Improvement of plant performance using Closed loop Reference Model Simple Adaptive Control for Micro Air Vehicle
Indian Institute of Science(印度科学学院)
在本文中,我们提出了一种新的想法,以改善现有的简单自适应控制架构的瞬态性能,而不需要高的自适应增益。通过将基于输出反馈的闭环参考模型与简单自适应控制结构相结合,实现了性能的改善。在该方案中,参考模型动态由期望的命令以及被控对象输出和参考模型输出之间的误差信号驱动。仿真结果表明,改进后的控制结构在不增加控制量的情况下提高了系统的性能,并通过微型飞行器的侧向模型动力学仿真验证了这一点。
2020-11-11 cs.RO cs.SY eess.SY
Exponentially Stable Adaptive Control of MIMO Systems with Unknown Control Matrix
本文研究线性时不变多输入多输出(MIMO)对象的直接模型参考自适应控制问题,不需要任何关于系统矩阵的先验知识。为了解决这一问题,提出了一种新的方法,该方法包括三个主要阶段。首先,使用著名的DREM过程,进行对象参数化,得到线性回归,其中对象矩阵和状态初始条件是未知参数。其次,这种回归被代入已知的方程的控制器参数的计算。第三,利用具有指数收敛速度的新调节律辨识控制器参数。据作者所知,这种方法是第一个同时提供以下特征的方法:1)它适用于一般的完全未知的MIMO系统(例如,没有关于状态或控制分配矩阵的任何信息,后者的符号等); 2)在有限激励条件下,保证了参数和跟踪误差的指数收敛性:3)保证了控制律参数矩阵的过渡曲线的单调性。用一架小型客机的橡胶和副翼控制模型进行的实验结果证实了所有的理论结果。
2023-03-28 cs.SY eess.SY
Adaptive optimal $\ell_\infty$-induced robust stabilization of minimum phase SISO plant under bounded disturbance and coprime factor perturbations
针对有界扰动与互质因子摄动下离散最小相位SISO对象的最优鲁棒镇定问题,提出基于集员估计与参数非线性变换转化为线性分式规划的自适应控制方法,可在参数未知时以指定精度实现与已知参数对象相当的最优输出渐近上界,还支持估计与先验假设的在线验证。
2022-07-28 cs.SY eess.SY math.OC
State Constrained Model Reference Adaptive Control with Input Amplitude and Rate Limits
本文针对不确定MIMO LTI植物,提出了一种基于双层BLF的鲁棒MRAC,在存在扰动时确保状态、输入幅值与速率满足约束,并提供了可行控制策略的充分条件。
2025-05-28 cs.SY eess.SY
Multiple Model Reference Adaptive Control with Blending for Non-Square Multivariable Systems
本文针对非方多变量系统提出了一种带混合的多模型参考自适应控制器,通过多模型在线辨识和精确匹配条件实现状态渐近跟踪,并证明了闭环信号的有界性和跟踪误差渐近收敛至零。
2024-03-26 cs.SY eess.SY
Partial-State Feedback Multivariable MRAC and Reduced-Order Designs
本文提出了一种新的模型参考自适应控制(MRAC)框架,使用部分状态反馈解决多变量自适应输出跟踪问题。所开发的MRAC方案具有完整的能力,以处理对象的输出跟踪的不确定性,并具有所需的灵活性,以结合全状态反馈MRAC和输出反馈MRAC的优点。利用这种新的控制方案,与输出或状态反馈MRAC设计一样,可以实现工厂模型匹配条件。基于对象高频增益矩阵的LDS分解,提出了一种稳定的自适应控制方案,保证了闭环稳定和输出渐近跟踪。所提出的部分状态反馈MRAC方案不仅扩展了现有的MRAC家族,而且还为自适应控制系统提供了新的功能,包括额外的设计灵活性和反馈能力。基于其额外的设计灵活性,最小阶MRAC方案,它降低了控制自适应的复杂性和放松的反馈信息的要求,相比现有的MRAC方案。在对象模型匹配、误差模型、自适应律和稳定性分析等方面给出了新的结果。线性化飞机模型的仿真研究进行了验证的有效性和新功能的建议MRAC控制方案。
2020-05-04 cs.SY eess.SY
