A Successive Gap Constraint Linearization Method for Optimal Control Problems with Equilibrium Constraints
针对带有均衡约束的最优控制问题(OCPECs),提出基于间隙约束的等价重新表述与逐次间隙约束线性化方法,新约束系统更简洁且可微,结合松弛策略恢复正则性,数值实验验证了方法的有效性。
2024-06-05 cs.SY eess.SY math.OC
Load and Renewable-Following Control of Linearization-Free Differential Algebraic Equation Power System Models
电力网络中的机电暂态主要是由电力消耗和生产之间的不匹配引起的,导致发电机偏离标称频率。为此,设计了反馈控制算法来执行频率和负载/可再生量跟踪控制。特别地,文献解决了过多的电网和频率控制挑战,重点是线性化的微分方程模型,由此代数约束(即,功率流)被消除。这与更现实的非线性微分代数方程(NDAE)模型形成对比。然而,随着电网越来越多地通过间歇性可再生能源和变化的负载被推到其极限,它们的物理状态有可能由于预测不佳或可再生能源或需求的突然变化而逃离操作区域-认为基于线性化点的反馈控制器实际上是不可用的。本文的目的是设计一种简单、纯分散、无线性化的反馈控制律,以代替线性化的微分方程模型。这种控制器的目的是在可再生能源或负载中的显著未知干扰之后主要稳定频率振荡。虽然控制器的设计涉及先进的NDAE系统理论,控制器本身是一样简单的分散比例或线性二次型调节器在其实施。算例表明,所设计的控制器能够在较大扰动下稳定系统的动态和代数状态。
2023-02-08 cs.SY eess.SY math.OC
Dynamic feedback linearization of two-input control systems via successive one-fold prolongations
提出一种通过逐次一重控制延拓实现两输入系统动态反馈线性化的构造性算法,利用非对合分布的余秩一对合子分布给出平坦性充分条件。
2025-05-10 cs.SY eess.SY math.OC
Robustness of Prediction Based Delay Compensation for Nonlinear Systems
Otto–von–Guericke–Universität Magdeburg(奥托·冯·格里克马格德堡大学);University of Bayreuth(拜罗伊特大学);Curtin University of Technology(科廷科技大学)
本文证明基于预测的时延补偿方案在非线性系统中具有内在鲁棒性,若无时延补偿的名义闭环系统对扰动和测量误差是输入-状态稳定的,则采用该补偿的闭环系统鲁棒稳定。
2011-05-17 cs.SY eess.SY math.OC
Optimal control over Markovian wireless communication channels under generalized packet dropout compensation
针对无线网络化控制场景,本文建立带持续信道观测、随机丢包和广义丢包补偿的马尔可夫跳跃线性系统模型,求解有限/无限时域线性二次调节问题,提出易检验的稳定性条件,经蒙特卡洛模拟验证了控制策略的有效性。
2025-01-28 cs.SY eess.SY math.OC
Adaptive Model Predictive Control of a Batch Solution Polymerization Process using Trajectory Linearization
University of Alberta(阿尔伯塔大学)
本文提出一种基于轨迹线性化的自适应模型预测控制器,用于控制批量MMA聚合过程的温度,通过机理模型推导参数传递函数,实验验证了控制器性能。
2015-10-12 cs.SY eess.SY math.DS
Zeroth-Order Constrained Optimization from a Control Perspective via Feedback Linearization
Massachusetts Institute of Technology(麻省理工学院);UIUC, Department of Industrial and Enterprise Systems Engineering(伊利诺伊大学厄巴纳-香槟分校工业与企业系统工程系);Harvard University, School of Engineering and Applied Sciences(哈佛大学工程与应用科学学院)
