Learning Distributed Stabilizing Controllers for Multi-Agent Systems
我们使用强化学习（RL）解决异构多智能体系统的无模型分布式稳定问题。开发了两种算法。第一种算法解决了集中式线性二次型调节器（LQR）问题，而不需要事先知道任何初始稳定增益。第二个算法建立在第一个算法的结果，并将其扩展到分布式稳定的多智能体系统与预定义的交互图。严格的证明表明，所提出的算法实现保证收敛，如果特定的条件下举行。最后给出了一个仿真例子来验证理论结果。
2021-03-07 cs.SY eess.SY math.OC
Generative design of stabilizing controllers with diffusion models: the Youla approach
Politecnico di Milano（米兰理工大学）；University of Minnesota, Twin Cities（明尼苏达大学双城分校）
本文提出基于扩散模型的稳定控制器生成方法，结合Youla参数化理论，通过生成可行参数实现控制器设计，首次展示扩散模型在生成稳定控制器方面的应用。
2025-12-04 cs.SY eess.SY
Feasibility Analysis and Regularity Characterization of Distributionally Robust Safe Stabilizing Controllers
针对含模型不确定性的控制仿射系统，提出分布鲁棒安全镇定控制器的可行性检查条件（一个必要、两个充分），刻画计算复杂度并验证其比直接SOCP求解更快，同时分析控制律的正则性。
2023-12-29 cs.SY eess.SY math.OC
Learning Stabilizing Controllers for Unstable Linear Quadratic Regulators from a Single Trajectory
ETH Zürich（苏黎世联邦理工学院）
控制动力系统的主要任务是保证系统的稳定性。当系统是未知的，鲁棒方法是有前途的，因为他们的目标是同时稳定一个大的合理的系统。本文研究二次型成本模型下的线性控制器，也称为线性二次型调节器（LQR）。我们提出了两种不同的半定方案（SDP），其结果是在一个控制器，稳定所有系统的椭球不确定性集。我们进一步证明了所提出的SDP的可行性条件是\emph{equivalent}。使用派生的鲁棒控制器综合，我们提出了一个有效的数据依赖算法- \textsc{eXploration} -，以高概率快速确定稳定控制器。我们的方法可以用来初始化现有的算法，需要一个稳定控制器作为输入，同时添加常数的遗憾。我们进一步提出了不同的算法，经验减少了步骤的数量由\textsc{eXploration}和减少所遭受的成本，同时寻找一个稳定的控制器。
2020-11-23 cs.LG cs.RO cs.SY
Learning Min-norm Stabilizing Control Laws for Systems with Unknown Dynamics
本文介绍了一个框架，学习最小范数稳定控制器的动态未知系统使用无模型策略最优化方法。该方法首先设计一个控制李雅普诺夫函数（CLF）的（可能不准确的）动态模型的系统，随着一个功能，指定了一个最小的可接受的能量耗散率CLF在状态空间中的不同点。将能量耗散条件视为对现实世界系统的期望闭环行为的约束，我们使用惩罚方法来制定学习控制器的参数的无约束最优化问题，该问题可以使用从工厂收集的数据使用无模型策略优化算法来解决。我们讨论了当优化学习一个稳定控制器的现实世界的系统，并得出条件的学习控制器的结构，确保优化是强凸的，这意味着全球最优解可以找到可靠的。我们首先针对双摆在仿真中验证了该方法，然后使用混合零动态框架将该框架推广到学习欠驱动双足机器人的稳定步行控制器。通过将大量的结构编码到学习问题中，我们能够仅用几分钟甚至几秒钟的训练数据就为两个系统学习稳定控制器。
2020-10-01 cs.SY eess.SY math.OC
Learning over All Stabilizing Nonlinear Controllers for a Partially-Observed Linear System
Sydney Institute for Robotics and Intelligent Systems（悉尼机器人与智能系统研究所）；Australian Centre for Field Robotics（澳大利亚野外机器人中心）；School of Aerospace, Mechanical and Mechatronic Engineering, The University of Sydney（悉尼大学航空航天、机械与机电工程学院）
