Robust Contraction Analysis of Nonlinear Systems via Differential IQC
The University of Sydney（悉尼大学）；Australian Centre for Field Robotics（澳大利亚野外机器人中心）
本文提出了一种新的方法，用于验证不确定非线性系统的收缩性和$ L_2 $-增益，扩展了已知的积分二次约束方法。不确定系统由非线性名义系统和满足微分积分二次约束的不确定性反馈连接组成。通过一个点wise线性矩阵不等式条件来验证闭环微分$ L_2 $增益，可以导致非线性不确定系统的全局参考无关$ L_2 $增益性能。对于多项式名义系统，凸验证条件可通过求和平方编程解决。基于喷气发动机 surge 与输入延迟的简单计算示例展示了该方法。
2019-03-21 cs.SY eess.SY
Conformal Contraction for Robust Nonlinear Control with Distribution-Free Uncertainty Quantification
Department of Aerospace Engineering, The Grainger College of Engineering, University of Illinois Urbana-Champaign（航空航天工程系、格拉inger 工程学院、伊利诺伊大学厄巴纳-香槟分校）
本文提出一种基于共形预测的收缩鲁棒控制框架，无需不确定性模型即可为非线性受扰系统提供无分布有限时间跟踪误差有界保证，并引入PRCI管用于分布鲁棒运动规划。
2025-07-18 cs.RO cs.SY eess.SY
Contraction-Guided Adaptive Partitioning for Reachability Analysis of Neural Network Controlled Systems
Georgia Institute of Technology（佐治亚理工学院）
针对神经网络控制非线性系统的鲁棒可达集估计，本文提出收缩引导的自适应划分算法，通过解耦验证与划分以低计算成本显著提升精度，并给出混合单调可达性保证。
2023-12-10 cs.LG cs.SY eess.SY
Robust adaptive MPC using control contraction metrics
本文提出一种基于控制收缩度量的鲁棒自适应MPC框架，通过位似管和集员估计在线更新参数不确定性，在保证约束满足与收敛性的同时降低保守性，并在平面四旋翼上验证其优势。
2023-07-11 cs.SY eess.SY math.OC
Discrete-time Contraction-based Control of Nonlinear Systems with Parametric Uncertainties using Neural Networks
School of Chemical Engineering, The University of New South Wales (UNSW Sydney)（新南威尔士大学化学工程学院（UNSW悉尼））
本文提出融合神经网络与离散时间收缩理论的控制方法，通过学习收缩度量、微分反馈增益并在线估计不确定参数，实现非线性化学过程的时变参考无偏差跟踪与稳定性保证。
2022-06-20 cs.LG cs.SY eess.SY
Contraction $\mathcal{L}_1$-Adaptive Control using Gaussian Processes
University of Illinois at Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校）；Georgia Institute of Technology（佐治亚理工学院）
我们提出了$\mathcal{CL}_1$ - $\mathcal{GP}$，一个控制框架，使安全的同时学习和控制系统的不确定性。两个主要组成部分是基于收缩理论的$\mathcal{L}_1$（$\mathcal{CL}_1$）控制和高斯过程（GP）回归形式的贝叶斯学习。$\mathcal{CL}_1$控制器确保在提供安全证书的同时满足控制目标。此外，$\mathcal{CL}_1$ - $\mathcal{GP}$将任何可用数据合并到不确定性的GP模型中，这提高了性能并使运动规划器能够安全地实现最优。这样，即使在学习瞬态期间，也始终保证系统的安全操作。我们提供了一些说明性的例子，在各种环境中的平面四旋翼系统的安全学习和控制。
2021-11-30 cs.LG cs.RO cs.SY
Learning Tube-Certified Control using Robust Contraction Metrics