Adaptive Control Design under Structured Model Information Limitation: A Cost-Biased Maximum-Likelihood Approach
KTH Royal Institute of Technology(皇家理工学院)
针对结构化模型信息限制下的控制问题,提出一种成本偏差最大似然自适应控制器,证明其渐近达到完全模型信息下最优集中控制器的闭环性能,竞争比等于1。
2014-07-22 cs.SY eess.SY math.OC
Event-triggered transmission for linear control over communication channels
University of Roma, Tor Vergata(罗马托尔维加塔大学);University of Melbourne(墨尔本大学);CNRS, LAAS(法国国家科学研究中心,LAAS实验室);University of Trento(特伦托大学)
研究通过数字通道将植物输出连接到控制器输入的稳定性问题,提出事件触发传感器和两种传输策略,确保闭环稳定性及指数稳定性。
2013-10-03 cs.SY eess.SY
MR-ARL: Model Reference Adaptive Reinforcement Learning for Robustly Stable On-Policy Data-Driven LQR
本文提出MR-ARL框架,将强化学习与模型参考自适应控制结合,在保证闭环系统鲁棒稳定的同时实现在线策略数据驱动LQR的探索与利用,并通过自适应稳定器确保策略和被控对象收敛到最优。
2024-02-22 cs.SY eess.SY
State and Input Constrained Model Reference Adaptive Control
状态和输入约束的满足是控制工程应用中最关键的要求之一。在经典的模型参考自适应控制(MRAC)公式中,虽然状态和输入保持有界,但界既不是用户定义的,也不是先验已知的。针对具有自定义状态和输入约束的多变量线性时不变(LTI)对象,采用简单的饱和控制设计和障碍李雅普诺夫函数(BLF),设计了一种模型参考自适应控制器。没有任何限制性的假设,可能会限制实际的实施,所提出的控制器保证植物状态和控制输入保持在用户定义的安全设置的所有时间,同时确保植物状态轨迹跟踪参考模型轨迹。该控制器保证所有闭环信号有界,轨迹跟踪误差渐近收敛到零。仿真结果验证了所提出的约束MRAC的有效性,更好的跟踪性能和有限的控制工作相比,标准的MRAC算法。
2022-06-27 cs.SY eess.SY
Improving Cooperative Adaptive Cruise Control Robustness to Parametric Uncertainty via Plant Equivalent Controller Realizations
Eindhoven University of Technology(埃因霍温理工大学);Singapore University of Technology and Design(新加坡科技设计大学)
本文提出通过优化植物等效控制器实现CACC在参数不确定性下的鲁棒性提升,采用凸优化方法确保稳定性和性能。
2026-09-10 cs.SY eess.SY
Adaptive Identification of Nonlinear Time-delay Systems Using Output Measurements
针对由线性、Lipschitz和非Lipschitz分量组成的非线性时滞系统,提出了一种新的自适应辨识器。首先,设计了一个辨识器的先验已知的延迟值的不确定系统,然后将其推广到未知的延迟值的系统。该算法利用梯度算法保证了参数估计和状态观测的渐近性。通过对系统方程的一种特殊的等价扩展,对系统的未知时滞和系统参数进行了估计。算法的稳定性由线性矩阵不等式的可解性给出。仿真结果被调用,以支持开发的标识符设计,并说明所提出的综合过程的效率。
2020-05-05 cs.SY eess.SY
Exponentially Stable Combined Adaptive Control under Finite Excitation Condition
针对不确定非线性系统,提出组合模型参考自适应控制,在有限激励条件下实现闭环指数稳定,收敛速率与激励水平无关,并经仿真验证。
2025-06-24 cs.SY eess.SY
Distributed Adaptive Control: An ideal Cognitive Architecture candidate for managing a robotic recycling plant