本文提出了一种非线性策略架构，用于部分观测线性动力系统的控制，提供内置的闭环稳定性保证。该政策是基于一个非线性版本的尤拉参数化，并增加了一个已知的稳定的线性控制器与最近开发的一类动态神经网络模型称为经常性平衡网络（REN）的非线性算子。我们证明了REN是收缩和Lipschitz非线性系统的通用逼近器，并随后证明了所提出的Youla-REN结构是稳定非线性控制器的通用逼近器. REN架构简化了学习，因为可以应用无约束优化，并且我们考虑了基于模型的情况，其中精确梯度可用，以及使用零阶神谕随机搜索的强化学习。在仿真示例中，我们的方法收敛速度更快，更好的控制器，比现有的方法更具可扩展性，同时保证学习瞬态过程中的稳定性。
2022-06-17 cs.LG cs.SY eess.SY
On the design of stabilizing FIR controllers
针对FIR控制器设计难题，本文将其转化为输出反馈问题，发现FIR特性限制LMI方法后，采用非凸优化为基准系统设计出稳定化FIR控制器。
2024-08-21 cs.CR cs.SY eess.SY
Stabilizing Controllers for Multi-Input, Singular Control Gain Systems
Aerospace Engineering and Engineering Mechanics, The University of Texas at Austin（德克萨斯大学奥斯汀分校航空航天工程与应用力学）；Systems and Control Engineering, Indian Institute of Technology, Bombay（印度孟买理工学院系统与控制工程）
本文提出了一种新方法，用于设计具有时变奇异控制增益的多输入线性系统的稳定控制律，通过构造新型持续激发滤波器，扩展了作者之前关于单输入线性系统稳定化的结果，并展示了在非完整航天器稳定化中的应用。
2014-10-16 cs.SY eess.SY math.OC
Data-Driven Stabilizing Controller Design for Linear Infinite Networks
School of Computing, Newcastle University（纽卡斯尔大学计算学院）；Department of Mathematics, University of Bayreuth（拜罗伊特大学数学系）
提出一种直接数据驱动方法，利用噪声污染的输入-状态轨迹和线性矩阵不等式，为未知线性时不变子系统构造eISS控制Lyapunov函数和镇定反馈控制器，并通过无限维小增益条件组合为全局控制器，实现无限网络的指数稳定性。
2026-06-17 cs.SY eess.SY
Linear Matrix Inequality Design of Exponentially Stabilizing Observer-Based State Feedback Port-Hamiltonian Controllers
利用线性矩阵不等式方法设计了一种具有保无源特性的端口-哈密顿系统的状态反馈控制器。观测器的增益是自由选择和线性矩阵不等式的条件，使得状态反馈是等效的控制与输入严格无源（ISP）和/或输出严格无源（OSP）和零状态检测（ZSD）端口的控制器的互连建立。结果表明，所提出的控制器指数镇定一类无限维PHS和渐近镇定一类有限维非线性PHS。最后，以一个微机电系统为例，说明了该方法的可行性.
2022-12-09 cs.SY eess.SY
Eigenvalue based algorithms and software for the design of fixed-order stabilizing controllers for interconnected systems with time-delays
基于特征值的框架开发的耦合系统的稳定性分析和镇定的时滞，这是自然的延迟微分代数方程描述。分析了这些方程的谱性质，研究了它们的稳定性，并考虑了小时滞扰动的影响。随后，数值方法的稳定性评估和设计稳定控制器与规定的结构或顺序，直接优化方法的基础上，简要说明。该方法的有效性说明了一个软件演示。本文最后指出了与计算和优化的H-无穷范数的相似之处。
2020-03-24 cs.SY eess.SY
Synthesis of Stabilizing Recurrent Equilibrium Network Controllers
University of California, Berkeley（加州大学伯克利分校）；University of Michigan, Ann Arbor（密歇根大学安娜堡分校）
该研究提出基于递归平衡网络的非线性动态控制器参数化方法，推导保证部分观测扇区有界非线性系统指数稳定的参数约束，采用含凸优化投影的策略梯度综合控制器，经非线性对象仿真验证有效。
2022-09-13 cs.AI cs.RO cs.SY
Reduced-order Distributed Consensus Controller Design via Edge Dynamics
Toyota Technological Institute（名古屋工业大学）
本文提出了一种设计多智能体系统降阶分布式一致性控制器的新方法，通过引入边缘动态模型，将控制器设计等价于该模型的分布式稳定控制器合成，进而提出全局和局部最优的稳定控制器设计，实现无保守耦合强度约束的一致性控制。