本文提出了一种基于反馈线性化的零阶约束优化算法,能够在不访问一阶 oracle 的情况下保证可行性,并在非凸优化中实现高效约束满足。
2026-01-28 cs.SY eess.SY math.OC
Numerical optimal control for distributed delay differential equations: A simultaneous approach based on linearization of the delayed variables
本文针对分布式时滞微分方程提出一种基于时滞变量线性化和欧拉隐式离散的同时法,将无限维最优控制问题转化为有限维非线性规划并用fmincon求解,通过熔盐核裂变反应堆算例验证其有效性。
2024-10-19 cs.SY eess.SY math.OC
Modular Sign Compensation for MIMO Systems with Unknown Control Direction: An Exact Nominal Recovery Approach
ENSTA(法国国立高等先进技术学院)
研究具有不确定时变对角输入方向的MIMO系统稳定化,提出模块化切换符号补偿层,利用基于标称李雅普诺夫量的自适应变量和调度器搜索未知符号配置,恢复标称稳定性,通过多个实例说明该方法。
2026-07-17 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
Reinterpreting PID Controller From the Perspective of State Feedback and Lumped Disturbance Compensation
本文从状态反馈与集总扰动补偿视角重新解释PID控制器,将其分解为齐次控制器与扰动观测器,分析测量噪声影响并给出参数整定方法,最后在VTOL飞行器轨迹跟踪和车辆横向控制中验证设计。
2024-11-22 cs.SY eess.SY math.OC
Approximate Feedback Linearization for a Nonlinear Hyperbolic PDE Class -- Part II: Neural Operator
University of California San Diego(加州大学圣地亚哥分校)
研究一类非线性双曲型偏微分方程,证明截断控制器的性质,通过神经算子学习控制器,训练后无需再求解内核方程,闭环具有实际稳定性。
2026-07-07 cs.SY eess.SY math.OC
Feedback linearization through the lens of data
针对需用实验数据求解的未知系统反馈线性化问题,提出通过计算数据相关矩阵零空间从候选函数库学习坐标变换与线性化控制器的方法,且解在整个关注状态空间有效。
2024-06-24 cs.SY eess.SY math.OC
An Algorithm for Local Transverse Feedback Linearization
给定一个多输入、非线性、时不变的控制仿射系统和一个受控不变的、封闭的、嵌入的子流形$\mathsf{N}$,局部横向反馈线性化(TFL)问题寻求一个坐标和反馈变换,使得在变换后的坐标中,控制系统相对于$\mathsf{N}$的横向演化的动力学是线性的、时不变的和可控的。转换后的系统被称为TFL标准形式。可检查的充要条件,这个问题是可解的,但不幸的是,文献没有提出一个处方,构造所需的多输入系统的转换。在这篇文章中,我们提出了一种算法,产生一个虚拟的输出适当的向量相对程度,使用输入-输出反馈线性化,使系统TFL规范形式。该程序是基于TFL的对偶条件,是从根本上不同于现有的方法,如GS和混合算法,因为“所需的”零动态流形$\mathsf{N}$。该算法是第一个考虑到所需的零动态流形。
2022-04-28 cs.SY eess.SY math.OC
Tube-based Distributionally Robust Model Predictive Control for Nonlinear Process Systems via Linearization
模型预测控制(MPC)是一种有效的控制多变量动态系统的约束。然而,大多数真实的动态模型受到工厂模型失配和过程不确定性的影响,这可能导致闭环性能恶化和约束违反。已经提出了诸如随机MPC(SMPC)的方法来缓解这些问题;然而,如果实际系统偏离在控制器设计期间做出的假设干扰分布,则所得到的闭环状态轨迹仍然可能显著违反规定的约束。在这项工作中,我们提出了一种新的数据驱动的分布鲁棒预测控制方案的非线性系统。不同于SMPC,这需要确切的知识的干扰分布,我们的计划决定的控制行动相对于最坏的分布从分布模糊集。该模糊集被定义为以经验分布为中心的Wasserstein球。由于潜在的模型误差,导致偏移,该计划还扩展了利用无偏移的方法。通过非线性质量弹簧系统和非线性CSTR反应器的实例研究,验证了该控制方案的有效性。
