Adaptive PD Gains for Energy-Conscious Control in Physical Human-Robot Interaction
University of Calgary(卡尔加里大学);University of Waterloo RoboHub(多伦多大学罗布hub)
提出一种自适应PD控制器,通过限制机器人动能和势能实现安全物理人机交互,并给出稳定性证明与实验验证。
2026-05-30 cs.RO cs.SY eess.SY
Multi Time Scale Behaviour of The Formation of Multiple Groups of Nonholonomic Wheeled Mobile Robots
本文提出基于质心的变换方法,将非完整轮式移动机器人的联合动力学分解为三个子系统,分别设计控制器以实现多组形变和质心动态的多时间尺度收敛,同时通过势函数梯度确保避障。
2014-12-25 cs.MA cs.RO cs.SY
Design and Implementation of a Fuzzy Adaptive Controller for Time-Varying Formation Leader-Follower Configuration of Nonholonomic Mobile Robots
University of Tehran(德黑兰大学)
研究了基于轨迹跟踪控制策略的非完整移动机器人时变主从编队控制问题。在时变编队中,每个跟随器的相对方位和距离是可变参数,因此,即使不改变领导机器人的线速度和角速度,跟随器也可以执行各种复杂的行为。在建立时变主从编队运动学模型的基础上,采用反推控制方法保持编队结构不变。利用李雅普诺夫定理研究了编队的全局稳定性。此外,所设计的非线性控制器的缺点是在初始阶段输入指令过大。针对此问题,提出了一种模糊自适应算法来改进反演控制器,并保证了所得到的模糊自适应反演控制器的全局稳定性。在主从编队的运动学模型和控制器设计过程中考虑相对距离和方位的变化率,使得编队在动态和杂波环境中更实用,并且能够定义跟随者的复杂行为,并且提供碰撞和障碍物避免而无需在不同的控制策略之间切换。最后,所提出的运动学模型和设计的控制器的性能进行了研究,通过仿真和实验研究。
2022-05-23 cs.RO cs.SY eess.SY
Distill2Explain: Differentiable decision trees for explainable reinforcement learning in energy application controllers
IDLab, Ghent University–imec(IDLab,根特大学-imec)
针对住宅能源管理中RL控制器缺乏可解释性和硬件限制的问题,提出用可微决策树蒸馏RL策略,在电池家庭能源系统中成本降低约20-25%,兼顾性能与可解释性。
2024-03-18 cs.LG cs.SY eess.SY
Robust Mode Transition for Spacecraft Attitude Control
Aurora Technology for ESA-ESTEC(欧空局技术研究所)
本文提出一种基于LPV的单一控制器,实现航天器姿态控制中两种模式间的平滑切换,简化V&V过程,并通过蒙特卡洛仿真验证其性能与鲁棒性。
2026-09-23 cs.SY eess.SY
Unraveling tensor structures in correct-by-design controller synthesis
Eindhoven University of Technology(埃因霍温理工大学);Peking University(北京大学)
针对随机系统控制器综合的形式化安全保证,利用解耦动力学和值函数的规范多态分解中的树结构,通过动态规划操作显著降低计算和内存成本。
2026-05-28 cs.SY eess.SY
Explainable Reinforcement Learning-based Home Energy Management Systems using Differentiable Decision Trees
IDLab;Ghent university(根特大学);imec
本文提出一种基于可微决策树的强化学习方法,用于家庭能源管理,兼具可扩展性和可解释性,性能与标准RL相当,成本节省优于基线约20%。
2024-03-18 cs.LG cs.SY eess.SY
Towards Using Behavior Trees in Industrial Automation Controllers
本文提出将行为树(BTs)集成到PLC程序中并分离硬件功能与协调逻辑,以提升工业控制软件的模块化与灵活性,并展示了在IEC 61131和IEC 61499标准下的集成策略与应用。
2024-04-22 cs.SE cs.SY eess.SY
