Adaptive prescribed-time disturbance observer using nonsingular terminal sliding mode control: Extended Kalman filter and particle swarm optimization
研究了在状态未知、参数未知、外部负载扰动和非对称输入饱和的情况下，单输入单输出非线性系统的自适应有限时间镇定问题.设计了一个预定的有限时间干扰观测器来逼近不可测的外部干扰。针对非对称输入饱和系统的闭环控制问题，提出了一种非奇异指定有限时间终端滑模控制。扩展卡尔曼滤波器算法用于实时估计系统的状态和未知参数。此外，粒子群优化算法被用来获得所提出的干扰观测器和控制器的设计参数。为了显示所设计的控制方案的性能，所提出的方法是用来保证规定的有限时间稳定的非局部应变梯度纳米梁的非线性振动。最后，通过数值仿真验证了所提出的自适应控制方案与传统的滑模控制相比的有效性和性能。
2020-12-02 cs.SY eess.SY
Adaptive Backstepping and Non-singular Sliding Mode Control for Quadrotor UAVs with Unknown Time-varying Uncertainties
Carleton University（卡尔顿大学）
针对四旋翼无人机位置姿态跟踪的奇异性与精度难题，提出级联的基于四元数的自适应反步控制与非奇异滑模控制方案，通过自适应律更新参数，保证渐近稳定性，在未知时变不确定性和大初始误差下仍具良好控制效果。
2024-07-13 cs.RO cs.SY eess.SY
From Data to Sliding Mode Control of Uncertain Large-Scale Networks with Unknown Dynamics
Newcastle University（纽卡斯尔大学）；Politecnico di Milano（米兰理工大学）；University of Pavia（帕维亚大学）
针对动态未知且受外部扰动的大规模互联网络，提出一种组合式数据驱动方法，利用子系统数据设计ISS李雅普诺夫函数和积分滑模控制器，在小增益条件下保证网络全局渐近稳定性。
2026-09-28 cs.SY eess.SY
Deep Neuro-Adaptive Sliding Mode Controller for Higher-Order Heterogeneous Nonlinear Multi-Agent Teams with Leader
针对带外部扰动的高阶异构未知非线性多智能体领航跟踪问题，提出基于DNN的神经自适应滑模控制策略，结合受限势函数与非光滑Lyapunov稳定性理论，经仿真验证具备良好的有效性、自适应性与鲁棒性。
2025-07-29 cs.SY eess.SY
A Probabilistic Model for Planar Sliding of Objects with Unknown Material Properties: Identification and Robust Planning
Rutgers University（罗格斯大学）
本文介绍了一种新的技术，学习未知物体的质量和摩擦分布的概率模型，并通过使用学习到的模型执行鲁棒滑动动作。所提出的方法在两个连续的阶段中执行。在探索阶段，机器人从不同角度戳桌面物体。观察到的物体的运动与各种假设的质量和摩擦模型的模拟运动进行比较。然后，相对于未知的质量和摩擦参数对仿真与现实的差距进行微分，并使用解析计算的梯度来优化这些参数。由于它是很难解开的质量从摩擦系数在低数据和准静态运动制度，我们的方法保留了一组局部最优的对质量和摩擦模型。基于每对模型的相对准确度来计算模型上的概率分布。在开发阶段，使用概率规划器来选择具有高置信度的稳定的目标配置和航路点。所提出的技术进行评估，对真实的物体，并使用一个真正的机械手。结果表明，该方法不仅可以准确识别非均匀物体的质量和摩擦系数，而且可以在不需要人工帮助或反馈的情况下，成功地将未知物体滑到桌子边缘并从那里拾取。
2020-08-05 cs.RO cs.SY eess.SY
Learning-Based Robust Fixed-Time Terminal Sliding Mode Control
针对部分已知系统模型，利用高斯过程开发积分固定时间滑模控制方法，通过两个定理证明闭环系统全局固定时间稳定性，并在充足训练数据下优于现有自适应方法。
2025-05-28 cs.SY eess.SY
Integral surface based Second Order Sliding Mode Controller design for Inverted Pendulum with PD SMC Compensation
非线性单级倒立摆的镇定是一个复杂的控制问题，因为倒立摆本身存在非线性，而且外界因素也会影响其平衡位置。本文将PD滑模控制器与二阶PI（Proportional+Integral）滑模控制器相结合，设计了二阶PI滑模控制器，以改善具有未知参数的非线性状态微分方程的性能。本文通过广泛的数学建模，阐明了滑模面设计的重要特征，即多路滑模控制输入可使输出具有鲁棒性和更高的收敛性。仿真和实验应用系统进行评估的控制器的性能，实现的复杂性，也对非线性IP系统对其稳定性的影响。
