Controllability of Coarsely Measured Networked Linear Dynamical Systems (Extended Version)
University of Toronto(多伦多大学);Arizona State University(亚利桑那州立大学);Vector Institute for Artificial Intelligence(向量人工智能研究所)
本文研究了大规模线性网络动力系统的能控性问题,当网络结构的完整知识不可得且知识仅限于粗略的概括时。我们提供的条件下,平均可控性的细尺度系统可以很好地近似平均可控性的(合成,降阶)粗尺度系统。为此,我们需要了解精细尺度网络的一些固有参数结构,这些结构使这种近似成为可能。因此,我们假设底层的细尺度网络是由随机块模型(SBM)生成的-通常在社区检测中进行研究。然后,我们提供了一个算法,直接估计的平均可控性的细尺度系统,使用一个粗略的总结SBM。我们的分析表明,基础结构的必要性(例如,内置社区)能够从粗略表征的网络动态准确地量化可控性。我们还比较了我们的方法的降阶方法,并强调制度,两者都可以胜过对方。最后,我们提供了模拟,以确认我们的理论结果为不同的缩放网络的大小和密度,以及参数,捕捉多少社区结构保留在粗略的总结。
2022-06-21 cs.LG cs.SY eess.SP
Minimal Inputs/Outputs for a Networked System
Tsinghua University(清华大学)
研究在状态转移矩阵给定条件下,系统可控性/可观测性的最小输入输出数,证明其等于系统状态转移矩阵的最大几何重数,与传统最简输入输出矩阵问题形成鲜明对比。
2017-03-18 cs.SY eess.SY
Controllability of Linear Dynamical Systems Under Input Sparsity Constraints
本文研究具有稀疏控制输入的离散线性动力系统的可控性。在网络系统中,输入的稀疏性约束自然会出现,其中激活每个输入变量会增加控制成本。我们推导出保证具有任意传递矩阵的系统能控性的代数充要条件。推导出的条件可以验证多项式时间复杂度,不像更传统的卡尔曼型秩检验。此外,我们的特征所需的最小数量的输入向量,以满足可控性的派生条件。最后,我们提出了一个广义卡尔曼分解的过程中,分离的状态空间成相应的稀疏可控和稀疏不可控的部分。这些结果为稀疏输入网络化线性控制系统的设计提供了理论基础。
2019-12-27 cs.SY eess.SY math.OC
Structural accessibility and structural observability of nonlinear networked systems
CONACyT - Institute of Mathematics, Universidad Nacional Autonoma de Mexico(墨西哥国立自治大学数学研究所);Institute of Mathematics, Universidad Nacional Autonoma de Mexico(墨西哥国立自治大学数学研究所);Laboratoire des Sciences du Numérique de Nantes, UMR CNRS 6004(南特数字科学实验室)
本文研究了非线性网络系统中结构可达性与结构可观测性的定义与特性,揭示了非线性对控制和观测问题的积极影响,减少了直接控制和测量所需变量的数量。
2018-12-12 cs.SY eess.SY
Optimal Capacity Allocation for Sampled Networked Systems
研究如何在有限通信容量下优化传感器采样率以最小化状态估计误差,发现大容量时问题可转化为严格凸优化问题,且弱耦合系统中采样率随总采样率非递减。
2016-10-22 cs.SY eess.SY
Quiver Semistability and Structured Kalman Decompositions for Networked Linear Dynamical Systems
Tokyo Metropolitan University(东京都立大学);The Institute of Statistical Mathematics(统计数学研究所)
本文针对网络线性时不变系统,基于箭图σ-半稳定性提出可控性与可观性新定义,构建结构化卡尔曼分解并设计相关高效判定与求解算法,为网络动力系统分析提供新方法。
2026-09-01 cs.SY eess.SY math.OC
Distributed controller-estimator for target tracking of networked robotic systems under sampled interaction
College of Automation, Huazhong University of Science and Technology(华中科技大学自动化学院);Petroleum Engineering College, Yangtze University(江汉石油学院石油工程学院)