Institute for Bioengineering of Catalonia (IBEC)(加泰罗尼亚生物工程研究所);Barcelona Institute of Science and Technology (BIST)(巴塞罗那科学技术研究院);Catalan Institution for Research and Advanced Studies (ICREA)(加泰罗尼亚高级研究学院)
在过去的十年中,社会在各种技术领域都经历了显著的增长。然而,第四次工业革命还没有到来。工业4.0带来了几个挑战,其中包括需要新的架构模型来解决开放环境对网络物理系统(CPS)的不确定性。废旧电器和电子设备回收厂就是这种开放环境的代表。在这里,CPS必须在不断变化的环境中和谐地工作,与相似和不太相似的CPS进行交互,并适应性地与人类工作者合作。在本文中,我们支持分布式自适应控制(DAC)理论作为一个合适的认知架构管理回收厂。具体而言,DAC的递归实现(单代理和大规模的水平之间),提出了以满足预期的需求,欧洲项目人力资源回收。此外,有一个现实的基准为未来的递归DAC的实现的目的,一个微型回收厂原型。
2020-12-23 cs.AI cs.MA cs.NE
Adaptive control for trailing arm suspension with hydraulic cylinder spring under practical constraints
本文提出一种基于四分之一汽车的LQ自适应控制策略,用于具有液压缸弹簧的后臂悬挂系统,以平滑跟踪动态参考臂角并省略垂向传感器,通过线性化参数估计提升控制效率。
2016-07-18 cs.SY eess.SY
Exponentially Stable MRAC of MIMO Switched Systems with Matched Uncertainty and Completely Unknown Control Matrix
本文试图将指数稳定自适应控制的概念推广到一类具有匹配非线性和未知分段常数参数的多输入多输出(MIMO)对象。在连续两次参数切换的间隔时间内,所提出的自适应控制系统保证:1)参数和参考模型跟踪误差指数收敛到零; 2)控制律可调参数的单调性。这两个属性都是保证的情况下,回归是令人兴奋的地方在每个这样的间隔。与现有方法相比,该方法适用于开关信号函数未知和控制矩阵完全未知的系统。数值实验验证了理论分析的正确性。
2022-08-08 cs.SY eess.SY
Adaptive Event-triggered Control with Sampled Transmitted Output and Controller Dynamics
School of Artificial Intelligence and Automation, Huazhong University of Science and Technology(华中科技大学人工智能与自动化学院);Key Laboratory of Imaging Processing and Intelligence Control(图像处理与智能控制重点实验室)
本文提出一种自适应事件触发控制方法,通过将控制器动态改为采样状态以减少通信负担,并解决虚拟输入不可微和异步采样分析复杂的问题,实现系统半全局有界和输出稳定。
2024-07-16 cs.SY eess.SY
Output-Positive Adaptive Control of Parabolic PDE-ODE Cascades
Xiamen University(厦门大学)
本文提出了一种针对具有参数不确定性的抛物型PDE-ODE级联系统的安全自适应控制方法,结合自适应控制屏障函数和参数识别技术,实现系统安全性和状态收敛性。
2026-09-30 cs.SY eess.SY
Exponentially Stable Adaptive Optimal Control of Uncertain LTI Systems
针对不确定连续 LTI 系统,提出非过参数化 LQ 自适应控制方法,在有限激励下实现参数单调收敛并保证闭环指数稳定。
2023-08-21 cs.SY eess.SY
Robust Safety Filters for Lipschitz-Bounded Adaptive Closed-Loop Systems with Structured Uncertainties
German Aerospace Center (DLR)(德国航空航天中心);Massachusetts Institute of Technology(麻省理工学院)
针对自适应控制系统的瞬态安全问题,提出一种基于参考的自适应安全框架,利用Lipschitz有界跟踪误差推导鲁棒CBF条件并转化为凸SOCP,减少保守性并保证前向不变性和闭环稳定性。
