新控制器的性能。
2021-06-24 cs.SY eess.SY math.OC
Optimal Control with Noisy Time
University of Cambridge（剑桥大学）；The Johns Hopkins University（约翰斯·霍普金斯大学）
本文研究了在状态完全已知但控制器时间度量为严格递增莱维过程导出的随机最优控制问题，通过动态规划方法解决具有噪声时间的线性二次调节器和随机交易活动率的portfolio优化问题，最优控制器为线性。
2013-12-31 cs.SY eess.SY math.OC
Near-Optimal Design of Safe Output Feedback Controllers from Noisy Data
随着我们向黑盒网络物理系统的数据驱动控制器部署过渡，遵守硬安全约束成为首要问题。当输入输出数据被噪声破坏时，应该解决两个关键方面：在不影响安全的情况下，可以容忍多少不确定性，以及控制性能受到多大程度的影响？通过专注于有限时域约束的线性二次问题，我们提供了一个答案，这些问题的初步识别阶段期间发生的模型失配。我们提出了一个控制设计过程的基础上的拟凸松弛的原始鲁棒问题，我们证明，如果不确定性是足够小的，合成控制器是安全的，近最优的，在这个意义上，次优差距线性增加模型失配水平。由于所提出的方法是独立的具体识别程序，我们的分析认为，在结合国家的最先进的行为估计超出标准的最小二乘。数值实验验证了主要理论结果。
2022-09-12 cs.SY eess.SY
Robust IMMPC: An Offset-free MPC for Rejecting Unknown Disturbances
本文提出一种无偏MPC方法，通过扩展内部模型MPC以应对一般有界扰动，实现无稳态误差控制，并在四塔系统上验证了控制器的有效性。
2026-04-01 cs.SY eess.SY
Low-complexity Learning of Linear Quadratic Regulators from Noisy Data
研究动态未知的线性系统的线性二次型调节器问题，该问题是数据驱动控制和强化学习的核心问题。我们提出了一种方法，使用数据直接返回一个控制器，而不估计系统的模型。当设计控制器所用的数据受噪声影响时，给出了该方法返回具有保证相对误差的镇定控制器的充分条件。这种方法具有低复杂度，因为它只需要有限数量的样本的系统响应一个足够令人兴奋的输入，并可以有效地实现为一个半定规划。此外，该方法不需要对噪声统计进行假设，并且相对误差与噪声幅度很好地成比例。
2020-05-03 cs.SY eess.SY
Learning-based attacks in Cyber-Physical Systems: Exploration, Detection, and Control Cost trade-offs
University of California San Diego（加州大学圣地亚哥分校）；Massachusetts Institute of Technology（麻省理工学院）
我们研究了线性系统中基于学习的攻击问题，其中控制器和被控对象之间的通信信道可能被恶意攻击者劫持。我们假设攻击者从观察中学习系统的动态，然后覆盖控制器的致动信号，同时通过向控制器提供虚构的传感器读数来模仿合法操作。另一方面，控制器是一个瞭望台，以检测攻击者的存在，并试图通过仔细制作其控制信号，以提高检测性能。我们研究了攻击者从观测中获得的信息，控制器的检测能力和控制成本之间的权衡。具体而言，我们提供严格的上限和下限上的预期$ε$欺骗时间，即所需的时间由控制器作出决定，关于攻击者的存在与信心至少$(1-ε\log(1/ε))$。然后，我们展示了一个概率下界的时间，必须花费的攻击者学习系统，为了使控制器有一个给定的预期$ε$欺骗时间。我们证明了这个界也是阶最优的，从这个意义上说，如果攻击者满足它，那么存在具有给定阶期望欺骗时间的学习算法。最后，我们显示了一个下界的预期能量消耗，以保证检测的信心至少$1-ε\log(1/ε)$。
2021-05-20 cs.CR cs.LG cs.MA
Adversarial Observability and Performance Trade-offs in Optimal Control
Oden Institute for Computational Engineering & Sciences, University of Texas at Austin（德克萨斯大学奥斯汀分校奥登计算工程与科学学院）
本文提出了一种在最优控制中最小化对抗传感器可观察性的反馈控制器，通过半正定规划实现性能与可观察性之间的权衡。
