Sparse Feedback Controller: From Open-loop Solution to Closed-loop Realization
本文研究线性定常系统的离散时间稀疏反馈控制，提出利用动态线性补偿器实现输入稀疏性的最优反馈控制器，证明了开环与闭环稀疏控制解的等价性，并将其扩展至前馈跟踪问题。
2023-07-29 cs.SY eess.SY math.OC
Human-in-the-loop: Real-time Preference Optimization
Automatic Control Laboratory, EPFL（自动控制实验室，洛桑联邦理工学院）
本文提出一种实时反馈优化控制器，通过成对比较反馈优化用户效用，保证最优性和闭环稳定性，通过随机探索信号估计下降方向，并通过数值实验验证理论结果。
2026-03-27 math.OC
Maximal $L^p$-regularity for an abstract evolution equation with applications to closed-loop boundary feedback control problems
在本文中，我们提出了一个抽象的最大$L^p$ -正则性结果$T = \infty$，这是调整捕捉（线性）偏微分方程的抛物型，定义在一个有界域和有限维，稳定，反馈控制作用于（一部分）的边界。例证包括，除了一个更经典的边界抛物的例子，两个最近的设置：（i）的$3d$ -Navier-斯托克斯方程有限维，局部化，边界切向反馈稳定控制，以及Boussinesq系统有限维，局部化，反馈，稳定，Dirichlet边界控制的热方程。
2022-02-07 math.AP math.OC
Isolated Loops in Quantum Feedback Networks
最近在\cite{GP_}中提出了一种利用隔离反馈环在两个多模线性量子随机系统（LQSS）之间建立任意双线性哈密顿相互作用的方案.在这项工作中，我们研究了一个孤立的反馈回路在一般的SLH网络的存在，并推导出修改的哈密顿网络由于存在的环路。在一个二分网络的情况下，一个孤立的回路贯穿两个部分，这导致每个子网络的修改的哈密顿算子，以及它们之间的哈密顿相互作用。与LQSS的情况一样，通过在每个子网中设计适当的端口，我们可以在它们之间创建所需的交互。提供的例子说明了一般理论。
2017-05-28 math-ph math.MP math.OC
Frequency Domain Properties and Fundamental Limits of Buffer-Feedback Regulation in Biochemical Systems
生化系统中的反馈调节是体内平衡的基础，失败会导致疾病或死亡。最近的研究发现，反馈和缓冲之间的合作-使用分子库来保持分子浓度-对于生化调节通常是至关重要的，缓冲可以作为一种衍生物或先导控制器。然而，缓冲与微分反馈在重要方面不同：它通常不受并行反馈回路上的稳定性约束的限制，对于某些信号，它充当低通滤波器，并且它可以改变闭环系统中干扰的位置。在这里，我们提出了一个频域框架研究缓冲反馈系统的监管性质。我们确定了标准的单输出闭环传递函数，并讨论了环路整形特性。我们还得到了新的缓冲反馈调节的基本限制，这表明缓冲和删除过程可以减少反馈调节的基本限制。我们应用该框架研究磷酸肌酸缓冲对糖酵解（无氧代谢）的调节。
2018-02-01 math.OC q-bio.MN
Closed-loop Reference Models for Output-Feedback Adaptive Systems
The Boeing Company（波音公司）
针对输出反馈自适应系统，提出闭环参考模型方法，并扩展至任意相对阶的单输入单输出对象，以改善瞬态响应。
2012-11-28 cs.SY eess.SY math.OC
On a closed-loop identification challenge in feedback optimization
研究了反馈优化中由闭环数据辨识模型导致的偏差问题，提出了基于闭环灵敏度与噪信比矩阵的充分收敛条件与反向发散条件。
2025-09-01 cs.SY eess.SY math.OC
Dominant Mixed Feedback Design for Stable Oscillations
本研究提出一种通过混合反馈控制实现稳定振荡的设计框架，给出反馈增益与正负反馈平衡的鲁棒振荡条件，基于线性矩阵不等式推导抗有界动态不确定性、支持无源互连的系统化设计，为相关学科观察提供系统理论依据，并通过分布式神经动力学模拟电路验证。
2023-05-08 cs.SY eess.SY math.OC
Bilinear Control of Convection-Cooling: From Open-Loop to Closed-Loop