本文提出一种联合学习鲁棒非线性控制器与收缩度量的框架，通过神经网络认证有界扰动下的管状界，在保证实际轨迹包含于认证管内的同时最小化扰动影响，实验表明可生成更紧的管且控制器计算高效。
2025-06-03 cs.SY eess.SY
Dynamic Constraint Tightening for Nonlinear MPC for Autonomous Racing via Contraction Analysis
Technical University of Munich（慕尼黑工业大学）
本文提出了一种基于收缩分析的非线性MPC框架，用于自动驾驶赛车在操控极限下的路径跟踪，通过优化CCM实现约束紧缩，提高计算效率并增强鲁棒性。
2026-02-04 cs.SY eess.SY
Bayesian Ambiguity Contraction-based Adaptive Robust Markov Decision Processes for Adversarial Surveillance Missions
AIAA Student Member（AIAA 学生会员）；AIAA Member（AIAA 成员）
本文提出了一种基于贝叶斯模糊性收缩的自适应鲁棒马尔可夫决策过程框架，用于提高对抗性监视任务中的决策鲁棒性和安全性。
2026-10-23 cs.LG cs.SY eess.SY
Simulation-based reachability analysis for nonlinear systems using componentwise contraction properties
University of California, Berkeley（加州大学伯克利分校）
本文提出一种基于仿真的可达性分析方法，通过组件收缩性质减少保守性，提高非线性系统可达性分析的可扩展性。
2017-09-19 cs.SY eess.SY
Functional Uncertainty Classes, Nonparametric Adaptive Contro Functional Uncertainty Classes for Nonparametric Adaptive Control: the Curse of Dimensionality
本文提出一类基于算子值核的向量值再生核希尔伯特空间（机动vRKHS），用于表示非参数自适应控制中的函数不确定性，以解决维数灾难问题。
2025-10-26 cs.SY eess.SY
Guaranteed Trajectory Tracking under Learned Dynamics with Contraction Metrics and Disturbance Estimation
University of Alabama（阿拉巴马大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出基于收缩度量和扰动估计的轨迹中心学习控制方法，使用深度神经网络学习不确定动力学并结合估计误差界限设计鲁棒控制律，保证非线性系统在整个学习阶段的轨迹指数收敛，并在平面四旋翼示例中验证了框架有效性。
2024-07-24 cs.LG cs.SY eess.SY
Less Conservative Adaptive Gain-scheduling Control for Continuous-time Systems with Polytopic Uncertainties
针对含多面体不确定性的连续时间线性系统，提出一种自适应增益调度控制方法，通过结构化松弛与精确拓扑表示降低保守性，数值实验验证其优于现有方法。
2025-06-14 cs.SY eess.SY
Contraction Metric Based Safe Reinforcement Learning Force Control for a Hydraulic Actuator with Real-World Training
本文提出基于收缩度量的液压执行器安全强化学习方法，通过真实硬件训练提升力控制性能并抑制不稳定性。
2026-02-09 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
Adaptive Output Tracking Control with Reference Model System Uncertainties: Extensions
本文扩展了针对未知参考模型系统的自适应输出跟踪控制，涵盖SISO离散时间及MIMO离散时间、连续时间和反馈线性化系统，通过参数化估计器处理不确定性，确保误差系统完全参数化以设计稳定更新律。
2024-12-16 cs.SY eess.SY
Robust Adaptive MPC in the Presence of Nonlinear Time-Varying Uncertainties: An Uncertainty Compensation Approach
