Closed-Loop Statistical Verification of Stochastic Nonlinear Systems Subject to Parametric Uncertainties
Massachusetts Institute of Technology（麻省理工学院）；University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出基于高斯过程的统计验证框架，用于验证具有参数不确定性的随机非线性系统。通过少量随机仿真，构建高斯过程回归模型并预测系统性能。引入基于高斯过程累积分布函数方差的新指标，用于估计预测置信度，并通过主动采样算法减少预测误差。
2017-10-01 cs.SY eess.SY
Control Barrier Function Meets Interval Analysis: Safety-Critical Control with Measurement and Actuation Uncertainties
本文提出了一个框架，设计可证明安全的反馈控制器的采样数据控制仿射系统的测量和驱动的不确定性。基于非线性函数的区间Taylor模型，提出了保证采样系统安全集前向不变性的采样控制障碍函数（CBF）条件。可达集过逼近和Lasserre的多项式优化的层次被用来寻找采样数据CBF条件下的边际项。分别针对相对度为1和相对度较高的CBF，给出了存在测量和驱动不确定性时系统安全控制的充分条件。通过两个数值例子和一个实验例子说明了所提出的方法的有效性，该实验例子实现了Crazyflie四轴飞行器上的实时控制器。
2021-10-03 cs.SY eess.SY math.OC
Distributed Multi-task Formation Control under Parametric Communication Uncertainties
本文研究了在通信受不确定参数影响下的多智能体编队控制问题，提出基于线性矩阵不等式条件的连通性检查方法，并设计了基于梯度的分布式控制器以实现编队、避障和拓扑连通性保持。
2017-09-02 cs.SY eess.SY
Interval Prediction for Continuous-Time Systems with Parametric Uncertainties
Renault（雷诺）；Inria, Univ. Lille, CNRS, UMR 9189 - CRIStAL（法国国家信息与自动化研究所，里尔大学，法国国家科学研究中心，联合研究实验室9189）；ITMO University（信息技术、机械与光学大学）；Conservatoire National des Arts et Métiers (CNAM)（国立工艺学院）；Centrale Lille, CNRS, UMR 9189 - CRIStAL（里尔中央理工学院，法国国家科学研究中心，联合研究实验室9189）
本文研究了线性参数变化系统的行为预测问题，设计了一个区间预测器，并通过新的Lyapunov函数结构保证其稳定性，将稳定性条件转化为线性矩阵不等式，并在自动驾驶车辆的安全运动规划中验证了理论结果的有效性。
2019-08-12 cs.SY eess.SY
Output adaptive control for linear systems under parametric uncertainties with finite-time matching input harmonic disturbance rejection
我们考虑的任务，运动控制的非易失性操作使用并联运动学机电一体化设置，特别是，稳定的球在板上的不可测的外部谐波干扰。假设系统参数是未知的，并且只有球的位置是用电阻式触摸传感器可测量的。为了解决这个问题，我们提出了一种新的基于无源性的输出控制算法，可以实现任意相对度的不稳定线性化系统。与以前的工作相比，我们描述了一种新的方法来参数化谐波信号发生器和估计算法与有限时间收敛。该方案能够在控制信号幅度约束下实现快速干扰消除。
2020-05-18 cs.SY eess.SY
LQR for Systems with Probabilistic Parametric Uncertainties: A Gradient Method
University of New Mexico（新墨西哥大学）；Massachusetts Institute of Technology（麻省理工学院）
本文提出一种基于梯度的方法，用于求解具有时间不变概率参数不确定性的线性系统LQR问题，通过多项式混沌理论和策略优化技术，将随机系统转化为高维线性时不变系统，并利用梯度下降算法优化反馈增益，证明算法线性收敛且误差衰减率。
2026-03-27 cs.SY eess.SY
Robust Stabilization of Linear Plants Under Uncertainties and High-Frequency Measurement Noises
Institute for Problems of Mechanical Engineering Russian Academy of Sciences（俄罗斯科学院机械问题研究所）；ITMO University（ITMO大学）
本文提出一种鲁棒算法，用于在参数不确定性和外部干扰下稳定线性系统，通过减少噪声影响并独立补偿不确定性和干扰来提高稳定性。
