An integral quadratic constraint framework for real-time steady-state optimization of linear time-invariant systems
The Johns Hopkins University(约翰斯·霍普金斯大学)
本文提出一个反馈控制器设计框架,用于实时实现线性时不变系统的最优稳态性能,通过积分二次约束将优化组件的输入输出特性转化为线性矩阵不等式条件,确保全局指数渐近稳定性。
2017-10-27 cs.SY eess.SY math.OC
Robust control synthesis for uncertain linear systems with input saturation using mixed IQCs
The Pennsylvania State University(宾夕法尼亚州立大学);North Carolina State University(北卡罗来纳州立大学)
本文提出了一种基于混合IQC的鲁棒控制方法,通过改进$\mathcal{L}_2$-增益性能和$\mathcal{H}_\infty$综合条件,提升不确定线性系统在输入饱和情况下的稳定性与控制性能。
2026-03-11 cs.SY eess.SY
Derivative-Free Data-Driven Control of Continuous-Time Linear Time-Invariant Systems
针对连续时间线性时不变系统,提出一种无需信号导数、具备理论保证的数据驱动镇定方法,基于LMI利用低通滤波器重构系统非最小实现以求解动态控制器,经数值算例验证有效。
2024-10-31 cs.SY eess.SY math.OC
Data-Driven Stabilization of Unknown Linear-Threshold Network Dynamics
George Mason University(乔治梅森大学);University of California, San Diego(加州大学圣地亚哥分校)
针对未知线性阈值网络动力学的镇定问题,提出两类基于数据的控制器设计方法,通过将含阈值的闭环系统转化为切换线性系统、求解LMI得到增益,还给出低复杂度充分条件,经两类神经动力学仿真验证有效。
2025-10-01 cs.SY eess.SY
Data-based Transfer Stabilization in Linear Systems
针对目标系统数据稀缺的问题,提出基于源系统数据与两系统最大距离先验知识的线性系统传递镇定框架,通过构造包含目标的紧系统集合、求解LMI得到镇定控制器,并通过高低阶系统数值案例验证。
2023-11-07 cs.SY eess.SY math.OC
GriD-LMIA: A Gridding-Based Assembler for Solving Differentiable Parameter-Dependent Linear Matrix Inequalities
University of California Irvine(加州大学欧文分校)
针对依赖参数的可微线性矩阵不等式求解需求,提出GriD-LMIA工具包,通过网格划分与伯恩斯坦多项式将连续域约束转换为有限LMI,可导出多种验证证书并分析相关参数平衡关系。
2026-08-26 cs.MS cs.SY eess.SY
Robust L_infinity-induced deconvolution filtering for linear stochastic systems and its application to fault reconstruction
Private Research Laboratory(私人研究实验室)
本文提出了一种鲁棒L_infinity诱导反卷积滤波方法,用于不确定连续时间线性随机系统,通过改进的L_infinity诱导范数界引理实现参数依赖稳定性思想,应用于传感器故障重构。
2013-12-30 cs.SY eess.SY
Convergence Rate Bounds for the Mirror Descent Method: IQCs and the Bregman Divergence
对凸优化中的镜像下降法进行了收敛性分析。构造了一个基于积分二次约束的分析框架,分析了连续时间和离散时间下强凸目标函数MD方法的收敛速度.我们制定的问题,寻找收敛速度的MD算法的线性矩阵不等式(LMI)在这两个计划的可行性问题。特别是,在连续时间,我们表明,布雷格曼发散函数,这是常用的作为该算法的李雅普诺夫函数,是一个特殊的情况下,与波波夫标准的李雅普诺夫函数类,当后者被施加到一个适当的重新制定的问题。因此,应用Popov准则及其与其他IQC的组合,可以导致具有降低的保守性的收敛速度界。我们还通过例子说明,推导出的收敛速度界可以是紧的。
2022-09-09 cs.SY eess.SY math.OC
Sampled-data in Space Control of Scalar Semilinear Parabolic and Hyperbolic Systems
本文提出了一种新的具有未知参数和分布扰动的抛物型和双曲型标量半线性系统的空间(空间变量)采样控制方法。空间变量测量中的有限的采样数据集是可用的。控制律依赖于函数,该函数依赖于空间变量和有限的状态测量集。该函数的特殊选择会影响闭环系统的某些特性。特别是,本文介绍了这种功能的例子,与其他一些控制方法相比,提供了降低控制成本。用线性矩阵不等式的形式给出了闭环系统的指数稳定性和对未知参数和干扰的鲁棒性。仿真结果证实了理论分析的正确性,并与已有的控制方法进行了比较。
