Risk-sensitive Affine Control Synthesis for Stationary LTI Systems
本文针对稳态LTI系统提出基于W-CVaR的风险敏感仿射控制综合方法,仅利用噪声一二阶矩处理非零均值噪声,并将问题转化为BMI后设计有收敛保证的交替优化算法,数值实验表明其性能优于朴素LQR基线。
2024-10-23 cs.SY eess.SY
Gramians for a New Class of Nonlinear Control Systems Using Koopman and a Novel Generalized SVD
Brigham Young University(杨百翰大学)
本文提出基于广义SVD的Gramians构造方法,解决非线性系统降阶中输入能量度量不匹配问题,通过点wise norm-preserving输入映射保持因果性并计算可计算的H∞误差证书。
2026-04-05 cs.SY eess.SY math.OC
Koopman--Nemytskii Operator of Nonlinear Controlled Systems and Its Learning for Controller Synthesis
North Carolina State University(北卡罗来纳州立大学)
提出Koopman-Nemytskii算子,将非线性系统映射为再生核希尔伯特空间中的线性算子,实现基于数据的控制器综合,并保证预测误差有界。
2026-06-18 cs.SY eess.SY
Data-Driven Observer Synthesis for Autonomous Limit Cycle Systems through Estimation of Koopman Eigenfunctions
Department of Chemical and Biomolecular Engineering, North Carolina State University(北卡罗来纳州立大学化学与生物分子工程系)
本文针对平面极限环系统,提出一种基于Koopman算子的数据驱动KKL观测器构造方法,将内射映射求解转化为最小二乘回归与核岭回归问题,并在Brusselator系统上验证了状态估计精度。
2025-09-20 cs.SY eess.SY
Distributionally robust LMI synthesis for LTI systems
RWTH Aachen University(亚琛工业大学);University of Stuttgart(斯图加特大学)
该研究将分布鲁棒控制器综合转化为凸 LMI 问题,可用现成 SDP 求解器高效求解,并表明其本质上属于鲁棒 $H_2$ 综合。
2025-10-04 cs.SY eess.SY math.OC
Generalized bilinear Koopman realization from input-output data for multi-step prediction with metaheuristic optimization of lifting function and its application to real-world industrial system
Tokyo City University(东京都市大学);Kyushu University(九州大学);Hokkaido University(北海道大学);ISUZU Advanced Engineering Center Ltd.(五十铃高级工程中心有限公司)
本文提出了一种基于元启发式优化的输入输出双线性Koopman模型,用于提升多步预测性能,应用于柴油发动机空气路径控制系统。
2026-02-17 cs.SY eess.SY
On Koopman Resolvents and Frequency Response of Nonlinear Systems
Kyoto University(京都大学);University of Namur(纳慕尔大学);University of California, Santa Barbara(加利福尼亚大学圣塔芭芭拉分校)
本文在Koopman算子框架下提出非线性系统频率响应的新方法,通过拉普拉斯变换推导频率响应,并展示其在非线性系统分析中的应用。
2026-04-07 cs.SY eess.SY math.DS
Synthesis of Functional Unknown Input Observers for LTV and MIMO LTI Systems with Arbitrary Relative Degree
本文针对任意相对阶系统提出两种函数型未知输入观测器设计方法,分别适用于规范可控形式的时变系统和MIMO系统,并通过仿真验证其有效性。
2025-03-05 cs.SY eess.SY
Uncertainty Modelling and Robust Observer Synthesis using the Koopman Operator
McGill University(麦吉尔大学);Mecademic(梅卡德米克)
本文利用 Koopman 算子将非线性系统近似线性化,在频域量化一组模型的不确定性,并基于混合 H2-H∞ 控制综合鲁棒非线性观测器,在数十个电机驱动上完成实验验证。
2024-10-01 cs.LG cs.SY eess.SY
Port-Hamiltonian Koopman Operator Synthesis for Mechanical Systems
Indian Institute of Science(印度科学理工学院)