2016-12-28 cs.SY eess.SY
Modeling and Assessment of IoT Supply Chain Security Risks: The Role of Structural and Parametric Uncertainties
供应链安全威胁对物联网等复杂ICT系统的安全风险建模技术提出了新的挑战。利用从攻击树和可靠性分析中提取的既定技术提供所需的参考点，基于图的分析可以为考虑供应商在此类系统中的作用提供一个框架。我们在这里提出这样一个框架，同时强调需要一个以组件为中心的模型。考虑到资源的限制时，将此模型应用于现有的系统，我们研究了模型开发中的各种不确定性，包括结构的不确定性和估计事件概率的大小的不确定性。通过案例研究，我们发现，结构的不确定性构成了一个更大的挑战，模型的效用，因此应该得到特别关注。在面对这些不确定性的最佳做法提出。
2020-03-20 cs.CR cs.SY eess.SY
Tube-enhanced Multi-stage MPC for Flexible Robust Control of Constrained Linear Systems with Additive and Parametric Uncertainties
在鲁棒模型预测控制（MPC）领域中，最优性和复杂性的权衡一直是最重要的挑战之一。为了解决这个问题，我们提出了一个灵活的强大的MPC计划，协同多级和基于管的MPC方法。关键思想是利用多级MPC的非保守性和基于管的MPC的简单性。该方案为用户提供了两种选择，以根据应用确定权衡：鲁棒范围的选择和不确定性的分类。在鲁棒水平线之外，在管的帮助下避免了多级MPC中采用的神经树的分支。通过处理\emph{small}的不确定性，通过一个不变的管，可以离线计算的问题大小的增长减少。这导致在线性增长的问题规模超出了强大的地平线和没有增长的问题规模有关的小幅度的不确定性。与现有的鲁棒MPC方法相比，所提出的方法有助于实现最优性和复杂性之间的理想权衡。我们证明了该方法是鲁棒渐近稳定的。以CSTR反应器为例说明了该方法的优越性。
2020-12-29 cs.SY eess.SY
Tube-based Guaranteed Cost Robust Model Predictive Control for Linear Systems Subject to Parametric Uncertainties
针对一类具有乘法结构范数有界不确定性的约束线性系统，提出了一种基于管道的保性能模型预测控制器。它为一般的最小-最大模型预测控制提供了一个上界。所提出的管的不变性适用于任何任意缩放。它产生一个二阶锥规划问题，这是计算成本较低的标准半定规划问题。我们还提出了一个数值例子，所提出的方法，开环保成本模型预测控制器，和一个位似管模型预测控制器的线性差分包含系统之间的比较研究。
2020-12-09 cs.SY eess.SY math.OC
Computation of Maximal Admissible Robust Positive Invariant Sets for Linear Systems with Parametric and Additive Uncertainties
针对含参数与加性不确定性的约束离散线性时变系统，提出基于后向可达集与最小RPI集的有限时间收敛算法，求解最大可容许鲁棒正不变集并给出存在充要条件，经数值算例验证有效。
2024-06-01 cs.SY eess.SY math.OC
Composite Adaptive Control Barrier Functions for Safety-Critical Systems with Parametric Uncertainty
University of South Alabama（南阿拉巴马大学）
本文提出了一种适用于具有线性参数不确定性的非线性控制仿函数系统的复合自适应控制屏障函数算法，通过复合能量函数设计适应律，保证系统安全性和稳定性。
2026-09-30 cs.SY eess.SY math.OC
Robust Optimal Control for Nonlinear Systems with Parametric Uncertainties via System Level Synthesis
针对带范数有界干扰和参数不确定性的非线性系统，提出一种基于系统层级合成的方法，通过分解系统并凸化不确定性，联合优化轨迹与误差反馈，实现低保守性的鲁棒最优控制。
2023-09-13 cs.SY eess.SY math.OC
Probabilistic Control Barrier Functions for Systems with State Estimation Uncertainty using Sub-Gaussian Concentration
California Institute of Technology（加州理工学院）；Illinois Institute of Technology（伊利诺伊理工学院）
本文提出一种基于粒子的概率控制屏障函数框架，利用高斯不确定性和子高斯结构，解决概率保证与计算可行性之间的权衡问题，提供有限样本的安全证书。
2026-04-10 cs.SY eess.SY
Path Following Control of Automated Vehicle Considering Uncertainties and Disturbances with Parametric Varying