2020-09-29 cs.SY eess.SY
Data-Driven Control of Continuous-Time LTI Systems via Non-Minimal Realizations
本文提出仅用单次实验数据为未知连续时间LTI系统设计输出反馈控制器的方法,通过非最小实现和滤波观测状态,构造LMIs设计动态稳定控制器,并扩展至输出调节问题。
2025-05-28 cs.SY eess.SY
Controller Design for Structured State-space Models via Contraction Theory
Laboratoire d’Automatique, EPFL(EPFL自动控制实验室);Control & Automation Group, Inspire AG(Inspire AG控制与自动化组);Automatic Control Laboratory (IfA), ETH Zürich(苏黎世联邦理工学院自动控制实验室)
本文提出了一种间接数据驱动的输出反馈控制器设计方法,利用结构状态空间模型作为替代模型,通过线性矩阵不等式和收缩理论实现可扩展的控制设计,并建立分离原理以独立设计观测器和状态反馈控制器。
2026-04-08 cs.LG cs.SY eess.SY
Data-Driven Structured Robust Control of Linear Systems
针对通信受限系统,提出基于线性矩阵不等式与矩阵 S-lemma 的数据驱动结构化 $H_2$ 鲁棒控制方法,实现了与数据样本量规模无关的次优调节。
2024-11-18 cs.SY eess.SY math.OC
Sampled-Data Stabilization with Control Lyapunov Functions via Quadratically Constrained Quadratic Programs
基于控制李雅普诺夫函数(CLF)的非线性系统的控制器设计最近已成功地应用于各种困难的控制任务。这些现有的配方不解决连续时间模型的设计和离散时间采样实现的控制器之间的差距,往往导致硬件平台上的性能差。我们提出了一种方法来缩小这一差距,通过合成采样数据对应这些基于CLF的控制器,指定为二次约束二次规划(QCQP)。假设系统的连续时间模型的反馈线性化和稳定的零动态,我们得到实际的采样数据系统的稳定性保证。我们证明了改进的性能,所提出的方法在连续时间的模拟。
2021-03-05 cs.SY eess.SY
Zonotope-based Set-membership Parameter Identification of Linear Systems with Additive and Multiplicative Uncertainties and Its Application to Engine Condition Monitoring
University of Michigan(密歇根大学)
本文提出两种基于zonotope的集合成员身份估计算法,用于识别线性模型中的时变参数,处理加法和乘法不确定性。CAZI和PAZI算法通过不同数据处理方式和计算需求区分。两者均能提供紧致的可行解集上界,并在发动机健康监测中展示其有效性。
2017-06-19 cs.SY eess.SY
Geometrization of Higher-Order Linear Control Laws for Attitude Control on $\mathsf{SO(3)}$
本文将PID型几何非线性控制律的稳定性分析推广到SO(3)上高阶动态状态反馈补偿器,通过Lyapunov函数与LMI凸松弛给出几乎全局渐近稳定条件,并以21状态多旋翼姿态控制律验证其有效性。
2025-07-01 cs.SY eess.SY math.OC
Distributed Unknown Input Observers for Discrete-Time Linear Time-Invariant Systems
本文提出一种基于节点级可检测性分解的分布式未知输入观测器设计方法,通过局部输出注入与扩散增益分别抑制噪声和补偿信息缺失,利用LMI求解,仿真验证有效性。
2025-04-23 cs.SY eess.SY
Direct Data Driven Control Using Noisy Measurements
Michigan State University(密歇根州立大学);Ford Motor Company(福特汽车公司)
针对未知动态且状态含噪的LQR问题,提出仅用单条含噪轨迹、基于LMI与SDP直接综合控制器的框架,保证均方稳定与最优性能。
2025-05-09 cs.LG cs.RO cs.SY
Quadratic Regularization of Data-Enabled Predictive Control: Theory and Application to Power Converter Experiments
数据驱动控制通过直接从系统数据提供最优控制输入来绕过系统辨识的过程,近年来引起了人们的重新关注。在本文中,我们专注于了解正则化对数据启用预测控制(DeePC)算法的影响。我们提供的理论动机和解释,包括二次正则化项。我们的分析表明,二次正则化项导致鲁棒性和最佳的解决方案,干扰影响的数据。此外,当输入/输出约束不活动时,二次正则化导致DeePC算法的封闭形式解,从而实现快速计算。在此基础上,提出了一种基于数据驱动的功率变换器同步和功率调节框架,并通过高保真仿真和实验进行了验证。
2021-05-11 cs.SY eess.SY