2016-02-16 cs.SY eess.SY math.OC
Parameterization of Stabilizing Linear Coherent Quantum Controllers
UNSW Canberra（新南威尔士大学堪培拉分校）
本文利用经典Youla-Kučera参数化方法，研究线性量子系统稳定性的线性相干量子反馈控制器参数化问题，提出在频域内求解加权H2和H∞控制问题的方法。
2015-03-07 cs.SY eess.SY math.OC
On the Implementation of Two-Parameter Stabilizing Controllers Using Stable-Block Input-Output Feedback Structures
Instituto de Automática UNSJ-CONICET（圣胡安国立大学自动化学研究所）
本文提出一种仅用稳定块实现两参数稳定控制器的通用方法，保留设计优先级，解耦综合与实现，适用于常规SISO和MIMO对象，具备多项工程优势。
2026-08-03 cs.SY eess.SY
Learning practically stabilizing output-feedback nonlinear controllers
IMT School for Advanced Studies, Lucca, Italy（卢卡高等研究院）
本文提出一种离线学习输出反馈替代控制器的方法，通过递归动力学系统模仿给定控制器-观测器对的闭环轨迹，并利用估计状态轨迹学习候选李雅普诺夫函数以促进输入到状态实际稳定性，在非线性连续搅拌釜反应器上验证了约束满足和实际稳定性。
2026-06-16 cs.SY eess.SY
Inverse optimal design of input-to-state stabilizing homogeneous controllers for nonlinear homogeneous systems
本文针对非线性齐次系统，构建含输出惩罚项的逆最优控制问题，提出基于齐次性质的代价泛函构造方法，给出逆最优增益分配问题可解的充分条件，所得控制器可同时保证输入-状态与输入-输出稳定性。
2025-11-19 cs.SY eess.SY
Online Bandit Nonlinear Control with Dynamic Batch Length and Adaptive Learning Rate
本文提出DBAR算法，通过动态批长度和自适应学习率，在仅需弱稳定性概念且无指数稳定控制器的条件下，实现非线性系统在线赌博机控制的渐近稳定与紧遗憾界。
2024-10-04 cs.SY eess.SY
Learning Provably Stabilizing Neural Controllers for Discrete-Time Stochastic Systems
Sharif University of Technology（谢里夫理工大学）；Institute of Science and Technology Austria (ISTA)（奥地利科学技术研究所（ISTA））；Massachusetts Institute of Technology（麻省理工学院）
本文提出基于稳定秩超鞅（sRSMs）的方法，通过神经网络学习控制策略及其稳定性证书，保证离散时间随机系统以概率1稳定在指定区域，并支持形式化验证。
2023-07-28 cs.AI cs.LG cs.SY
Learning Invariant Stabilizing Controllers for Frequency Regulation under Variable Inertia
成本的下降和对传统发电对环境影响的担忧推动了可再生能源和非传统分布式能源向电网的渗透。这些资源的间歇性可用性导致电力系统的惯性随时间变化。因此，有必要超越传统的控制器设计，以调节频率不变的动力学的假设下。本文提出了一种基于学习的稳定控制器设计框架，该框架基于对不同惯性模式切换序列的线性二次型调节器（LQR）公式的模拟数据集。所提出的控制器是线性和不变的，从而解释，不需要当前的操作模式的知识，并保证稳定的开关电源动态。我们还表明，它总是可以稳定的切换系统使用一个通信自由的本地控制器，其实现只需要每个节点使用自己的状态。在一个12总线3区域网络上的仿真说明了我们的结果。
2022-03-09 cs.SY eess.SY
Learning Stabilizing Controllers of Linear Systems via Discount Policy Gradient
