Small-Gain-Based Boundary Feedback Design for Global Exponential Stabilization of 1-D Semilinear Parabolic PDEs
National Technical University of Athens（雅典国立技术大学）；University of California, San Diego（加州大学圣地亚哥分校）
本文提出了一种用于1-D半线性抛物型PDEs边界反馈稳定器设计的新方法，基于小增益论证，适用于满足线性增长条件的非线性项，包括非局部项，并展示了反馈设计在抛物型情况下的根本限制。
2018-09-11 cs.SY eess.SY math.OC
Global Stabilization of Triangular Systems with Time-Delayed Dynamic Input Perturbations
NYU Tandon School of Engineering（纽约大学坦登工程学院）
本文提出了一种针对具有时间延迟动态不确定输入非线性的严格反馈类非线性系统的设计方法，通过双动态高增益缩放结构设计全局稳定延迟无关鲁棒自适应输出反馈控制器。
2018-01-05 cs.SY eess.SY math.OC
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
Feedback Stabilization and Output Tracking for Discrete-Time Lipschitz Nonlinear Systems via Iterative Convex Approximations
由于动态系统中包含的非线性及其规模，不稳定非线性系统的镇定和跟踪控制是一个具有挑战性的工程问题。在过去的几十年中，许多基于非线性的控制设计的动态系统，其中的非线性属于Lipschitz函数已被提出。然而，大多数的研究都只关注于输出反馈，因此，状态反馈的设计还很不成熟。为此，本文致力于离散时间Lipschitz非线性系统的全状态反馈控制器的设计问题。此外，我们提出了一个简单的迭代方法，以改善闭环性能的收敛性。后来证明，我们的方法可以方便地扩展和利用输出跟踪。
2021-04-21 cs.SY eess.SY
Local Stability and Stabilization of Quadratic-Bilinear Systems using Petersen's Lemma
本文提出一种基于Petersen引理的可扩展LMI方法，用于二次-双线性系统的局部稳定性分析与镇定控制，可处理数百维状态变量，并在三个基准问题上验证了有效性。
2025-03-29 cs.SY eess.SY math.OC
Data Informativity for Quadratic Stabilization under Data Perturbation
Institute of Science Tokyo（东京科学大学）
本文提出数据扰动概念，统一处理系统噪声和测量噪声，通过扩展矩阵S过程的关键引理，解决了数据信息度评估中的核心问题，无需假设噪声特性。
2024-10-08 cs.SY eess.SY math.OC
Data-Driven Robust Stabilization with Robust DOA Enlargement for Nonlinear Systems
大多数非线性鲁棒控制方法只考虑仿射非线性标称模型。当标称模型被假定为仿射非线性时，关于现有非仿射非线性的可用信息被忽略。对于非仿射非线性系统，Li等人（2019）提出了一种新的非线性控制方法，通过估计鲁棒闭环DOA（吸引域）来解决鲁棒镇定问题。然而，Li等人（2019）假设李雅普诺夫函数已经给出，没有考虑找到一个好的李雅普诺夫函数来放大鲁棒闭环DOA估计的问题。本文的动机是通过选择合适的李雅普诺夫函数来扩大闭环DOA估计。为了实现这一目标，一个可解的优化问题，制定选择一个合适的李雅普诺夫函数从一个参数化的正定函数集。数值结果验证了所提方法的有效性。
2019-12-24 cs.SY eess.SY
Discrete-Time Stability Analysis of ReLU Feedback Systems via Integral Quadratic Constraints
University of Michigan（密歇根大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对含ReLU非线性的离散时间反馈系统（受递归神经网络启发），提出基于有限脉冲滤波器和结构化矩阵的硬积分二次约束方法，结合耗散不等式得到LMI稳定性条件，其稳定性裕度保守性低于现有方法。
2025-11-16 cs.SY eess.SY math.OC
Model Predictive Control of Collinear Coulomb Spacecraft Formations
本文提出一种模型预测控制方案，通过凸松弛非凸QCQP，快速求解有限时域优化问题，以稳定共线库仑航天器编队构型，并用四航天器仿真验证其有效性。
2024-11-05 cs.SY eess.SY
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
Systematic Stabilization of Constrained Piecewise Affine Systems
本文提出了一种有效的离线方法，同时综合控制器和寻求闭环李雅普诺夫函数的约束分段仿射系统的可容许状态的三角化子集。三角细分探索了丰富的控制器和李雅普诺夫函数。由于一个显式的Lipschitz李雅普诺夫函数的发现，得到的闭环吸引区域的不变子集。此外，它是一个控制李雅普诺夫函数，所以最小范数控制器可以通过在线二次规划实现。它被公式化为半定规划序列。该方法避免了计算负担的非凸优化和先验的设计选择，是典型的类似的现有方法。
2022-02-28 cs.SY eess.SY
Deep Reinforcement Learning with Linear Quadratic Regulator Regions
University of California Los Angeles（加利福尼亚大学洛杉矶分校）
从业者通常依赖于计算密集型域随机化来确保在模拟中训练的强化学习策略可以稳健地转移到现实世界中。然而，由于真实系统中未建模的非线性，即使这样的模拟策略仍然不能足够稳定地执行以获得真实环境中的经验。在本文中，我们提出了一种新的方法，保证了一个稳定的吸引力区域的输出的政策训练模拟，即使是高度非线性系统。我们的核心技术是使用“偏置移位”神经网络来构造控制器并在模拟器中训练网络。修改后的神经网络不仅捕捉系统的非线性，但也可证明保持在一定区域的状态空间的线性，因此可以调整类似于一个线性二次调节器，已知是稳定的真实系统。我们已经测试了我们的新方法，将模拟政策的摆动倒立摆到真实系统，并证明了其有效性。
2020-02-26 cs.AI cs.LG cs.RO
Hybrid Lyapunov and Barrier Function-Based Control with Stabilization Guarantees
NOVA School of Science and Technology (NOVA-FCT)（诺瓦科学及技术学院）；Instituto Superior Técnico (IST)（里斯本高等技术学院）；Lusófona University（卢索弗纳大学）
本文提出一种混合CLF-CBF控制框架，提供全局渐近稳定和安全保证，通过递归方法扩展至高阶系统，通过仿真验证其有效性。
2026-03-16 cs.SY eess.SY
Linear systems with neural network nonlinearities: Improved stability analysis via acausal Zames-Falb multipliers
University of Stuttgart（斯图加特大学）；RWTH Aachen University（亚琛工业大学）
本文分析了具有神经网络非线性的线性定常系统的反馈关联在离散时间的稳定性。我们的分析是基于抽象的神经网络使用积分二次约束（IQCs），利用扇区有界和斜率限制结构的底层激活函数。与现有的方法相比，我们充分利用动态IQCs的潜力，以不太保守的方式来描述非线性激活函数。准确地说，我们认为乘数的基础上的全块Yakubovich /圆准则结合因果Zames-Falb乘数，导致线性矩阵不等式的稳定性证书。我们的方法提供了一个灵活和通用的框架，神经网络非线性反馈互连的稳定性分析，允许权衡计算效率和保守性。最后，我们提供了数值例子，证明了所提出的框架的适用性和可实现的改进，比以前的方法。
2021-09-30 cs.LG cs.SY eess.SY