针对自动驾驶车辆路径跟随控制未同时考虑模型不确定性、外部干扰和参数变化的问题，提出一种基于矩阵不等式的鲁棒模型预测控制及混合与切换系统理论的新方法，通过结合连续与离散状态修改系统矩阵以提升控制性能。
2023-10-19 cs.SY eess.SY
Distributed Consensus for Multiple Lagrangian Systems with Parametric Uncertainties and External Disturbances Under Directed Graphs
本文研究了有向图下存在参数不确定性和外部干扰的多拉格朗日系统的无领导一致性问题。为了达到渐近行为，鲁棒连续项与自适应变增益的加入，以减轻未知界的外部干扰的影响。在固定有向图的情况下，通过在辅助变量设计中引入积分项，可以显式地导出最终的一致性均衡。我们表明，代理实现加权平均共识，最终的平衡是依赖于三个因素，即，互动拓扑结构，代理的初始位置，以及所提出的控制算法的控制增益。在切换有向图的情况下，提出了一种基于模型参考的自适应一致性算法，使得当无限序列的切换图是一致联合连接时，智能体能够实现无领导的一致性.针对相对速度信息难以精确获取的问题，提出了一种基于增益自适应的多拉格朗日系统无领导一致性算法.我们还提出了一个基于模型参考自适应一致性的算法，无需使用邻居的速度信息切换有向图。所提出的算法是分布式的，在这个意义上，使用本地信息从它的邻居和使用无注释控制增益。数值仿真结果表明了所提算法的有效性。
2019-07-25 cs.SY eess.SY
Safe Optimal Control under Parametric Uncertainties
Symbio Robotics（Symbio机器人公司）；Georgia Tech（佐治亚理工学院）
我们使用一种新的正则化，允许权衡最优性与安全性参数不确定性下的安全最优路径规划的问题。所提出的正则化器利用了这样的概念，即碰撞可以被建模为最优控制设置中的约束违反，以便产生具有降低的碰撞风险的开环轨迹。约束违反的风险进行评估，使用状态相关的相关函数和一阶变化的约束函数相对于参数变化。该方法是通用的，可以适用于任何最优控制制定，处理参数不确定性下的约束。利用完整机器人避开多个速度不确定的动态障碍物的仿真结果验证了该方法的有效性。最后，我们介绍了汽车与训练的问题，强调的依赖性，由此产生的风险规避行为的约束函数的形式，用于导出正则化。
2020-07-21 cs.RO cs.SY eess.SY
Static Output Feedback Control for Nonlinear Systems subject to Parametric and Nonlinear Uncertainties
University of Alberta（阿尔伯塔大学）
本文研究了满足局部Lipschitz连续条件的离散非线性系统静态输出反馈控制器设计，通过凸多目标优化同时优化Lipschitz常数和扰动抑制水平，提升系统对非线性不确定性和参数变化的鲁棒性。
2016-06-25 cs.SY eess.SY math.DS
Sub-Structuring Modeling of Large Space Truss Structures for Structure/Control Optimization in Presence of Parametric Uncertainties
现代和未来的高精度指向空间任务面临着与大型柔性结构的广泛使用相关的越来越高的挑战。新的建模工具，能够占这个问题的多学科性质的发展变得非常相关，以满足结构和控制性能标准。本文提出了一种新的方法来分析建模大型桁架结构的子结构框架。设计了一个三维单元体单元，并用有限元商业软件进行了验证。该模型是由多个二维子机制组装使用框图模型。这构成了通过重复单元来构造复杂桁架结构的构建块。精确的振动描述的系统和它的最小表示，以及可能占其机械参数的参数不确定性，使其成为一个适当的工具，进行鲁棒结构/控制协同设计。为了证明所提出的方法的优势，协同设计研究的情况下，提出了一个多学科优化方法的基础上粒子群算法和多结构的鲁棒Hinf-synthesis。这已被用来优化高指向天线的指向性能，最大限度地减少来自两个太阳能电池板的太阳能电池阵列机构（SADM）的扰动，通过多个检测质量致动器进行主动控制，同时减少连接天线的桁架结构的质量到航天器主体。
2022-01-05 cs.SY eess.SY
Sensor-Based Safety-Critical Control Using an Incremental Control Barrier Function Formulation via Reduced-Order Approximate Models
针对现有控制屏障函数依赖精确模型、难适配参数不确定场景的问题，提出测量鲁棒增量控制屏障函数MRICBFs，利用基于传感器的降阶模型，在处理传感器精度与近似误差的同时提供严格安全保障，经一阶系统和高超声速滑翔飞行器仿真验证有效。
2025-03-24 cs.SY eess.SY
Barrier States Embedded Iterative Dynamic Game for Robust and Safe Trajectory Optimization
