Kernelized offset-free data-driven predictive control for nonlinear systems
针对非线性系统中传统预测控制器因预测器不准确或持续干扰导致的跟踪偏置与稳定性问题,本文提出核化无偏置数据驱动预测控制方案,通过核方法参数化速度模型非线性项并以最小二乘法学习参数,经仿真验证有效且提供了可行性与稳定性分析框架。
2024-11-27 cs.SY eess.SY
Iterative data-driven inference of nonlinearity measures via successive graph approximation
本文建立了一种迭代的数据驱动方法来求解未知非线性系统的非线性测度的保界。在这种情况下,非线性度量通过其输入-输出行为与一组线性模型的距离来量化动力系统的非线性强度。首先,我们通过给定的输入-输出样本,基于数据的非参数集员表示的地面实况系统和非线性措施的局部推断,计算这些措施的保证上界。其次,我们提出了一个算法,以提高这个界限迭代的未知的输入输出行为的进一步的样本。
2020-08-12 cs.SY eess.SY
Designing Control Barrier Functions Using a Dynamic Backup Policy
University of Colorado, Boulder(科罗拉多大学博尔德分校)
本文提出一种系统方法,通过参数化平衡流形的备份策略族,为受任意状态和输入约束的非线性控制仿射系统构造控制屏障函数,并应用于倒立摆系统。
2026-06-03 cs.SY eess.SY
Data-Driven Feedback Linearization of Nonlinear Systems with Periodic Orbits in the Zero-Dynamics
在这篇文章中,我们提出了数据驱动反馈线性化的非线性系统的周期轨道的零动态。这种情况下是具有挑战性的数据驱动的控制设计,因为在离散化的内部动态的高阶项出现作为扰动输入的可控子系统的规范形式。我们的设计由两部分组成:一个基于数据驱动反馈线性化的控制器和一个两部分的估计器,它可以重建非线性系统的标准形中的未知非线性项。我们研究了闭环非线性系统的正规形中子系统之间的耦合效应,并得出结论:这种耦合的存在阻止了可控状态的渐近收敛。我们还表明,在可控状态的估计误差与采样时间成线性比例。最后,我们提出了一个基于仿真的数据驱动反馈线性化的验证。
2022-11-21 cs.SY eess.SY
On polynomial explicit partial estimator design for nonlinear systems with parametric uncertainties
Univ. Grenoble Alpes, CNRS, Grenoble INP, GIPSA-lab(格勒诺布尔阿尔卑斯大学,法国国家科学研究中心,格勒诺布尔理工学院,GIPSA实验室)
本文提出利用稀疏多元多项式关系为含参数不确定性的非线性系统设计数据驱动部分估计器,构建通用框架并通过示例验证,证明其在小数据场景下优于机器/深度学习替代方案。
2025-11-03 cs.SY eess.SY
Data-driven Nonlinear Predictive Control for Feedback Linearizable Systems
针对一类离散多输入多输出反馈线性化非线性系统,提出了一种数据驱动的非线性预测控制方法。该方案使用了一个非参数预测模型,仅基于输入和噪声输出数据以及一组基函数,近似未知的非线性。尽管有噪声输出数据以及使用基函数所造成的失配,我们表明,所提出的多步鲁棒数据驱动的非线性预测控制方案是递归可行的,并使闭环系统实际指数稳定。我们说明了我们的结果上的一个完全驱动的二级倒立摆模型。
2023-03-27 cs.SY eess.SY
A Constructive Method for Designing Safe Multirate Controllers for Differentially-Flat Systems
University of Michigan(密歇根大学);California Institute of Technology(加州理工学院)
提出一种基于微分平坦性的两层多速率控制架构,通过线性MPC与反馈控制器耦合,实现非线性系统安全与递归可行性的形式保证,并以凸优化形式实现,经地面车和四足机器人实验验证。
2024-03-26 cs.RO cs.SY eess.SY
A Polynomial Chaos Framework for Designing Linear Parameter Varying Control Systems
Texas A&M University(德克萨斯农工大学)
本文利用多项式混沌框架设计线性参数变系统的控制器,通过将调度变量视为随机变量,采用多项式混沌方法合成控制器,并证明其在指数均方稳定性方面的有效性。
2015-05-13 cs.SY eess.SY