本文研究了一种通过不可压缩速度场来强化对流冷却的双线性控制问题。讨论了最优开环控制和闭环反馈控制设计。讨论了表征最优解的一阶和二阶最优性条件。特别地，瞬时控制的方法被应用于建立反馈规律。此外，还研究了直接利用最优性系统和适当的数值离散格式来构造反馈律的问题。在计算上，实现闭环反馈控制比实现最优开环控制容易得多，因为后者需要在时间上向前求解状态方程，以及在时间上向后求解伴随方程以及非线性最优性条件。严格的分析和数值实验来证明我们的想法和验证的控制设计的有效性。
2021-07-13 cs.SY eess.SY math.OC
On Structural Non-commutativity in Affine Feedback of SISO Nonlinear Systems
本文证明由Chen-Fliess级数建模的SISO非线性系统仿射反馈连接构成群作用，且其加法与乘法反馈环在结构上非交换，翻转顺序将导致净加法反馈环。
2024-03-26 cs.SY eess.SY math.OC
Adaptive Output Feedback based on Closed-loop Reference Models
Harvard Medical School（哈佛医学院）；Brigham and Women’s Hospital（布莱根妇女医院）；Massachusetts Institute of Technology（麻省理工学院）；Boeing Company（波音公司）
本文提出了一种自适应控制器设计与分析，用于具有输出反馈的线性系统，利用闭环参考模型作为观测器，确保全局稳定性和渐近输出跟踪。
2014-10-07 cs.SY eess.SY math.OC
Learning Lipschitz Feedback Policies from Expert Demonstrations: Closed-Loop Guarantees, Generalization and Robustness
University of California, Riverside（加州大学河滨分校）
在这项工作中，我们提出了一个框架来学习反馈控制政策，保证闭环泛化和对抗鲁棒性。这些策略是直接从专家演示中学习的，包含在状态控制输入对的数据集中，而不需要任务和系统模型的任何先验知识。我们使用Lipschitz约束的损失最小化方案来学习具有认证的闭环鲁棒性的反馈策略，其中Lipschitz约束作为一种机制来调整泛化性能和对对抗性干扰的鲁棒性。我们的分析利用Lipschitz属性获得闭环保证的泛化和鲁棒性的学习政策。特别是，我们推导出一个有限的样本界的策略学习错误和建立鲁棒闭环稳定下学习的控制策略。我们还得到了关于专家政策和有界（对抗性）的状态测量干扰下的闭环性能恶化的闭环遗憾的界限。数值结果验证了我们的分析，并证明了我们的鲁棒反馈策略学习框架的有效性。最后，我们的研究结果表明，标称闭环性能和对抗性鲁棒性之间存在潜在的权衡，并且标称闭环性能的改善只能以牺牲对抗性扰动的鲁棒性为代价。
2022-01-20 cs.LG cs.SY eess.SY
DiffLoop: Tuning PID controllers by differentiating through the feedback loop
Princeton University（普林斯顿大学）
由于大多数工业控制应用使用PID控制器，PID整定和抗饱和措施是重要的问题。本文研究了通过反算和自动微分工具调整PID控制器的反馈增益。特别是，我们偶尔使用一个代价函数来生成梯度，并执行梯度下降，以提高控制器的性能。我们提供了一个理论框架来分析这种非凸优化，并建立了反算和干扰反馈策略之间的关系。我们包括数值实验线性系统与致动器饱和，以显示这种方法的有效性。
2022-07-03 cs.LG cs.SY eess.SY
LiFT-MPC: Language-in-the-Loop Feedback Tuning of Cost Previews for MPC
University of Cambridge（剑桥大学）
针对MPC中时变目标成本预测难题，提出LiFT-MPC框架，通过LiFT校正方案及控制性能损失函数在线更新预测机制，经储能管理数值实验验证，可提升经济性能。
2026-07-28 cs.SY eess.SY math.OC
${\mathcal K}$-monotonicity and feedback synthesis for incrementally stable networks
我们讨论了单调性的作用，使数字易于处理的网络化非线性系统的模块化控制设计。首先证明了单调系统的变分系统可以嵌入到正系统中。利用这种嵌入，我们展示了如何解决网络稳定问题，通过强制单调性和指数耗散的网络子组件。这种模块化的方法导致一个设计算法的基础上的一系列线性规划问题。
2023-03-04 cs.SY eess.SY math.OC