稳定性是系统综合最基本的要求之一。本文利用策略梯度（PG）方法研究了未知线性系的镇定问题。我们利用PG的一个关键特性用于线性二次型调节器（LQR），即，该策略在初始策略成本有限的情况下，沿下降方向使策略远离不稳定区域的边界。为此，我们折扣的LQR成本的一个因素，自适应地增加梯度导致的政策，同时保持有限的成本稳定集。基于李雅普诺夫理论，我们设计了一个更新规则的折扣因子，可以直接计算出的数据，使我们的方法纯粹的无模型。最近的工作相比，\citep{perdomo2021stabilizing}，我们的算法允许的政策，每个折扣因子只更新一次。此外，对于期望的精度$ε$，用于梯度下降的采样轨迹的数量和模拟时间被显著地减少到$\mathcal{O}(\log(1/ε))$。最后，我们进行模拟的小规模和大规模的例子，以显示我们的折扣PG方法的效率。
2021-12-17 cs.SY eess.SY math.OC
Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics
University of California, Berkeley（加州大学伯克利分校）
针对一类具有不确定动态的仿射控制系统，提出了一种基于最小范数控制李雅普诺夫函数（CLF）的高斯过程（GP）回归镇定控制器设计方法。为了估计状态和输入相关的模型的不确定性，我们提出了一种新的复合内核，捕捉控制仿射性质的问题。此外，通过使用GP置信上限分析，我们提供了概率界的回归误差，导致制定的CLF为基础的稳定性机会约束，可以纳入一个最小范数优化问题。我们证明了这个优化问题是凸的，我们称之为基于高斯过程的控制李雅普诺夫函数二阶锥规划（GP-CLF-SOCP）。GP回归模型的数据收集过程和训练以情景学习的方式进行。我们验证了所提出的算法和控制器在数值模拟的倒立摆和一个运动学的自行车模型，从而在稳定的轨迹是非常相似的，如果我们真的知道真正的植物动力学。
2021-03-23 cs.LG cs.SY eess.SY
Remarks on Strong Stabilization and Stable H-infinity Controller Design
针对多输入多输出对象，给出了一种基于状态空间的强镇定控制器设计方法。利用线性矩阵不等式（LMI）给出了次优稳定H ∞控制器存在的充分条件，且控制器阶数为被控对象阶数的2倍。利用线性分式变换确定了强稳定控制器的一种新的参数化形式。
2020-03-11 cs.SY eess.SY
Sound and Automated Synthesis of Digital Stabilizing Controllers for Continuous Plants
University of Oxford（牛津大学）；Federal University of Amazonas（亚马孙联邦大学）
本文提出基于反例引导归纳合成的新算法，自动设计正确构造的数字控制器，确保在时间离散化、量化效应和有限精度算术误差范围内具有声音性。
2017-02-16 cs.LO cs.SY eess.SY
Combining a backstepping controller with a local stabilizer
Escola Politénica da Universidade de São Paulo（圣保罗大学政治工程学院）；Politecnico di Torino（都灵理工大学）；Université de Lyon（里昂大学）；Université Lyon 1（里昂第一大学）；CNRS, UMR 5007, LAGEP（法国国家科学研究中心，联合研究单位5007，实验室）；Gipsa-lab（吉普萨实验室）
研究非线性控制系统在经典连续稳定反馈法设计中存在结构障碍的情况，提出结合背步控制器与局部稳定器的混合反馈法，实现系统在无全局稳定器时的渐近稳定。
2015-03-10 cs.SY eess.SY math.OC
Stabilizability and Norm-Optimal Control Design subject to Sparsity Constraints
University of Maryland, College Park（马里兰大学帕克分校）；Institute for Systems Research, University of Maryland, College Park（马里兰大学系统研究所）
针对线性时不变系统，研究在二次不变稀疏模式下存在可镇定控制器的充要条件，并通过精确模型匹配问题设计控制器，扩展Youla参数化以处理稀疏约束。
2012-09-05 cs.SY eess.SY math.DS
Input-to-State Stabilizing Neural Controllers for Unknown Switched Nonlinear Systems within Compact Sets
IISc, Bengaluru, India（印度科学学院）；Centre for Cyber-Physical Systems（网络物理系统中心）
本文提出了一种基于神经网络的控制框架，用于确保未知切换非线性系统的输入到状态稳定性及安全性，通过神经网络参数化和训练实现稳定性保证。
2026-01-21 cs.SY eess.SY
Reliably-stabilizing piecewise-affine neural network controllers
University of Oxford（牛津大学）