Continuous-Time Behavior Trees as Discontinuous Dynamical Systems
Royal Institute of Technology (KTH)(皇家理工学院)
行为树表示将多个低级控制策略组合成高级任务切换策略的分层和模块化方式。混合动力系统也可以在不同策略之间的任务切换方面看到,因此已经在行为树和混合动力系统之间进行了几次比较,但只是非正式的,并且只是在离散时间内。一个正式的连续时间制定的行为树一直缺乏。此外,收敛性分析的特定类别的行为树设计,但不是一般的设计。在这封信中,我们提供了第一个连续时间制定的行为树,表明他们可以被看作是不连续的动力系统(一个子类的混合动力系统),这使得应用程序的存在性和唯一性结果的行为树,最后,提供了充分的条件下,这样的系统将收敛到一个所需的区域的状态空间一般设计。这些结果,大量的结果连续时间动力系统可以使用时,设计行为树控制器。
2021-11-10 cs.AI cs.RO cs.SY
Loop-shaping for reset control systems -- A higher-order sinusoidal-input describing functions approach
Delft University of Technology(代尔夫特理工大学)
精密运动行业对速度和精度的不断增长的要求已经推动控制要求达到线性控制理论的限制。像复位这样的非线性控制器提供了一种可行的替代方案,因为它们可以很容易地集成到现有的线性控制器结构中,并使用行业首选的环路成形技术进行设计。然而,目前,环路整形是使用描述函数(DF)来实现的,并且使用不适用于复位控制系统的线性控制灵敏度函数来分析性能,从而导致预期结果与实际结果之间的显著偏差。我们克服了这一主要瓶颈,更广泛的适应复位控制在本文中有两个贡献。首先,我们提出了扩展的频域工具复位控制器的形式,高阶正弦输入描述函数(HOSIDFs)提供更深入的了解他们的行为。其次,我们提出了一种新的方法,它使用的DF和HOSIDFs的开环复位控制系统的闭环灵敏度函数的估计,第一次建立-开环和闭环之间的关系的复位控制系统在频域的行为。所提出的解决方案的准确性进行了验证,在模拟和实践中的精密定位阶段,这些结果进行了进一步分析,以获得见解的调整考虑复位控制器。
2020-08-25 cs.RO cs.SY eess.SY
dtControl 2.0: Explainable Strategy Representation via Decision Tree Learning Steered by Experts
Technical University of Munich(慕尼黑工业大学);I.I.T. Delhi(印度理工学院德里校区)
最近的进展表明,决策树是如何适合于简洁地表示满足各种目标的策略(或控制器)的数据结构。此外,它们也使战略更容易解释。最近的工具dtControl为管道提供了支持混合系统策略合成的工具,如SCOTS和Uppaal Rupgo。我们提出了dtControl 2.0,一个新版本,具有几个基本的新颖功能。最重要的是,用户现在可以提供在决策树学习过程中要利用的领域知识,并且还可以基于动态提供的信息交互地引导该过程。为此,我们还提供了图形用户界面。它允许检查和重新计算结果的部分,建议以及接收关于谓词的建议,以及决策过程的可视化模拟。此外,我们接口的概率系统的模型检查器,即风暴和PRISM,并提供专门的支持分类枚举类型的状态变量。因此,控制器更容易解释,更小。
2021-05-04 cs.AI cs.FL cs.LG
Trojan Attacks on Neural Network Controllers for Robotic Systems
Concordia University(康科德大学);Concordia Institute for Information Systems Engineering(康科德信息系统工程研究所);Fonds de recherche du Québec – Nature et Technologies(魁北克自然与技术研究基金);National Cybersecurity Consortium(国家网络安全联盟)
针对机器人神经网络控制器,设计轻量级并行木马网络,在特定触发条件下篡改控制指令,通过仿真验证攻击有效性。
2026-08-27 cs.RO cs.SY eess.SY
Explaining Control Policies through Predicate Decision Diagrams
Masaryk University(马萨里克大学);Eindhoven University of Technology(埃因霍温理工大学);Technical University of Munich(慕尼黑工业大学);University of Oxford(牛津大学)
本文提出谓词决策图(PDDs),结合决策树与二元决策图的优势,并建立从决策树高效构建PDDs的合成流水线,以提升安全关键控制器的可解释性。
