Dominance analysis of linear complementarity systems
University of Cambridge（剑桥大学）
本文将主导性和p耗散性概念扩展到非光滑的线性互补系统，旨在为切换和振荡系统的设计与分析提供互连理论。通过经典电气电路的详细研究加以说明。
2018-04-12 cs.SY eess.SY
From Dissipativity Theory to Compositional Abstractions of Interconnected Stochastic Hybrid Systems
Technical University of Munich（慕尼黑工业大学）
本文提出基于互联拓扑和子系统及其抽象的联合耗散性性质，构建随机混合系统组合抽象的条件，并通过数值模拟验证方法有效性。
2018-05-22 cs.SY eess.SY
Polyhedral Estimation of L-1 and L-infinity Incremental Gains of Nonlinear Systems
我们提供了新的耗散性条件的限制系统的增量L-1增益。此外，我们适应现有的结果的L-无穷增益的增量设置和相关的增量L-1和L-无穷增益界通过系统伴随。基于优化的方法来构建多面体李雅普诺夫函数的工作的基础上，我们利用这些条件来获得一个基于线性规划的算法，可以提供越来越尖锐的界限作为一个给定的候选多面体存储功能或多面体集的函数的增益。该算法还扩展到允许设计的线性反馈控制器的性能，作为衡量的增量增益的界限。我们应用该算法的一对夫妇的数值例子来说明这种方法的权力，以及一些限制。
2022-07-09 cs.SY eess.SY math.OC
Nonlinear Tracking and Rejection using Linear Parameter-Varying Control
线性变参数（LPV）框架已被引入的意图提供稳定性和性能保证的非线性（NL）系统的分析和控制器综合通过凸方法。通过扩展线性时不变框架的结果，主要基于二次稳定性和性能，使用耗散理论，它已被假定，他们推广的NL系统的跟踪和扰动抑制保证。然而，如文献中所示，通过标准耗散的稳定性和性能不足以满足非线性系统在参考跟踪和扰动抑制的情况下的期望保证。我们建议解决这个问题的应用程序的增量耗散，确保这些规格。提出了一种新的方法来综合和实现NL控制器，该控制器能够通过使用LPV框架中的方法的凸优化来保证NL系统的增量稳定性和性能。通过仿真和实验，所提出的方法相比，标准的LPV控制器的设计，表现出显着的性能改善。
2023-03-07 cs.SY eess.SY
Lipschitz constant estimation for 1D convolutional neural networks
University of Stuttgart（斯图加特大学）；RWTH Aachen（亚琛工业大学）
提出基于耗散性的方法，通过半定规划估计一维CNN的Lipschitz常数，利用状态空间实现提高效率，在准确性和可扩展性上优于现有方法。
2023-06-20 cs.LG cs.SY eess.SY
Incremental analysis of nonlinear systems with efficient methods for piecewise-affine systems
本文研究非线性系统的增量稳定性，提出计算增量L2增益上界和评估分段仿射系统增量渐近稳定的条件，基于 dissipativity 分析和 LMI 构建分段二次函数，方法更保守且有数值示例。
2016-11-24 cs.SY eess.SY
Learning Koopman Operator under Dissipativity Constraints
研究了一类具有任意耗散性的非线性动力系统的学习问题。非线性系统由Koopman算子描述，Koopman算子是定义在无限维提升状态空间上的线性算子。学习Koopman算子下指定的二次耗散约束的问题制定和解决。该学习问题属于一类非线性约束的非凸优化问题，数值上是难以求解的。通过应用变量变换技术和凸上界逼近，该问题被简化为序列凸优化问题，并以数值有效的方式求解。最后，给出了数值模拟，其中所提出的方法，包括指定的耗散实现了高的建模精度证明。
2019-11-10 cs.SY eess.SY math.OC
Feedback Stability Analysis via Dissipativity with Dynamic Supply Rates
本文提出一种具有动态供给率的非线性系统耗散性概念，用于分析反馈系统的 Lyapunov 和渐近稳定性，并证明其能恢复多种现有结果。
2024-04-28 cs.SY eess.SY math.OC
Dissipativity Analysis of Nonlinear Systems: A Linear--Radial Kernel-based Approach
North Carolina State University（北卡罗来纳州立大学）
基于非线性系统在再生核希尔伯特空间中的Koopman算子模型，通过核二次形式表达存储函数和供应率函数，将耗散不等式转化为线性算子不等式，利用线性-径向核确保局部线性和二次性，从而建立有限维凸优化问题进行耗散性估计。
2026-04-01 cs.SY eess.SY
Technical Report for Dissipativity Learning in Reproducing Kernel Hilbert Space
提出一种基于再生核希尔伯特空间的非参数耗散性学习框架，通过Hilbert Schmidt算子表示存储函数和供应率，将优化问题转化为有限维凸规划，为未知非线性系统提供数据驱动的稳定性认证和泛化保证。
2025-10-31 cs.SY eess.SY
Robustness Quantification of MIMO-PI Controller From the Perspective of \(γ\)-Dissipativity