针对神经网络逼近 MPC 策略时难以验证闭环稳定性的问题，提出基于最坏情况误差与 Lipschitz 常数的充分条件，并用混合整数优化精确计算，从而认证 ReLU 控制器的稳定性与性能。
2022-05-26 cs.LG cs.SY eess.SY
Systematic, Lyapunov-Based, Safe and Stabilizing Controller Synthesis for Constrained Nonlinear Systems
针对状态和输入受限的非线性系统，提出了一种同时寻找连续分段仿射（CPA）类Lyapunov函数和控制器的控制器综合方法.非凸优化问题的可接受的状态，可以细化，以满足主要的控制目标，如稳定性和安全性，以及次要的性能目标的三角形子集制定。一个多阶段的设计也给出了扩大区域的吸引力（ROA）顺序，同时允许每个阶段的独家性能。由所得的Lipschitz李雅普诺夫函数得到了闭环系统ROA不变子集的清晰边界。对于控制仿射非线性系统，非凸问题被表述为一系列保守的、适定的半定规划。这些迭代地降低代价函数，直到满足设计目标。由于所得的CPA类李雅普诺夫函数也是Lipschitz控制（或障碍）李雅普诺夫函数，它们可以用于在线二次规划，以找到最小范数控制输入。数值算例验证了该方法的有效性。
2022-03-05 cs.SY eess.SY
Exponentially Stabilizing Continuous-Time Controllers for multi-domain hybrid systems with application to 3D bipdeal walking
本文提出一种系统方法，用于指数稳定多域混合系统中3D双足行走的周期轨道。通过扩展Poincaré截面方法，提出连续分段反馈控制策略，并设计控制器参数的三种方法。通过仿真验证了该策略在多域混合系统中的有效性，且适用于非对称步行的欠驱动3D双足机器人。
2016-07-19 cs.SY eess.SY
Self-triggered stabilizing controllers for linear continuous-time systems
自触发控制是对事件触发控制方法的改进。与后者不同，自触发控制不需要持续监控系统的行为。相反，自触发算法依靠系统模型和过去的信息，预测控制律必须在发生之前更新的事件。在这项工作中，我们提出了一个自触发版本的事件触发控制方法，其中事件产生时，与系统相关的伪李雅普诺夫函数（PLF）增加到一定的限制。这种方法已被证明可以大大减少控制器和工厂之间的通信，同时保持系统的稳定性。为了预测PLF和上限之间的交点，我们使用一个简单而快速的求根算法。该算法混合了二分法的全局收敛性和牛顿-拉夫森法的快速收敛性。为了保证算法的收敛性，通过极小化算法求出了算法的初始值.
2019-07-03 cs.SY eess.SY
Enhancements on a saturated control for stabilizing a quadcopter: adaptive and robustness analysis in the flat output space
本研究拓展四旋翼显式饱和控制方法，提出增益自适应的控制器以在不激发寄生动力学、不浪费驱动力的前提下提升性能，并开展加性扰动下的鲁棒性分析，经仿真与实验验证了有效性。
2023-10-06 cs.SY eess.SY
System-level, Input-output and New Parameterizations of Stabilizing Controllers, and Their Numerical Computation
内镇定控制器$\mathcal{C}_{\text{stab}}$是非凸的，但它可以用某些闭环映射进行凸刻画：一个经典的结果是Youla参数化，两个最近的概念是系统级参数化（SLP）和输入输出参数化（IOP）.在本文中，我们解决了新的凸参数化的存在，并讨论了潜在的权衡，在不同的情况下，每个参数化。我们的主要贡献是：1）我们发现只有四元群稳定的闭环传递矩阵等价于内稳定性：其中一组用于SLP，另一组用于IOP，另外两组是新的，从而得到$\mathcal{C}_{\text{stab}}$的两个新的凸参数化。2)我们调查这些参数化后施加的有限冲激响应（FIR）近似的性能，揭示了IOP具有最好的逼近$\mathcal{C}_{\text{stab}}$给定FIR约束的能力。3)这四个参数化不需要工厂的\emph{a priori}双互质分解，但施加了一组等式约束。然而，这些等式约束在浮点运算计算和/或实现中将永远不会被精确地满足。我们证明了IOP的开环稳定的植物，在这个意义上说，小的失配的等式约束不损害闭环稳定性的数值鲁棒性，但直接IOP的实施将无法在实践中稳定开环不稳定系统。SLP是已知的享受数值鲁棒性的状态反馈的情况下，在这里，我们表明，数值鲁棒性的四块SLP控制器需要逐案分析，即使工厂是开环稳定的。
2022-02-04 cs.SY eess.SY math.OC