2026-02-23 cs.SY eess.SY math.OC
Robust Control of Unknown Switched Linear Systems from Noisy Data
本文研究未知切换线性系统的数据驱动镇定问题，提出一种基于辅助函数的切换控制律，在噪声存在导致SDP不可行时，仅在保证可行性时间歇求解SDP，并证明在噪声有界且切换足够慢时能保证闭环系统的输入到状态实际稳定性（ISpS）。
2023-11-19 cs.SY eess.SY
A dynamic program for linear sequential coding for Gaussian MAC with noisy feedback
本文考虑了带噪声反馈两用户多址接入信道。存在两个具有独立消息的中继器，其通过加性白高斯信道将符号发送到接收器，接收器又通过两个独立的噪声高斯信道发送回由两个中继器接收的符号。我们考虑的情况下，当反馈是主动的，即接收器主动编码的反馈使用线性状态过程。我们提出这是一个问题的线性顺序编码在接收机和接收机，以尽量减少终端均方误差概率在接收机。这是分散控制的一个实例，在发送器和接收器处没有公共信息。在本文中，我们在发送端和接收端分别构造了两个线性控制器。由于策略和控制器的线性，所有涉及的随机变量都是联合高斯的。此外，在接收器处的相应的协方差矩阵的估计过程的消息是一个确定性的过程，这是一个函数的参数的控制器和球员的策略，因此是完美的观察到的。在此基础上，我们使用确定性动态规划来寻找最优策略和最优线性控制器。被动反馈的问题可以被认为是一种特殊情况。
2021-12-17 cs.IT cs.SY eess.SY
Direct Data Driven Control Using Noisy Measurements
Michigan State University（密歇根州立大学）；Ford Motor Company（福特汽车公司）
针对未知动态且状态含噪的LQR问题，提出仅用单条含噪轨迹、基于LMI与SDP直接综合控制器的框架，保证均方稳定与最优性能。
2025-05-09 cs.LG cs.RO cs.SY
Deployment Architectures for Cyber-Physical Control Systems
我们考虑的问题，如何部署一个控制器（联网）的网络物理系统（CPS）。控制CPS是一项复杂的任务，而综合控制器以满足传感、致动和通信约束只是挑战的一部分。除了控制器综合，还应该考虑控制器如何在CPS中工作。换句话说，需要考虑网络层及其与物理层的交互。在这项工作中，我们的目标是弥合理论控制器合成和实际CPS部署之间的差距。我们采用系统级综合（SLS）的框架来综合状态反馈控制器，并提供了一个部署架构的标准SLS控制器。此外，我们推导出一个新的控制器实现开环稳定系统，并介绍了四种不同的架构部署，从完全集中到完全分布式。最后，我们比较他们之间的权衡，在鲁棒性，内存，计算和通信开销。
2020-09-29 cs.SY eess.SY math.OC
Trade-Offs in Stochastic Event-Triggered Control
Paderborn University（帕德博恩大学）；University of Notre Dame（圣母大学）
本文研究了线性时不变系统中随机事件触发调度下的最优输出反馈控制，旨在通过减少传感器到控制器的通信量来提高网络能耗效率，并设计控制策略以最小化二次成本函数。
2017-08-09 cs.SY eess.SY
Synthesis to Deployment: Cyber-Physical Control Architectures
我们考虑的问题，如何部署一个控制器（联网）的网络物理系统（CPS）。控制CPS是一项复杂的任务，而综合控制器以满足传感、致动和通信约束只是挑战的一部分。除了控制器综合，还应该考虑如何将控制器纳入CPS。换句话说，需要考虑网络层及其与物理层的交互。在这项工作中，我们的目标是弥合理论控制器合成和实际CPS部署之间的差距。我们采用系统级综合（SLS）的框架来合成控制器，无论是状态反馈或输出反馈，并提供部署架构的标准SLS控制器。此外，我们得到新的控制器实现开环稳定系统，并引入不同的状态反馈和输出反馈架构的部署，从完全集中到完全分布式。最后，我们比较他们之间的权衡，在鲁棒性，内存，计算和通信开销。
2021-06-01 cs.SY eess.SY math.OC
Data-driven stabilization of continuous-time systems with noisy input-output data
Kobe University（神户大学）