本文提出两种新型分布式控制器-估计器算法,用于网络化机器人系统在采样交互下的目标跟踪问题,通过小值范数和李雅普诺夫稳定性理论分析,确定交互拓扑、采样周期等参数以实现跟踪误差的实际稳定性。
2016-05-27 cs.MA cs.RO cs.SY
A Tight Lower Bound on the Controllability of Networks with Multiple Leaders
Georgia Institute of Technology(佐治亚理工学院)
利用代数图论,研究静态网络拓扑下多领导者系统的可控性,给出可控性矩阵秩的拓扑紧下界。
2012-02-08 cs.SY eess.SY math.OC
A Framework of Hierarchical Attacks to Network Controllability
网络可控性鲁棒性反映了一个网络化的动态系统在面对破坏性攻击时保持可控性的能力。从恶意攻击的角度研究了网络可控性鲁棒性问题。提出了一种层次化攻击的框架,通过边缘或节点删除攻击。目标网络中的边缘(或节点)被分层分类为不同的类别,具有不同的攻击优先级。关键边(或节点)的类别具有最高优先级以被选择用于攻击。在9个合成网络和9个真实网络上的实验结果表明,所提出的分层攻击策略能够有效地破坏网络的可控性。从保护的角度来看,本研究建议,关键的边缘和节点应该隐藏的攻击者。这一发现有助于更好地理解网络的可控性,并更好地设计鲁棒网络。
2020-08-04 cs.SY eess.SY physics.soc-ph
Investigating the effect of edge modifications on networked control systems
本文研究网络化控制系统边修改的影响,通过传递函数公式用$\text{H}_\text{inf}$、$\text{H}_2$范数量化效果,推导不同网络场景下的范数计算方法与界,为系统性能优化提供理论支撑。
2020-07-27 cs.SY eess.SY math.OC
Mixed Regular and Impulsive Sampled-data LQR
本文研究混合正则与脉冲输入的采样数据LQR控制,给出保持可控性的类Hautus充要条件,并提出利用未来扰动信息的预览LQR解,通过胰岛素输注等算例验证了性能提升。
2024-09-03 cs.SY eess.SY math.OC
Model-Based Nonlinear Periodic Event-Triggered Control for Continuous-Time Systems with Sampled-Data Prediction
针对非线性连续时间网络控制系统,提出了一种基于模型的周期事件触发控制机制。在执行器处使用系统行为的采样数据预测,以减少所需的通信量,同时保持用户定义的性能水平。该预测基于非线性系统动态的可能不准确的离散化,并且可以在简单的硬件上实现。然而,保证渐近稳定性和用户定义的性能水平给出了周期性的事件触发控制(PETC)机制,而减少所需的状态信息的传输量取决于预测的质量。我们进一步讨论如何预测可以实现。所提出的PETC机制的性能与数值例子说明。本文是文[1]的公认版本,也包含了主要结果的证明。
2020-01-31 cs.SY eess.SY
Identifying Lebesgue-sampled Continuous-time Impulse Response Models: A Kernel-based Approach
针对采用Lebesgue采样策略的连续时间系统,本文提出一种基于核方法的非参数脉冲响应估计器,通过充分考虑输出样本间行为提升模型准确性与采样效率。
2023-04-06 cs.SY eess.SY
Quantized Zero Dynamics Attacks against Sampled-data Control Systems
对于网络化控制系统,网络安全问题近年来受到了广泛关注。在本文中,我们考虑所谓的零动态攻击,这形成了一类重要的虚假数据注入攻击,特别关注量化在采样数据控制设置的影响。当攻击信号必须被量化时,必然会引入一些误差,从而潜在地增加通过系统的输出检测的机会。然而,在本文中,我们表明,攻击者可以减少这种错误,避免直接攻击信号。我们看看两种方法产生量化的攻击,可以保持输出中的误差小于指定的水平,通过使用系统动力学的知识。该方法是基于动态量化技术和零动态攻击的修改版本。数值算例验证了所提方法的有效性。
2023-03-21 cs.SY eess.SY
Stability of Asynchronous Networked Control Systems with Probabilistic Clocks
本文研究了由概率时钟控制的采样与网络化控制系统稳定性,提出基于Lyapunov型条件的非线性系统稳定性理论,并针对线性系统给出基于线性矩阵不等式的指数均方稳定性条件。