Sum-of-Squares Data-driven Robustly Stabilizing and Contracting Controller Synthesis for Polynomial Nonlinear Systems
本文提出基于平方和规划的鲁棒收缩控制器综合方法，利用高品质数据辨识系统并在低品质数据时段在线综合控制器以限制状态偏差，并在无人机模型上验证了轨迹偏差的紧致控制效果。
2025-03-10 cs.SY eess.SY
Safe and Efficient Switching Mechanism Design for Uncertified Linear Controller
对于参数未知的线性随机动力系统，人们一直致力于学习最优控制器，但由于噪声的影响，学习到的控制器往往是不确定的，可能会使系统不稳定。为了解决这种潜在的不稳定性，我们提出了一个“即插即用”的修改，以未认证的控制器回落到一个已知的稳定控制器时，规范的未认证和回落控制输入之间的差异超过一定的阈值。结果表明，该切换策略是安全有效的，即：1）即使原控制器失稳，系统的线性二次型代价始终有界; 2）在原控制器稳定的情况下，切换引起的性能损失对高斯噪声超指数收敛于$0$，而对一般重尾噪声多项式收敛.最后，我们通过田纳西伊士曼过程的数值模拟证明了所提出的切换策略的有效性。
2022-10-26 cs.SY eess.SY math.OC
Stabilizing Optimal Control for Nonlinear Stochastic Systems: A Parametric Gradient-Based Approach
针对含时不变随机参数的非线性随机系统，提出一种基于参数梯度和惩罚函数的方法，设计保证鲁棒稳定性的次优反馈控制器，并通过数值仿真验证其有效性。
2025-01-21 cs.SY eess.SY math.OC
Online switching control with stability and regret guarantees
本文研究了具有有限候选控制器池、未知动力系统和未知费用函数的在线切换控制问题。候选控制器可以是不稳定策略。我们只需要至少一个候选控制器来满足某些稳定性性质，但我们不知道哪一个是稳定的。我们设计了一个在线算法，保证有限增益的稳定性，在整个执行期间。我们还提供了一个次线性的政策后悔保证相比，最优稳定候选控制器。最后，我们数值测试我们的算法上的四旋翼平面飞行，并将其与经典的切换控制算法，基于伪造的切换，和经典的多臂强盗算法，Exp3与批次。
2023-01-24 cs.SY eess.SY math.OC
Stabilization Based Networked Predictive Controller Design for Switched Plants
Jadavpur University（贾达普大学）
针对通信网络控制的切换直流电机对象，提出基于锥补线性化技术解决非严格线性矩阵不等式，设计稳定化状态反馈控制器。
2013-01-05 cs.SY eess.SY math.OC
Safe and Efficient Switching Controller Design for Partially Observed Linear-Gaussian Systems
将潜在高性能但未经认证的控制器和稳定但保守的控制器结合起来的切换控制策略已被证明能够平衡安全性与效率，但在部分状态观察下研究较少。为了解决这一差距，我们提出了一个切换控制策略的部分观测线性高斯系统可证明的性能保证。我们证明了所提出的切换策略是安全有效的，在这个意义上：（1）即使原未证明控制器是不稳定的，系统的线性二次型代价总是有界的;（2）在未证明控制器是稳定的情况下，由切换保守性引起的性能损失超指数收敛到零。通过对Tennessee Eastman过程的数值模拟，验证了该切换策略的有效性。
2023-03-27 cs.SY eess.SY
Lyapunov Design for Robust and Efficient Robotic Reinforcement Learning
UC Berkeley（加州大学伯克利分校）
强化学习（RL）文献的最新进展使机器人专家能够在模拟环境中自动训练复杂的策略。然而，由于这些方法的样本复杂性较差，使用真实世界数据解决RL问题仍然是一个具有挑战性的问题。本文介绍了一种新的成本成形方法，其目的是减少所需的学习稳定控制器的样本数。该方法增加了一个术语，涉及控制李雅普诺夫函数（CLF）-一个“能量样”的功能，从基于模型的控制文献-典型的成本配方。理论结果表明，新的成本导致稳定的控制器时，使用较小的折扣因子，这是众所周知的，以减少样本的复杂性。此外，CLF术语的添加“robustifies”的搜索，以确保即使是高度次优的政策将稳定系统的稳定控制器。我们展示了我们的方法与两个硬件的例子，我们学习稳定控制器的cartpole和A1四足动物只有几秒钟和几分钟的微调数据，分别。此外，模拟基准研究表明，通过优化我们提出的成本获得稳定的政策需要的数量级更少的数据相比，标准的成本设计。
2022-11-18 cs.RO cs.SY eess.SY
Learning to control from expert demonstrations