考虑不确定性和干扰是成功决策的一个重要但具有挑战性的步骤。在安全受限的环境中，这个问题变得更具挑战性。本文通过求解一个有约束的最小-最大最优控制问题，提出了一种鲁棒、安全的轨迹优化算法。所提出的方法利用一个博弈论微分动态规划方法与障碍状态处理参数和非参数的不确定性，在安全关键控制系统。将障碍状态嵌入微分对策的动力学和代价中，在高维状态空间中刻画约束环境，保证优化轨迹的安全性。此外，为了找到一个收敛的最优解，我们建议在Stackleberg（领导者-追随者）游戏中进行线搜索，而不是选择一个恒定的学习率。在一个速度约束的倒立摆模型上，在中等和高参数不确定性下，对所提出的算法进行了评估，以显示其在这样一个可理解的系统中的有效性。该算法随后在四旋翼机上实现，在有风的环境中，在所有方向上施加正弦风脉动。
2022-03-26 cs.SY eess.SY
Sliding Mode Control Barrier Function
本文提出了一种滑模控制障碍函数，以鲁棒地处理安全关键控制系统中的高相对度安全约束。稳定性/跟踪目标，表示为标称控制律，和安全约束，表示为控制障碍函数是通过二次规划统一。所提出的控制框架进行了数值验证，考虑古田摆和磁悬浮系统。对于第一个系统，一个线性二次型调节器被认为是一个标称控制律，并考虑安全约束，以保证摆角位置永远不会超过一个预定值。对于第二个，滑模控制器被认为是一个标称控制律和多个安全约束被认为是保证磁悬浮系统的位置永远不会超过预定值。对于这两个系统，我们认为高相对度的安全约束对模型的不确定性是鲁棒的。数值结果表明，稳定性/跟踪目标的实现和安全约束的尊重，即使模型的不确定性。
2020-10-07 cs.SY eess.SY
Safe Controller Synthesis with Tunable Input-to-State Safe Control Barrier Functions
为了以安全的方式将复杂系统带入现实世界的环境中，它们必须对环境和系统中的不确定性具有鲁棒性。研究了控制系统在输入扰动下的安全性问题，其中扰动可以捕获系统中的不确定性。安全性，作为前向不变的状态空间中的集合，确保与控制障碍函数（CBF）的框架。具体地说，输入状态安全（ISSf）的定义是广义的，允许合成的非保守的，可调控制器，可证明安全的变化的干扰。这是通过制定的概念，可调输入状态安全的控制障碍函数（TISSF-CBF），保证安全的干扰，随着状态的变化，因此，提供了较不保守的手段，容纳不确定性。通过一个简单的带有输入扰动的控制系统验证了理论结果，并将其应用于重型汽车安全联网巡航控制器的设计。
2021-06-04 cs.SY eess.SY
Safe Multi-Agent Interaction through Robust Control Barrier Functions with Learned Uncertainties
California Institute of Technology（加州理工学院）
在现实世界中运行的机器人必须在与许多异构代理和障碍物交互时导航并保持安全。多智能体控制障碍函数（CBF）已经成为一个计算效率高的工具，以保证多智能体环境中的安全，但他们假设完美的知识的机器人动力学和其他代理的动力学。虽然机器人的动态知识可能是相当众所周知的，但现实世界环境中代理的异质性意味着我们对其他代理动态的预测总是存在相当大的不确定性。这项工作的目的是学习这些动态的不确定性，使用矩阵变量高斯过程模型的高置信度界限，并将其纳入一个强大的多智能体CBF框架。我们将得到的最小-最大鲁棒CBF转换成一个二次规划，它可以有效地解决实时的。我们通过仿真结果验证了标称多智能体CBF在智能体交互过程中经常被违反，而我们的鲁棒配方以更高的概率保持安全性并适应学习的不确定性
2020-09-22 cs.LG cs.MA cs.RO
Robust Safety under Stochastic Uncertainty with Discrete-Time Control Barrier Functions
部署在非结构化的，真实世界的环境中的机器人在相当大的不确定性下运行，由于不完善的状态估计，模型误差和干扰。鉴于这种现实世界的背景下，本文的目标是开发控制器，可证明安全的不确定性。为此，我们利用控制障碍函数（CBF），保证机器人在其操作过程中保持在"安全设置“-但CBF（及其相关的保证）传统上是在连续时间的背景下，确定性系统有界不确定性的研究。在这项工作中，我们研究了离散时间CBF（DTCBF）的离散时间动态和无界随机干扰系统的安全性。利用鞅理论的工具，我们开发的概率界的安全性（在有限的时间范围内）的系统的动态满足离散时间障碍函数条件的期望，并分析的效果Jensen的不等式DTCBF为基础的控制器。最后，我们提出了几个例子，我们的方法合成安全的控制输入的系统受到显着的过程噪声，包括倒立摆，双积分器，和四足动物在狭窄的道路上。
2023-02-23 cs.SY eess.SY
Safe Model-Based Reinforcement Learning for Systems with Parametric Uncertainties
强化学习在过去的十年中已经被建立为一种有效的工具，以找到最优的控制策略的动力系统，最近的重点是在学习和/或执行阶段，保证安全的方法。一般来说，当系统是安全关键的和/或任务重启实际上不可行时，安全保证在强化学习中是至关重要的。在最优控制理论中，安全要求通常用状态和/或控制约束来表示。近年来，依赖于持续激励的强化学习方法已经与障碍变换相结合，以学习状态约束下的最优控制策略。为了软化激励要求，依赖于精确模型知识的基于模型的强化学习方法也与屏障转换框架相集成。针对确定性非线性系统，在模型中存在参数不确定性的情况下，提出一种安全的强化学习方法，在不依赖严格激励条件的情况下学习近似约束最优策略。为此，基于模型的强化学习技术，利用一种新的过滤并发学习方法，随着屏障变换，本文开发的实现同时学习未知的模型参数和近似最优的状态约束控制策略的安全关键系统。