针对非线性机械系统,提出结构保持的端口-哈密顿库普曼框架,通过动量变换和神经架构学习无源动力学,实现高精度预测与控制。
2026-09-16 cs.RO cs.SY eess.SY
DDK: A Deep Koopman Approach for Dynamics Modeling and Trajectory Tracking of Autonomous Vehicles
本文提出深度直接库普曼方法DDK,将自动驾驶车辆非线性动力学辨识为可解释的线性时不变模型,并结合MPC实现高精度轨迹跟踪。
2021-10-27 cs.SY eess.SY
Efficient Lyapunov-Based Stabilizability and Detectability Tests: From LTI to LPV Systems
在本技术说明中,我们将线性时不变(LTI)系统的著名的基于Lyapunov的稳定性和可检测性测试推广到离散时间(DT)多面体线性参数变化(LPV)系统的背景下。要做到这一点,我们利用的数学结构的类的多二次李雅普诺夫函数,这使我们能够制定条件的形式的线性矩阵不等式(LMI)。我们的结果不同于现有的条件,我们采用较弱的假设控制器/观测器的参数依赖性和我们的方法不需要明确地将这些增益,这使得新的条件计算要求较低。有趣的是,我们的研究结果也有重要的影响,现有的控制器和观测器的综合技术的基础上多QLF。事实上,我们表明,现有的观察员合成结果比预期的更强,在这个意义上,他们是必要的一个更大的一类观察员。此外,我们还介绍了新的控制器的合成条件,并说明我们的结果通过数值案例研究。
2023-03-19 cs.SY eess.SY math.OC
Neural Koopman Control Barrier Functions for Safety-Critical Control of Unknown Nonlinear Systems
研究了动态未知的非线性系统的安全控制器的设计问题,利用控制障碍函数(CBF)设计了安全控制器。我们利用Koopman算子理论(KOT)将(未知)非线性系统与高维双线性系统相关联,并提出了一个数据驱动的学习框架,该框架使用学习器和证伪器同时学习基于Koopman算子的双线性系统和相应的CBF。我们证明了后一个双线性系统的学习CBF也是一个有效的CBF未知的非线性系统之间的$\ell^2$ -范数误差界的特点。我们表明,这种错误可以部分调整,通过使用Lipschitz常数的Koopman为基础的观测。CBF然后被用来制定一个二次规划来计算输入,保证未知的非线性系统的安全。数值模拟验证了我们的方法。
2022-09-16 cs.SY eess.SY
Differential Geometric Conditions for Koopman Linearizability of Control-Affine Systems
Aalto University(阿尔托大学)
提出控制仿射非线性系统存在Koopman线性变换必须满足的漂移与控制向量场的微分几何条件,并证明这些条件在控制不变流形上对弱Koopman线性化的充分性,以及加上额外条件后对可控线性系统Koopman线性化的充要性。
2026-06-12 cs.SY eess.SY math.OC
Guaranteed Privacy-Preserving $\mathcal{H}_{\infty}$-Optimal Interval Observer Design for Bounded-Error LTI Systems
本文针对有界误差LTI系统,提出一种可保证隐私的$\u0007{H}_{\u221e}$最优区间观测器设计方法,通过噪声扰动与增益综合实现隐私保护与稳定估计,经仿真验证优于差分隐私方法。
2024-09-11 cs.SY eess.SY
On the Output Redundancy of LTI Systems: A Geometric Approach with Application to Privacy
本文基于Wonham等人的几何方法研究输出冗余系统,提出输出分配综合问题以向恶意窃听者隐藏输入信息同时允许合法用户重建,揭示了输出冗余系统的基本几何性质,并展示了其在保护输入信息隐私方面的有效应用。
2024-09-26 cs.SY eess.SY
Extensions of the Path-integral formula for computation of Koopman eigenfunctions
本文扩展了基于路径积分的Koopman特征函数闭式计算框架,引入有限时间计算、放宽主特征值分布假设并支持鞍点系统,从而显著提升该方法的实际适用性。
2024-11-25 cs.SY eess.SY math.DS
Learning-based synthesis of robust linear time-invariant controllers
控制学习的最新进展允许从学习的系统动态合成车辆控制器,并保持鲁棒稳定性保证。然而,没有一种方法是非常适合于训练线性时不变(LTI)控制器使用任意学习模型的动态。本文介绍了一种方法来做到这一点。它使用鲁棒控制框架来推导鲁棒稳定性准则。它还使用模拟策略推出来获得控制器参数的梯度,这有助于提高闭环性能。通过将稳定性准则制定为具有可计算梯度的惩罚,它们可以用于引导控制器参数在梯度下降期间朝向鲁棒稳定。该方法是灵活的,因为它不限制模拟推出的学习模型的类型。鲁棒控制框架确保控制器在首次在实际系统上实现时已经鲁棒稳定,并且还没有收集数据。它还确保系统在动态变化的情况下保持稳定,前提是系统行为保持在假设的不确定性范围内。我们证明了这种方法通过合成控制器模拟自主变道机动。因此,这项工作提出了一种灵活的方法来学习鲁棒稳定的LTI控制器,利用现代机器学习技术。