2022-07-20 cs.SY eess.SY
Sum-of-Squares Program and Safe Learning On Maximizing the Region of Attraction of Partially Unknown Systems
学习技术的最新进展使得能够直接从数据建模未知的动力系统。然而，在许多情况下，这些基于学习的方法缺乏安全性保证和严格的稳定性验证。为了解决这个问题，本文首先近似的部分未知的非线性系统，通过使用一个学习的状态空间与高斯过程和切比雪夫插值。然后提出了一种基于平方和规划的方法，通过搜索最优控制李雅普诺夫障碍函数来综合控制器。通过这种方式，我们最大化部分未知的非线性系统的吸引域的估计，同时保证安全性和稳定性。结果表明，该方法提高了外推性能，并在同一时间，产生一个显着更大的估计区域的吸引力。
2022-01-01 cs.SY eess.SY
Parameter identification algorithm for a LTV system with partially unknown state matrix
本文针对状态矩阵含已知形式未知时变参数的线性时变系统，提出先基于输入输出测量观测状态、再辨识未知参数的两步自适应算法。
2024-02-21 cs.SY eess.SY
Coupled Rendezvous and Docking Maneuver control of satellite using Reinforcement learning-based Adaptive Fixed-Time Sliding Mode Controller
针对未知空间环境中卫星耦合交会对接的不确定性控制问题，提出基于强化学习与 Actor-Critic 的自适应固定时间滑模控制器，并证明全局固定时间稳定性。
2025-05-12 cs.SY eess.SY
Tracking Control of Fully-actuated Mechanical port-Hamiltonian Systems using Sliding Manifolds and Contraction
University of Groningen（格罗宁根大学）
本文提出基于收缩理论的新型轨迹跟踪控制器，通过使误差系统部分收缩使滑动流形吸引，用于SCARA机器人控制验证。
2017-02-08 cs.SY eess.SY math.OC
Modified PSO based PID Sliding Mode Control using Improved Reaching Law for Nonlinear systems
本文利用改进的趋近律设计了一种新的基于模型的非线性控制技术--PID（Proportional-Integral-Derivative）型滑模面滑模控制。为了提高二阶非线性未知参数微分方程的性能，采用改进的粒子群智能优化算法（MPSO）对参数进行优化。本文通过大量的数学建模，阐述了滑模面设计、幂率指数趋近律、改进粒子群算法参数优化等问题，并强调了在滑模中加入积分项的重要特性，如鲁棒性和更高的收敛性。利用李雅普诺夫稳定性方法推导了滑模控制律，并从数学上证明了滑模控制律的渐近稳定性。MPSO PID型滑模控制将使高度非线性系统稳定，将补偿干扰和不确定性并减小跟踪误差。对非线性系统进行了仿真和实验应用，并进行了定量比较。
2022-09-19 cs.SY eess.SY
On Estimating the Probabilistic Region of Attraction for Partially Unknown Nonlinear Systems: An Sum-of-Squares Approach
估计部分未知非线性系统的吸引域是一个具有挑战性的问题。在本文中，我们提出了一个易于处理的方法来产生一个估计的吸引区域的概率界，通过搜索一个最佳的多项式障碍函数。本文使用了切比雪夫插值、高斯过程和平方和规划。为了逼近未知的非多项式动力学，基于Chebyshev插值计算高斯过程模型的多项式均值函数来表示精确的动力学。此外，概率条件，使所有的估计都位于一定的概率界。数值算例验证了该方法的有效性。
2022-03-18 cs.SY eess.SY
Controller for Incremental Input-to-State Practical Stabilization of Partially Unknown systems with Invariance Guarantees
本文提出增量输入至状态实用稳定性（δ-ISpS）概念，设计基于反馈线性化的控制方案，结合高斯过程回归处理未知动力学，实现部分未知系统的增量稳定与安全保证，并在机械臂示例中验证。
2025-10-12 cs.SY eess.SY
Computationally Efficient State and Model Estimation via Interval Observers for Partially Unknown Systems