2026-06-19 cs.SY eess.SY
Adaptive and Neural Operator Control of Nonlinear Volterra Hyperbolic PDEs
University of California, San Diego(加州大学圣地亚哥分校)
研究一类非线性双曲型偏微分方程控制问题,结合自适应控制与神经算子控制,通过基于观测器的无源标识符在线学习Volterra级数截断,神经算子离线近似相关无穷维映射,证明闭环稳定性及渐近调节,吸收多种扰动。
2026-07-08 cs.SY eess.SY math.OC
Frequency Separation based Adaptive Feedforward Control for Rejecting Wideband Vibration with Application to Hard Disk Drives
本文提出了一种基于频率分离的自适应前馈控制算法,该算法具有辨识对象和逐区补偿的能力。在该算法中,加速度计信号通过一系列均匀分布的带通滤波器滤波,产生一串频谱互斥的子带信号。在每个子带中,对应的子带信号作为前馈信号,并且仅需要识别该区域中的系统的频率响应,因此可以期望相当低的阶模型具有有效的补偿。从第一个区域开始,前馈控制参数与同一区域中的低阶对象模型同时学习,然后移动到下一个区域,直到执行所有区域。
2020-12-09 cs.SY eess.SY
Exponentially Stable Adaptive Control Under Semi-PE Condition
在半持续激励(s-PE)条件下,提出了一种补偿匹配参数不确定性的指数稳定自适应控制方法.它基于作者早期开发的广义动态回归扩展和混合过程,不需要高自适应增益或数据堆栈,并确保:1)当回归量为s-PE时,跟踪误差指数收敛到零,参数1指数收敛到有界集,2)一阶可调参数暂态(每个标量参数使用单独的一阶标量微分方程来调整),3)对不确定性参数值的变化的警觉性,以及4)当回归量不是s-PE时所有信号的有界性。所提出的方法的主要突出特点是,指数稳定性的控制器参数估计收敛到的值,是从真实的不可区分的保证。数值实验的结果充分支持了理论分析,并证明了所提出的方法的优点。
2022-10-21 cs.SY eess.SY
Adaptive Control with Set-Point Tracking and Linear-like Closed-loop Behavior
针对未知参数属于凸紧不确定性集合的离散时间对象设定点跟踪问题,提出基于辅助对象参数估计和极点配置的自适应控制方法,证明其具有类线性闭环行为、有界增益及常数扰动下的渐近跟踪特性。
2025-08-17 cs.SY eess.SY math.OC
Dual-control based approach to batch process operation under uncertainty based on optimality-conditions parameterization
提出了一种参数不确定间歇过程的对偶鲁棒控制方案。双重控制范例出现在自适应控制的背景下。应该在(鲁棒地)优化工厂性能的控制动作和激励工厂的控制动作之间进行权衡,使得可以足够精确地学习未知的工厂模型参数以增加工厂的鲁棒性能。最近提出的一些方法可以用来解决这个问题,然而,这将是在保守性或显着的计算负担的代价。为了提高计算效率,我们提出了一个计划,使用参数化的最优性条件的自适应预测控制的方式。控制器的双重功能被纳入通过基于神经网络的(多阶段)的方法,它允许建模的自适应鲁棒决策问题,并预测到控制器的预测这一决定。所提出的方法说明了一个案例研究,从分批膜过滤。
2019-06-20 cs.SY eess.SY math.OC
Identifiability Implies Robust, Globally Exponentially Convergent On-line Parameter Estimation: Application to Model Reference Adaptive Control
在本文中,我们提出了一个新的参数估计,确保全局指数收敛的线性回归模型,只需要必要的假设的可识别的回归方程,我们证明是等价于区间激励的回归向量。连续和离散时间版本的估计。一个扩展-可分离和单调-非线性参数化。估计被证明是强大的加性测量噪声和-不一定慢-参数变化。此外,一个版本的连续时间估计器,拒绝与未知的内部模型的正弦干扰。该估计器被证明是适用于经典的模型参考自适应控制问题放松了显着的假设已知的高频增益。仿真结果表明,估计的性能。
2021-08-19 cs.SY eess.SY