2022-05-09 cs.SY eess.SY
Environment-Aware Stable Neural Koopman Dynamics Learning for Input-Driven Systems under Environmental Constraints
Faculty of Engineering, King Saud University(沙特国王大学工程学院)
提出ESNKD框架,结合纤维束编码器、输入条件神经ODE、收缩合成层和LMI-ISS验证,实现环境变化下的稳定预测与安全认证。
2026-06-15 cs.SY eess.SY
On the Existence of Quadratic Control Lyapunov Functions for Koopman-Operator based Bilinear Systems
Technical University of Munich(慕尼黑工业大学);National University of Singapore(新加坡国立大学)
本文探讨了基于Koopman算子的双曲系统中二次控制Lyapunov函数的存在性,指出其在高维系统中限制性强,提出了一种二次约束二次规划方法并进行了凸半正定松弛。
2026-04-10 cs.SY eess.SY
Koopman Control Factorization: Data-Driven Convex Controller Design for a Class of Nonlinear Systems
本文提出Koopman控制分解,通过半定规划凸优化设计反馈控制器,实现非线性系统(如倒立摆)的快速、可验证稳定,无需近似。
2025-10-06 cs.SY eess.SY
KOOPMAN-Luenberger Observer Design for Nonlinear Systems with Application to the Monitoring of a Latent Thermal Energy Storage
KTH Royal Institute of Technology(皇家理工学院);Rubitherm Technologies GmbH(鲁比热姆技术有限公司);AIT Austrian Institute of Technology GmbH, Center for Energy(奥地利技术研究院能源中心)
本研究提出KOOPMAN-LSO设计框架,结合Koopman提升与线性观测器优势,在LTES系统上实现了受限感知下的非线性状态高精度估计,验证了其实际应用潜力。
2026-08-12 cs.SY eess.SY
Data-driven stabilization of an oscillating flow with LTI controllers
本研究基于输入输出数据构建LTI平均传递函数,结合LQG综合设计控制器,通过叠加控制器与平衡截断实现圆柱绕流振荡的闭环镇定,方法可自动化适用于实验。
2024-04-12 cs.SY eess.SY physics.flu-dyn
Phase Robustness Analysis for Structured Perturbations in MIMO LTI Systems
本文针对MIMO线性时不变系统在结构化扰动下定义相位鲁棒性度量,通过线性矩阵不等式计算上界,并结合小增益定理获得比传统μ分析更不保守的鲁棒性度量。
2024-12-18 cs.SY eess.SY
Synthesis of Data-Driven Nonlinear State Observers using Lipschitz-Bounded Neural Networks
针对未知控制方程的非线性自治系统,提出基于Lipschitz有界神经网络的KKL观测器无模型综合方法,建立泛化损失界关系并通过直接参数化训练,在Lorenz系统上验证了有效性。
2023-10-04 cs.SY eess.SY math.OC
Data-driven synthesis of Robust Invariant Sets and Controllers
针对基于管的鲁棒模型预测控制,提出一种通过求解半定规划问题、从状态-输入数据集中同时辨识不确定LTI模型、反馈增益与不变集的并行方法,其得到的不变集保守性低于序贯方法。
2021-11-18 cs.SY eess.SY
Scalable Safety-Preserving Robust Control Synthesis for Continuous-Time Linear Systems
University of California at Berkeley(加州大学伯克利分校);University of British Columbia(不列颠哥伦比亚大学);University of New Mexico(新墨西哥大学)
本文提出了一种可扩展的安全保持鲁棒控制器,用于受加性未知但有界的扰动或不确定性的约束连续时间线性时不变系统。方法基于保守近似判别核,利用鲁棒最大可达集进行计算,结合椭球技术实现多项式复杂度的分段椭球算法,用于生成安全保持的状态反馈控制器。
2013-12-12 cs.SY eess.SY math.OC
Adaptive Koopman Embedding for Robust Control of Complex Nonlinear Dynamical Systems
Department of Mechanical Engineering, Indian Institute of Science(机械工程系,印度科学研究院)