University of California at Los Angeles（加利福尼亚大学洛杉矶分校）
在本文中，我们重新审视的问题，学习一个稳定的控制器，从有限数量的演示专家。通过首先关注反馈线性化系统，我们展示了如何将专家演示结合到一个稳定控制器中，只要演示足够长，并且至少有$n+1$，其中$n$是被控制系统的状态数。当我们有多个$n+1$演示，我们讨论了如何最优地选择最好的$n+1$演示来构建稳定控制器。然后，我们将这些结果扩展到一类系统，可以嵌入到一个高维系统包含一个链的积分。通过将该算法应用于CrazyFlie 2.0四旋翼飞行器，验证了该算法的可行性。
2022-03-17 cs.LG cs.SY eess.SY
Critic-Only Integral Reinforcement Learning Driven by Variable Gain Gradient Descent for Optimal Tracking Control
针对自适应动态规划框架中漂移动态性的要求，提出了积分强化学习算法。文献中的大多数在线IRL方案需要两组神经网络（NN），称为行动者-评论家NN和初始稳定控制器。最近，对于基于RL的鲁棒跟踪，这种要求的初始稳定控制器和双逼近器结构可以避免使用修改的基于梯度下降的更新律包含一个稳定项与临界唯一的结构。据作者所知，还没有研究利用IRL算法框架中的稳定项来解决具有执行器约束的连续时间非线性系统的最优轨迹跟踪问题。为此，本文提出了一种新的更新律，利用IRL框架中的稳定项以及可变增益梯度下降。通过这些修改，IRL跟踪控制器可以仅使用批评神经网络来实现，而不需要初始稳定控制器。所提出的更新律的另一个显著特征是其可变学习速率，其基于瞬时Hamilton-Jacobi-Bellman误差和李雅普诺夫函数沿系统轨迹的变化速率来缩放学习的速度。增广的系统状态和神经网络的权重误差被证明具有一致的最终有界（UUB）稳定性下所提出的更新法律，并实现了更紧密的残差集。在无人机全6自由度姿态控制非线性模型上验证了该方法的有效性。
2020-03-04 cs.SY eess.SY
Stabilizing predictive control with persistence of excitation for constrained linear systems
University of Sheffield（谢菲尔德大学）
本文提出了一种新的自适应预测控制器，通过将输入分为两部分来持续激励系统，结合MPC启发的滚动优化问题和传统管MPC控制器，确保约束满足、鲁棒指数稳定性及参数估计收敛。
2018-04-20 cs.SY eess.SY
Guarantees for Real Robotic Systems: Unifying Formal Controller Synthesis and Reachset-Conformant Identification
Technical University of Munich（慕尼黑工业大学）
针对安全关键场景中形式化属性难以转移到真实机器人的问题，提出将可达集一致性模型辨识与控制器综合相结合的方法，确保模型安全属性可转移到真实机器人，并通过真实机器人跟踪控制实验验证了其可转移性。
2023-09-12 cs.RO cs.SY eess.SY
Approximate infinite-horizon predictive control
预测控制经常用于涉及约束的控制问题。作为一种基于优化的技术，利用用户指定的所谓阶段成本、性能属性，即，除了闭环稳定性之外，无限时域累积级成本的界也是令人感兴趣的。为了实现良好的性能，并影响与预测时域相关联的吸引区域，预测控制器的优化目标的终端成本是一个关键的设计因素。近似动态规划是指在状态域上追求迭代成本自适应的一种特定近似范式。近似误差的困扰，相关的近似最优控制器，在一般情况下，不一定是稳定的，也不是它的性能量化的整个近似域。使用一个参数终端成本通过近似动态规划训练，提出了一种稳定的预测控制器，其性能可以直接关系到成本逼近误差。该控制器还确保了在与终端成本相关联的近似最优控制器的训练域之外的闭环渐近稳定性。
2022-09-07 cs.SY eess.SY math.OC
Stabilizing reinforcement learning control: A modular framework for optimizing over all stable behavior
University of British Columbia（不列颠哥伦比亚大学）；Honeywell Process Solutions（霍尼韦尔过程解决方案公司）
提出一种结合深度强化学习与Youla-Kucera参数化的模块化反馈控制器设计框架，通过数据驱动模型和稳定算子集合确保控制稳定性，并支持非线性扩展与固定结构控制器调优。
2024-03-21 cs.AI cs.LG cs.SY
Is Linear Feedback on Smoothed Dynamics Sufficient for Stabilizing Contact-Rich Plans?
