Synchronization of Coupled Phase Oscillators with Stochastic Disturbances and the Cycle Space of the Graph
讨论了一个耦合相位振荡器的复杂网络系统的同步稳定性。在网络受干扰影响的情况下，耦合相位振荡器的随机线性化系统可以用于确定节点之间的线路中的相位差的波动，并识别可能导致去扰动的脆弱线路。主要结果是推导出表征波动严重程度的相位差的渐近方差矩阵。研究发现，系统的图的循环空间在这一特征中起着重要的作用。利用周期空间理论，分析了小周期的形成对波动的影响。证明了增加一条新的谱线或增加一条谱线的耦合强度会影响包括这条谱线在内的任何周期中谱线的波动，而不会影响其他谱线的波动。特别地，如果同步状态下的相位差不被这些动作改变，则受影响的波动减小。
2023-03-30 cs.SY eess.SY nlin.AO
Lyapunov Stability of Smart Inverters Using Linearized DistFlow Approximation
如果设定点配置不当，利用预设运行条件确定有功和无功功率注入/消耗的快速智能逆变器可能会在配电网中造成电压不稳定（过电压、电压振荡等）。在这项工作中，线性配电潮流方程和下垂的电压无功和电压-瓦特控制曲线被用来解析推导出一个稳定性标准，使用\lyapnouv分析，包括网络的运行条件。该方法通常适用于可以表示为Lipschitz函数的控制曲线。推导出的Lipschitz常数说明了无功发电的智能逆变器硬件限制。一个本地的政策是来自稳定性标准，允许逆变器，以适应他们的控制曲线，只监测本地电压，从而避免集中控制或与其他逆变器的信息共享。该判据与智能逆变器的内部时滞无关。逆变器与不建议的稳定技术的仿真结果表明，智能逆变器可以减轻本地电压振荡，减轻在多个场景下的变电站的有功和无功功率流的干扰。该研究最后说明了控制策略如何抑制由太阳辐射和网络攻击引起的振荡。
2020-11-19 cs.SY eess.SY
Asymptotic Learning Requirements for Stealth Attacks on Linearized State Estimation
信息论隐形攻击是一种数据注入攻击，它最大限度地减少了操作员获取的关于状态变量的信息量，同时限制了攻击下测量值分布与正常操作下测量值分布之间的Kullback-Leibler散度，目的是控制检测概率。对于高斯分布的状态变量，攻击构造需要状态变量的二阶统计量的知识，其使用样本协方差矩阵从有限数量的过去实现估计。在此框架内，攻击性能的样本协方差矩阵的攻击结构进行了研究。这导致分析学习攻击构造上使用的状态变量的协方差矩阵所需的数据量。利用渐近随机矩阵理论刻画了遍历攻击性能，并证明了攻击性能的方差是有界的。遍历性能和方差界进行了评估与IEEE测试系统的模拟。
2023-01-11 cs.IT cs.SY eess.SP
Fast Monte Carlo Simulation of Dynamic Power Systems Under Continuous Random Disturbances
可再生能源发电产生的连续时间随机干扰对电力系统的动态行为有着重要的影响。在评估这种影响时，必须将扰动视为连续时间随机过程，而不是不随时间变化的随机变量，以确保准确性。蒙特卡罗仿真（MC）是一种非侵入性的方法来评估这种影响，可以在商业电力系统仿真软件上执行，并且易于电力公司使用，但是计算繁琐。拉丁超立方抽样（LHS）等快速抽样方法已被引入以加速随机变量的抽样，但还不能应用于连续扰动的抽样。为了克服这一局限性，本文提出了一种快速MC方法，使LHS能够加快连续扰动的采样速度，该方法基于扰动的Itô过程模型，并利用独立正态随机变量的函数逼近Itô过程。IEEE 39节点系统的算例表明，在估计系统动态响应的期望和方差时，该方法的收敛速度分别是传统MC的47.6倍和6.7倍。
2020-07-08 cs.SY eess.SY math.OC
Control design and analysis of a stochastic network control system
University of Delaware（特拉华大学）
本文研究随机网络控制系统中数据传输时间统计对系统动态的影响，推导系统瞬时矩的精确动力学并设计控制器以实现期望均值和方差。
2017-04-01 cs.SY eess.SY
Compact Amplified Laser Power Stabilization Using Robust Active Disturbance Rejection Control with Sensor Noise Decoupling
