Optimal Downlink-Uplink Scheduling of Wireless Networked Control for Industrial IoT
针对半双工控制器下工业IIoT无线网络化控制的上下行传输折中,建立长期平均代价优化问题,给出有界代价最优平稳确定性策略的充要条件及低复杂度次优策略。
2019-10-06 cs.IT cs.SY eess.SY
Discrete-Time Linear Dynamical System Control Using Sparse Inputs With Time-Varying Support
本文针对网络化控制系统中稀疏输入约束下的线性系统控制问题,提出稀疏执行器调度算法及最小化平均控制能量的扩展,并开发基于卡尔曼滤波的稀疏控制器,理论分析与仿真验证其性能接近完全驱动系统。
2025-06-23 cs.SY eess.SY
Control Allocation for Wide Area Coordinated Damping
The University of Tennessee, Knoxville(田纳西大学诺克斯维尔分校)
本文提出了一种基于模态的稀疏控制分配方法,用于协调且容错的宽区域阻尼控制器。该方法通过模块化设计实现阻尼性能,无需详细了解执行器信息,且在执行器故障时能有效利用剩余执行器能力。
2017-01-25 cs.SY eess.SY
Approximately Supermodular Scheduling Subject to Matroid Constraints
控制调度是指在特定时间分配代理或执行器作用于动力系统,以最小化二次控制成本的问题,例如线性二次高斯(LQG)或线性二次调节器(LQR)的目标。当预算或运营约束的时间表上,这个问题是在一般的NP-难,其解决方案,因此只能近似,即使是中等规模的系统。这种近似的质量取决于约束和目标的结构。这项工作表明,贪婪调度是接近最优的约束时,可以表示为一个交集的拟阵,代数结构,编码的要求,如限制每个时隙部署的代理数量,执行器的使用总数,占空比的限制。为此,证明了LQG费用函数是α-超模的,并为P个拟阵的交集上的此类函数的贪婪极小化提供了一个新的α/(α + P)-最优性证明.这些证书被证明接近1/(1+P)保证的超模功能在相关的设置。这些结果支持在非超模二次控制问题中使用贪婪算法,而不是典型的数学方法,如凸松弛和替代品质因数,例如,可控性Gramian的logdet。
2021-03-29 cs.SY eess.SY math.OC
From Parametric Model-based Optimization to robust PID Gain Scheduling
National University of Singapore(新加坡国立大学)
本文提出将MPC的约束处理和优化功能与常规PID结合,通过线性反馈增益和PID增益调度结构提升系统鲁棒性,无需额外分析。
2013-05-28 cs.SY eess.SY
Data-Driven Switched State Estimation with Sparse Sensor Scheduling for Nonlinear Networked Systems
University of Calabria(卡拉布里亚大学)
针对未知非线性网络系统,提出数据驱动框架,通过在线分段线性化和4SID辨识构建切换模型,结合Procrustes对齐和凸优化设计稀疏观测器,在18链路交通网络上验证了高精度估计与传感器数量减少。
2026-09-28 cs.SY eess.SY
Scheduling and control over networks using MPC with time-varying terminal ingredients: extended version
当控制器通过资源受限的通信网络连接到工厂时,推出方法是解决共同设计传输时间表和相应输入值的问题的有效工具。这些方法通常采用MPC,其在基础传输调度的周期长度的倍数处被激活。使用多步不变的终端区域和一个比基准周期长的预测范围,可以确保稳定性。然而,这种策略具有固有的缺点,例如高计算复杂度和低鲁棒性。我们的目标是解决这些缺点,提出了一个MPC与周期性时变终端区域和成本的推出设置,其中控制器被激活在每个时刻,并具有任意但固定的预测范围。我们认为更详细的两个具体的设置从文献中的网络控制系统,即令牌桶网络和执行器调度。对于这两种设置,我们提供的条件下,收敛的时变MPC的应用程序可以保证。在两个数值例子中,我们证明了所提出的方法的好处。
2020-02-11 cs.SY eess.SY
Sparse Actuation for LPV Systems with Full-State Feedback in $\mathcal{H}_2/\mathcal{H}_\infty$ Framework
本文首次针对 LPV 非线性系统提出一种凸优化框架,通过在 $l_1$ 意义上最小化驱动器幅度限制来实现稀疏驱动,并在 $\mathcal{H}_2/\mathcal{H}_\infty$ 意义上保证闭环性能,最后在柔性机翼振动控制中验证了该方法。
2025-09-11 cs.SY eess.SY math.OC
Sparse Structure Design for Stochastic Linear Systems via a Linear Matrix Inequality Approach