2021-10-05 cs.SY eess.SY math.OC
Perturbed Integrators Chain Control via Barrier Function Adaptation and Lyapunov Redesign
针对控制系数未知、扰动上界存在但未知的受扰积分器链镇定问题，结合李雅普诺夫再设计思路提出含比例导引反馈型增益与屏障函数增益的自适应时变增益控制器，实现预设时间内收敛到原点指定邻域并保持，且通过Furuta摆实验验证。
2024-05-15 cs.SY eess.SY
Adaptive Robust Quadratic Programs using Control Lyapunov and Barrier Functions
针对具有时变和状态相关不确定性的非线性系统，提出了基于控制李雅普诺夫函数和障碍函数的自适应鲁棒二次规划控制方法。提出了一种自适应估计律，以预先计算的估计误差界估计不确定性的逐点值。然后，估计的不确定性和误差界被用来制定一个鲁棒QP，这确保了实际的不确定性系统不会违反由控制障碍函数定义的安全约束。此外，可以通过减少估计采样时间来系统地提高不确定性估计的准确性，从而降低稳健QP的保守性。在自适应巡航控制问题的仿真中，并通过与现有方法的比较，所提出的方法进行了验证。
2020-10-19 cs.SY eess.SY math.OC
Robust Adaptive Backup Control Barrier Functions
Illinois Institute of Technology（伊利诺伊理工学院）；California Institute of Technology（加州理工学院）；Wichita State University（威奇托州立大学）
针对含参数不确定性的非线性控制仿射系统，提出鲁棒自适应备份控制障碍函数。用按元素认证的自适应估计器估计未知参数，计算备份流并收紧安全条件，还用基于对偶性的重新表述处理驱动矩阵不确定性，证明该方法能保证系统在相关情况下的安全性。
2026-11-10 eess.SY
Polytope Volume Monitoring Problem: Formulation and Solution via Parametric Linear Program Based Control Barrier Function
Institute of Robotics and Automatic Information System, College of Artificial Intelligence, Nankai University（机器人与自动化信息系统研究所，人工智能学院，南开大学）；Institute of Intelligence Technology and Robotic Systems, Shenzhen Research Institute of Nankai University（智能技术与机器人系统研究所，南开大学深圳研究院）；Key Laboratory of Intelligent Control and Optimization for Industrial Equipment of Ministry of Education, Dalian University of Technology（教育部智能控制与工业设备优化重点实验室，大连理工大学）
本文针对多面体体积监测问题，首次通过方向导数建立非光滑CBF与参数优化理论的关系，提出基于参数线性规划的屏障函数及具有可行性保证的QP安全滤波器。
2025-08-21 cs.RO cs.SY eess.SY
Gaussian Control Barrier Functions : A Non-Parametric Paradigm to Safety
Georgia Institute of Technology（佐治亚理工学院）；Meiji University（明治大学）
受控制障碍函数（CBFs）在解决安全性方面的成功以及数据驱动建模函数技术的兴起的启发，我们提出了一种使用高斯过程（GP）在线合成CBFs的非参数方法。数学构造（例如CBF）通过先验地设计候选函数来实现安全性。然而，设计这样的候选函数可能具有挑战性。这种设置的一个实际示例是在需要确定安全和可导航区域的灾难恢复场景中设计CBF。在这样的示例中，安全性的决策边界是未知的，并且不能先验地设计。在我们的方法中，我们使用安全样本或观察值，通过假设这些样本上的灵活GP先验来在线构建CBF，并将我们的公式称为高斯CBF。GPS具有良好的性能，除了是非参数，如分析易处理性和鲁棒的不确定性估计。这允许通过结合方差估计来实现具有高安全性保证的后验分量，同时还以封闭形式计算相关的偏导数以实现安全控制。此外，从我们的方法合成的安全功能允许改变相应的安全设置任意的数据的基础上，从而允许非凸的安全集。我们验证了我们的方法实验上的四旋翼演示安全控制固定，但任意的安全集和碰撞避免的安全集在线构建。最后，我们并置高斯CBF与常规CBF在噪声状态的存在下，突出其灵活性和鲁棒性的噪声。实验视频可以在https://youtu.be/HX6uokvCiGk上看到。