针对放大激光功率抖动与漂移影响OPM阵列性能的问题，提出带传感器噪声解耦的双环自抗扰控制DLADRC及ESO稳定性分析，实验证明长期稳定性显著提升。
2025-06-10 cs.SY eess.SY
Distributionally Robust Stochastic MPC under Disturbance-Affine Feedback Policies
RWTH Aachen University（亚琛工业大学）
本文提出一种分布鲁棒随机MPC方法，利用扰动数据构建Wasserstein球内的分布集，以应对最坏情况下的约束满足问题。通过引入扰动仿射控制策略，提升控制自由度，证明了所提方法的递归可行性与稳定性，并通过理论分析和仿真验证其在初始可行集、平均性能和状态方差控制方面的优越性。
2026-04-14 cs.SY eess.SY math.OC
Stochastic Model Predictive Control using Initial State and Variance Interpolation
本文提出一种随机模型预测控制框架，通过初始状态与方差插值构建可变尺寸管，在保证闭环约束满足的同时改善控制性能，并以DC-DC变换器验证其优于先前方法。
2023-04-14 cs.SY eess.SY math.OC
Optimal State Preparation for Impulse Estimation in Gaussian Quantum Systems
TU Wien（维也纳工业大学）；AIT Austrian Institute of Technology（奥地利技术研究院）
本文提出基于最优控制的方法，通过利用非平衡态提高连续监测线性经典和量子系统中脉冲扰动的估计精度，通过时间依赖的系统参数优化减少估计不确定性。
2026-05-12 cs.SY eess.SY quant-ph
Robust Control for Renewable-Integrated Power Networks Considering Input Bound Constraints and Worst-Case Uncertainty Measure
The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）；University of Central Florida（中佛罗里达大学）
本文提出了一种考虑输入边界约束和最坏情况不确定性度量的可再生能源集成电力网络鲁棒控制方法，通过设计集中或分散的状态反馈控制器，采用L∞鲁棒控制理论，解决电力网络中的不确定性和非线性问题，通过非凸优化方法获得状态反馈增益，以减轻扰动影响，并通过案例研究验证了L∞控制器在自动发电控制和H∞控制方法中的性能。
2019-07-15 cs.SY eess.SY
Submodular Optimization for Consensus Networks with Noise-Corrupted Leaders
Rensselaer Polytechnic Institute（伦斯勒理工学院）
研究在存在噪声干扰的共识网络中，通过子模优化选择领袖以最小化节点状态稳态方差，分析贪心算法的性能。
2017-12-21 cs.SY eess.SY math.OC
Distributionally Robust Model Predictive Control with Mixture of Gaussian Processes
本文提出MoGP-DR-MPC框架，利用高斯过程混合自动建模多模态扰动并构建数据驱动模糊集，通过DR-CVaR约束的锥重构实现分布鲁棒控制，在四旋翼仿真中闭环成本较GP-MPC降低17%和4%。
2025-02-08 cs.SY eess.SY math.OC
Receding-horizon Stochastic Model Predictive Control with Hard Input Constraints and Joint State Chance Constraints
Massachusetts Institute of Technology（麻省理工学院）；University of California-Berkeley（加州大学伯克利分校）
本文研究离散时间线性系统在随机扰动、硬输入约束和联合状态机会约束下的随机优化控制，通过可解的二次锥规划计算滚动控制律，利用扰动参数化控制律并饱和扰动以满足硬约束，用Cantelli-Chebyshev不等式松弛机会约束，确保可行性并证明随机稳定性。