本文针对带乘性噪声的随机线性系,提出了一种稀疏提升反馈控制器的设计方法。我们的目标是确定一个稀疏的控制架构,优化闭环性能,同时稳定系统的均方意义上。所提出的方法近似的非凸组合最优化问题通过最小化各种矩阵范数的线性矩阵不等式(LMI)稳定性条件。我们提出了两个设计问题,以减少通过静态状态反馈和低维输出的致动器的数量。提出了带乘性噪声的正则化线性二次型调节器(LQRm)最优控制问题及其凸松弛,以证明闭环系统次优性能与控制结构稀疏度之间的折衷.广域电网频率控制的案例研究表明,所提出的稀疏促进控制可以大大减少执行器的数量,而不会显着损失系统性能。稀疏控制架构是强大的大量系统级干扰,同时实现均方稳定。
2022-08-19 cs.SY eess.SY math.OC
Optimal co-design of control, scheduling and routing in multi-hop control networks
University of L’Aquila(拉奎拉大学)
针对SISO LTI被控对象,提出一种联合设计数字控制器与网络参数(调度和路由)的方法,以在控制努力、输出超调和信道带宽约束下保证稳定性并最大化阶跃响应瞬态性能指标,通过将NP-hard的多项式优化问题转化为凸优化问题实现计算可行性。
2012-08-31 cs.SY eess.SY math.OC
Fault Tolerant Stabilizability of Multi-Hop Control Networks
University of L’Aquila(拉奎拉大学)
针对多跳控制网络,提出基于必要充分条件的调度与路由设计方法,确保在给定故障集下系统的可控性和可观性。
2011-04-07 cs.SY eess.SY math.OC
Rollout scheduling and control for disturbed systems via tube MPC: extended version
滚动控制是一种基于MPC的控制方法,其中控制器被周期性地激活以调度传感器或致动器数据的传输。其中,预先分配的业务规范充当对调度的传输的约束,确保它们以底层通信网络的容许速率被触发。在本文中,我们扩展的理论推出控制考虑有界干扰的受控对象存在的状态和输入约束。我们使用的方法从管MPC,其中的标称(未受干扰)的系统,用作预测模型,和真实的系统之间的误差保持在一个鲁棒控制不变集。该方法需要满足闭环中的\emph{maximum}传输间间隔,这是在铺开控制中不能直接获得的保证。我们的主要贡献是引入一种新的管MPC计划适用于推出控制,其中包含一个额外的约束条件的预测传输时间表。我们表明,凭借这个时间表的约束,传输间隔是有界的闭环。我们还建立了这种新的MPC计划的递归可行性,并显示系统的收敛性。
2020-08-18 cs.SY eess.SY
Sparse Sensing, Communication, and Actuation via Self-Triggered Control Algorithms
University of Maryland at College Park(马里兰大学帕克分校);Lehigh University(利哈伊大学)
本文提出了一种自触发控制算法,通过惩罚反馈增益和控制输入向量的l0测度,并最大化触发时间间隔,以减少网络化控制系统中的处理器使用、通信带宽和能耗,同时提供稀疏的传感器采样、与其他子系统通信和激活输入执行器的调度。
2018-12-21 cs.SY eess.SY
Sparse Packetized Predictive Control of Disturbed Plants Over Channels with Data Loss
本文研究了线性离散时间对象在有界扰动作用下,采用分组预测控制(PPC)策略时的闭环稳定性。在所考虑的反馈回路中,控制器通过施加有界辍学的数字通信通道连接到致动器。两种PPC策略被考虑在内。在这两种情况下,通过解决稀疏促进优化问题来生成控制分组。一个是基于l2约束l0优化问题。这样的问题是放松的l1-l2优化问题,在其他稀疏PPC设置。我们利用有效的解决方法,后者的优化问题。此外,我们表明,在植物干扰的存在下,l2约束l0稀疏PPC和无约束l1-l2稀疏PPC保证实际的系统稳定性,如果满足一定的条件。更准确地说,在每种情况下,我们可以推导出一个上限的系统状态,如果设计参数满足一定的条件。我们得到的界限是增加的扰动幅度。我们通过仿真表明,在这两种情况下提出的稀疏PPC策略,较大的干扰带来的性能下降,对系统的实际稳定性没有影响。
2021-08-19 cs.SY eess.SY
Optimal Power Scheduling for High Renewables-Integrated Energy Systems with Battery Storage
University of Houston(休斯顿大学)
本文提出了一种线性化的稀疏神经网络模型,用于高可再生能源整合能源系统中电池退化的量化和优化调度。
2025-12-05 cs.SY eess.SY
A Sparsity Approach to Scheduling and Control of Networked Systems
本文针对带宽受限的网络化控制系统,提出一种基于稀疏优化的算法,协同设计通信调度逻辑与控制逻辑,使所有被控对象在给定时间内从非零初始状态镇定到零。
2023-12-05 cs.SY eess.SY
Joint Transceiver Design Based on Dictionary Learning Algorithm for SCMA