Space-Filling Input Design for Nonlinear State-Space Identification
针对非线性状态空间辨识中数据需同时覆盖频域、时域及完整运行范围的问题,提出一种空间填充输入设计方法,并通过非线性质量-弹簧-阻尼系统验证其有效性。
2024-09-09 cs.SY eess.SY
A Novel Method For Designing Transferable Soft Sensors And Its Application
K.N.Toosi University of Technology(K.N.图西理工大学);APAC Research Group(APAC研究组)
本文提出了一种新的方法来设计可转移的软测量。软测量是数据驱动方法在电厂状态监测中的重要应用之一。虽然硬传感器可以很容易地用于各种工厂,但软传感器仅限于它们所设计的特定工厂,不能用于新工厂,甚至不能用于同一工厂的一些新工作条件。在本文中,提出了一种解决方案,在数据驱动的状态监测系统的这一潜在的障碍。数据驱动方法的缺点在于,构建模型所依据的数据的分布可能与模型将被应用到的数据的分布不同。这最终导致模型精度的下降。提出了一种新的基于迁移学习(TL)的回归方法,称为领域对抗神经网络回归(DANN-R),并将其用于设计可迁移软测量。我们使用从工业电厂的SCADA系统收集的数据,全面调查所提出的方法的功能。结果表明,所提出的可转移软测量可以成功地适应新的植物。
2020-11-18 cs.LG cs.SY eess.SP
Functional observers with linear error dynamics for discrete-time nonlinear systems, with application to fault diagnosis
本文研究离散时间非线性系统状态估计的观测器设计问题。给出了具有线性动态和线性输出映射的低阶函数观测器存在的充要条件。结果提供了一个直接的推广Luenberger的线性理论的功能观察员。非等温CSTR的案例研究的设计方法进行了测试。
2021-10-17 cs.SY eess.SY
Data-Driven Nonlinear Identification of Li-Ion Battery Based on a Frequency Domain Nonparametric Analysis
Vrije Universiteit Brussel (VUB)(布鲁塞尔自由大学)
本文提出了一种数据驱动的多项式非线性状态空间模型,用于电池在线性与非线性区域临界点的运行点识别,通过频率域非参数分析量化电池在不同荷电状态下的线性和非线性行为。
2018-05-17 cs.SY eess.SY
Data-driven nonlinear output regulation via data-enforced incremental passivity
Delft University of Technology(代尔夫特理工大学)
研究通过数据增强增量无源实现数据驱动的非线性输出调节,设计数据驱动反馈控制器使闭环系统增量无源,通过与内部模型互连及设计虚拟输入解决问题,具有高数据效率和设计灵活性,还解决了一类非线性系统非零平衡稳定问题。
2026-07-10 cs.SY eess.SY
Kernel-based multi-step predictors for data-driven analysis and control of nonlinear systems through the velocity form
针对非线性系统,本文提出基于核的速度形式单步与多步预测器,利用其结构化准线性和时间依赖关系实现高效预测,并支持带全局稳定性与性能保证的数据驱动分析和控制。
2024-08-01 cs.SY eess.SY
Task-driven Modular Co-design of Vehicle Control Systems
ETH Zürich(苏黎世联邦理工学院)
在设计自治系统时,我们需要在各种抽象级别上考虑多种权衡,并且需要联合研究单个(硬件和软件)组件的选择。在这项工作中,我们考虑的问题,设计的控制算法,以及在其上执行的平台。特别是,我们专注于车辆控制系统,并正式国家的最先进的控制方案的单调可行性关系。然后,我们将展示如何利用单调理论的协同设计,我们可以研究嵌入控制综合问题的任务驱动的协同设计问题的机器人平台。所提出的方法的属性说明考虑城市驾驶场景。我们展示了如何,给定一个特定的任务,我们可以有效地计算帕累托最优设计的解决方案。
2022-09-20 cs.RO cs.SY eess.SY
Practical exponential stability of a robust data-driven nonlinear predictive control scheme
我们提供了一个反馈线性化非线性系统的闭环系统的递归可行性和实际指数稳定性的理论保证时,由一个强大的数据驱动的非线性预测控制方案。本技术报告作为我们最近论文“反馈线性化系统的数据驱动非线性预测控制”的补充材料。本报告中所示的参数遵循与LTI情况类似的步骤,因为反馈线性化系统在变换坐标中是线性的。然而,证明被适当地调整以匹配考虑中的非线性设置,并且在整个证明中强调了差异。