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Alabama（阿拉巴马大学）；University of Michigan（密歇根大学）
本文提出一种基于不确定性的鲁棒自适应MPC框架，用于具有非线性时变不确定性的线性系统，通过L1自适应控制器补偿匹配不确定性，并利用线性矩阵不等式设计鲁棒反馈控制器以减轻未匹配不确定性的影响，通过误差界收紧状态和输入约束，提升系统性能。
2026-03-19 cs.SY eess.SY
Adaptive Output Tracking Control with Reference Model System Uncertainties
本文针对参考系统未知且输出导数不可测的自适应跟踪问题，提出一种扩展MRAC方案，通过参数化估计等效参考输入，在不依赖参考系统传递函数的情况下实现闭环稳定与渐近跟踪。
2024-06-08 cs.SY eess.SY
Distributed Adaptive Control for Uncertain Networks
针对局部动态含有限取值不确定参数的网络，提出一种可扩展的分布式极小极大自适应控制算法，并给出 ℓ₂ 增益上下界，仿真显示其在不确定性被充分估计后可逼近最优分布式 H∞ 控制器。
2023-11-02 cs.SY eess.SY
Symbiotic Control of Uncertain Dynamical Systems: Harnessing Synergy Between Fixed-Gain Control and Adaptive Learning Architectures
本文提出一种共生控制框架，协同融合固定增益控制与自适应学习，在无需不确定性先验知识的情况下实现更可预测的闭环行为，且对神经网络近似误差和自适应参数选择具有鲁棒性。
2024-03-28 cs.SY eess.SY
Robust Adaptive Control Barrier Functions: An Adaptive & Data-Driven Approach to Safety (Extended Version)
提出了一种新的结构参数不确定性约束非线性系统的控制框架。通过在线参数自适应和数据驱动的模型估计，实现了安全集的前向不变性。新的自适应数据驱动的安全范例与最近的自适应控制算法合并，用于名义上在闭环中收缩的系统。这种统一比其他安全控制器更普遍，因为闭环收缩不要求系统可逆或处于特定形式。此外，该方法比非线性模型预测控制更便宜，因为它不需要完整的期望轨迹，而是仅需要期望的终端状态。以具有不确定非线性气动力的飞机俯仰动力学为例说明了该方法。
2020-05-28 cs.SY eess.SY
Integrated Adaptive Control and Reference Governors for Constrained Systems with State-Dependent Uncertainties
本文提出了一种自适应参考调速器（RG）框架的线性系统匹配的非线性不确定性，可以依赖于时间和状态，受状态和输入约束。所提出的框架利用了L1自适应控制器（L1AC），其估计和补偿不确定性，并且在实际状态和输入与标称（即，无不确定性）系统。由L1AC提供的统一性能界限用于收紧预先指定的状态和控制约束。参考调速器，然后设计标称系统使用收紧的约束，并保证鲁棒约束满足。此外，通过调整L1AC中的一些参数，可以系统地减少由约束收紧引入的保守性。与现有的解决方案相比，所提出的自适应RG框架可以潜在地产生不太保守的结果，约束强制执行，由于消除了沿预测范围的不确定性传播，并提高跟踪性能，由于固有的不确定性补偿机制。一个飞行控制实例的仿真结果说明了所提出的框架的有效性。
2022-08-05 cs.SY eess.SY
Exponentially Convergent Direct Adaptive Pole Placement Control of Plants with Unmatched Uncertainty under FE Condition
针对非匹配不确定性对象，提出了一种直接自适应极点配置控制（APPC）的新方法。它保证了当回归量为负激励时，控制系统的指数稳定性和控制律可调参数的指数收敛性。考虑到已知的经典APPC方案和指数调节的自适应方法，所提出的方法的优点是，它不需要控制输入矩阵的先验信息，并确保控制律的每个可调参数的单调瞬态行为。数值实验验证了理论分析的正确性。
2022-04-11 cs.SY eess.SY
Adaptive Control for Unknown Heterogeneous Vehicles Synchronization with Unstructured Uncertainty