随着对网络容量、吞吐量和连接的无线设备的数量的爆炸性增长的需求,大规模连接是下一代无线通信的迫切问题。在本文中,我们提出了一个免授权的接入协议,利用大量的天线在基站(BS),预计将被广泛部署在蜂窝网络中的大规模连接。该方案由稀疏码多址接入(SCMA)中的稀疏结构和基于字典学习(DL)的接收机处理组成。大量设备可以在没有任何调度过程的情况下传输数据。与现有的方案,其信号调度需要大量的开销,所提出的方案所需的调度开销是可以忽略不计的,这是有吸引力的资源利用率和传输功率效率。数值结果表明,该方案在蜂窝网络的大规模连接场景中具有良好的性能。
2020-10-30 cs.SY eess.SP eess.SY
Link Failure Detection in Multi-hop Control Networks
University of L’Aquila(拉奎拉大学)
针对多跳控制网络中通信链路故障检测问题,基于植物动力学和通信协议给出了检测的充要条件,并提出了显式设计网络拓扑、调度和路由的方法。
2011-08-26 cs.NI cs.SY eess.SY
Modeling and Mixed-Integer Nonlinear MPC of Positive-Negative Pressure Pneumatic Systems
Michigan State University(密歇根州立大学)
针对软体机器人正负压力调节的非线性与分段动力学难题,提出融合切换非线性模型与MI-NMPC的控制框架,通过组合积分近似优化模式调度与PWM输入,仿真验证其在精度、能耗与切换间的权衡优于传统方法。
2025-10-01 cs.SY eess.SY
A Robust Predictive Control Method for Pump Scheduling in Water Distribution Networks
针对配水网络水泵调度中的模型与需求不确定性,提出稀疏重构的RMPC方法,以更低计算复杂度实现可靠约束满足,并在Randers网络上取得优于基线MPC的控制效果与相当经济性。
2025-07-24 cs.SY eess.SY
$\mathcal{H}_2/\mathcal{H}_\infty$ Optimal Control with Sparse Sensing and Actuation
本文提出凸优化框架,利用加权 $\ell_1$ 范数联合设计稀疏传感、执行及控制律,保证指定的 $\mathcal{H}_2/\mathcal{H}_\infty$ 性能,并在非线性结构动力学中验证其优势。
2024-09-15 cs.SY eess.SY math.OC
Variable-Step Time-Delay Control for Proactive Aperiodic Spacecraft Attitude Control
Yonsei University(延世大学)
本文提出VTDC控制框架,将反馈控制与更新调度结合,通过闭式反馈律自动调节控制区间,排除芝诺行为,经航天器姿态仿真验证可行且计算负担低。
2026-09-04 cs.SY eess.SY
Attitude Trajectory Optimization for Agile Satellites in Autonomous Remote Sensing Constellation
敏捷姿态机动可以最大限度地利用遥感卫星星座。通过考虑卫星的物理特性和它的致动器规格,我们可以利用姿态控制系统的全部性能潜力来进行敏捷的遥感超越传统的回转和稳定机动。采用一个由自主和反应灵敏的调度程序协调的敏捷卫星星座,可以大大提高总体响应率、重访时间和任务的全球覆盖范围。在本文中,我们使用最新的进展,顺序凸规划为基础的轨迹优化,使快速目标捕获,指向和跟踪能力的星座。我们提出了两个问题的配方。最小时间回转最优控制问题确定在给定非线性四元数运动学、陀螺仪和致动器动力学以及状态/输入约束的任何两个方向之间回转的最小时间、所需能量和最优轨迹。通过网格化的三维旋转的空间,并有效地解决这个问题的网格上,我们生产的查找表或参数拟合离线,然后可以使用的调度器在线计算的最小时间和机动能量的准确估计,实时星座调度。最小努力多目标指向最优控制问题是使用在线的每颗卫星产生连续的姿态状态和控制输入轨迹,实现给定的时间表,同时最小化姿态误差和控制努力。然后,可以通过低级跟踪控制器来实现最优轨迹。我们证明了我们的方法与太阳同步轨道上的参考卫星通过全球分布的,地球观测目标的例子。
2021-02-16 cs.SY eess.SY
Multi-UAV-based Optimal Crop-dusting of Anomalously Diffusing Infestation of Crops
Shanghai University(上海大学);University of California, Merced(加州大学默塞德分校)
本文提出基于无人机的最优作物喷洒方法,用于控制异常扩散的病害。考虑了时间分数阶扩散方程和空间分数阶扩散方程两种模型,采用质心Voronoi划分确定最优动态喷洒位置,并引入新的仿真平台FO-DiffMAS-2D验证方法有效性。
2014-12-08 cs.SY eess.SY
Algorithm for Optimal Mode Scheduling in Switched Systems
Georgia Institute of Technology(佐治亚理工学院)
针对切换系统模式调度问题,提出一种直接操作调度空间、避免时间优化的算法,基于Armijo步长沿Gateaux导数方向迭代,证明收敛到局部极小值且具有快速收敛性。
2011-07-15 cs.SY eess.SY math.OC
Inverting Self-Triggered Control: Adversarial Reinforcement Learning for Sparse Denial-of-Service Attacks