Exponentially Stable Adaptive Observation for Systems Parameterized by Unknown Physical Parameters
本文提出一种无需观测器规范形、直接基于原始系统描述的指数稳定自适应观测器,利用 GPEBO 与 DREM 在有界、可辨识、可观测及有限激励条件下保证参数与状态估计指数收敛。
2023-08-21 cs.SY eess.SY
Data-Driven Adaptive Output Regulation of Unknown Linear Systems
College of Control Science and Engineering, Zhejiang University(浙江大学控制科学与工程学院);National Institute of Standards and Technology(美国国家标准与技术研究院);Electrical Engineering Department, Seoul National University(首尔大学电气工程系)
本文提出了一种数据驱动的方法,用于在未知线性系统中实现自适应输出调节,通过构建近似内部模型和滤波器,利用离线数据集推导稳定化法则,实现渐近稳定性和误差趋零。
2025-12-05 cs.SY eess.SY
Grid-Forming and Spatially Distributed Control Design of Dynamic Virtual Power Plants
本文提出一种动态虚拟电厂的构网型控制设计方法,通过自适应分而治之策略分解控制规格,实现异构分布式能源的快速频率和电压辅助服务,并扩展至混合及空间分布式场景,在IEEE九节点系统中验证了性能。
2023-12-29 cs.SY eess.SY
State and Input Constrained Model Reference Adaptive Control with Robustness and Feasibility Analysis
本文提出一种无优化、自适应的饱和 MRAC 与 BLF 结合方法,使受不匹配有界扰动的不确定 LTI 系统满足状态与输入约束,并给出可行性条件。
2025-08-29 cs.SY eess.SY
Adaptive Certainty-Equivalence Control With Regulation-Triggered Finite-Time Least-Squares Identification, Part I: Design
National Technical University of Athens(雅典国立工业大学);University of California, San Diego(加利福尼亚大学圣地亚哥分校)
本文提出一种新颖的自适应控制方法,结合事件触发的有限时间最小二乘辨识,确保系统稳定性和参数收敛,无需持续激励。
2016-09-10 cs.SY eess.SY math.OC
Adaptive Rejection of Periodic Disturbances Acting on Linear Systems with Unknown Dynamics
University of California, Berkeley(加州大学伯克利分校);University of Science and Technology of China(中国科学技术大学)
本文提出了一种新颖的直接自适应控制方法,用于拒绝未知确定性干扰并跟踪未知轨迹,适用于动态不确定的系统,当干扰或轨迹为多个已知频率正弦波之和时。该方法无需植物动态模型,且在适应过程中不使用批量测量,适用于最小和非最小相位系统。
2016-03-17 cs.SY eess.SY
Adaptive control of pool-type research nuclear reactors: theory limits, pragmatic actuation constraints, and realized performance and adaptation
U.S. Department of Energy Idaho National Laboratory(美国能源部爱达荷国家实验室)
本研究在PUR-1池式反应堆非线性模型上评估MRAC-LQR自适应控制,考虑执行机构约束,通过采样分解分离匹配自适应与残差,数值结果验证了标称设计在参数变化下仍能实现紧密对齐响应,并揭示了理论极限。
2026-10-06 cs.SY eess.SY math.OC
When is a Parameterized Controller Suitable for Adaptive Control?