University of California, Los Angeles（加州大学洛杉矶分校）；RAI Institute (formerly Boston Dynamics AI Institute)（RAI研究院）；MIT CSAIL（麻省理工学院CSAIL）；New York University（纽约大学）；Georgia Tech（佐治亚理工学院）
针对含丰富接触的操作任务中接触破坏平滑性导致控制器设计困难的问题，本文研究基于接触平滑的线性控制器综合效果，提出鲁棒开环规划与反馈增益基线，经300余条轨迹实验分析了LQR不足以稳定该类规划的原因。
2025-05-14 cs.AI cs.RO cs.SY
A System Level Approach to Controller Synthesis
生物和先进的信息物理控制系统通常具有有限的、稀疏的、不确定的和分布式的通信和计算以及感测和致动。幸运的是，相应的植物和性能要求也稀疏和结构化，这必须加以利用，使约束控制器设计可行和易于处理。我们引入了一个新的“系统级”（SL）的方法，涉及三个互补的SL元素。系统级参数化（SLP）推广了所有镇定控制器及其响应的状态空间和Youla参数化，并与系统级约束（SLC）相结合，参数化了已知的最大一类具有凸特征的约束镇定控制器，推广了二次不变性（QI）。SLP还导致可检测性和可稳定性的泛化，这表明存在丰富的分离结构，当与SLC相结合时，自然适用于结构约束的控制器和系统。我们还提供了一个有用的SLC目录，最重要的是包括稀疏性，延迟和局部约束的通信和计算内部的控制器，和外部系统的性能。由此产生的系统级综合（SLS）的问题，出现定义最广泛的已知类的约束最优控制问题，可以使用凸规划来解决。一个例子说明了这种系统级的方法可以系统地探索控制器的性能，鲁棒性和合成/实现复杂性的权衡。
2019-06-12 cs.SY eess.SY math.OC
Nonlinear Model Predictive Control for Navy Microgrids with Stabilizing Terminal Ingredients
本文提出一种带稳定终端要素的非线性模型预测控制策略，结合下垂控制架构，用于海军中压直流微电网的电压调节与脉冲功率负载能量分配，并通过与传统PI控制器对比验证了闭环稳定性和鲁棒性。
2024-05-02 cs.SY eess.SY
Data-Driven Stabilizing and Robust Control of Discrete-Time Linear Systems with Error in Variables
本文提出了一种基于平方和（SOS）的离散时间线性系的数据驱动镇定和鲁棒控制方法，该方法中的全状态观测值被L ∞有界输入、测量和过程噪声（变量设置误差）所破坏。通过求解由多项式非负约束构成的可行性规划，证明了一致性集中所有对象的状态反馈超稳定性、二次稳定性或正稳定性。在弱紧性和数据收集假设下，SOS紧化在升阶上收敛到真的超稳定或正稳定控制器，并对二次稳定性引入一定的保守性.该SOS方法的性能得到改善，通过应用定理的替代品，同时保持紧密性，其中未知的噪声变量被删除的一致性集描述。这种SOS可行性方法被扩展到提供最坏情况下的最优鲁棒控制器下H2控制成本。一致性集合描述可以被扩展以包括数据和过程受到L-无穷大有界测量、过程和输入噪声的组合影响的情况。
2023-03-30 cs.SY eess.SY math.OC
User manual and tutorial for ISIM1s: a tiny MATLAB package for single stage invariant manifold-guided impulsive stabilization of delay equations
ISIM1s由几个MATLAB函数和一个脚本组成，可用于导出延迟微分方程的稳定脉冲控制器。本文档既可作为手册，也可作为ISIM 1s软件包功能的教程。在解释主要的MATLAB脚本之前，提供了理论上保证稳定的情况的简要背景。该教程演示了如何包可以用来获得稳定的脉冲控制器的延迟微分方程的各种复杂性尺度。重点放在各种调整参数的作用。
2021-02-12 cs.SY eess.SY math.OC
From Stabilizing Regions to Certified Controllers: Closing the Selection Gap in Unified PID/PI Analysis for Time-Delay Plants
Ostim Technical University（奥斯汀技术大学）
针对时滞对象统一PID调参方法中手动测试不稳定性极点计数和控制器选择的问题，本文提出解析极点计数、基于最小调节时间的时域选择规则，并揭示中性类型陷阱，实现完全自动化与控制器认证。
2026-06-24 cs.SY eess.SY
On Structured Realizability and Stabilizability of Linear Systems
研究图上的线性系统是否具有结构化实现，并揭示其与结构化控制器可镇定性的紧密联系。
2012-12-08 cs.SY eess.SY math.OC
Multi-rate Control Design under Input Constraints via Fixed-Time Barrier Functions
在本文中，我们引入了周期性安全的概念，这要求系统轨迹定期访问一个前向不变的安全集的子集，并利用它在一个多速率的框架，其中一个高级别的规划器生成一个参考轨迹，由一个低级别的控制器跟踪输入约束下。我们引入了固定时间的障碍函数的概念，这是利用所提出的低级别控制器在二次规划框架。然后，我们设计了一个模型预测控制政策的高层次规划与参考轨迹的变化率的约束，以保证周期性的安全。我们证明了所提出的策略的有效性的仿真例子中，所提出的固定时间稳定的低级别控制器显示出成功的满足控制目标，而指数稳定的低级别控制器失败。
2021-03-05 cs.SY eess.SY math.OC