研究在噪声输入输出数据下基于数据的连续时间系统稳定化问题，通过操作符方法和行为理论，建立噪声数据对二次稳定化的必要充分条件，并提出稳定控制器设计方法。
2026-06-28 cs.SY eess.SY math.OC
From Noisy Data to Hierarchical Control: A Model-Order-Reduction Framework
Newcastle University（纽卡斯尔大学）；KTH Royal Institute of Technology（皇家理工学院）
本文提出一种直接数据驱动的框架，用于构建具有未知动态和过程扰动的离散时间线性动力系统降阶模型，通过噪声数据设计接口函数实现控制器合成与优化。
2026-08-14 cs.SY eess.SY
Schemes for LQG Control over Gaussian Channels with Side Information
我们考虑在功率受限的加性高斯白噪声（AWGN）信道上控制不稳定标量线性对象的问题，其中控制器/接收器可以获得控制系统状态的附加噪声测量。为此，我们将噪声测量视为边信息，并将问题转换为在接收端具有边信息的联合信源信道编码问题。我们认为，明智的基于模的计划改善了他们的线性同行，并允许避免由于在传感器/发射机的边信息的无知的发射功率的大幅增加。我们证明了我们的技术的设置，其中i）传感器是不经意的控制目标，控制动作和以前的控制器状态估计，ii）系统输出跟踪所需的参考信号，这是只有在控制器通过积分控制动作。
2020-04-08 cs.SY eess.SY
Learning controllers for performance through LMI regions
在开环实验中，输入序列被应用于一个未知的线性时不变系统（在连续或离散时间），该系统也受到一个未知但有界的扰动序列（具有能量或瞬时界）的影响;测量相应的状态序列。我们的目标是设计直接从输入和状态序列的控制器，强制执行一定的性能规格的瞬态行为的未知系统。性能指标通过闭环特征值需要属于的复平面的一个子集来表示，即所谓的LMI区域。对于这个控制设计问题，我们在这里提供凸计划，以执行性能规格的线性矩阵不等式（LMI）的形式从数据。对于一般线性矩阵不等式区域，这些是充分条件，以分配的特征值的线性矩阵不等式区域内的所有可能的动态数据一致，并成为必要和充分条件，为特殊的线性矩阵不等式区域。通过这种方式，我们将经典的基于模型的条件从文献中的开创性工作扩展到噪声数据的数据驱动控制的设置。通过两个数值例子，我们研究如何这些数据为基础的条件相互比较。
2021-10-20 cs.SY eess.SY math.DS
Data-Driven Model Order Reduction of Nonlinear Systems with Noisy Data
Newcastle University（纽卡斯尔大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）
本文提出数据驱动框架，用于构建无数学模型的非线性系统降阶模型，通过相似性关系和半定规划条件，实现控制器合成与逻辑规范满足。
2026-03-17 cs.SY eess.SY
Data-driven Polytopic Output Synchronization of Heterogeneous Multi-agent Systems from Noisy Data
针对未知异构MAS在含噪数据下的输出同步问题，提出基于多胞表示与受约束拟合误差最小化的分布式数据驱动控制方法，并以数据依赖半定规划给出稳定增益。
2023-07-14 cs.SY eess.SY
Information Age-Controllability Trade-offs in Communication-Constrained Networks
研究无线控制网络中可控性、信道接入与信息年龄之间的权衡，提出自适应接入概率策略，并推导出块可控性概率、峰值延迟和峰值信息年龄的闭式表达式。
2026-05-27 cs.IT cs.SY eess.SY
Automated Synthesis of Safe Digital Controllers for Sampled-Data Stochastic Nonlinear Systems