Iowa State University(爱荷华州立大学);United States Naval Academy(美国海军学院);U.S. Naval Research Laboratory(美国海军研究实验室)
本研究将自触发控制反转,提出对抗强化学习生成最稀疏的拒绝服务攻击调度,以李雅普诺夫递增条件破坏闭环稳定性,实验证明其在多种环境下以100%成功率优于基线。
2026-09-14 cs.LG cs.SY eess.SY
Resilient Non-Submodular Maximization over Matroid Constraints
University of Pennsylvania(宾夕法尼亚大学)
本文研究了在传感器和执行器失效情况下,基于Matroid约束的控制与传感问题,提出了一种具有系统级鲁棒性、可扩展性和可证明近似界的新算法。
2018-12-06 cs.RO cs.SY eess.SY
Deep Learning for Wireless Networked Systems: a joint Estimation-Control-Scheduling Approach
School of Electrical and Information Engineering, The University of Sydney(悉尼大学电气与信息工程学院);School of Electrical Engineering and Robotics, Queensland University of Technology (QUT)(昆士兰科技大学电气工程与机器人学院)
针对模型未知非线性WNCS,本文提出融合AoI与信道状态、联合无模型与基于模型数据的DRL估计-控制-调度协同设计框架,显著优于分离式方案。
2022-10-03 cs.AI cs.IT cs.LG
Sparse Representations for Packetized Predictive Networked Control
Graduate School of Informatics, Kyoto University(京都大学情报学研究科);School of Electrical Engineering & Computer Science, The University of Newcastle(纽卡斯尔大学电气与计算机工程学院)
本文研究了用于单输入线性时不变系统模型的网络控制架构,针对通信中不可靠网络导致的数据包丢失问题,提出了一种稀疏分组预测控制方法,通过在线最小化L1/L2成本函数设计控制包,并确保闭环系统稳定性。
2013-08-07 cs.IT cs.SY eess.SY
Context-aware Constrained Reinforcement Learning Based Energy-Efficient Power Scheduling for Non-stationary XR Data Traffic
College of Information Science and Electronic Engineering, Zhejiang University(浙江大学信息科学与电子工程学院)
本文针对XR下行传输中非平稳流量下的高能效功率调度问题,提出上下文感知约束强化学习算法,通过上下文推断重塑奖励并采用CSSCA优化策略,在节能和丢包约束上优于基线。
2025-03-12 cs.ET cs.LG cs.SY
Joint Energy Management and Coordinated AIGC Workload Scheduling for Distributed Data Centers: A Diffusion-Aided Reward Shaping Approach
针对AIGC在数据中心带来的能源管理与工作负载调度挑战,提出联合调度框架,考虑多种能源资源,制定系统效用最大化问题。因奖励稀疏限制DRL算法,开发扩散模型辅助奖励塑造方法,实验表明该方案能有效适应波动和异质性,实现高效学习收敛和系统效用。
2026-07-08 cs.LG cs.SY eess.SP
Fast-Convergent Dynamics for Distributed Allocation of Resources Over Switching Sparse Networks with Quantized Communication Links
Aalto University(阿尔托大学);Semnan University(塞姆南大学);University of Cyprus(塞浦路斯大学);Georgia State University(佐治亚州立大学);University of Waterloo(滑铁卢大学);City University of Hong Kong(香港城市大学);Tufts University(塔夫茨大学)
本文提出了网络动力学来解决时变多智能体网络上的资源分配问题。每个代理的状态表示所使用的资源量(或所产生的实用程序),而资源总量是固定的。其思想是在固定的资源总量下,通过最小化总代价函数来优化资源分配。每个智能体的信息被限制在它自己的状态和代价函数和它的直接内邻居的。这是由分布式应用,如移动边缘计算,经济调度智能电网,和多代理覆盖控制。这项工作提供了一个快速收敛的解决方案(与线性动力学相比),同时考虑宽松的网络连接与量化的通信链路。所提出的动态切换(可能断开)无向网络达到最优解,只要他们的工会在一些有界的非重叠的时间间隔有一个生成树。我们证明了解决方案的可行性,最优状态的唯一性,并收敛到最优值下提出的动态,其中的分析是适用于类似的一阶分配动态具有强烈的符号保持非线性,如致动器饱和。
2022-07-25 cs.LG cs.MA cs.SI