2022-11-26 cs.SY eess.SY math.OC
On local linearization of control systems
我们考虑光滑(C无穷大或实解析)控制系统的拓扑线性化问题,即通过对状态和控制(静态反馈变换)进行拓扑但不一定可微的逐点变换,使其局部等价于线性可控系统。我们证明了局部拓扑线性化蕴涵局部光滑线性化,在泛点。在任意点上,它意味着通过一个同胚局部共轭到一个线性系,这个同胚在状态变量上引起一个光滑的同胚,并且,除了在“强”奇点,这个同胚可以被选择为一个光滑映射(逆映射不需要是光滑的)。确定在“强”奇点上是否也是如此,就等于解决了微分拓扑中一个有趣的公开问题。
2009-01-20 math.OC
Path-following Control of a Quadrotor using Quasi-Static Transverse Feedback Linearization
Sultan Qaboos University(苏丹卡布斯大学);New Jersey Institute of Technology(新泽西理工学院)
提出一种准静态横向反馈线性化控制器,使四旋翼无需额外状态即可跟踪几何路径,通过代数计算推力,简化控制律并降低计算复杂度。
2026-06-23 cs.SY eess.SY math.OC
Numerical optimal control for delay differential equations: A simultaneous approach based on linearization of the delayed state
本文针对时滞微分方程的数值最优控制问题,提出基于时滞状态线性化的联立方法,并给出稳定性分析与熔盐核裂变反应堆数值验证。
2024-10-19 cs.CE cs.SY eess.SY
Exact Feedback Linearization of Stochastic Control Systems
本文研究随机单输入单输出仿射控制动力系统的精确线性化方法。这些系统被定义为欧几里得空间中的向量场三元组。目标是找到一个给定的非线性随机系统,可逆变换的组合,将系统转换成可控的线性型。当然,对于大多数非线性系统,这种变换是不存在的。我们的重点是线性化的状态坐标变换结合反馈。伊藤和Stratonovich系统之间的差异被强调。此外,我们定义了三种类型的线性随机系统-g-线性,σ-线性,和g σ-线性。研究了随机精确线性化问题的六种变形。最有用的问题--Ito-gsigma线性化的解决使用的校正项,这被证明是一个非常有用的工具,伊藤系统。结果示出了一个数值例子解决的帮助下,符号代数。
2002-11-25 math.OC
Chance-Constrained Nonlinear Covariance Control via Robust Linearization Remainder Bounds
Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院)
本文提出序列凸规划框架,结合鲁棒线性化余项界与随机线性矩阵不等式,实现非线性系统的机会约束协方差控制,仿真验证其约束满足性。
2026-09-17 cs.SY eess.SY math.OC
Dynamic compensation and homeostasis: a feedback control perspective
École polytechnique(巴黎综合理工学院);AL.I.E.N. (ALgèbre pour Identification & Estimation Numériques)(代数辨识与数值估计实验室);Université de Lorraine(洛林大学);INRIA Lille – Nord-Europe(法国国家信息与自动化研究所里尔-北欧分部)
本文从反馈控制角度探讨动态补偿与稳态,提出基于模型无关控制的解释,并通过仿真验证了'精确适应'的理论。
2018-01-15 cs.SY eess.SY math.OC
Volterra model-based control for nonlinear systems via Carleman linearization
本文提出了详细的见解嵌入Carleman线性化到非线性系统的设计Volterra模型为基础的控制技术。Volterra级数方法是一种有效的数学工具,它将线性系的卷积积分推广到非线性系统。首先,我们利用Carleman线性化技术来达到双线性近似的非线性系统。其次,从Carleman双线性模型计算三阶Volterra模型表示。然后,基于Volterra模型的控制策略的开发。所提出的方法是实现对基准范德武塞反应器表现出非最小相位响应。开环和闭环仿真结果表明了该方法的优越性和实用性。