我们提出了一种新的方法，为系统的非线性动态，噪声输出测量，和随机干扰的数字控制器的自动合成与正式的安全保证。我们的方法推导出数字控制器，使相应的闭环系统，建模为一个采样数据的随机控制系统，满足安全规格的概率高于给定的阈值。所提出的合成方法交替两个步骤：生成候选控制器PC，和验证的候选人。通过最大化安全概率的蒙特卡罗估计，并通过使用未经验证的ODE求解器来模拟系统，可以找到pc。因此，这样的候选是次优的，但是可以非常快速地生成。为了排除不稳定的候选控制器，我们证明并利用李雅普诺夫的采样数据非线性系统的不稳定性的间接方法。在随后的验证步骤中，我们使用基于SMT（可满足性模理论）的经验证的求解器来计算pc安全概率的数值和统计有效置信区间。如果这样获得的概率不高于阈值，我们通过增加控制器度来扩展候选者的搜索空间。我们评估我们的技术在三个案例研究：人工胰腺模型，动力系统控制模型，和一个四槽过程。
2019-01-10 cs.SC cs.SY eess.SY
Operator-based data embedding for data-driven control of continuous-time systems from noisy data
Graduate School of System Informatics, Kobe University（神户大学系统信息学研究科）
该研究针对含噪数据提出基于算子的数据嵌入方法，刻画与数据一致的系统集合，推导数据可辨识性条件并构造反馈增益，得到连续时间信号重构误差上界，用于连续时间系统的数据驱动控制。
2026-08-19 cs.SY eess.SY math.OC
Active Inference for Adaptive Traffic Signal Control in Noisy Nonstationary IoT Environments
Department of Computer Systems and Sciences（计算机系统与科学系）；Stockholm University（斯德哥尔摩大学）
提出一种基于主动推理的交通信号控制器，通过最小化期望自由能动态选择相位，在传感器遮挡、天气衰减和非平稳需求下优于深度Q网络和规则方法，降低空闲时间和CO2排放。
2026-06-15 cs.AI cs.LG cs.NI
Data-Enabled Gradient Flow as Feedback Controller: Regulation of Linear Dynamical Systems to Minimizers of Unknown Functions
本文将线性动力系统的调节问题转化为费用未知或部分已知的凸优化问题的解。我们设计了一个数据驱动的反馈控制器-梯度流动力学的基础上-（i）是增强的学习方法，以估计费用函数的基础上不频繁（可能有噪音）的功能评价，同时，（ii）被设计为驱动的输入和输出的动力系统的优化问题。我们推导出学习误差和控制器增益的充分条件，以确保问题的优化器和闭环系统的状态之间的误差最终有界;误差界占的功能估计误差和时间变化的未知干扰影响的线性动力系统。我们的结果直接导致指数输入状态稳定的闭环系统。所提出的方法和理论界进行了数值验证。
2022-04-02 cs.SY eess.SY math.OC
Analytical Safety Bounds for Trajectory Following Controllers in Autonomous Vehicles
本文针对自动驾驶轨迹跟随控制问题，提出一种基于最坏情况扰动序列的解析方法，用于计算线性时不变单输入多输出系统在状态反馈控制下的安全边界，并分析了反馈参数对横向控制安全裕度的影响。
2023-08-05 cs.SY eess.SY
Collision Avoidance and Liveness of Multi-agent Systems with CBF-based Controllers
在本文中，我们考虑使用控制障碍函数（CBF）避免碰撞的多智能体导航。在非通信代理的情况下，我们考虑安全保证水平和活性之间的权衡-在短时间内到达目的地而不需要大的弯路或交通堵塞的能力。我们比较了几个CBF为基础的驾驶政策对基准建立的集中式控制器，需要通信。正在比较的策略之一（CCS 2）是新的，并且跨越了仅可用本地控制的策略与更复杂的预测-校正冲突避免（PCCA）策略之间的空间，该PCCA策略基于观察到的行为调整每个人的控制动作的本地副本。本文为集中式、PCCA和CCS2策略建立了可行性。蒙特卡洛模拟表明，分散的，只有主机的控制策略相比，在计算中使用所有的控制输入，PCCA政策表现同样好，集中式相比，缺乏活性，即使它是分散的。
2020-12-18 cs.SY eess.SY
Adaptive Optimal Trajectory Tracking Control Applied to a Large-Scale Ball-on-Plate System
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