本文提出自适应Koopman嵌入方法,通过在线调整提升状态偏差来增强复杂非线性系统控制的鲁棒性和泛化能力。
2024-05-20 cs.RO cs.SY eess.SY
Deep Koopman-based Control of Quality Variation in Multistage Manufacturing Systems
University of Michigan(密歇根大学);Ford Motor Company(福特汽车公司);Shanghai Jiao Tong University(上海交通大学)
本文提出一种基于随机深度Koopman(SDK)模型的前馈控制框架,通过将非线性传播动力学转化为线性动力学,有效解决了多阶段制造系统中的质量变异控制问题,且无需广泛专家知识。
2024-07-24 cs.LG cs.SY eess.SY
On Regularizability and its Application to Online Control of Unstable LTI Systems
University of Washington(华盛顿大学)
学习,比如说通过直接的策略更新,通常需要假设,比如先验地知道初始策略(增益)是稳定的,或者持续激励(PE)的输入输出数据是可用的。在本文中,我们研究在线调节(可能不稳定)部分未知的线性系统,没有事先获得的初始稳定控制器,也没有PE的输入输出数据,而是利用知识的输入矩阵在线调节。首先,我们介绍和表征的概念“regularizability”的线性系统,衡量的程度,系统可以在有限的时间内,在其渐近行为(通常特征在于稳定性/可控性)进行调节。接下来,只访问输入矩阵,我们提出了数据引导调节(DGR)的合成过程,正如其名称所示,调节的基础状态,同时还生成信息数据,随后可用于数据驱动的稳定或系统辨识。我们进一步提高了计算性能的DGR通过一个秩一更新,并证明其实用性的X-29飞机的在线监管。
2022-01-19 cs.LG cs.SY eess.SY
KEEC: Koopman Embedded Equivariant Control
University College London(伦敦大学学院)
提出KEEC方法,通过Koopman算子嵌入状态和向量场,简化控制策略并保持控制效果,在多个控制任务中表现优越。
2025-02-27 cs.AI cs.LG cs.SY
Correct-by-construction reach-avoid control of partially observable linear stochastic systems
University of Kentucky(肯塔基大学)
针对部分可观测线性随机系统,提出基于高斯信念MDP抽象的构造正确性控制器综合方法,可细化为分段线性反馈控制器,确保以所需概率满足到达-避免目标,并能处理高维状态空间及复杂输入约束。
2023-09-12 cs.AI cs.RO cs.SE
EDMD-Based Robust Observer Synthesis for Nonlinear Systems
North Carolina State University(北卡罗来纳州立大学)
本文提出一种数据驱动方法,通过扩展动态模式分解识别近似线性提升模型,利用再生核希尔伯特空间理论,结合确定性和随机性误差,通过线性矩阵不等式设计鲁棒观测器,验证了方法的有效性和灵活性。
2026-04-01 cs.SY eess.SY
Neural Luenberger state observer for nonautonomous nonlinear systems
North Carolina State University(北卡罗来纳州立大学)
本文提出了一种无需模型的状态观测器合成方法,通过数据训练神经网络实现非自治非线性系统的状态估计,理论证明了观测误差的有界性。
2026-04-17 cs.SY eess.SY
An Input-Output Parametrization of Stabilizing Controllers: amidst Youla and System Level Synthesis
ETH Zürich(苏黎世联邦理工学院);University of Oxford(牛津大学)
本文提出了一种新颖的输入输出参数化方法,用于线性时不变系统内部稳定的输出反馈控制器集合。核心方法是将闭环传递函数从扰动到输入输出信号视为设计参数,并利用其仿射关系。该方法在双共素因子分解难以计算或初始稳定控制器难以找到时尤为有效,无需预先计算步骤,通过直接求解线性规划即可得到稳定控制器。此外,该参数化方法允许使用凸优化计算满足二次不变约束的范数最优控制器。
2020-07-11 cs.SY eess.SY math.OC
A convex data-driven approach for nonlinear control synthesis
Sandia National Laboratories(桑迪亚国家实验室);Clemson University(克莱姆森大学);Georgia Institute of Technology(佐治亚理工学院)
我们考虑一类非线性控制综合问题的基础数学模型是不明确的。我们提出了一个数据驱动的方法来稳定系统时,只有样本轨迹的动态是可访问的。我们的方法是建立在基于密度函数的几乎处处稳定性证明,这是对偶的李雅普诺夫函数的动态系统。与基于李雅普诺夫的方法,密度函数导致一个凸的制定的联合搜索的控制策略和稳定性证书。这种类型的凸问题可以通过调用平方和(SOS)的机制来有效地解决。对于数据驱动的部分,我们利用的事实,对偶结果的稳定性理论的动力系统可以理解使用线性Perron-Frobenius和Koopman运营商。这种连接使我们能够使用数据驱动的方法来近似这些运营商结合SOS技术的凸制定控制合成。所提出的方法的有效性证明通过几个例子。