Northwestern Polytechnical University（西北工业大学）
从γ耗散性角度研究MIMO-PI控制器的鲁棒性量化，提出基于耗散性理论的最优参数调整策略，提升受扰非线性MIMO系统的稳定性。
2026-01-10 cs.SY eess.SY
A Dissipativity Framework for Constructing Scaled Graphs
本文提出了一种基于耗散性的框架，通过建立线性矩阵不等式和积分二次约束的新联系，高效计算多变量线性时不变、脉冲及分段线性等系统的缩放图，克服了传统方法需处理不可数输入的瓶颈，为非线性反馈系统稳定性分析提供了强大的图形工具。
2025-07-11 cs.SY eess.SY math.OC
Learning Neural Controllers with Optimality and Stability Guarantees Using Input-Output Dissipativity
University of Oxford（牛津大学）
本文提出一种神经控制器设计框架，通过学习神经存储函数和供应率函数，利用输入-输出耗散性实现稳定性与最优性，通过实验验证其有效性。
2025-06-06 cs.SY eess.SY
Static output feedback stabilization of uncertain rational nonlinear systems with input saturation
本文利用鲁棒严格QSR耗散性的概念，研究了一类具有输入饱和和有界参数不确定性的连续时间非线性有理系统的静态输出反馈控制问题。将局部耗散性条件与广义扇区条件相结合，以线性矩阵不等式的形式给出了稳定控制器的综合。该策略适用于一般静态输出反馈设计，对对象输出方程没有任何限制。提出了一种基于线性矩阵不等式的迭代算法，以计算使闭环吸引域估计最大化的反馈增益矩阵。数值例子来说明这种新方法的适用性，从文献中借来的例子。
2022-03-30 cs.SY eess.SY math.OC
Direct data-driven state-feedback control of general nonlinear systems
本文利用速度形式的 LPV 表示和 Fundamental Lemma，仅凭单段数据与预定义基函数直接综合非线性状态反馈律，保证闭环相对任意平衡点的稳定性与耗散性。
2023-09-26 cs.SY eess.SY
Learning Neural Network Controllers with Certified Robust Performance via Adversarial Training
University of California, Berkeley（加州大学伯克利分校）
本文提出通过对抗训练联合合成神经网络控制器和鲁棒性证书，以保证闭环系统的鲁棒性能，利用反例指导训练，并通过alpha,beta-CROWN验证非线性动态系统。
2026-04-01 cs.SY eess.SY
Scalable Formal Verification of Incremental Stability in Large-Scale Systems Using Graph Neural Networks
Indian Institute of Science, Bengaluru（印度科学研究所）
本文提出利用图神经网络进行大规模系统增量稳定性验证，通过构造局部李雅普诺夫函数并结合利普希茨界保证形式正确性。
2025-12-08 cs.SY eess.SY
Time-Discounted Incremental Input/Output-to-State Stability
目前的工作提供了两种替代方案，制定时间折扣增量输入/输出到状态稳定性（i-IOSS）作为一个合适的检测性的概念，一般非线性系统的非加性干扰。这两种提法都与现有的i-IOSS概念有关，这些概念是特殊情况。以前的结果提供了一个充分的李雅普诺夫函数条件i-IOSS和证明i-IOSS是必要的鲁棒稳定的全阶状态观测器的存在推广到一般非线性系统的时间折扣i-IOSS定义。对于线性系统，给出了显式i-IOSS界。
2020-04-30 cs.SY eess.SY
Formally Verified Neural Lyapunov Function for Incremental Input-to-State Stability of Unknown Systems
针对未知离散时间系统的 δ-ISS 验证问题，提出用神经网络和数据驱动损失训练类 Lyapunov 函数，并引入有效性条件实现形式化保证。
2025-01-10 cs.SY eess.SY
Formally Verified Neural Network Controllers for Incremental Input-to-State Stability of Unknown Discrete-Time Systems
本文提出一种方法，通过神经网络参数化控制器和δ-ISS-CLF，并引入有效性条件进行形式化验证，以确保未知离散时间系统的增量输入到状态稳定性，并在多个案例中验证了其有效性。
2025-10-27 cs.SY eess.SY
Understanding Incremental Learning with Closed-form Solution to Gradient Flow on Overparamerterized Matrix Factorization
University of Pennsylvania（宾夕法尼亚大学）；Shanghai Jiao Tong University（上海交通大学）
本文利用Riccati型矩阵微分方程的闭式解，定量解释对称过参数化矩阵分解中梯度流的增量学习机制，揭示其源于不同分量动力学的时间尺度分离。
2025-08-28 cs.LG cs.SY eess.SY