针对含界噪声的部分未知非线性系统，提出一种基于雅可比符号稳定分解、紧分解函数及数据驱动过近似框架的区间观测器，可同时估计状态与学习未知动力学，通过SDP优化增益，仿真验证其计算效率优于已有方法。
2025-04-14 cs.SY eess.SY
Multi-discontinuous Functional based Sliding Mode Cascade Observer for Estimation and Closed-loop Compensation Controller
针对传统单层滑模观测器在测量噪声下存在高脉冲问题，提出一种含多重不连续函数的级联滑模观测器，设计了观测器增益并验证了闭环补偿系统有效性，能平滑估计状态并降低控制消耗。
2023-10-26 cs.SY eess.SY
Global Iterative Sliding Mode Control of an Industrial Biaxial Gantry System for Contouring Motion Tasks
提出了一种全局迭代滑模控制方法，用于柔性连接双轴龙门系统的高精度轮廓绘制任务。对于此类高精度轮廓绘制任务，多轴协同是最具挑战性的问题之一。由于各种因素，多轴合作相当困难，这也是不可避免的;例如强耦合由于其机械结构的原因，不同轴之间存在非线性，摩擦引起的间隙和死区，以及系统辨识的困难等。为了克服上述问题，本文研究了一种用于这种多轴运动平台的智能无模型轮廓控制方法。基本上在这里开发的方法，它首先确保所有的耦合，摩擦，非线性和干扰（被视为不确定的动态在每个轴）适当地构成为“不确定性”。然后，变增益滑模控制方法提出了自适应补偿匹配的未知动态在时域中，而迭代学习律被施加到抑制的不良影响（所产生的重复匹配和不匹配的不确定性在迭代域）。利用这种方法，在迭代期间抑制了通常由滑模控制中的过高估计的控制增益引起的抖动。为了分析轮廓性能并展示改进的结果，在时域稳定性和迭代域收敛性方面提供了严格的证明;实时实验也表明，使用所提出的方法可以满足对高速和复杂曲率参考的精确运动控制的要求，而无需未知动力学的边界的先验知识。
2021-08-27 cs.SY eess.SY
Design of Power System Stabilizer using Fuzzy Based Sliding Mode Control Technique
PSG College of Technology（PSG理工学院）
本文提出一种基于模糊滑模控制的电力系统稳定器，用于抑制发电机电磁振荡，提升系统稳定性，并与传统方法进行对比。
2014-06-28 cs.SY eess.SY
Neural Network Augmented Physics Models for Systems with Partially Unknown Dynamics: Application to Slider-Crank Mechanism
机电系统的动态模型在运动控制和复杂伺服应用的设计中被大量使用。在实践中，这些系统往往是由未知的相互作用，这使得系统动力学的物理基础上的关系，只有部分已知的困扰。本文提出了一种神经网络增强物理（NNAP）模型作为物理启发和神经层的组合。神经层被插入到模型中以补偿未建模的相互作用，而不需要直接测量这些未知现象。与传统方法相比，神经网络和物理参数同时优化，仅通过使用状态和控制输入测量。该方法适用于实验数据的滑块曲柄设置的状态相关的负载相互作用是未知的。NNAP模型被证明是一个稳定和准确的建模形式主义的动力学系统，从头算只能部分描述的物理定律。此外，结果表明，一个经常性的实施NNAP模型，使改善的鲁棒性和准确性的系统状态预测相比，其前馈对应。除了捕获系统动态特性之外，NNAP模型还提供了一种通过从收敛的NNAP模型中提取神经网络来获得新见解的方法。通过这种方式，我们发现了作用在滑块机构上的未知弹簧力相互作用和摩擦现象的精确表示。
2021-02-25 cs.SY eess.SY
Backstepping-based Integral Sliding Mode Control with Time Delay Estimation for Autonomous Underwater Vehicles
本文的目的是提出一种高性能的控制方法的自主水下机器人（AUV）的轨迹跟踪。然而，控制器的性能可能会受到未知的扰动，包括模型的不确定性和外部时变干扰在海底环境中。针对这一问题，设计了一种基于Backstepping的带时延估计的积分滑模控制（BS-ISMC-TDE）。为了改善传统反推控制算法的性能，在反推设计中采用积分滑模控制（ISMC）方法来减小稳态误差。此外，自适应时间延迟估计（TDE）的策略，提出了通过观察的输入和状态的AUV的一步到过去的不确定性的动力学和上界的确切知识，提供一个估计的扰动。从仿真结果中，它表明，所提出的控制方法，使用自适应和传统的TDE部分优于基于Backstepping积分滑模控制（BS-ISMC）。
2021-11-19 cs.SY eess.SY
A co-design method of online learning SMC law via an input-mappping strategy