应用于车辆的协同控制允许优化道路上的交通。在高速公路上运行自动驾驶车辆的情况下，有许多方面需要考虑，因为在网络分析中可能涉及不同的外部参数。在本文中，我们提出了自适应控制的设计和仿真的一个队列与异构车辆，考虑到不是所有的车辆都可以沟通他们的控制输入，并反过来包括结构化的非线性不确定性输入参数。
2020-02-12 cs.SY eess.SY
Adaptive Control with Rate-Limited Integral Action for Systems with Matched, Time-Varying Uncertainties
本文针对带匹配时变不确定性的系统，提出将模型参考自适应控制与带幅值和速率受限积分作用的扰动观测器控制相结合，在保持鲁棒性的同时抑制扰动并避免控制指令快速波动。
2025-03-11 cs.SY eess.SY
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
Robust Adaptive MPC Using Uncertainty Compensation
本文提出基于不确定性补偿的鲁棒自适应MPC框架（UC-MPC），利用L1自适应控制器补偿匹配不确定性并提供误差界限，据此收紧约束并设计标称系统MPC，保证约束满足且提升性能。
2024-09-25 cs.SY eess.SY
On the Regret of Recursive Methods for Discrete-Time Adaptive Control with Matched Uncertainty
本文研究匹配不确定性下离散时间自适应控制难以直接依赖未观测估计误差的问题，提出基于在线邻近点法的控制器，并证明其与带指数遗忘的RLS控制器在激励条件下可实现有限遗憾。
2025-03-16 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
Theory and Application on Adaptive-Robust Control of Euler-Lagrange Systems with Linearly Parametrizable Uncertainty Bound
Indian Institute of Technology-Delhi（印度德里理工学院）
本文提出了一种适用于具有线性可参数化不确定性上界的一类不确定欧拉-拉格朗日系统的自适应-鲁棒控制架构，通过改进的自适应开关增益鲁棒控制方法提升了控制性能。
2017-08-04 cs.SY eess.SY
Adaptive type-2 fuzzy second order sliding mode control for nonlinear uncertain chaotic system
QUERE Laboratory, Engineering Faculty, University of Setif 1（塞提夫第一大学工程学院QUERE实验室）；CReSTIC of Reims Champagne-Ardenne University,IUT de Troyes（兰斯香槟-阿登大学CReSTIC中心特鲁瓦高等师范学院）
本文设计了自适应类型-2模糊高阶滑模控制器，用于稳定具有内部参数不确定性和外部扰动的混沌系统不稳定周期轨道。通过超级扭动算法减少控制努力中的抖振现象，利用自适应区间类型-2模糊系统近似未知部分并生成超级扭动信号，基于Lyapunov准则推导自适应律，保证闭环系统稳定性。
2015-11-07 cs.SY eess.SY
Adaptive motion control of parallel robots with kinematic and dynamic uncertainties
具有运动学不确定性的机器人自适应控制中最具挑战性的问题之一是要求回归形式的雅可比矩阵求逆。这种要求是不可避免的情况下，控制的并联机器人，其动力学方程直接写在任务空间。基于雅可比矩阵的回归形式，设计了一种并联机器人自适应控制器，保证了机器人轨迹的渐近跟踪。其主要思想是将雅可比矩阵的行列式与伴随矩阵分离，并组织新的回归量形式。对2-DOF R \underline{P} R和3-DOF冗余度索驱动机器人的仿真和实验结果表明，所提出的方法具有良好的性能。
2020-03-19 cs.SY eess.SY
Safe Learning-Based Adaptive Augmentation Control for Fixed-Wing UAV under Uncertainty
German Aerospace Center (DLR), Institute of Flight Systems（德国航空航天中心）；CRAN, CNRS, Universite de Lorraine（洛林大学）
本文提出一种基于强化学习的自适应增广控制方法，结合域随机化、安全滤波器和扰动观测器，补偿固定翼无人机系统中的匹配不确定性，并避免增广与安全滤波器的交互问题。
2026-09-25 cs.SY eess.SY