2021-01-02 math.OC
Discrete-time feedback linearization control for nonsmooth constrained optimization
Politecnico di Torino(都灵理工大学)
提出离散时间反馈线性化控制方法,利用近端算子构造动力系统,以拉格朗日乘子为控制输入,引导至稳定平衡,并在强凸和PL条件下分析收敛性,数值实验验证有效性。
2026-09-25 math.OC
Nonlinear Feedback Linearization and LQG/LTR Control: A Comparative Study for a Single-Machine Infinite-Bus System
本文比较了单机无穷大母线(SMIB)系统的三种控制策略(NFLC、INFLC、LQG/LTR),分析其在非线性抵消、性能权衡等方面的差异,为大型电力系统控制策略选择提供参考。
2025-02-15 cs.SY eess.SY math.OC
A Multirate Variational Approach to Nonlinear MPC
针对动态和控制输入在不同时间尺度上演化的系统,提出了一种多采样率非线性模型预测控制策略。所提出的多速率制定的系统模型和滚动时域最优控制问题允许更大的时间步长的预测时域相比,单速率计划,提供计算节省,同时确保递归的可行性。多速率变分模型与基于管的连续线性化NMPC策略一起使用。这允许雅可比线性化或分别使用拉格朗日和广义力的二次和线性泰勒级数近似的线性化,提供用于计算线性化误差界的替代手段。这两种方法被证明是等价的一个特定的选择的近似点和它们的结构保持性能进行了研究。数值例子来说明多速率的方法,它的保护性能和计算节省。
2022-07-03 cs.SY eess.SY math.OC
Enhanced active power filter control for nonlinear non-stationary reactive power compensation
Norwegian University of Science and Technology(挪威科技大学)
提出基于希尔伯特-黄变换中经验模态分解的方法,分离并去除非线性非平稳电流扰动,结合p-q功率理论实现功率因数校正,简化了并联有源电力滤波器中的无功补偿。
2012-06-19 cs.SY eess.SY math.OC
Constrained Optimization From a Control Perspective via Feedback Linearization
Massachusetts Institute of Technology(麻省理工学院);Mitsubishi Electric Research Laboratories(三菱电机研究实验室);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Harvard University(哈佛大学)
本文通过反馈线性化方法解决约束优化问题,揭示其与SQP算法的联系,并提出动量加速算法以提升收敛性能。
2026-01-28 math.OC
Stochastic Linearization of Multivariate Nonlinearities
随机线性化是在准线性控制(QLC)中使用的一种方法,其利用随机输入的统计特性,用等效增益和偏置来代替非线性。本文将随机线性化理论推广到多元高斯向量的多变量或多输入非线性函数。将所得结果应用于一般反馈控制系统中的二元饱和非线性随机线性化问题。随机线性化的精度已被调查的Monte Carlo模拟,并已被发现是相当高的。最后给出了一个应用QLC进行最优控制设计的实例。
2018-07-16 math.DS math.OC
Sequential feedback optimization with application to wind farm control
本文针对高维非线性系统反馈优化中一阶信息获取困难的问题,提出序贯线性化反馈优化框架,并进一步设计多时间尺度变体以降低计算成本,通过风电场控制仿真验证了收敛性和计算优势。
2025-07-20 cs.SY eess.SY math.OC
An adaptive fuzzy dead-zone compensation scheme for nonlinear systems
死区非线性在许多工业自动化设备中经常遇到,它的存在会严重损害控制系统的性能。由于模糊逻辑能够以算法的方式表达人类的经验,因此在过去的几十年中,模糊逻辑被广泛地应用于不确定动力系统的控制和辨识。尽管这种启发式方法很简单,但在某些情况下,需要对问题进行更严格的数学处理。针对具有死区输入的非线性系统,提出了一种自适应模糊控制器。跟踪误差的收敛特性将使用李雅普诺夫稳定性理论和Barbalat引理来证明。应用这种自适应模糊方案的范德波尔振荡器来说明控制器的设计方法。数值结果也被提出,以证明控制系统的性能。