2022-08-01 cs.LG cs.SY eess.SY
Correct-by-Design Control of Parametric Stochastic Systems
本文讨论的问题，计算控制器是正确的安全关键系统的设计，可以证明满足（复杂）的功能要求。我们开发了新的方法模型的系统随机和参数的不确定性。我们提供了第一次新的模拟关系，使正确的设计控制细化，这是建立在随机系统的耦合不确定性，通过子概率措施。这种新的关系是必不可少的构造抽象模型，不仅是一个模型，但一组参数化的模型。我们提供了理论结果，建立这类新的关系和相关的封闭性保证的线性和非线性参数系统与加性高斯不确定性。结果表明，在范德波尔振荡器的线性模型和非线性模型。
2022-10-15 cs.LO cs.SY eess.SY
Robust Control Barrier Functions for Nonlinear Control Systems with Uncertainty: A Duality-based Approach
本文研究了在漂移和控制向量场中具有参数不确定性的非线性仿射控制系统的稳定性和安全性控制器设计问题。为此，我们引入了新的类的鲁棒控制障碍函数（RCBF）和鲁棒控制李雅普诺夫函数（RCLF），方便的安全关键控制器的合成中存在的参数不确定性，使用二次规划。由于系统的不确定性的初始界限可能是高度保守的，我们提出了一个数据驱动的方法来减少这样的界限使用在线收集的输入输出数据。特别是，我们利用一个完整的集员识别算法，迭代地缩小可能的系统参数在线，并保证学习过程中的稳定性和安全性。两个数值例子说明了所开发的方法的有效性。
2022-08-11 cs.SY eess.SY math.OC
A Safe and Stable Controller for Fuel Cell Systems Using Adaptation and Reference Governors
本文提出一种结合适应与Lyapunov基于参考控制器的控制架构，确保一阶系统参数不确定性下的状态约束满足。适应与参考控制器结合保证了稳定性、良好的控制性能及安全性。燃料电池温度调节仿真显示，所提架构满足所有控制与安全目标，而标准适应方法无法实现。
2026-04-20 cs.SY eess.SY
Scalable Sensor Placement for Cyclic Networks with Observability Guarantees: Application to Water Distribution Networks
Eindhoven University of Technology（埃因霍温理工大学）
本文提出了一种可扩展的传感器布置算法，用于具有参数不确定性的循环网络，保证结构可观测性，并应用于供水分配网络。
2026-01-16 cs.SY eess.SY
Observer-Based Environment Robust Control Barrier Functions for Safety-critical Control with Dynamic Obstacles
本文提出一种基于观测器的环境鲁棒控制障碍函数（ECBF）安全关键控制器，通过将障碍物状态观测器纳入ECBF设计以降低保守性，并在二次规划框架下保证安全性，有效应对动态障碍物的测量与预测不确定性。
2024-03-20 cs.SY eess.SY
Discrete-time Contraction-based Control of Nonlinear Systems with Parametric Uncertainties using Neural Networks
School of Chemical Engineering, The University of New South Wales (UNSW Sydney)（新南威尔士大学化学工程学院（UNSW悉尼））
本文提出融合神经网络与离散时间收缩理论的控制方法，通过学习收缩度量、微分反馈增益并在线估计不确定参数，实现非线性化学过程的时变参考无偏差跟踪与稳定性保证。
2022-06-20 cs.LG cs.SY eess.SY
Safe Force/Position Tracking Control via Control Barrier Functions for Floating Base Mobile Manipulator Systems
ABB Corporate Research（ABB企业研究院）；Aalborg University（奥尔堡大学）
本文提出一种基于控制障碍函数的浮动基座移动机械臂系统安全力/位置跟踪控制策略，有效解决运动学与动力学层面的安全约束及模型不确定性问题，计算需求低且支持实时操作，仿真验证了其有效性与安全性。
2024-04-21 cs.RO cs.SY eess.SY
Effects of parametric uncertainties in cascaded open quantum harmonic oscillators and robust generation of Gaussian invariant states
College of Engineering and Computer Science, Australian National University（澳大利亚国立大学工程与计算机科学学院）