Adaptive Feedback Regulator for Powered Lower-Limb Exoskeleton under Model Uncertainty
本文提出了一种基于神经网络的自适应反馈调节器，以确保横向和纵向的稳定性，并在模型不确定性的下肢外骨骼调节所需的步行速度。传统的基于模型的下肢外骨骼控制器在模型不确定性或外部干扰的情况下往往无法稳定机器人或准确跟踪期望的行为。本文提出了一种基于神经网络的在线自适应调节器，通过修改标称关节轨迹来补偿模型参数的未知变化和外部干扰。基于梯度下降的增量规则实现更新单层NN的权重，这可以通过设计有效地在线执行。我们证明了ATALANTE，一个完全驱动的下肢外骨骼截瘫患者设计的监管机构的性能。仿真结果表明，该方法显着提高了系统的稳定性和跟踪性能，尽管模型参数和大的对抗推显着变化。
2021-04-23 cs.SY eess.SY
Boundary-layer control with unstructured uncertainties with application to adaptive autopilots
School of Cyber Science and Engineering, Southeast University（东南大学网络空间安全学院）；School of Computation, Information and Technology, Technical University of Munich（慕尼黑工业大学计算、信息与技术学院）；Frontier Center for Mobile Information Communication and Security, Southeast University（东南大学移动通信与信息安全前沿中心）
本文针对非结构化不确定性控制问题，利用通用欧拉-拉格朗日性质提出不依赖不确定性结构知识的自适应方法，在ArduPilot相关模块验证其性能优于现有最先进方法。
2026-08-03 cs.SY eess.SY
Adaptive-Robust Control of a Class of Uncertain Nonlinear Systems Utilizing Time-Delayed Input and Position Feedback
本文提出了一种适应性鲁棒控制策略，通过时间延迟逻辑近似未知动态，无需名义模型或不确定性预设界限，提升非holonomic轮式移动机器人跟踪精度。
2016-02-11 cs.SY eess.SY
Adaptive Learning-based Model Predictive Control for Uncertain Interconnected Systems: A Set Membership Identification Approach
针对不确定互联系统，提出一种基于集合隶属辨识的自适应学习MPC方案，通过在线学习耦合不确定性并自适应调整MPC要素，实现递推可行性和闭环稳定性，仿真验证其优于现有鲁棒、自适应和基于学习的MPC方案。
2024-04-25 cs.SY eess.SY
Adaptive MPC under Time Varying Uncertainty: Robust and Stochastic
研究了约束不确定系统的自适应模型预测控制策略。考虑一个线性系统，存在有界时变附加不确定性。将不确定性解耦为具有已知界限的过程噪声和我们希望识别的时变偏移的总和。假设时变偏移不确定性在时间上逐点未知。它的域，称为可行参数集，和它的最大变化率是已知的控制设计者。随着新的数据变得可用，我们使用已知的过程噪声界限，用基于集成员方法的方法来改进可行参数集。我们考虑两个独立的情况下，系统状态的鲁棒性和概率约束，执行器输入的硬约束。在这两种情况下，我们鲁棒地满足可行参数集中偏移不确定性的所有可能值的约束。通过施加适当的终端条件，我们证明了所提出的算法的递归可行性和稳定性。所提出的鲁棒和随机自适应MPC算法的有效性与详细的数值例子说明。
2021-04-11 cs.SY eess.SY
Resilient control under denial-of-service and uncertainty: An adaptive dynamic programming approach
本文提出结合强化学习与输出调节理论的弹性控制框架，直接从受DoS攻击和不确定性影响的系统实时数据中学习最优控制器，并给出保证闭环系统稳定的充分条件。
2024-11-11 cs.SY eess.SY
A Novel Adaptive Formation Control Strategy for Teams of Unmanned Vehicles Under Complete Dynamic Uncertainty
University of Rhode Island（罗德岛大学）
本文提出了一种基于人工神经网络的自适应编队控制算法，用于在完全动态不确定环境下实现无人车辆团队的稳健编队跟踪。