Koopman meets input-output data: Data-driven output-feedback control of nonlinear systems with closed-loop guarantees
University of Stuttgart（斯图加特大学）；Chemnitz University of Technology（开姆尼茨工业大学）；Technische Universität Ilmenau（伊尔梅瑙工业大学）
针对非线性系统，提出一种仅利用输入输出测量数据、无需状态测量的输出反馈控制器设计方法，结合Koopman算子理论与扩展状态表示，实现闭环指数稳定。
2026-06-05 cs.SY eess.SY math.OC
Closed-loop training of static output feedback neural network controllers for large systems: A distillation case study
针对模型预测控制需全状态估计和在线优化的缺点，提出闭环离线训练输出反馈神经网络控制器，可仅用预定义含噪测量廉价计算输入，并启发式选择重要测量，经50状态非线性蒸馏塔仿真验证。
2024-02-29 cs.SY eess.SY math.OC
Control Co-design of a Hydrokinetic Turbine: A Comparative Study of Open-loop Optimal Control and Feedback Control
本研究提出一种明确考虑反馈控制器的控制协同设计方法，通过优化比例线性和二次状态反馈控制律，实现在不确定性和干扰下比开环最优控制更简单且稳健的水动能涡轮机实时控制。
2023-02-07 cs.SY eess.SY math.OC
Robust Feedback Optimization with Model Uncertainty: A Regularization Approach
针对反馈优化中灵敏度失配引发的闭环次优或不稳定问题，提出基于正则化的鲁棒反馈优化方法，可处理不确定集内的灵敏度波动，配电网仿真验证了其在非平稳环境下的有效性。
2025-09-06 cs.SY eess.SY math.OC
Neural network optimal feedback control with enhanced closed loop stability
University of California, Santa Cruz（加州大学圣克鲁兹分校）；Naval Postgraduate School（海军研究生院）
最近的研究表明，监督学习可以成为设计高维非线性动态系统最优反馈控制器的有效工具。但这些神经网络（NN）控制器的行为仍然没有得到很好的理解。在本文中，我们使用数值模拟来证明，典型的测试精度指标不能有效地捕捉一个神经网络控制器稳定系统的能力。特别是，一些具有高测试精度的NN可能无法稳定动态。为了解决这个问题，我们提出了两个NN架构，局部近似线性二次调节器（LQR）。数值模拟证实了我们的直觉，所提出的架构可靠地产生稳定的反馈控制器，而不牺牲最优性。此外，我们介绍了一个初步的理论结果，描述了这样的NN控制系统的一些稳定性。
2021-11-18 cs.LG cs.SY eess.SY
Internal feedback in the cortical perception-action loop enables fast and accurate behavior
动物在不可预测的环境中平稳可靠地移动。感觉运动控制的模型假设来自环境的感觉信息会导致动作，然后动作会对环境产生反馈，从而形成一个单一的、单向的感知-动作循环。这个循环包含感觉和运动通路的内部延迟，这可能导致不稳定的控制。我们在这里表明，这些延迟可以通过从运动区向感觉区反向流动的内部反馈信号来补偿。内部反馈在神经感觉运动系统中普遍存在，控制理论的最新进展表明内部反馈如何补偿内部延迟。这是通过过滤掉早期感觉区域中自我产生的和其他可预测的变化来实现的，这样，不可预测的、可操作的信息就可以通过最快的组件迅速传递到行动中。例如，快速、巨大的神经元必然不如较小的神经元准确，但它们对于快速和准确的行为至关重要。我们使用一个数学上易于处理的控制模型来表明，内部反馈在实现状态估计、功能定位（皮层的不同部分如何控制身体的不同部分）和注意力方面具有不可或缺的作用，所有这些对于有效的感觉运动控制都至关重要。该控制模型可以解释解剖学、生理学和行为学观察，包括视觉皮层中的运动信号、感觉受体的异质动力学和人类运动皮层中的巨大Betz细胞、视觉皮层中的Meynert细胞和前额叶皮层中的巨大von Economo细胞的存在，以及其他神经系统中的内部反馈模式和无法解释的异质性。
2023-01-10 cs.SY eess.SY math.OC