2025-03-25 cs.AI cs.SY eess.SY
Aperiodic-sampled neural network controllers with closed-loop stability verifications (extended version)
本文提出两种基于闭环稳定性保证的非周期采样深度神经网络控制方案,利用积分二次约束和凸松弛设计触发逻辑并计算吸引域,倒立摆示例验证有效性。
2025-06-23 cs.SY eess.SY
Contextual Tuning of Model Predictive Control for Autonomous Racing
ETH Zurich(苏黎世联邦理工学院);SENER Aerospace(赛纳斯航空航天公司)
提出一种基于上下文贝叶斯优化的模型预测控制调节方法,通过学习的动力学模型编码环境条件,同时调整模型和目标,在1:28比例遥控赛车平台上以更少数据实现了跨环境条件的单圈时间优化。
2024-08-22 cs.RO cs.SY eess.SY
Adaptive Controllers for Quadrotors Carrying Unknown Payloads
International Institute of Information Technology Hyderabad(国际信息技术学院海得拉巴分校)
随着智能运输的出现,四旋翼正在成为一个有吸引力的解决方案,而提升或下降有效载荷在紧急疏散,建筑工程等,在这样的操作,动态变化(可能是未知的)有效载荷引起系统动态的相当大的变化。然而,一个系统的控制解决方案,以解决这种变化的动态行为仍然是失踪。在这项工作中,提出了两个控制解决方案,以解决两个具体的问题,在空中运输的有效载荷,如下所述。在第一项工作中,我们探索了携带不同未知有效载荷的六自由度四旋翼的跟踪控制问题。由于动态变化引起的不确定性的状态依赖性,最先进的自适应控制解决方案将对这些不确定性是无效的,这些不确定性可能是完全未知的,并且可能是先验无界的。此外,在所有三个位置和姿态角中遵循轨迹时,诸如风的外部干扰。因此,四旋翼自适应控制解决方案,提出了不需要任何先验知识的四旋翼动力学参数和外部干扰。第二项工作的重点是在垂直操作过程中装载和卸载不同有效载荷时四旋翼的互换动态行为。保持所需高度的控制问题,制定通过切换动态框架,以捕获在这种垂直操作的四旋翼的互换动态,并提出了一个鲁棒自适应控制解决方案,以解决这种动态时,它是未知的。闭环系统的稳定性进行了分析研究,并通过仿真验证了所提出的解决方案的有效性。
2021-08-30 cs.RO cs.SY eess.SY
A Guide to Design Disturbance Observer-based Motion Control Systems in Discrete-time Domain
本文在离散时间域中对基于扰动观测器的运动控制系统进行了分析和综合。利用Bode积分定理,证明了连续时间分析方法在解释由计算机和微控制器实现的基于DOB的鲁棒运动控制器的动态行为时是不合适的。例如,连续时间分析方法不能解释为什么数字运动控制器的鲁棒稳定性和性能随着DOb的带宽增加而恶化。因此,意外的动态响应(例如,当实际上通过使用连续时间合成方法来调谐数字鲁棒运动控制器的参数时,可能观察到差的稳定性和性能以及对干扰和噪声的高敏感性)。本文还解析推导了基于DOB的运动控制器在离散时间域的鲁棒稳定性和性能约束。建议的设计约束允许系统地合成一个高性能的数字鲁棒运动控制器。仿真结果验证了所提出的分析和综合方法的有效性。
2021-01-20 cs.SY eess.SY
Behavioural Approach to Distributed Control of Interconnected Systems
本文从行为的角度阐述了互联系统的分析和分布式控制的框架。讨论是从集合论的观点进行的,结果是完全不依赖于表象的。一个动力系统的核心可以表示为所有可允许通过该系统的轨迹的集合,并且互连被解释为对轨迹选择的约束。我们开发了一种结构,在这种结构中,相互关联的行为可以直接从子系统的行为中以明确的方式构建,而无需任何假定的表示形式。我们表明,互联的行为也可以完全从局部观测的子系统。此外,我们开发的必要条件和充分条件存在的分布式控制器的行为和明确的建设。由于该框架的完全无表示性质,它统一了动力系统的各种表示和特征描述(例如模型,耗散性,数据等)。作为行为,允许形成用于分析的统一平台和用于互连系统的分布式控制。
2021-03-18 cs.SY eess.SY
Neural Controller Synthesis for Signal Temporal Logic Specifications Using Encoder-Decoder Structured Networks
Osaka University(大阪大学);National Institute of Informatics(国立信息学研究所)