研究参数不确定性对级联开放量子谐振子生成高斯不变态的影响，通过辛相似变换平衡状态空间实现，以最小化纯度功能对参数扰动的均方敏感性，提出二次优化方法。
2017-06-14 cs.SY eess.SY math.OC
Learning Control Barrier Functions with High Relative Degree for Safety-Critical Control
控制障碍函数在解决具有安全保证的控制问题方面已经显示出巨大的成功。这些方法通常通过求解在线二次规划问题来找到下一个安全控制输入。然而，模型的不确定性是一个很大的挑战，综合控制器。这可能导致不安全控制行为的产生，造成严重后果。在本文中，我们开发了一个学习框架来处理系统的不确定性。我们的方法主要集中在学习的动态的控制障碍函数，特别是对于高相对于系统的程度。我们表明，对于每一个订单，控制障碍函数的时间导数可以分离成标称控制障碍函数的时间导数和一个余数。这意味着我们可以使用神经网络来学习余数，以便我们可以近似真实控制障碍函数的动态。我们通过仿真表明，我们的方法可以生成安全的轨迹下的参数不确定性，使用差分驱动机器人模型。
2020-11-21 cs.SY eess.SY
An Error-Based Safety Buffer for Safe Adaptive Control (Extended Version)
本文提出了一种基于误差的安全缓冲器方法，用于安全自适应控制，通过结合自适应与控制屏障函数，实现稳定性、性能和安全性的保障，且在参数不确定性下保持非保守性。
2026-01-12 cs.SY eess.SY math.OC
Parameterized Barrier Functions to Guarantee Safety under Uncertainty
在实践中部署安全关键控制器需要能够调节控制系统中的不确定性。在这方面，鲁棒控制障碍函数-在各种形式-已被用来获得不确定系统的安全保证。然而，在实践中经历的不同类型的不确定性导致了一个破碎的景观鲁棒性-与各种实例取决于不确定性的结构。本文提出了一个框架，概括这些变化成一个单一的形式：参数化障碍函数（PBFs），产生安全保证的广泛的不确定性类型。这导致控制器，执行强大的安全保证，而他们的保守性尺度的参数化。为了说明这种方法的一般性，我们表明，输入到状态的安全（ISSf）是PBF框架的一个特殊情况下，从而可以得到相对于ISSf改进的安全保证。
2023-03-20 cs.SY eess.SY
Adaptive Safety with Control Barrier Functions
自适应控制李雅普诺夫函数（aCLF）是在20年前提出的，它提供了一种基于李雅普诺夫的方法来稳定具有参数不确定性的系统。本文的目标是在安全关键控制的背景下，重新审视这一经典的配方。这将在安全性的背景下激发aCLF的变体：自适应控制障碍函数（aCBF）。我们所提出的方法自适应地实现安全，即使在参数模型的不确定性的存在下，保持系统的状态在一个安全的集合。我们将aCLFs和aCBFs统一为一个单一的控制方法，在一个基于二次规划（QP）的框架的背景下，不确定参数的系统。我们验证了这个统一的框架，以实现自适应巡航控制（ACC）模拟的稳定性和安全性的能力。
2019-10-01 cs.SY eess.SY
Chance-Constrained Convex MPC for Robust Quadruped Locomotion Under Parametric and Additive Uncertainties
Institute for Experiential Robotics（体验式机器人研究所）；Northeastern University（东北大学）；Toyota Research Institute (TRI)（丰田研究所）；Amazon Scholar（亚马逊学者）
提出机会约束MPC框架，将载荷和地形不确定性建模为扰动分布，通过摩擦锥机会约束和二次规划求解，在仿真和Unitree Go1硬件上显著提升四足机器人稳定性与适应性。
2024-11-05 cs.RO cs.SY eess.SY
Robust Adaptive Discrete-Time Control Barrier Certificate
Delft Center for Systems and Control, TU Delft（代尔夫特系统与控制中心，代尔夫特理工大学）
本文提出了一种基于控制屏障函数的鲁棒自适应控制方法，用于确保离散时间系统在参数不确定性和扰动下的安全性。
2026-09-09 cs.SY eess.SY math.OC
Fractional Barrier Lyapunov Functions with Application to Learning Control
针对误差约束学习控制需求，本文提出分数阶障碍Lyapunov函数，结合期望补偿控制与全饱和学习算法处理不确定性，还通过修正不连续作用设计鲁棒方案，实现了有残差情况下的预期跟踪性能。
2023-06-11 cs.SY eess.SY
Statistical Guarantees in Data-Driven Nonlinear Control: Conformal Robustness for Stability and Safety