2022-06-01 cs.SY eess.SY math.OC
Statistical Linearization for Robust Motion Planning
鲁棒运动规划的目标包括设计开环控制,其最佳地将系统引导到特定目标区域,同时减轻影响动态的不确定性和干扰。最近,随机最优控制使特别准确的配方的问题。然而,尽管有有趣的进展,这些问题的公式仍然需要昂贵的数值计算。在本文中,我们开始利用统计线性化来弥合这一差距。具体而言,通过统计线性化,我们重新制定的强大的运动规划问题作为一个更简单的确定性最优控制问题的额外的约束。我们严格证明我们的方法提供的近似误差估计,以及一些可控性的结果,新的约束确定性制定。最后,我们将我们的方法应用于航天器的动力下降,通过数值实验展示了我们的方法的一致性和效率。
2023-03-02 math.OC
Geometry of Cascade Feedback Linearizable Control Systems
在这篇论文中,我们对控制系统的串级反馈线性化理论提供了新的见解。特别是,我们提出了一个新的显式类的级联反馈线性化控制系统,以及一个新的障碍存在的级联反馈线性化给定的不变控制系统。这些定理将在第4章中介绍,其中引入并探讨了来自变分法的截断算子,以证明这些新结果。这种连接揭示了新的几何背后级联反馈线性化,并建立了一个基础,为今后令人兴奋的工作与动态反馈线性化的重要后果的主题。
2021-02-17 math.DG math.OC
GPU-Parallel Linearization Error Bounds for Real-Time Robust Optimal Control of Nonlinear and Neural Network Dynamics
提出GPU并行线性化误差界(LEBs),结合系统级综合与鲁棒控制求解器,实现非线性与神经网络动力学实时鲁棒最优控制,在168维状态上达到67 Hz求解速度。
2026-07-02 cs.AI cs.LG cs.RO
Transverse feedback linearization with partial information for single-input systems
利用输出反馈,研究了控制系统状态空间中不变集的渐近稳定问题。所考虑的集是光滑的,嵌入在子流形和系统的类是非线性的,有限维的,自治的,确定的,单输入和控制仿射。给定一个不变集和一个输出固定的控制系统,给出了反馈等价于正规形的充要条件,该条件便于利用现有的设计技术设计出能稳定该不变集的输出反馈控制器.
2014-07-25 math.OC
Feedback Linearization for Unknown Systems via Reinforcement Learning
EECS, UC Berkeley(加州大学伯克利分校电子工程与计算机科学学院)
我们提出了一种新的方法来控制设计非线性系统,利用无模型的政策优化技术来学习一个线性化控制器的物理植物与未知的动态。反馈线性化是一种非线性控制技术,它在应用适当的反馈控制器的情况下,使非线性对象\emph{linear}的输入-输出动态。一旦构造了线性化控制器,就可以使用各种线性控制技术来跟踪非线性设备的期望输出轨迹。然而,线性化控制器的计算需要系统的精确动力学模型。因此,用于学习精确线性化控制器的基于模型的方法通常需要具有容易识别的参数的系统的简单、高度结构化的模型。相比之下,本文提出的无模型方法是能够近似的线性化控制器的植物使用一般的功能近似架构。具体来说,我们制定了一个连续时间的最优化问题的学习线性化控制器的参数,其最优的参数,最好的线性化植物。我们推导出条件下的学习问题是(强)凸的,并提供保证,确保真正的线性化控制器的工厂恢复。然后,我们讨论如何无模型的政策优化算法可以用来解决离散时间近似的问题,使用从现实世界的工厂收集的数据。该框架的实用程序在模拟和真实世界的机器人平台上演示。
2020-04-21 cs.AI cs.LG cs.SY
On the Linearization of Flat Two-Input Systems by Prolongations and Applications to Control Design
在本文中,我们考虑了$(x,u)$ -具有两个输入的平坦非线性控制系统,并证明了每个这样的系统都可以通过适当选择的控制的延长而使静态反馈线性化。这一结果不仅是理论上的兴趣,但也有重要的影响,基于跟踪控制的平坦度的设计。我们表明,基于准静态状态反馈的跟踪控制总是可以设计在这样一种方式,只有一个(经典)的系统状态的测量,而不是测量的广义Brunovsky状态,如文献中所报道的,是必需的。
2019-10-16 math.DG math.DS math.OC