对滑模控制策略的研究一般是基于鲁棒性的方法。较大的参数空间考虑将不可避免地牺牲部分性能。近年来，数据驱动的滑模控制方法引起了人们的广泛关注，并在引入数据对控制器进行补偿的事实上显示出优异的优点。然而，数据驱动滑模控制的研究大多依赖于辨识技术，由于数据的特殊要求，限制了其在线应用。本文在滑模控制的设计框架中引入了输入映射技术，以补偿系统未知动态所产生的影响。所提出的输入映射滑模控制策略的主要新颖之处在于，通过在线学习历史输入输出数据，以最小化目标函数的滑模面和滑模控制器的共同设计。然后，系统的收敛速度显着提高的基础上，在这项工作中设计的方法。最后通过仿真实验验证了所提方法的有效性和优越性。
2022-05-07 cs.SY eess.SY
Robust data-driven model-reference control of linear perturbed systems via sliding mode generation
University of Pavia（帕维亚大学）
本文提出了一种基于数据的鲁棒模型参考控制方法，通过滑模生成实现对具有未知动态和匹配扰动的线性系统进行控制。
2026-02-05 cs.SY eess.SY
Adaptive type-2 fuzzy second order sliding mode control for nonlinear uncertain chaotic system
QUERE Laboratory, Engineering Faculty, University of Setif 1（塞提夫第一大学工程学院QUERE实验室）；CReSTIC of Reims Champagne-Ardenne University,IUT de Troyes（兰斯香槟-阿登大学CReSTIC中心特鲁瓦高等师范学院）
本文设计了自适应类型-2模糊高阶滑模控制器，用于稳定具有内部参数不确定性和外部扰动的混沌系统不稳定周期轨道。通过超级扭动算法减少控制努力中的抖振现象，利用自适应区间类型-2模糊系统近似未知部分并生成超级扭动信号，基于Lyapunov准则推导自适应律，保证闭环系统稳定性。
2015-11-07 cs.SY eess.SY
Some Reflections on Sliding Mode Designs in Control Systems: An Example of Adaptive Tracking Control for Simple Mechanical Systems With Friction Without Measurement of Velocity
本文反思滑模设计在控制系统中的实际作用，指出其忽视经典控制关键方面，并通过无速度测量的单自由度机械系统自适应跟踪控制示例比较，展示相关考量。
2025-10-09 cs.SY eess.SY
Adaptive Task Space Non-Singular Terminal Super-Twisting Sliding Mode Control of a 7-DOF Robotic Manipulator
Department of Mechanical Engineering, Dalhousie University（达勒豪西大学机械工程系）；GIPSA-lab, CNRS, University of Grenoble Alpes（格勒诺布尔阿尔卑斯大学GIPSA-lab）
本文提出一种带自适应增益的任务空间非奇异终端超螺旋滑模控制器，用于7自由度操作臂轨迹跟踪，通过仿真与硬件实验验证其在未知扰动下能抑制抖振、提高跟踪精度并减少控制量。
2025-08-22 cs.RO cs.SY eess.SY
Experimental Benchmarking of Energy-saving Sub-Optimal Sliding Mode Control
针对节能次优滑模控制的性能验证问题，通过设置相同滑模面、控制幅值与初始条件，将其与终端二阶滑模算法在含扰动、噪声及执行器动力学的场景下开展实验基准对比，验证其低能耗特性。
2024-09-14 cs.SY eess.SY
Interval Observers for Simultaneous State and Model Estimation of Partially Known Nonlinear Systems
研究了具有动态未知输入和有界噪声信号的部分未知非线性系统的区间观测器设计问题，该观测器能同时估计系统状态和学习未知动态模型.利用仿射抽象方法和非线性分解函数的存在性，以及应用我们以前开发的数据驱动函数过近似/抽象方法来高估未知的动态模型，我们提出的观测器递归计算被证明包含真实增广状态的估计区间的最大和最小元素。然后，使用观察到的输出/测量信号，观察者通过消除与测量不兼容的估计来迭代地缩小间隔。最后，给出新的区间估计，观测器更新未知模型动态的过逼近。此外，我们提供了估计区间宽度序列一致有界的充分条件，即，所设计的观测器的稳定性，在易处理的（混合）整数规划的形式与可数可行集。
2020-04-02 cs.SY eess.SY