Laboratoire des Signaux et Systèmes, CNRS–SUPELEC(信号与系统实验室,CNRS-苏佩莱克)
本文探讨参数化控制器在未知参数下是否能实现参数无关的实现形式,证明标准模型参考控制器在系统线性时不变时可实现参数无关形式,指出滤波器的添加对自适应控制有负面影响。
2014-05-30 cs.SY eess.SY math.OC
High Order Robust Adaptive Control Barrier Functions and Exponentially Stabilizing Adaptive Control Lyapunov Functions
Boston University(波士顿大学)
研究了利用数据驱动自适应控制技术保证高关联度不确定非线性系统的稳定性和安全性问题。我们首先介绍了高阶鲁棒自适应控制障碍函数(HO-RaCBF)的概念,作为一种手段来计算控制策略,保证满足高相对程度的安全约束,在面对参数模型的不确定性。所开发的方法通过最初考虑所有可能的参数实现来保证安全性,但利用在线记录的数据自适应地减少参数估计中的不确定性。然后,我们引入指数稳定自适应控制李雅普诺夫函数(ES-aCLF)的概念,利用相同的数据作为HO-RaCBF控制器,以保证指数收敛的系统轨迹。开发的HO-RaCBF和ES-aCLF统一在一个二次规划框架,其功效是通过两个数值例子,据我们所知,不能解决现有的自适应控制障碍函数技术。
2022-03-03 cs.RO cs.SY eess.SY
A Control Theoretical Adaptive Human Pilot Model: Theory and Experimental Validation
本文提出了一种自适应人类驾驶员模型,能够模仿交叉模型中存在的不确定性。所提出的结构是基于模型参考自适应控制,和自适应法律获得使用Lyapunov-Krasovskii稳定性准则。该模型可用于人在回路的稳定性和性能分析,结合不同类型的控制器和植物类型。为了验证的目的,采用实验设置来收集数据,并进行统计分析,以测量试点模型的预测能力。
2020-07-20 cs.SY eess.SY
Learning in Dynamic Systems and Its Application to Adaptive PID Control
本文将 Brandt-Lin 学习算法推广到广义信号流图描述的动态系统,并推导新的 PID 自适应律,通过多类被控对象仿真验证其有效性。
2023-08-21 cs.SY eess.SY
Adaptive Neural-Operator Backstepping Control of a Benchmark Hyperbolic PDE
University of California, San Diego(加利福尼亚大学圣迭戈分校)
本文首次将神经算子用于基准一维双曲型PDE的自适应反步控制,以离线训练网络替代每步求解增益核PDE,并通过Lyapunov分析实现全局镇定,仿真显示加速达三个数量级。
2024-01-15 cs.AI cs.LG cs.SY
Real-time rapid leakage estimation for deep space habitats using exponentially-weighted adaptively-refined search
最近与空间有关的研究和开发活动加速增长,这表明近期内显然需要长期的地外生境。这些生境必须在流星体撞击、极端温度波动、银河宇宙射线、破坏性尘埃和地震事件等极端环境造成的持续破坏性条件下运作。栖息地的空气损失或大气泄漏带来了安全挑战,需要适当关注。这种泄漏可能是由微流星体撞击、裂纹扩展、螺栓/铆钉松动和密封劣化引起的。在本文中,泄漏估计在深空栖息地作为一个反问题。建立了基于压力的大气泄漏动力学模型。在小型压力室上进行实验,模拟不同的泄漏情况并测量相应的压力值。提出了一种指数加权自适应精化搜索(EWARS)算法,并对该算法进行了验证。结果表明,所提出的方法可以实现实时估计和跟踪的恒定和可变泄漏的准确性。
2022-12-06 cs.SY eess.SP eess.SY
Adaptive Finite-time and Fixed-time Control Design using Output Stability Conditions
本文给出了保证输出有限时间稳定和固定时间稳定的充分条件。与类似的研究相比,所提出的结果是较少的限制,并获得了更广泛的一类系统。将所提出的输出稳定条件用于适应控制设计,其中对象的状态向量被可调控制参数扩展。