2014-10-08 cs.SY eess.SY math.OC
Kernel-based identification using Lebesgue-sampled data
本文针对勒贝格采样下的连续时间系统辨识问题,提出基于核方法的非参数估计器,通过处理事件时间戳间的有界输出不确定性,实现比等距采样核方法更准确的模型和更高效的采样。
2024-02-23 cs.SY eess.SY
Discrete-Time Linear Dynamical System Control Using Sparse Inputs With Time-Varying Support
本文针对网络化控制系统中稀疏输入约束下的线性系统控制问题,提出稀疏执行器调度算法及最小化平均控制能量的扩展,并开发基于卡尔曼滤波的稀疏控制器,理论分析与仿真验证其性能接近完全驱动系统。
2025-06-23 cs.SY eess.SY
Optimal Input Placement in Lattice Graphs
University of New Mexico(新墨西哥大学)
研究晶格系统控制,推导无限晶格系统的可控性格拉姆矩阵闭式表达式,并分析最近邻晶格中控制能量指标与节点距离的指数关系。
2018-08-14 cs.SY eess.SY math.CO
Controllability Test for Nonlinear Datatic Systems
针对数据驱动非线性系统无系统模型、能控性测试难的问题,提出ε-能控性概念及MECS树搜索与简化FERF算法,通过迭代扩张能控子集识别能控状态,经三个采样数据系统验证有效。
2024-05-15 cs.SY eess.SY
Structural Controllability of Large-Scale Hypergraphs
Eric and Wendy Schmidt Center at the Broad Institute of MIT and Harvard(MIT和哈佛大学布罗德研究所的埃里克和wendy Schmidt中心);School of Data Science and Society, University of North Carolina at Chapel Hill(夏洛特希尔大学数据科学与社会学院);Department of Biostatistics, University of North Carolina at Chapel Hill(夏洛特希尔大学生物统计学系)
本文提出超图结构可控性框架,通过多项式动力系统建模,建立拓扑判定准则并设计可扩展的驱动节点选择算法,验证了方法在大规模超图中的有效性。
2026-03-20 cs.LG cs.SI cs.SY
From Inference to Control: Structure-Guided Control of Hypergraph Dynamics
University of Applied Sciences of Western Switzerland (HES-SO)(西瑞士应用科学大学);University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校);ETH Zürich(苏黎世联邦理工学院);University of Rochester(罗切斯特大学)
针对现实系统高阶交互无法用简单图捕捉且交互方式未知的问题,本文结合超图表示与THIS算法推断多体耦合,设计简约控制器并在Kuramoto振荡器网络验证,实现数据驱动的超图控制。
2026-10-20 cs.SY eess.SY nlin.AO
Stabilizing Transmission Intervals for Nonlinear Delayed Networked Control Systems [Extended Version]
Faculty of Electrical Engineering and Computing, University of Zagreb(萨格勒布大学电气工程和计算学院);Technical University of Munich(慕尼黑工业大学)
本文研究了在通信网络中存在干扰的非线性时滞过程的鲁棒性,通过结合脉冲时滞系统建模与Lyapunov-Razumikhin技术,提出了一种计算最大允许传输间隔的方法,以提高系统稳定性。
2016-04-15 cs.SY eess.SY
Multiple sparsity constrained control node scheduling with application to rebalancing of mobility networks
研究了网络系统中控制节点的最优调度问题。我们新引入了L0和L0约束的控制输入,以提取时变的少量有效控制节点。作为费用函数,我们采用可控性Gramian的跟踪,以减少所需的控制能量。由于公式化的最优化问题是组合的,我们引入了一个凸松弛问题的计算易处理性。在将问题转化为最优控制问题并应用庞特里亚金最大值原理后,给出了松弛问题为主问题的解的一个充分条件.最后,所提出的方法被应用到移动网络的再平衡问题。