Adaptive observer for a nonlinear system with partially unknown state matrix and delayed measurements
研究了具有未知时变参数的非线性系统在测量滞后条件下的自适应状态观测器设计问题。许多研究人员提出了状态观测问题（例如Sanx et al.（2019））。本文发展了Bobtsov et al.（2021 b），Bobtsov et al.（2021 a），Bobtsov et al.（2022 a），Bobtsov et al.（2022 b）中提出的结果。在假设状态矩阵可以表示为已知部分和未知部分之和的情况下，问题得以解决。输出向量以已知的恒定延迟测量。提出了一种重构未知状态和未知时变参数的自适应观测器。
2022-11-16 cs.SY eess.SY math.OC
Non-overshooting sliding mode for UAV control
针对不确定无人机系统，提出基于二阶滑模和tanh函数的无超调控制，实现位置与姿态全局指数无超调跟踪并经飞行试验验证。
2024-05-12 cs.SY eess.SY
Adaptive-Gain Second Order Sliding Mode Observer Design for Switching Power Converters
Laboratoire IRTES, Université de Technologie de Belfort-Montbéliard（贝尔福-蒙贝利亚尔技术大学 IRTES 实验室）
针对多单元变换器，提出一种自适应增益二阶滑模观测器，仅通过负载电流测量估计电容电压，减少电压传感器数量，并利用Z(T_N)可观性分析混合可观性，仿真验证了其对噪声和负载变化的鲁棒性。
2013-05-30 cs.SY eess.SY
Interval Valued Fuzzy Modeling and Indirect Adaptive Control of Quadrotor
针对四旋翼系统模型复杂且含未知非线性动态的问题，提出基于输入输出数据构建TS区间值模糊模型进行估计，并结合滑模控制实现间接自适应控制，仿真验证了有效性。
2022-12-07 cs.SY eess.SY
Quaternion-based Adaptive Backstepping Fast Terminal Sliding Mode Control for Quadrotor UAVs with Finite Time Convergence
Carleton University（卡尔顿大学）
本文针对四旋翼无人机轨迹跟踪中的奇异性与不确定性问题，提出基于四元数的自适应反步控制和自适应快速终端滑模控制方法，实现有限时间收敛并抑制控制抖振。
2024-07-31 cs.RO cs.SY eess.SY
Disturbance Estimation for High-Degree-of-Freedom Euler-Lagrangian Systems Using Sliding Mode Observer without Matching Conditions
Eindhoven University of Technology（埃因霍温理工大学）；Technical University of Munich（慕尼黑工业大学）
针对高自由度欧拉-拉格朗日系统，提出了一种基于未知输入输出滑模观测器的扰动估计方法。与以往的SMO方法不同，该方法不需要假设扰动的匹配条件。此外，与传统的扰动估计方法相比，该方法不需要计算惯性矩阵的逆，也不需要精确测量系统速度。这一优势解决了在安全的人机协作中高自由度机械手的外部扭矩估计等实际问题的重计算负载和放大噪声的问题。我们通过定义一个新的线性化模型的欧拉-拉格朗日系统和设计一个基于滑模的干扰观测器。基于李雅普诺夫稳定性证明和滑模等效控制理论保证了观测器的估计精度。最后，本文在一个七自由度机器人上实现了该方法，实验结果证实了其良好的性能和潜在的应用在实践中。
2023-03-07 cs.RO cs.SY eess.SY
Information-theoretic multi-time-scale partially observable systems with inspiration from leukemia treatment
针对状态与测量时间尺度不同的部分可观测非线性随机系统，提出信息论方法，受白血病治疗启发，旨在处理未知参数下的系统建模与控制。
2024-02-05 cs.SY eess.SY
Robust Tracking and Model Following Controller Based on Higher Order Sliding Mode Control and Observation: With an Application to MagLev System