2021-05-14 cs.SY eess.SY math.OC
Optimal Control Design for Operating a Hybrid PV Plant with Robust Power Reserves for Fast Frequency Regulation Services
本文提出了一种最优控制策略的太阳能混杂系统的操作太阳能光伏(PV)和一个高功率,低存储量的电池储能系统(BESS)。首先推导了混合光伏发电系统的状态空间模型,在此基础上设计了自适应模型预测控制器。控制器的目标是控制PV和BESS以遵循发送到混杂系统的功率设定点,同时保持期望的功率储备并满足系统操作约束。此外,扩展的卡尔曼滤波器(EKF)的估计电池SOC的实施,并执行误差灵敏度,以评估其限制。为了验证所提出的策略,详细的EMT模型的混杂系统的开发,使损失和控制限制可以准确地量化。在OPAL-RT实时模拟器中进行一整天的模拟,使用逐秒的实际光伏发电场数据作为输入。结果验证了所提出的方法可以遵循功率设定点,同时保持在高辐照度不稳定性的日子,即使有一个小的BESS存储的功率储备。
2022-12-07 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
Adaptive control of reaction-diffusion PDEs via neural operator-approximated gain kernels
University of California San Diego(加州大学圣地亚哥分校)
该研究将神经算子方法从双曲PDE自适应控制扩展到反应扩散PDE,通过近似增益核实现实时控制,证明了系统全局稳定性与渐近调节性,仿真显示计算速度提升达45倍。
2024-11-28 cs.AI cs.LG cs.SY
Design of Grid Forming Multi Timescale Coordinated Control Strategies for Dynamic Virtual Power Plants
The Hong Kong Polytechnic University(香港理工大学);Huazhong University of Science and Technology(华中科技大学);North China Electric Power University(华北电力大学)
本文提出了一种动态虚拟电厂多时间尺度协调控制策略,通过虚拟同步发电机控制提升电网稳定性与辅助服务性能。
2026-03-05 cs.SY eess.SY
Online Bandit Nonlinear Control with Dynamic Batch Length and Adaptive Learning Rate
本文提出DBAR算法,通过动态批长度和自适应学习率,在仅需弱稳定性概念且无指数稳定控制器的条件下,实现非线性系统在线赌博机控制的渐近稳定与紧遗憾界。
2024-10-04 cs.SY eess.SY
Active disturbance rejection for precise positioning of dual-stage hard disk drives
University of Guilan(吉兰大学)
本文提出了一种自适应控制算法用于双级硬盘驱动器的干扰抵消,设计了双PID控制器并采用递归最小二乘算法进行干扰识别与抵消,通过仿真验证了控制系统的可行性和精确跟踪能力。
2018-05-06 cs.SY eess.SY
L1 Adaptive Controller -- Performance Analysis of the Inverse DC Gain Method
University of Queensland(昆士兰大学)
本文分析了改进的L1自适应控制律,比较了其与原始控制律的性能,指出在允许轻微性能下降的情况下,无需零极点抵消技术即可用L1自适应控制律控制非最小相位系统。
2019-03-22 cs.SY eess.SY
Residual-Conservative Model Predictive Path Integral Control
Department of Mechanical and Nuclear Engineering, Tennessee Technological University(机械与核工程系,田纳西技术大学);School of Engineering, Department of Electrical and Computer Engineering, Mercer University(工程学院,电气与计算机工程系,梅里尔大学)