2023-03-27 cs.SY eess.SY math.OC
Designing False Data Injection attacks penetrating AC-based Bad Data Detection System and FDI Dataset generation
传统电力系统向现代智能电网的演进给这一关键基础设施带来了许多新的网络安全挑战。最危险的网络安全威胁之一是虚假数据注入(FDI)攻击,特别是当它能够完全绕过广泛部署的状态估计坏数据检测器并中断电力系统的正常运行时。大多数仿真的FDI攻击都是使用简化的线性DC模型设计的,而大多数工业标准的状态估计系统都是基于非线性AC模型。本文基于非线性AC模型提出了一种综合的FDI攻击方案。九总线西部系统协调委员会(WSCC)的电力系统的案例研究,使用行业标准包,以评估拟议的设计方案的结果。一个公共的FDI数据集被生成作为社区开发和评估新的检测算法的测试集,这是该领域缺乏的。通过基于物理幂律和统计分析的初步分析,对数据集的FDI隐身性进行了评估和证明。
2020-03-11 cs.CR cs.SY eess.SY
Data-driven approximation for feasible regions in nonlinear model predictive control
针对非线性模型预测控制(MPC)方案,提出了一种数据驱动的学习框架,用于逼近非线性系统的可行域和不变集。所开发的方法是基于一个点的数据集,使用低差异序列的可行性信息。利用基于核的支持向量机(SVM)学习,构造可行域边界的外近似和内近似,从而获得系统MPC的可行域。此外,我们还利用集合论的方法,将我们的方法推广到受扰动的非线性系统。最后,一个说明性的数值例子来说明所提出的方法的有效性。
2020-12-15 cs.SY eess.SY math.OC
Exponential stability of data-driven nonlinear MPC based on input/output models
TU Ilmenau(埃尔朗根-纽伦堡工业大学);University of Pavia(帕维亚大学);Imperial College London(伦敦帝国理工学院)
针对无终端稳定条件的数据驱动非线性模型预测控制,通过假设指数可镇定性和比例误差界,证明了预测 horizon 足够长时的指数稳定性,并用核插值验证了近似条件。
2026-05-26 cs.SY eess.SY math.OC
Gaussian inference for data-driven state-feedback design of nonlinear systems
具有严格保证的非线性系统的数据驱动控制是一个具有挑战性的问题,因为它通常需要非凸优化,并且通常需要系统动态的真实基函数的知识。为了解决这些缺点,这项工作是基于数据驱动的多项式表示的一般非线性系统利用泰勒多项式。因此,我们设计的状态反馈法,使一个已知的平衡点全局渐近稳定,同时相对于一个所需的二次性能标准。多项式状态反馈的计算归结为一个单一的平方和最优化问题,因此,计算易处理的线性矩阵不等式。此外,我们检查状态输入数据中存在的高斯噪声贝叶斯推理,以克服保守性的确定性噪声表征从最近的数据驱动的控制方法高斯噪声。
2023-03-24 cs.SY eess.SY math.OC
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
Data-driven Nonlinear Model Reduction to Spectral Submanifolds in Mechanical Systems
ETH Zürich(苏黎世联邦理工学院);University of Wisconsin - Madison(威斯康星大学麦迪逊分校)
虽然数据驱动的模型简化技术是建立在可线性化的机械系统,一般的方法来减少非线性系统与多个共存的稳定状态已经不可用。在本文中,我们回顾了这样一个数据驱动的非线性模型约简方法的基础上,谱子流形(SSM)。作为输入,这种方法采取非受迫非线性振动的观察,以构建规范形式的动力学减少到非常低维的不变流形。这些规范形式捕获振幅依赖的属性,并足够准确,以提供预测的非线性系统响应下的外部强迫的增加。我们说明这些结果的例子,从结构振动,具有合成和实验数据。
2021-10-05 cs.LG cs.SY eess.SY
Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated Control Form and NMPC Case Study
RWTH Aachen University(亚琛工业大学)
本文基于Koopman理论提出结合延迟坐标编码与全状态解码的数据驱动非线性模型降阶方法,通过深度学习训练模型,实现对高纯度低温精馏塔的实时非线性模型预测控制。
2024-01-09 cs.LG cs.SY eess.SY