研究了不确定线性定常系统的鲁棒跟踪与模型跟随控制器设计问题。该控制器是基于二阶滑模（SOSM）算法（超扭曲），这是最有效的和流行的家庭中的高阶滑模（HOSM）。超扭曲算法（STA）的使用消除了传统滑模控制中遇到的抖振问题，同时保持其鲁棒性。所设计的鲁棒跟踪控制器能够在时变不确定参数和外部干扰存在的情况下保证跟踪误差的渐近稳定性。最后，该策略被实现在磁悬浮系统（MagLev），这是固有的不稳定和非线性。在实现磁悬浮系统的RTMF控制器时，采用了一个超扭转观测器（STO）来估计未知状态，即无法直接测量的球的速度。已经观察到，基于STA-STO对的RTMF控制器对于使用连续控制的所选滑动表面不足以实现SOSM。作为一种补救措施，连续RTMF控制器的STA的基础上实现了高阶滑模观测器（HOSMO）。仿真和实验结果表明了所提出的观测器-观测器对的有效性。
2020-07-11 cs.SY eess.SY math.OC
Sliding mode control with a neural network compensation scheme for electro-hydraulic systems
电液伺服系统广泛应用于机器人、主动悬架、精密机床和航空航天等工业领域。与电动机相比，它们具有许多优点，包括高力重比、快速响应时间和紧凑的尺寸。然而，精确控制的电液系统，由于其固有的非线性特性，不能很容易地获得与传统的线性控制器。大多数流量控制阀也会表现出一些硬非线性，例如由于阀芯重叠而导致的死区。本文针对具有未知死区输入的电液系统，提出了一种基于神经网络补偿的滑模控制器。利用李雅普诺夫稳定性理论证明了闭环信号的有界性和收敛性。数值结果，以证明控制系统的性能。
2022-06-15 cs.SY eess.SY math.OC
Complex Aircraft Maneuvering using Reinforcement-Learning-Augmented Sliding Mode-Based Control
Indian Institute of Technology Madras（印度马德拉斯理工学院）
本文提出一种结合深度强化学习和滑模控制的混合控制方法，通过前馈和反馈机制提升飞行控制的暂态性能和鲁棒性。
2026-08-25 cs.SY eess.SY
Online Joint State Inference and Learning of Partially Unknown State-Space Models
提出了一种在线联合状态推断和动态模型学习的高效计算方法。动态模型结合了一个先验已知的，物理推导，状态空间模型与径向基函数扩展表示未知的系统动态和继承物理和数据驱动的建模属性。该方法使用扩展的卡尔曼滤波器方法，通过基函数展开的参数来联合估计系统的状态和学习未知的系统动态。关键的贡献是一个计算复杂性降低相比，一个类似的方法与全球支持的基函数。通过使用紧支径向基函数和近似卡尔曼增益，计算复杂度大大降低，基本上是由基函数的支持。当系统动力学在状态空间域中很好地分离的点之间表现出有限的相关性时，近似工作良好。该方法是通过两个智能车辆的应用程序，它被证明：（i）具有竞争力的系统动态估计性能相比，全球支持的基函数方法，和（ii）是实时适用于大规模的状态空间的问题。
2021-07-09 cs.SY eess.SP eess.SY
Sliding Mode Control for Uncertain Systems with Time-Varying Delays via Predictor Feedback and Super-Twisting Observer
针对带时变测量延迟、未知扰动及部分状态不可测的线性时不变系统，结合超螺旋观测器与开环预测器设计滑模控制策略，实现延迟补偿、状态估计与全局镇定，仿真验证了有效性。
2025-07-28 cs.SY eess.SY math.OC
Adaptive super-twisting observer for fault reconstruction in electro-hydraulic systems
本文针对电液伺服系统故障重构问题，提出自适应增益超螺旋滑模观测器，通过增益自适应律抑制抖振并放宽故障与不确定性分布条件，实验验证了其精确故障重构的有效性。
2020-02-09 cs.SY eess.SY math.DS
Non-overshooting continuous in convergence sliding mode control of second-order systems
本文针对受扰二阶系统提出仅含一个自由参数的新型非线性滑模控制方法，通过Lyapunov函数实现参数整定与收敛性分析，具备无超调、有限时间收敛等特性，经数值与实验验证优于PD及次优非线性阻尼调节器。
2025-03-21 cs.SY eess.SY math.OC
Hybrid Impedance-Admittance Control with Multi-Link Aerial Robot for Contact-Rich Surface Sliding Task
The University of Tokyo（东京大学）
该研究针对多旋翼空中机器人，提出混合阻抗-导纳控制策略，利用其铰接形态分离力与运动调节，实现未知表面上稳健柔顺的接触丰富表面滑动任务。
2026-08-04 cs.RO cs.SY eess.SY
Data-Driven Adaptive Second-Order Sliding Mode Control with Noisy Data