针对基于采样的模型预测控制方法中固定约束惩罚不适应模型与实际不匹配的问题,提出RC-MPPI框架,结合残差依赖约束收紧等三种机制,通过温度自适应等方式,在模型不匹配时降低约束违反概率,提升控制效果。
2026-07-09 cs.RO cs.SY eess.SY
Online-Learning Deep Neuro-Adaptive Dynamic Inversion Controller for Model Free Control
Missouri University of Science and Technology(密苏里科技大学)
自适应方法在控制文献中很受欢迎,因为它们在建模领域提供了灵活性和容错性。神经网络自适应控制特别有利于机器学习算法逼近未知函数的强大特性和放松传统自适应控制内的某些约束的能力。深度神经网络是一种大型框架网络,其近似特性远远优于浅层网络。然而,由于尺寸特定的复杂性,例如训练中的消失/爆炸梯度,实现深度神经网络可能很困难。在本文中,实现了一种神经自适应控制器,其特征在于在新的权重更新律上训练的深度神经网络,该权重更新律通过仅结合梯度的符号来避免消失/爆炸梯度问题。设计的控制器类型是一个自适应动态逆控制器,利用修改后的状态观测器在二级估计回路训练网络。深度神经网络在线学习整个工厂模型,创建完全无模型的控制器。通过对一个两连杆平面机器人手臂的仿真,证明了该控制器能够快速学习非线性对象,并在跟踪控制问题中表现出良好的性能。
2021-07-21 cs.LG cs.RO cs.SY
The Rationale for Second Level Adaptation
Yale University(耶鲁大学)
本文深入探讨了二级适应方法的理论和实际优势,分析了其对多模型需求、稳定性证明及性能提升的实验验证。
2015-10-16 cs.SY eess.SY
Set-Based Adaptive Safety Control
针对加州大学伯克利分校控制课程中学生操作不当损坏硬件的问题,利用集合论设计了一个自适应安全控制系统,通过生成安全子区域并构建Simulink模块实时监控与接管系统,成功实现了硬件保护并具备鲁棒性。
2019-01-15 cs.SY eess.SY
Low-Gain Stabilizers for Linear-Convex Optimal Steady-State Control
我们考虑的问题,设计一个反馈控制器,鲁棒调节LTI系统的最佳工作点的存在下不可测的干扰。一个通用的设计框架,所谓的最优模型的基础上,以前提出了这类问题,有效地减少了相关的非线性植物的稳定问题。本文提出了几个简单的和完全建设性的稳定器设计,以配合从[1]的最优模型设计。该设计基于低增益积分控制方法,该方法在指数稳定的对象和控制器之间实施时间尺度分离。我们提供控制器和增益的显式公式,以及基于LMI的方法来计算鲁棒/最优增益。最后通过一个算例和在电力系统频率控制中的应用说明了结果。
2022-08-17 cs.SY eess.SY math.OC
Fuzzy Logic based Autonomous Parking Systems -- Part IV: A Multiple-Model Adaptive Neural-Fuzzy Controller
本文设计了一种基于神经网络辨识的多模型自适应模糊控制器(MM-AFLC),用于智能自主泊车系统中无人车的控制。目标是在保持低实施成本的同时实现鲁棒控制。所提出的控制器的设计包括以下控制原理-非线性系统的神经网络辨识、模糊逻辑控制、自适应控制以及多模型自适应。这种集成确保了与以前的工作相比的卓越性能。广义控制器可以应用于不同的系统,而无需实际的植物模型的先验知识。在智能自主泊车系统中,所提出的控制器可用于车辆速度控制和转向盘转动。多模型自适应模糊逻辑控制器,鲁棒性也可以保证在各种操作环境下,无论不可预测的干扰。最后但并非最不重要的是,对比实验也表明,配备了新的控制器的系统能够实现更快,更平滑的收敛。
2019-11-07 cs.SY eess.SY
Extended Adaptive Observer for Linear Systems with Overparametrization
针对一类具有未知参数和过参数化的线性定常系统,提出了指数稳定的扩展自适应观测器。它允许一个重建的不可测状态和有界的外部扰动所产生的已知的线性外系统与未知的初始条件,如果一个弱的要求,满足回归有限的激励。与现有的解决方案相比,建议的观察者重建的原始(物理)状态的系统,而不是虚拟的一个观察者的标准形式。仿真结果验证了所开发的理论。
2023-01-18 cs.SY eess.SY