2026-03-09 cs.SY eess.SY
State and Input Constrained Adaptive Tracking Control of Uncertain Euler-Lagrange Systems with Robustness and Feasibility Analysis
本文针对存在外部干扰的不确定Euler-Lagrange系统，提出一种结合障碍Lyapunov函数与饱和控制器的自适应跟踪控制方法，确保状态与输入满足约束，并首次为可行控制策略的存在性提供了可验证条件，仿真验证了其有效性。
2025-05-28 cs.SY eess.SY
Adaptive Safety-Critical Control for a Class of Nonlinear Systems with Parametric Uncertainties: A Control Barrier Function Approach
针对含参数不确定性的非线性系统安全控制问题，提出结合控制障碍函数与自适应律的方法，可无在线参数估计验证容许控制集非空，还通过数据驱动算法优化参数边界，经仿真验证有效。
2024-04-13 cs.SY eess.SY
Universal Adaptive Control of Nonlinear Systems
University of California – Los Angeles（加利福尼亚大学洛杉矶分校）；Massachusetts Institute of Technology（麻省理工学院）
本文提出了一种新的直接自适应控制框架，将确定性等价原理推广到具有非匹配模型不确定性的一般非线性系统。该方法在线调整自适应速率，以消除参数估计瞬态对闭环稳定性的影响。该方法可以立即与先前设计或学习的反馈策略相结合，如果相应的模型参数化的李雅普诺夫函数或收缩度量是已知的。对具有非匹配不确定性的各种非线性系统的仿真结果表明了该方法的有效性。
2021-11-08 cs.RO cs.SY eess.SY
Adaptive Robot Navigation with Collision Avoidance subject to 2nd-order Uncertain Dynamics
KTH Royal Institute of Technology（KTH皇家理工学院）
研究了具有不确定二阶动力学系统的机器人在有障碍物的工作空间中的运动规划问题。特别是，我们结合封闭形式的潜在的反馈控制器与自适应控制技术，以保证无碰撞机器人导航到一个预定义的目标，同时补偿动态模型的不确定性。我们的研究结果基于球世界为基础的配置空间，但我们的结果扩展到任意星形的环境中使用以前的结果配置空间变换。此外，我们提出了一种算法，用于扩展的控制方案分散多机器人系统。最后，大量的仿真结果验证了理论研究结果。
2020-05-26 cs.RO cs.SY eess.SY
An Adaptive Observer for Uncertain Linear Time-Varying Systems with Unknown Additive Perturbations
本文研究了线性时变系统的自适应状态观测问题，其中系统和输入矩阵依赖于未知时变参数。假设这些参数满足一些已知的LTV动力学，但初始条件未知。此外，状态方程的摄动的附加信号产生的外系统具有不确定的常数参数。我们的主要贡献是提出了一个全局收敛的状态观测器，只需要对系统的弱激励假设。
2021-12-10 cs.RO cs.SY eess.SY
A Robust Neural Control Design for Multi-drone Slung Payload Manipulation with Control Contraction Metrics
Flight Systems and Control Lab, Institute for Aerospace Studies, University of Toronto（飞行系统与控制实验室，航空航天研究学院，多伦多大学）
针对三无人机吊挂载荷运输系统的扰动下路径跟踪问题，提出结合CCM神经基线控制器与UDE扰动补偿的模块化鲁棒控制框架，理论证明稳定性并通过仿真验证复杂轨迹跟踪能力。
2025-10-01 cs.RO cs.SY eess.SY
Adaptive Leader-Following Consensus for Multiple Euler-Lagrange Systems with an Uncertain Leader System