2020-06-28 cs.RO cs.SY eess.SY
Satellite Dynamics Toolbox Library: a tool to model multi-body space systems for robust control synthesis and analysis
本文介绍了Satellite Dynamics Toolbox Library (SDTlib),这是一种基于SIMULINK的多体航天器系统建模工具,支持以LFT形式构建不确定模型,用于LTI和LPV鲁棒控制器的综合与分析,并提供了端到端鲁棒设计教程与基准。
2023-03-28 cs.SY eess.SY
Score Matching Diffusion Based Feedback Control and Planning of Nonlinear Systems
T-5 Applied Mathematics and Plasma Physics Group, Los Alamos National Laboratory(T-5应用数学与等离子体物理组,洛斯阿拉莫斯国家实验室);Department of Mechanical Engineering, University of California, Riverside(加州大学河滨分校机械工程系);Electrical Engineering and Computer Science, University of California, Irvine(加州大学欧文分校电气工程与计算机科学)
本文提出基于分数匹配扩散的非线性系统反馈控制与规划方法,通过确定性反向过程实现可控无漂移和LTI系统的密度控制。
2026-03-10 cs.LG cs.RO cs.SY
Under-Approximate Reachability Analysis for a Class of Linear Systems with Inputs
针对一类输入矩阵为单位矩阵的连续时间LTI系统,提出一种利用矩阵指数近似的高效欠逼近方法,用于计算可达集和可达管,并具有一阶收敛保证。
2023-05-11 cs.NA cs.SY eess.SY
A Direct State-Space Realization of Discrete-Time Linear Parameter-Varying Input-Output Models
本文提出一种避免动态非线性依赖的LPV IO模型直接状态空间实现,虽非最小但可达且可重构,并用数值示例验证。
2025-02-26 cs.SY eess.SY
Second-Order Non-Convex Optimization for Constrained Fixed-Structure Static Output Feedback Controller Synthesis
对于线性时不变系统,最优控制器的设计是许多应用中经常遇到的问题。在所有可用的优化方法中,线性二次型调节器(LQR)方法当然获得了很多关注和兴趣。众所周知,当所有系统状态变量都是可测量的时,线性代数中的标准数值工具是容易获得的,其使得能够确定最优静态LQR反馈增益矩阵。然而,在某些系统状态变量不可测量的各种特定场景中,以及随之而来的对控制器结构的规定结构约束出现时,由于可能存在的非凸性特性,最优化问题可能变得难以处理。在这种情况下,已经提出了一些一阶方法来满足这些问题,但所有这些一阶最优化方法,如果成功的话,仅限于线性收敛。为了加快收敛速度,在矩阵空间中的二阶方法是必不可少的,与适当的方法来解决线性等式约束的静态输出反馈(SOF)问题与适当定义的线性二次成本函数。因此,沿着这条线,在这项工作中,提出了一种有效的方法,在矩阵空间中,通过求解几个李雅普诺夫方程来计算海森矩阵。然后采用一种新的优化技术来处理海森矩阵的不确定性。随后,通过牛顿法与线性等式约束,二阶优化算法,有效地解决了约束SOF LQR问题。最后,两个数值例子说明了所提出的方法的适用性和有效性。
2022-03-28 cs.SY eess.SY math.OC
Distributed Unknown Input Observers for Discrete-Time Linear Time-Invariant Systems
本文提出一种基于节点级可检测性分解的分布式未知输入观测器设计方法,通过局部输出注入与扩散增益分别抑制噪声和补偿信息缺失,利用LMI求解,仿真验证有效性。
2025-04-23 cs.SY eess.SY
Data-Driven State Observers for Measure-Preserving Systems
North Carolina State University(北卡罗来纳州立大学)
针对状态未完全可测的保测离散时间非线性系统,该研究提出基于Koopman算子与核方法的数据驱动KKL状态观测器,在三类数据集场景下完成综合,经Lorenz系统数值验证并提供理论误差分析。
2026-08-13 cs.SY eess.SY math.DS
Nonlinear Data-Driven Control Part I: Trajectory Representation under quasi-Linear Parameter Varying Embeddings
本文将行为框架扩展至准线性参数变化嵌入,提出一组适用于非线性系统的数据驱动分析与预测工具,并通过旋转摆仿真与机电定位实验验证了其有效性与鲁棒性。
2023-09-15 cs.SY eess.SY math.DS