2015-06-28 cs.SY eess.SY math.OC
Stochastic Control of Launch Vehicle Upper Stage with Minimum-Variance Splash-Down
本文提出了一种新的综合方法，用于设计运载火箭上一级不可节流的最优鲁棒制导律。在未扰动的情况下，无损和连续凸化技术的组合，制定的指导问题作为一个序列的凸问题，产生的最佳轨迹，作为一个参考的反馈控制器的设计，几乎没有计算工作。然后，基于参考状态和控制，一个随机最优控制问题被定义为寻找一个闭环控制律，以抑制随机飞行干扰。控制参数作为一个乘法反馈法，因此，只有控制方向进行调节，而幅度对应于标称值，使其用于固体火箭发动机。优化的目的是最大限度地减少飞溅分散，以确保废级尽可能接近标称点。由于采用了一种新颖的凸化策略，使得随机最优控制问题转化为半定规划问题，从而可以在多项式时间内求解。数值结果评估的随机控制器的鲁棒性，并通过广泛的Monte Carlo运动与模型预测控制算法的性能进行比较。
2022-10-26 cs.SY eess.SY math.OC
A Performance and Stability Analysis of Low-inertia Power Grids with Stochastic System Inertia
The University of Texas at Dallas（德克萨斯大学达拉斯分校）
本文研究了具有随机系统惯性的低惯性电网的性能与稳定性，通过线性化随机摇摆方程模型，利用H2范数量化系统在持续扰动或瞬态故障下的性能，并推导了均匀惯性与阻尼参数电网的H2范数闭式表达式，同时给出了均方稳定性条件。
2019-03-02 cs.SY eess.SY math.OC
Fundamental Limits of Controlled Stochastic Dynamical Systems: An Information-Theoretic Approach
New York University（纽约大学）
在本文中，我们研究的基本性能限制在随机动力系统的控制，更具体地说，我们推导出通用的$\mathcal{L}_p$界，任何因果（稳定）控制器和任何随机干扰，通过信息理论分析。我们首先考虑工厂（即，被控制的动力系统）是线性时不变的，并且通常可以看出，下界由设备的不稳定极点（或非最小相位零点）以及扰动的条件熵来表征。然后，我们分析的设置，植物被假定为（严格）因果关系，在这种情况下，下界是由条件熵的干扰。我们还讨论了$p = 2$和$p = \infty$的特殊情况，它们分别对应于最小方差控制和最大偏差控制。此外，我们调查的下界的功率谱特征，以及它的关系Kolmogorov-Szegö公式。
2021-06-03 cs.IT cs.LG cs.RO
Learning to Control an Unstable System with One Minute of Data: Leveraging Gaussian Process Differentiation in Predictive Control
California Institute of Technology（加州理工学院）
我们提出了一个简单而有效的方法来控制不稳定的机器人系统，使用估计的动力学模型。具体来说，我们将展示如何利用高斯过程的可微性来创建一个状态相关的线性化近似的真实连续动态，可以集成模型预测控制。我们的方法是兼容的大多数高斯过程方法的系统辨识，并可以学习一个准确的模型，使用适量的训练数据。我们通过学习一个不稳定系统的动态来验证我们的方法，例如具有7-D状态空间和2-D输入空间的赛格威（仅使用一分钟的数据），并且我们表明所得到的控制器对未建模动态和干扰具有鲁棒性，而基于标称模型的最先进的控制方法在小扰动下可能会失败。代码在https://github.com/learning-and-control/core上开源。
2021-08-01 cs.LG cs.RO cs.SY
Non-Gaussian Uncertainty Minimization Based Control of Stochastic Nonlinear Robotic Systems
Massachusetts Institute of Technology（麻省理工学院）
针对含任意已知概率不确定性与扰动的非线性机器人系统，提出基于矩和特征函数传播不确定性、最小化协方差迹与行列式的状态反馈优化控制方法。
2023-08-14 cs.AI cs.RO cs.SY