Neural Stabilization/Excitation Control of a High-Order Power System by Adaptive Feedback Linearization
本文讨论了同步电机/无穷大电力系统高阶模型的自适应反馈线性化神经网络控制器的系统设计。电力系统首先建模为一个输入输出非线性离散时间系统近似两个神经网络。该方法允许一个简单的线性极点配置控制器(这本身不是一个神经网络)的设计。指定控制律,使得控制器通过利用由神经系统模型提供的设备参数估计,在每个采样时刻自适应地计算适当的反馈线性化控制律。控制系统也在线自适应。这避免了对电力系统动态和全状态测量的精确知识的要求,以及与对复杂电力系统模型实施分析输入-输出反馈线性化控制相关联的其它困难。此外,一个出发点是从“特设”的方式,其中许多神经控制器已被设计用于电力系统,这里使用的方法有基础的自适应反馈线性化和极点配置控制设计的控制理论概念。仿真结果证明了该控制器在各种运行条件下对单机/无穷大电力系统配置的代表性示例的性能。
2000-07-11 math.OC
Input-Delay Compensation in a Robust Adaptive Control Framework
针对带有执行器时滞的不确定性系统,提出了一种改进的${\cal L}_1$控制框架。具体来说,在状态预测器的控制输入中引入时间延迟,以补偿被控对象中输入延迟的不稳定影响。对于这个修改后的框架,分析表明,自适应系统的输出密切遵循的行为,一个适当定义的,非自适应的,稳定的参考系统提供了一个依赖于延迟的稳定性条件得到满足和自适应增益被选择足够大。满足稳定性条件的输入延迟和补偿延迟的组合的集合包含正值对的开集,只要滤波器带宽、${\cal L}_1$适应控制的特性被选择得足够大。通过一个简单的例子说明了延迟补偿的有效性。还进行了数值延拓,以探索稳定区域的情况下,这可以近似的先验。
2016-11-02 math.OC
Canonical forms for polynomial systems with balanced super-linearizations
一个系统是Koopman超线性化的,如果它允许一个有限维嵌入作为一个线性系。超线性化用于利用线性系理论的方法来设计非线性系统的控制器或观测器。如果隐观测量的阶数不超过可见观测量的阶数,则称超线性化为平衡的。我们表明,系统承认这样的超线性化可以放在一个简单的标准形式通过线性变量变换。
2022-12-22 math.OC
Feedback Linearization of Car Dynamics for Racing via Reinforcement Learning
University of California, Berkeley(加州大学伯克利分校)
通过学习反馈线性化的方法,我们试图学习一个线性化的控制器,以简化控制过程的汽车自主比赛。一个软的行动者批评的方法是用来学习解耦矩阵和漂移向量,有效地纠正错误的手工设计的线性化控制器。其结果是一个精确的线性化控制器,可以用来使发达的线性系的理论设计的路径规划和跟踪计划,易于实现和显着减少计算要求。为了演示反馈线性化的方法,首先使用它来学习一个仿真模型,该模型的精确结构是已知的,但是与初始控制器不同,从而引入误差。我们进一步寻求将这种方法应用于一个系统,该系统以专门为模拟赛车动态而设计的健身房环境的形式引入了更多的错误。为此,我们扩展了学习反馈线性化的方法;使用监督学习训练的神经网络将我们的线性化控制器的输出转换为赛车环境所需的输入。报告了我们在实现这些目标方面取得的进展,并讨论了实现这些目标的下一步措施。
2021-10-20 cs.LG cs.RO math.OC
Structured Linearization of Discrete Mechanical Systems for Analysis and Optimal Control
Southwest Research Institute(西南研究院);Northwestern University(西北大学)
变分积分器非常适合于力学系统的模拟,因为它们保留了系统的力学量,例如动量,或者如果涉及外部强迫的变化,以及完整约束。虽然它们不是能量保存的,但它们确实表现出长期稳定的能量行为。然而,变分积分器经常通过在每个时间步求解隐式差分方程来模拟机械系统动力学,该隐式差分方程此外纯粹根据不同时间步的配置来表达。本文制定了一阶和二阶线性化的变分积分器的方式,是服从控制分析和合成,创建一个桥梁之间的现有分析和最优控制工具的离散动态系统和变分积分器的机械系统在广义坐标强迫和完整约束。强迫摆是用来说明技术。第二个例子解决了离散LQR问题,找到一个局部稳定控制器的40自由度系统与6个约束。
2017-08-31 cs.RO math.OC