Newcastle University（纽卡斯尔大学）；University of Pavia（帕维亚大学）
本文提出了一种数据驱动的方法，用于设计一类部分未知动态的单输入非线性系统中的自适应次优二次滑模控制器，针对匹配和未匹配扰动。通过两阶段设计流程，结合噪声数据，实现闭环系统状态的半全局最终有界性和对匹配扰动的完全拒绝。
2026-06-05 cs.SY eess.SY
Learning Variable Impedance Control for Aerial Sliding on Uneven Heterogeneous Surfaces by Proprioceptive and Tactile Sensing
ETH Zürich（苏黎世联邦理工学院）
能够与环境进行物理交互的新型飞行器的最新发展导致了新的应用，例如基于接触的检测。这些任务要求机器人系统与部分已知的环境交换力，这可能包含不确定性，包括未知的空间变化的摩擦特性和表面几何形状的不连续变化。找到一种对这些环境不确定性具有鲁棒性的控制策略仍然是一个公开的挑战。提出了一种基于学习的自适应控制策略，用于空中滑行任务。特别地，通过基于当前控制信号、本体感受测量和触觉感知的策略来实时调整标准阻抗控制器的增益。该策略在学生-教师学习设置中使用简化的致动器动力学进行模拟训练。使用一个倾斜臂全向飞行器的实际世界中的性能所提出的方法进行了验证。所提出的控制器结构结合了数据驱动和基于模型的控制方法，使我们的方法能够成功地直接从仿真转移到真实平台，而无需自适应。与现有技术的相互作用控制方法相比，我们实现了减小的跟踪误差和改进的干扰抑制。
2022-07-05 cs.LG cs.RO cs.SY
Distributed Adaptive Estimation with ISS Guarantees for Sensor Networks with Partially Unknown Source Dynamics
Northeastern University（东北大学）
本文研究了具有部分未知源动态的传感器网络中的分布式自适应估计，提出并行连续时间和离散时间设计，通过局部自适应观测器和图结构信息交换，证明了网络耦合操作的稳定性，信号的有界性和估计的收敛性，并推导了输入到状态稳定性（ISS）界限以量化对有界过程噪声的鲁棒性。
2026-11-03 cs.MA cs.SY eess.SY
Flight Control for UAV Loitering Over a Ground Target with Unknown Maneuver
提出了一种无人机在地面运动目标上空盘旋的飞行控制器。我们关注的情况下，GMT的随机时变机动的无人机是未知的，这使得它具有挑战性的估计GMT的运动状态。在假设GMT状态可用的前提下，首先设计离散时间李雅普诺夫向量场用于游荡制导，然后设计离散时间积分滑模控制（ISMC）跟踪制导指令。通过将机动过程建模为有限状态马尔可夫链，我们提出了一个Rao-Blackwellised粒子滤波器（RBPF），它只需要几个粒子，同时估计的运动状态和机动的GMT与相机或雷达传感器。然后将确定性等价原理应用于ISMC，得到了完成巡飞任务的飞行控制器。最后，通过仿真验证了该控制器的有效性和优越性。
2019-10-20 cs.SY eess.SY
A stabilizing reinforcement learning approach for sampled systems with partially unknown models
Technische Universität Chemnitz（开姆尼茨工业大学）；Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究院）
强化学习通常与奖励最大化（或成本最小化）代理的训练相关联，换句话说，控制器。它可以以无模型或基于模型的方式应用，使用先验或在线收集的系统数据来训练所涉及的参数架构。一般来说，在线强化学习不能保证闭环稳定性，除非采取特殊措施，例如通过学习约束或定制的训练规则。特别有前途的是强化学习与“经典”控制方法的混合。在这项工作中，我们提出了一种方法，以保证实际稳定的系统控制器闭环在一个纯粹的在线学习设置，即，没有离线训练。此外，我们假设只有部分知识的系统模型。为了实现所要求的结果，我们采用经典的自适应控制技术。在数字采样设置中明确提供了总体控制方案的实施。也就是说，控制器接收系统的状态，并在离散的，具体地说，等距的时刻计算控制动作。该方法在自适应牵引力控制和巡航控制中进行了测试，证明其显着降低了成本。
2022-08-31 cs.LG cs.SY eess.SY
Stabilizing unstable periodic orbit of unknown fractional-order systems via adaptive delayed feedback control
针对未知分数阶混沌系统的不稳定周期轨道镇定问题，提出仅需轨道周期的自适应非线性延迟反馈控制方案，兼具鲁棒性，仿真验证其性能优于现有线性反馈控制方法。
2023-11-09 cs.SY eess.SY