本文提出了一种基于神经网络的信号时序逻辑(STL)规范控制综合方法。大多数以前的作品考虑训练一个控制器,只有一个给定的STL规范。然而,这些方法,需要重新训练的NN控制器,如果一个新的规范出现,需要得到满足,这导致大量的内存消耗和低效的训练。为了解决这个问题,我们建议通过引入编码器-解码器结构的NN与注意力机制来构建NN控制器。编码器将STL公式作为输入,并将其编码为适当的向量,解码器输出满足给定规范的控制信号。作为编码器,我们考虑三种NN结构:顺序,树结构和图形结构的NN。所有的模型参数都是以端到端的方式训练的,以最大限度地提高预期的鲁棒性,这是STL公式的定量语义。我们比较上述NN结构的控制性能,通过数值实验的路径规划问题,所提出的方法的有效性。
2022-12-10 cs.LG cs.SY eess.SY
Decision tree aided planning and energy balancing of planned community microgrids
规划社区(PC)为部署需求侧分布式能源(DER)和存储的智能控制提供了独特的机会,这些能源可以组织在微电网(MG)中。MG需要平衡以保持安全和弹性操作。本文讨论了使用MG概念规划和控制的PC内的能源系统的影响。提出了一种新的工具,基于决策树(DT),具有两个潜在的应用:(i)规划的能量存储系统内的MG和(ii)控制能量资源的PC MG内的能量平衡。通过敏感性案例研究验证了储能规划和能量平衡方法的有效性。提出了一种利用分布式控制器硬件实时执行能量均衡算法的测试实现。
2021-05-13 cs.SY eess.SY
On the Behaviour of Under-tuned Super-Twisting Sliding Mode Control Loops
本文研究了受周期扰动的超扭转滑模控制回路的稳定性和性能。虽然存在保证闭环系统的有限时间稳定性的控制增益的条件,但是从实际的观点来看,这样的条件通常限制太多,特别是关于致动器限制和诱发颤振。利用正则化和平均理论,证明了在较温和的控制增益条件下,周期扰动闭环系统的轨迹收敛于包含原点的同一周期的稳定极限环.此外,提供了基于闭环系统状态的界限选择控制器增益的准则。最后,通过仿真验证了理论研究结果。
2021-10-13 cs.SY eess.SY
Low-Delay High-Rate Operation of 802.11ac WLAN Downlink: Nonlinear Controller Analysis & Design
在本文中,我们考虑了下一代边缘架构,其中流量通过位于网络边缘附近的代理(例如,在云内)进行路由。这为在代理和客户端之间的无线路径上实现新的传输层行为创造了自由。我们使用这种自由,以开发一种新的流量整形控制器的下行链路中的802.11ac无线局域网,调整发送速率到每个WLAN客户端,以保持目标数量的数据包聚合在每个传输帧。以这种方式,在高数据率下的鲁棒低延迟操作在广泛的网络条件下变得真正可行。实现鲁棒运行的关键是设计一个适当的反馈控制器,这是我们的重点。我们开发了一种新的非线性控制设计的启发,解决相关的比例公平优化问题。该控制器补偿系统的非线性,因此可以用于全包络的操作。分析了闭环系统的鲁棒稳定性,讨论了控制器设计参数的选取。我们开发的非线性控制设计的实施,并使用此提出一个性能评估使用模拟和实验测量。
2021-01-19 cs.NI cs.SY eess.SY
Constructive barrier feedback for collision avoidance in leader-follower formation control
本文提出一种用于智能体避障的构造性障碍反馈,将其与标称跟踪控制器结合形成分布式控制策略,解决了领航者-跟随者编队控制中的避障问题,避免了传统方法的可行性问题且计算效率更高。
2023-10-22 cs.SY eess.SY
Machine Learning Integrated with Model Predictive Control for Imitative Optimal Control of Compression Ignition Engines
压燃式发动机的高热效率和可靠性使其成为许多应用的首选。要想持续下去,就必须减少污染物的排放。一种解决方案是使用机器学习(ML)和模型预测控制(MPC)来最小化排放和燃料消耗,而不向发动机控制器增加大量计算成本。ML在本文中开发的建模发动机性能和排放,并模仿行为的线性参数变化(LPV)MPC。采用基于支持向量机的发动机性能和排放线性变参数模型,对4.5 Cummins柴油机进行了模型预测控制。与基准前馈生产控制器相比,这种在线优化MPC解决方案在最大限度地减少\nox排放和燃料消耗方面具有优势。为了降低MPC的计算成本,设计了一种深度学习方案来模仿所开发的控制器的行为。与康明斯生产控制器相比,模拟控制器在恒负荷下降低NOx排放的性能与在线优化MPC相似。此外,模仿控制器需要的计算时间比在线MPC优化少50倍。
2022-08-02 cs.SY eess.SY