Network Coding meets Decentralized Control: Network Linearization and Capacity-Stabilizablilty Equivalence
我们对网络编码和分散控制有一个统一的看法。准确地说,我们认为这是线性定常系统通过适当的限制信道和编码方案的网络编码是线性时不变的,分散控制的对象和控制器是线性时不变的。首先,我们将线性系理论应用于网路编码。这给出了一种将任意中继网络转换为等价的无环单跳中继网络的新方法,我们称之为网络线性化。基于网络线性化,我们证明了基本的设计限制,mincut,是可以实现的线性时不变的网络编码方案,无论网络拓扑结构。然后,我们使用网络编码来观察分散线性系。我们认为,线性时不变控制器在分散线性系“沟通”通过线性网络编码,以稳定的植物。为了证明这一论点,我们给出了一个算法来“外化”控制器之间的隐式通信,我们认为必须发生稳定的植物。在此基础上,我们证明了分散线性系的可镇定性条件来自于一个潜在的通信限制,它可以描述的代数mincut-maxflow定理。有了这种重新解释,我们还考虑了LTI网络的稳定性,以强调与网络编码的联系。特别是,在广播和单播问题中,接收器处的非预期消息将被建模为保密约束。
2013-08-23 cs.IT math.IT math.OC
Dynamic Feedback Linearization of Control Systems with Symmetry
本文针对具有李群对称性的非线性时变控制系统,提出基于李对称性的几何框架,给出动态反馈可线性化的充分条件及求取一般光滑轨迹的系统方法,并通过垂直起降系统等示例验证其有效性。
2024-07-01 math.AP math.DG math.OC
Nonlinear System Level Synthesis for Polynomial Dynamical Systems
针对具有多项式动态特性的非线性系统,提出了一种基于系统级综合的控制器综合方法。由此产生的框架产生有限的冲激响应,时不变,闭环传递函数与保证干扰消除。我们的方法推广反馈线性化,使部分反馈线性化,其中的非线性的取消是在有限的时间范围内传播。这提供了在通过控制消除之前使用系统动态来衰减干扰的灵活性,与反馈线性化相比降低了控制成本,同时保持了关于干扰抑制的保证。这种方法说明了一个基准的例子和流体流量控制的一个共同的模型。
2022-09-22 math.OC
On the Exact Linearization and Control of Flat Discrete-time Systems
本文讨论了平坦非线性离散时间系统的广义静态或动态反馈精确线性化,这也可能取决于新的输入的前移。我们首先研究的问题,其中一个给定的平坦输出的前向位移可以选择在原则上作为一个新的输入,以及随后如何实际上引入一个合适的反馈的新的输入。关于一个可行的输入的选择,容易验证的条件推导出来。引入这样一种新的输入需要一种反馈,这种反馈通常不仅取决于这种新的输入本身,而且还取决于它的前向位移。这是类似的连续时间的情况下,反馈依赖于时间导数的闭环输入-特别是准静态的-已经成功地用于精确线性化的平坦系统自上世纪九十年代。对于系统的平坦输出,不依赖于前向位移的输入,它示出了如何系统地构造一个新的输入,使得相应的前向位移的平坦输出的总数是最小的。此外,它示出,在这种情况下,线性化反馈的计算是特别简单的,和随后的设计的离散时间平坦度为基础的跟踪控制进行了讨论。以轮式移动机器人和三自由度直升机为例,说明了所提出的理论。
2022-12-28 math.DG math.DS math.OC
A Projected Gradient and Constraint Linearization Method for Nonlinear Model Predictive Control
投影梯度下降法是一类求解最优化问题的迭代法。它的适用性凸优化计划已经获得了显着的普及,其直观的实现,只涉及简单的代数运算。事实上,如果到可行集的投影容易计算,则该方法具有低复杂度。另一方面,当问题是非凸的,例如,由于非线性等式约束,投影变得困难,因此不切实际。在本文中,我们提出了一个非线性规划(NLP)的投影梯度方法,只需要投影到线性化的非线性约束在当前的时间,类似于序列二次规划(SQP)。虽然投影更容易计算,但它使中间步骤对于原始问题不可行。因此,梯度方法既不属于投影梯度下降方法,因为投影不是在原始非线性流形上执行的,也不属于标准SQP,因为没有使用二阶信息。对于非线性光滑最优化问题,我们分析了所提出的方法与SQP的相似之处,并评估了其局部和整体收敛到原问题的Karush-Kuhn-Tucker(KKT)点。此外,我们表明,非线性模型预测控制(MPC)是一个很有前途的应用所提出的方法,由于稀疏的最优化问题。我们说明了所提出的方法的计算效率在一个数值例子中的控制输入和二次终端约束的状态变量的框约束。
2016-10-21 math.OC