Department of Aerospace Engineering, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校航空航天工程系）
提出一种与真实动力学无关的统计严谨框架，通过保形鲁棒性概念，利用保形预测量化模型预测不确定性，构建保形鲁棒控制李雅普诺夫函数和屏障函数，为全数据驱动非线性控制提供有限时域指数稳定性和安全性的统计保证。
2026-06-01 cs.SY eess.SY
Probabilistic Control Barrier Functions: Safety in Probability for Discrete-Time Stochastic Systems
California Institute of Technology（加州理工学院）；Tufts University（塔夫茨大学）
本文提出概率控制屏障函数，用于为离散时间随机系统设计具有概率安全保证的控制器，并通过仿真和硬件验证其有效性。
2026-02-08 cs.SY eess.SY math.OC
Robust path-following control for articulated heavy-duty vehicles
路径跟踪和横向稳定性是自动驾驶汽车的关键问题。此外，由于铰接式重型车辆的机动性差、尺寸大和质量变化，当处理铰接式重型车辆时，这些问题的复杂性增加。此外，质量的不确定性可能会显着降低系统的性能，甚至到不稳定的点。这些参数的变化必须考虑在控制器的设计。然而，鲁棒控制技术通常需要离线调整辅助调谐参数，这是不实际的，导致次优操作。因此，本文提出了一种方法，路径跟踪和横向控制的自主铰接重型车辆的参数不确定性，通过使用鲁棒递归调节器。所提出的控制器的主要优点是，它不依赖于离线调整的调谐参数。参数不确定性被假定为有效载荷上的，并且$\mathcal{H}_{\infty}$控制器被用于性能比较。这两个控制器的性能进行评估，在一个双变道机动。仿真结果表明，该方法在鲁棒性、横向稳定性、行驶平顺性和安全性等方面都有较好的性能，是一种很有应用前景的控制方法。
2020-06-11 cs.SY eess.SY
Safe and Nonconservative Contingency Planning for Autonomous Vehicles via Online Learning-Based Reachable Set Barriers
The Hong Kong University of Science and Technology（香港科学与技术大学）；National University of Singapore（新加坡国立大学）；Department of Electrical and Computer Engineering（电气与计算机工程系）
本文提出基于在线学习的实时应急轨迹优化框架，通过动态量化多模态HV不确定性并逐步细化其可达集，确保安全性和效率，在不确定环境下提升驾驶效率和乘客舒适度。
2026-04-15 cs.RO cs.SY eess.SY
Residual Deep Reinforcement Learning-Based Computed Torque Control for a Cable-Driven Lower-Limb Rehabilitation Robot under Disturbances and Parametric Uncertainties
Kharazmi University（哈拉兹米大学）
针对缆绳驱动下肢康复机器人的轨迹跟踪难题，提出残差深度强化学习增强的计算力矩控制框架，仿真显示其可提升跟踪与扰动抑制能力，保留可解释性且具鲁棒性。
2026-08-28 cs.RO cs.SY eess.SY
Fault-tolerant $H^\infty$ control for optical parametric oscillators with pumping fluctuations
本文研究具有泵浦波动和时变不确定性的光学参量振荡器（OPO），基于鲁棒 $H^\infty$ 控制理论和 Riccati 方程设计了被动与主动容错控制器，数值模拟证明其能有效抑制相位和幅度波动。
2023-07-27 cs.SY eess.SY quant-ph
Observer-based Control Barrier Functions for Safety Critical Systems
本文考虑了带输出测量的安全关键控制设计问题。提出了一种基于估计误差量化观测器和控制障碍函数（CBF）方法相结合的安全控制框架。采用函数逼近技术逼近由状态估计误差引入的不确定性，提出了一种自适应CBF方法设计安全控制器，该方法通过求解凸二次规划（QP）得到。分别给出了相对度为1和更高相对度的CBF的理论结果。两个数值例子证明了所提出的控制方法的有效性。
2021-10-03 cs.SY eess.SY math.OC
Multi-Parametric Extremum Seeking-based Auto-Tuning for Robust Input-Output Linearization Control
Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
本文研究了一类非线性系统迭代反馈增益调谐问题，提出基于多参数极值搜索的鲁棒输入输出线性化控制方法，实现系统输出跟踪误差的全局一致有界性和鲁棒性。
2014-09-07 cs.SY eess.SY