本文研究了具有不确定领导系统的多Euler-Lagrange系统的领导-跟随一致性问题。首先，我们建立了一个自适应分布式观测器的中立稳定的线性领导系统的系统矩阵是不确切的。在标准假设条件下，这种自适应分布式观测器可以估计出领导者的状态，并通过系统的通信网络将其传递给每个跟随者，而不需要精确地知道领导者的系统矩阵。在领导者的状态持续激励的附加假设下，该自适应分布式观测器还可以渐近学习领导者的系统矩阵的参数。在此基础上，利用确定性等价原理，进一步综合了自适应分布式控制律。我们的结果允许解决多个欧拉-拉格朗日系统的领导者跟随一致性问题，即使没有跟随者确切地知道领导者系统的系统矩阵。
2019-09-17 cs.SY eess.SY math.OC
Adaptive Robust Quadratic Programs using Control Lyapunov and Barrier Functions
针对具有时变和状态相关不确定性的非线性系统，提出了基于控制李雅普诺夫函数和障碍函数的自适应鲁棒二次规划控制方法。提出了一种自适应估计律，以预先计算的估计误差界估计不确定性的逐点值。然后，估计的不确定性和误差界被用来制定一个鲁棒QP，这确保了实际的不确定性系统不会违反由控制障碍函数定义的安全约束。此外，可以通过减少估计采样时间来系统地提高不确定性估计的准确性，从而降低稳健QP的保守性。在自适应巡航控制问题的仿真中，并通过与现有方法的比较，所提出的方法进行了验证。
2020-10-19 cs.SY eess.SY math.OC
Adaptive-Sliding Mode Trajectory Control of Robot Manipulators with Uncertainties
Salahaddin University-Erbil（埃尔比勒萨拉赫丁大学）；University of Kurdistan Hewler（库尔德斯坦休勒大学）；University of Florida（佛罗里达大学）
本文针对机器人机械臂在不确定动力学、振动和负载变化扰动下的轨迹跟踪问题，提出一种基于Lyapunov方法的自适应滑模控制器，并通过MATLAB-SIMULINK仿真验证其稳定性、鲁棒性、精确性和可实现性。
2024-08-06 cs.RO cs.SY eess.SY
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
Indirect-adaptive Model Predictive Control for Linear Systems with Polytopic Uncertainty
Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
本文提出了一种用于受约束线性不确定系统的间接自适应模型预测控制算法，通过参数依赖的Lyapunov函数构造终端成本和集，确保鲁棒约束满足和递归可行性。
2015-09-23 cs.SY eess.SY math.OC
Adaptive observers for biophysical neuronal circuits
本文提出一种用于神经元电路非线性系统的自适应观测器，通过递归最小二乘法及增强设计实现状态与参数的在线估计，并基于收缩理论分析了其收敛性与鲁棒性。
2023-06-28 cs.SY eess.SY q-bio.NC
Adaptive Control of Euler-Lagrange Systems under Time-varying State Constraints without a Priori Bounded Uncertainty
Luleå University of Technology（吕勒奥理工大学）；International Institute of Information Technology, Hyderabad（海得拉巴国际信息技术学院）
针对预定义时变状态约束下的Euler-Lagrange系统，提出一种无需系统参数与状态相关不确定性先验知识的新型自适应控制器，利用Lyapunov方法证明闭环稳定，并通过模拟机械臂验证了有效性。
2023-10-31 cs.RO cs.SY eess.SY
Adaptive Cooperative Tracking and Parameter Estimation of an Uncertain Leader over General Directed Graphs
研究了具有不确定领导者的异构Euler-Lagrange系统的协同跟踪问题。与大多数现有的工作不同，系统的动态知识的领导者节点是不可访问的任何从节点在我们的文件。对所有跟随节点设计分布式自适应观测器，同时估计领导节点的状态和参数。观测器的设计不依赖于领导节点的频率知识，估计误差收敛到零指数。此外，这些结果也适用于一般的有向图，其中Laplacian矩阵的对称性不成立。这是由于两个新开发的李雅普诺夫方程，这完全取决于通信网络拓扑。有趣的是，利用这些李雅普诺夫方程，许多结果的多智能体系统的无向图可以扩展到一般的有向图。最后，本文还提出了自适应控制系统的知识库，为自适应观测器的参数收敛性分析提供了主要工具。
2022-01-31 cs.SY eess.SY math.OC