Generalized Iterative Super-Twisting Sliding Mode Control: A Case Study on Flexure-Joint Dual-Drive H-Gantry Stage
SIMTech-NUS Joint Lab on Precision Motion Systems（新加坡制造技术研究院-新加坡国立大学精密运动系统联合实验室）；National University of Singapore（新加坡国立大学）
机电一体化系统通常用于工业中，始终需要快速准确的运动性能来保证制造精度和效率。然而，系统模型和参数很难准确获得。此外，高阶模态、多轴系统中的强耦合、未建模摩擦等都会给系统带来不确定性。为了克服上述问题，提高运动性能，本文介绍了一种新的智能和完全无模型控制方法的机电系统的未知动态。具体地说，设计了一种二自由度结构，将广义超扭曲算法与独特的迭代学习律有机地结合起来。控制器仅利用在迭代中收集的输入-输出数据，使得其在不具有系统参数的任何知识的情况下工作。给出了收敛性的严格证明，并以柔性关节双驱动H型龙门工作台为例验证了该方法的有效性。
2021-03-23 cs.RO cs.SY eess.SY
To Explore or Not to Explore: Regret-Based LTL Planning in Partially-Known Environments
Shanghai Jiao Tong University（上海交通大学）；Michigan State University（密歇根州立大学）
本文针对部分已知环境中的LTL路径规划问题，提出以遗憾代替最坏情况代价作为优化度量，并给出求解最小遗憾最优计划的有效算法，通过消防机器人案例验证其适用性。
2024-01-17 cs.RO cs.SY eess.SY
State Observer for the Fourth-order Model of a Salient Pole Synchronous Generator with Stator Losses: Known and Partially Unknown Input Cases
针对现有同步发电机状态观测依赖严格模型假设、输入全测量假设不符合实际的问题，提出基于DREM技术的新型观测器，实现凸极、有定子损耗的四阶模型在输入部分已知下的状态重构，性能良好。
2024-10-07 cs.SY eess.SY
Safe Control of Partially-Observed Linear Time-Varying Systems with Minimal Worst-Case Dynamic Regret
针对存在未知噪声的部分可观测线性时变系统，提出一种基于 System Level Synthesis 的最小最坏情况动态遗憾安全控制算法，在四旋翼轨迹跟踪仿真中展现出优于 $\mathcal{H}_2$ 和 $\mathcal{H}_\infty$ 控制器的性能。
2023-03-31 cs.SY eess.SY
Adaptive Dynamic Sliding Mode Control of Soft Continuum Manipulators
ETH Zurich（苏黎世联邦理工学院）；The Sapienza University of Rome（罗马第一大学）；The University of Tokyo（东京大学）
软体机器人由柔性材料制成，并执行刚性机器人具有挑战性的任务。然而，它们的连续性使得很难开发基于模型的控制策略。提出了一种基于模型的柔性连续体机器人鲁棒控制方案。我们的动态模型是基于欧拉-拉格朗日方法，但它使用了更准确的描述机器人的惯性，不包括过于简化的假设。基于此模型，我们提出了一种自适应滑模控制方案，该方案对模型参数不确定性和未知输入干扰具有鲁棒性。我们进行了一系列的实验与物理软连续臂，以评估我们的控制器在跟踪任务空间的轨迹在不同的有效载荷。该控制器的跟踪性能比最先进的控制器精确约38%，即，逆动力学方法此外，所提出的基于模型的控制设计是灵活的，可以推广到任何连续的机械臂与任意数量的段。通过这种控制策略，软机器人对象操作可以变得更准确，同时保持对干扰的鲁棒性。
2022-02-26 cs.RO cs.SY eess.SY
Generative Modeling and Decision Fusion for Unknown Event Detection and Classification Using Synchrophasor Data
Department of Electrical and Computer Engineering, Michigan Technological University（密歇根技术大学电气与计算机工程系）；Quanta Technology（魁塔科技）
本文提出了一种结合生成建模、滑动窗口时间处理和决策融合的新框架，利用同步相量数据实现鲁棒的事件检测与分类，通过变分自编码器-生成对抗网络建模正常运行状态，并采用两种互补的决策策略来提高检测的准确性和鲁棒性。
2025-09-26 cs.AI cs.SY eess.SP
