Zero-Knowledge Proof-Based Approach for Verifying the Computational Integrity of Power Grid Controls
未来电网的控制正在从集中式向分布式/分散式方案迁移，以实现分布式能源的大规模渗透，并在电网弹性，安全性和可靠性方面极大地增强自主运营。大部分的努力一直在分布式/分散控制器的设计，然而，保证控制的正确执行也是必不可少的，但相对较少强调。一个常见的假设是，本地控制器将完全遵循基于从通信信道接收的数据的指定控制器动态。这样的假设可能是有风险的，因为控制器动态的正确执行是建立在对安全通信和计算的信任之上的。另一方面，验证者重复控制中涉及的所有计算以验证计算完整性是不切实际的。在这项工作中，我们利用一种类型的密码技术，称为零知识可扩展的透明参数的知识来验证控制算法的计算完整性，使得验证者可以检查计算的完整性与更少的计算负担。这里提出的方法将数据完整性的挑战转化为计算完整性的子集。在这篇概念验证论文中，我们的重点将放在分布式/分散式电力系统控制器中常见的预测线性动态上。特别是，我们推导出多项式条件的上下文中的zk-STARKs的投影线性动力学。
2022-11-12 math.OC
On the Differentiability of Projected Trajectories and the Robust Convergence of Non-convex Anti-Windup Gradient Flows
本文研究一类新的不连续动力系统的约束优化问题。这些动力学特别适合于用物理系统解决闭环中的非线性、非凸问题。最近已经提出了使用仿真优化算法的反馈控制器的这种方法用于电力系统和其他基础设施的自主优化。在本文中，我们考虑反馈梯度流，利用物理输入饱和与反饱和控制的帮助下，强制约束。我们证明了半整体收敛的“投影”轨迹的一阶最优点，即，从逐点投影到可行集上获得的轨迹。在这个过程中，我们建立了非凸的，非正则集的投影映射的方向导数的性质。
2020-04-15 math.OC
Anti-Windup Approximations of Oblique Projected Dynamics for Feedback-based Optimization
在本文中，我们研究了如何高增益的抗饱和计划可以用来实现投影动力系统的控制回路，受到饱和（可能是未知的）一组容许的输入。这种见解对于实现近似特定优化算法（例如，投影梯度或牛顿下降），同时仅需要有限的模型信息。在我们的分析中，我们表明，饱和的积分控制器，增加了一个反windup计划，引起扰动投影动力系统。这种洞察力使我们能够显示出一致收敛性和鲁棒的实际稳定性的抗饱和增益趋于无穷大。此外，对于自治优化中遇到的特殊情况，我们显示了鲁棒收敛性，即，收敛到有限增益的最佳稳态。除了特别适合于在线优化的大规模系统，如电网，这些结果是潜在的有用的其他控制和优化应用，因为它们揭示了一个新的光抗饱和控制和投影梯度系统。
2020-03-01 math.OC
Continuous-Time Critic as a Lyapunov Function: Projected Adaptation and Cart-Pole Stabilization
Central University（中央大学）；Center for Engineering Systems and Sciences（工程系统与科学中心）；Sirius University of Science and Technology（天狼星科技大学）
本文提出将参数化评判器作为李雅普诺夫候选函数，通过投影到可行速度集与衰减半空间交集实现自适应稳定，并给出可行性检验与反例，在力受限小车-杆上验证了条件稳定机制。
2026-10-08 cs.SY eess.SY math.DS
Low-Gain Stability of Projected Integral Control for Input-Constrained Discrete-Time Nonlinear Systems
考虑了在输入信号具有硬凸约束的情况下，在存在恒定外部扰动的情况下，非线性离散时间系统的误差输出归零问题。设计规范被制定为一个变分不等式，我们适应的前向后分裂算法作为一个积分控制器，确保输入约束满足在每个时间步。我们建立了一个低增益稳定性的结果时，闭环系统是指数稳定的，推广了以前已知的离散时间系统的积分控制的结果。具体地说，它表明，如果组成的植物平衡输入输出映射和积分反馈增益是强单调的，那么闭环系统是指数稳定的所有足够小的积分增益。该方法是通过应用程序来说明一个四槽过程。
2021-05-05 math.OC
An Input-Output Construction of Finite State $ρ/μ$ Approximations for Control Design
我们考虑离散时间的植物，通过固定的离散字母表与他们的控制器相互作用。对于这类系统，在没有外源性输入的情况下，我们提出了一个一般的，概念性的程序，从有限长度的输入和输出信号对序列开始构建一个序列的有限状态近似模型。我们明确推导出的条件下，所提出的构造，结合一个特定的广义结构，满足理想的性能$ρ/μ$近似，从而导致标称确定性有限状态机模型，可用于认证的设计控制器合成。我们还表明，基数的最小干扰字母表，可以在这种设置中使用的传感器输出字母表。最后，我们证明了所提出的构造满足相关的半完备性。
2014-02-16 math.OC
Classical Discrete-Time Adaptive Control Revisited: Exponential Stabilization
经典的离散时间自适应控制器提供渐近稳定。虽然最初的自适应控制器不能很好地处理噪声或未建模动态，但重新设计的版本被证明具有一定的容差;然而，指数稳定性和噪声上的有界增益很少被证明。在这里，我们考虑一个经典的极点配置自适应控制器，使用原始的投影算法，而不是通常修改的版本，我们施加的假设，植物参数位于一个凸，紧凑的集合和参数估计投影到该集合在每一步。我们证明了闭环系统具有非常理想的闭环行为：有线性卷积界的闭环行为，这意味着指数稳定性和有界噪声增益，以及一个容易证明的容忍未建模的动态和植物参数变化。我们强调，没有任何形式的持续激励要求。