2021-08-28 cs.SY eess.SY math.OC
Data-driven analysis and controller design for discrete-time systems under aperiodic sampling
本文研究非周期采样下离散时间系统的数据驱动分析,特别是最大采样间隔(MSI)的数据驱动估计。MSI与信息物理、嵌入式和网络系统的分析和控制器设计相关,因为它对采样时刻之间的时间跨度进行了限制,从而保证了稳定性。我们提出的工具来计算MSI为一个给定的控制器,并设计一个控制器,最好是一个大的MSI,都直接从一个有限长度,噪声损坏的状态输入轨迹的系统。我们遵循两种不同的方法进行稳定性分析,一个采取鲁棒控制的角度和其他切换系统的角度对非周期采样系统。在一个数值例子和随后的讨论中,我们展示了我们开发的工具的有效性,并比较了这两种方法。
2022-06-20 cs.SY eess.SY
On the Number of Control Nodes of Threshold and XOR Boolean Networks
The University of Hong Kong(香港大学);Bioinformatics Center, Institute for Chemical Research, Kyoto University(京都大学化学研究所生物信息学中心)
本文研究带度约束的阈值与XOR布尔网络的最小可控性问题,推导了多数型阈值BN的控制节点上下界,给出一般XOR-BN可控性的线性代数充要条件及多项式时间算法,并证明一类k-k-XOR-BN仅需1个控制节点即可实现可控。
2025-09-19 cs.SY eess.SY math.OC
Dynamic self-triggered control for nonlinear systems based on hybrid Lyapunov functions
自触发控制(STC)是一种行之有效的技术,以减少采样数据系统的样本量,因此是特别有用的网络控制系统。在每个采样时刻,STC机制不仅确定更新的控制输入,而且还确定何时应该进行下一个采样。本文提出了一种适用于非线性系统的动态STC机制。该机制包括用于确定下一采样时刻的动态变量。在密切相关的事件触发控制概念中,这种用于触发判定的动态变量已被证明是用于增加采样间隔的有力工具,但迄今为止尚未被用于STC。本文填补了这一空白。对于所提出的机制,动态变量被选择为在过去的采样时刻的李雅普诺夫函数的滤波值。基于动态变量和混合李雅普诺夫函数技术,选择下一采样时刻,使得确保李雅普诺夫函数的平均减小。所提出的机制与文献中的数值例子说明。对于该示例,所获得的采样间隔显著大于现有静态STC机制。本文是文[1]的公认版本,也包含了主要结果的证明。
2021-09-14 cs.SY eess.SY
Identifying Causal Structure in Dynamical Systems
Uppsala University(乌普萨拉大学);RWTH Aachen University(亚琛工业大学);KTH Royal Institute of Technology(瑞典皇家理工学院)
数学模型是动态控制系统设计中的基本组成部分。随着控制系统变得越来越复杂和网络化,基于第一原理获得此类模型的方法达到了极限。数据驱动方法提供了一种替代方法。然而,在没有结构知识的情况下,这些方法容易在训练数据中发现虚假的相关性,这会妨碍所获得的模型的泛化能力。当系统暴露于未知情况时,这会显著降低控制和预测性能。事先确定因果关系可以防止这种陷阱。在本文中,我们提出了一种方法,确定控制系统的因果结构。我们设计实验的基础上的概念,可控性,它提供了一个系统的方法来计算输入轨迹,引导系统在其状态空间中的特定区域。然后,我们分析所产生的数据,利用强大的技术从因果推理,并将其扩展到控制系统。此外,我们得出的条件,保证发现的真正的因果结构的系统。机器人手臂上的实验表明,可靠的因果关系识别,从现实世界的数据和增强的泛化能力。
2022-07-18 cs.LG cs.SY eess.SY
Herding Positive, Complex Networks
Georgia Institute of Technology(佐治亚理工学院);King Abdullah University of Science and Technology(阿卜杜拉国王科技大学)
本文研究了正系统在复网络上的群体可控性,探讨了如何通过添加输入节点或选择最佳单节点来确保系统群体可控性。
2018-04-28 cs.SI cs.SY eess.SY
Trajectory Manifolds for Nonlinear Data-Enabled Predictive Control
本文为非线性数据驱动预测控制中的轨迹流形建立几何基础,证明有限时域行为是嵌入子流形,维数为n+Nm,并给出显式全局坐标及精确编码器-解码器表示,无需可控性等假设。
2026-10-02 cs.SY eess.SY math.OC