虽然关于自适应动态规划（ADP）的理论研究已经很多，但应用结果很少。因此，我们设计了一个基于ADP的最优轨迹跟踪控制器，并将其应用于一个大规模的球板系统。我们提出的方法采用了近似的参考轨迹，而不是使用设定点跟踪，并允许自动补偿恒定的偏移量。由于该算法的离线特性，该方法只需要少量的测量数据来训练控制器。我们的实验结果表明，这种跟踪机制显着降低了控制成本相比，设定值控制器。此外，与基于模型的最优控制器的比较突出了我们的无模型基于数据的ADP跟踪控制器的优点，其中不需要系统模型和手动调整，而是使用测量数据自动调整控制器。
2021-01-25 cs.LG cs.SY eess.SY
From Formal Methods to Data-Driven Safety Certificates of Unknown Large-Scale Networks
本文提出一种基于含噪声数据的组合式数据驱动框架，通过为未知大规模互联网络的子系统设计控制子屏障证书（CSBC）并组合为全局控制屏障证书（CBC），以去中心化方式实现了鲁棒安全控制，并将计算复杂度从多项式降至线性。
2025-08-13 cs.SY eess.SY
Combining Prior Knowledge and Data for Robust Controller Design
提出融合未知LTI系统数据与系统矩阵或不确定性先验知识的鲁棒控制器设计框架，利用LMI准则和学习乘子保证稳定性与性能，并扩展到含噪输出反馈及非线性不确定性。
2022-09-19 cs.SY eess.SY math.OC
Rate-cost Trade-offs in H-infinity Control with Initial State Uncertainty
California Institute of Technology（加州理工学院）
本文研究数字通信信道下H-infinity控制中数据速率与性能的权衡，针对标量系统建立速率下界并证明对数量化的自然性，提出可达方案且在高速率极限下渐近最优。
2026-09-21 cs.SY eess.SY
Data-Driven Adaptive Second-Order Sliding Mode Control with Noisy Data
Newcastle University（纽卡斯尔大学）；University of Pavia（帕维亚大学）
本文提出了一种数据驱动的方法，用于设计一类部分未知动态的单输入非线性系统中的自适应次优二次滑模控制器，针对匹配和未匹配扰动。通过两阶段设计流程，结合噪声数据，实现闭环系统状态的半全局最终有界性和对匹配扰动的完全拒绝。
2026-06-05 cs.SY eess.SY
Bilinear Data-Driven Min-Max MPC: Designing Rational Controllers via Sum-of-squares Optimization
针对未知离散时间双线性系统，提出一种基于含噪数据和集员表示的数据驱动 min-max MPC 方案，通过引入有理控制器参数化的 SOS 规划最小化最坏情况代价上界，并证明了其闭环稳定性与约束满足。
2025-04-07 cs.SY eess.SY
Bias correction and instrumental variables for direct data-driven model-reference control
IDSIA Dalle Molle Institute for Artificial Intelligence, SUPSI（IDSIA 达勒·莫莱人工智能研究所，SUPSI）；Dipartimento di Elettronica, Informazione e Bioingegneria, Politecnico di Milano（米兰理工大学电子、信息与生物工程系）；Department of Electrical Engineering, Eindhoven University of Technology（埃因霍温理工大学电气工程系）
本文提出了一种基于数据驱动优化的模型参考控制器设计方法，通过偏差校正和工具变量技术减少噪声影响，适用于大规模数据集。
2024-11-08 cs.SY eess.SY
Data-Driven Stabilization of Continuous-Time LTI Systems from Noisy Input-Output Data
针对受噪声影响的连续时间LTI系统，提出一种直接基于含噪输入输出轨迹的稳定控制器设计方法，结合非最小实现观测器与数据依赖的LMI反馈律，推导了充要稳定条件并验证了方法有效性。
2025-11-14 cs.SY eess.SY