2017-11-25 math.OC
Continuous Approximations of Projected Dynamical Systems via Control Barrier Functions
Eindhoven University of Technology（埃因霍温理工大学）；University of California San Diego（加州大学圣地亚哥分校）
本文通过控制屏障函数连续逼近投影动力系统，证明了CBF动力学可逼近PDSs，并展示了其在反馈优化和同步变流器控制中的应用。
2024-08-20 cs.SY eess.SY math.OC
Reduced-order Control and Geometric Structure of Learned Lagrangian Latent Dynamics
本文提出了一种基于学习的结构保持降阶动态的潜控制框架，用于高维拉格朗日系统，通过量化建模误差来源推导稳定性与收敛性条件，并在模拟和现实系统中验证了控制器的准确性。
2026-02-09 cs.RO math.OC
Online Regulation of Dynamical Systems to Solutions of Constrained Optimization Problems
针对动力系统需调节至约束优化问题解的问题，提出基于投影梯度流连续近似的状态反馈控制器，证明了闭环系统的稳定性与输入约束满足性。
2023-12-12 cs.SY eess.SY math.OC
Optimal Decay Matrix Control Barrier Functions: Soundness and Completeness for Matrix Safety Constraints
University of California, Los Angeles（加州大学洛杉矶分校）；California Institute of Technology（加州理工学院）
该研究针对矩阵安全约束提出矩阵最优衰减（MOD）的矩阵控制障碍函数，证明其可靠性与完备性，在平面两连杆机械臂避奇点实验中，可验证更多安全运动且跟踪精度优于标量最优衰减（SOD）。
2026-10-14 cs.SY eess.SY math.OC
Continuous-time fully distributed generalized Nash equilibrium seeking for multi-integrator agents
我们考虑在部分决策信息场景中由动态代理进行的具有凸可分离耦合约束的强单调游戏。我们首先设计连续时间完全分布式反馈控制器，基于共识和原始-对偶梯度动力学，在单积分代理网络中寻求广义纳什均衡。我们的第一个解决方案采用了一个固定的增益，其选择需要一些全局参数的游戏的知识。为了放松这一要求，我们设想了一个控制器，可以调整在一个完全分散的方式，由于使用不协调的积分自适应权重。我们还介绍了专门为广义聚合游戏设计的算法。最后，我们适应我们所有的控制方案来处理异构多积分代理，反过来，与非线性反馈线性化动力系统。对于所有提出的动态，我们证明了收敛到变分平衡，利用单调性和稳定性理论的投影动力系统。
2021-03-19 cs.GT cs.MA math.OC
Predictive Online Disturbance-Action Control for Linear Dynamical Systems
Nanyang Technological University（南洋理工大学）；VinUniversity（越南大学）
针对线性动力系统时变成本下的在线控制问题，提出利用短期预测的预测式在线控制算法，基于扰动-动作控制器参数化并引入全变差正则化，实现动态遗憾界，在电动激光雷达任务上提升定位精度与扫描完整性。
2026-09-17 math.OC
Communication and Control Co-design in Non-cooperative Games
本文研究双人随机微分博弈中的通信与控制协同设计问题，通过计算Nash控制器和调度器策略并利用投影梯度下降算法求解Nash均衡，解决了通信频率与控制性能的权衡问题。
2025-03-01 cs.GT cs.SY eess.SY
Sampling-based Safe Reinforcement Learning for Nonlinear Dynamical Systems
U.S. Army Research Laboratory（美国陆军研究实验室）；Purdue University（普渡大学）；Clemson University（克莱姆森大学）；Stony Brook University（石溪大学）
该研究提出一种单阶段基于采样的安全强化学习方法，在保证控制器经典收敛性的同时满足训练与部署全程的硬安全约束，仿真实验验证其在四旋翼避障等任务中优于现有基准。
2024-03-06 cs.LG math.OC
Online Optimization of Dynamical Systems with Deep Learning Perception
本文针对状态不可测且控制代价未知的动力系统，提出基于投影梯度流和神经网络的数据驱动反馈控制器，并利用扰动系统稳定性理论证明其指数输入到状态稳定性，在机器人和流行病控制中验证了有效性。
2023-08-30 cs.SY eess.SY math.OC
Perception-Based Sampled-Data Optimization of Dynamical Systems
针对无法精确测量状态时动力系统的优化控制问题，提出基于投影梯度下降与神经网络的采样数据反馈控制器，保证稳定性并跟踪优化解轨迹，以视觉自主驾驶仿真验证。
2023-10-13 cs.SY eess.SY math.OC