On the one-shot data-driven verification of dissipativity of LTI systems with general quadratic supply rate function
基于LTI系统的单次输入输出数据集,提出了一种基于一般二次供给率函数的耗散性验证方法。我们证明了我们的方法的适用性,确定合适的一般二次供应率函数在两个数值例子中,一个关于估计的$\mathcal{L}_2$ -增益和一个在那里我们验证了耗散的质量弹簧阻尼器系统。
2021-09-02 cs.SY eess.SY
EDMD-Based Robust Observer Synthesis for Nonlinear Systems
North Carolina State University(北卡罗来纳州立大学)
本文提出一种数据驱动方法,通过扩展动态模式分解识别近似线性提升模型,利用再生核希尔伯特空间理论,结合确定性和随机性误差,通过线性矩阵不等式设计鲁棒观测器,验证了方法的有效性和灵活性。
2026-04-01 cs.SY eess.SY
Low-complexity Learning of Linear Quadratic Regulators from Noisy Data
研究动态未知的线性系统的线性二次型调节器问题,该问题是数据驱动控制和强化学习的核心问题。我们提出了一种方法,使用数据直接返回一个控制器,而不估计系统的模型。当设计控制器所用的数据受噪声影响时,给出了该方法返回具有保证相对误差的镇定控制器的充分条件。这种方法具有低复杂度,因为它只需要有限数量的样本的系统响应一个足够令人兴奋的输入,并可以有效地实现为一个半定规划。此外,该方法不需要对噪声统计进行假设,并且相对误差与噪声幅度很好地成比例。
2020-05-03 cs.SY eess.SY
Control-Oriented Identification for the Linear Quadratic Regulator: Technical Report
针对数据采集受限下数据驱动控制的数据集构建难题,提出面向控制的离线实验设计方法,通过设计控制输入采集数据、结合梯度估计器用随机梯度下降求解线性二次调节器问题,性能优于多种现有方法。
2024-05-20 cs.SY eess.SY
Data-driven Linear Quadratic Integral Control: A Convex Formulation and Policy Gradient Approach
Karlsruhe Institute of Technology (KIT)(卡尔斯鲁厄理工学院);ABB Corporate Research Center(ABB中央研究院)
本文研究了连续时间系统数据驱动的线性二次积分控制器合成,通过仅使用测量数据实现最优状态反馈控制,提出了一种数据驱动的闭环参数化方法,并结合凸优化和策略梯度方法进行控制设计。
2026-11-11 cs.SY eess.SY
Data-Driven LQR using Reinforcement Learning and Quadratic Neural Networks
本文提出一种数据驱动的LQR设计方法,利用强化学习策略迭代,以凸优化训练的二次神经网络作为Q函数逼近器,实现解析策略改进,并证明收敛性,四旋翼示例验证有效性。
2023-11-16 cs.SY eess.SY
Robust Data-Driven Control for Nonlinear Systems Using their Digital Twins and Quadratic Funnels
针对非线性系统数字孪生不完美的问题,提出融合数字孪生标称轨迹与在线数据驱动不确定性量化的方法,通过二次漏斗与分段学习策略合成鲁棒跟踪控制器,为基于学习的控制提供安全证书系统框架。
2025-10-01 cs.SY eess.SY
Data-Driven Min-Max MPC with Integral Quadratic Constraints
University of Stuttgart(斯图加特大学)
针对未知非线性不确定系统,提出一种基于积分二次约束(IQC)的数据驱动最小-最大模型预测控制(MPC)综合方法,通过半定规划最小化最坏情况成本,并证明闭环系统指数稳定性。
2026-05-31 cs.SY eess.SY
On the Effect of Quadratic Regularization in Direct Data-Driven LQR
本文提出直接数据驱动LQR中二次正则化的可解释性概念,通过正则化成本的参数效应分析,实现直观解释并减少计算复杂度。
2026-04-20 cs.SY eess.SY math.OC
Data-driven Linear Quadratic Regulation via Semidefinite Programming
本文研究了有限时域线性二次调节问题,其中系统的动态特性是未知的,状态是可达的。关于系统的信息由输入状态数据的有限集合给出,其中注入系统中的输入是足够高阶的持续激励。使用数据,最优控制律,然后获得一个合适的半定规划的解决方案。数值算例表明了该方法的有效性。
2020-08-12 cs.SY eess.SY math.OC
Data-Driven Gain Scheduling Control of Linear Parameter-Varying Systems using Quadratic Matrix Inequalities
本文综合了一个增益调度控制器,以稳定所有可能的线性参数变化(LPV)的植物是一致的测量输入/状态数据记录。受数据信息性和LTI镇定的启发,提出了一组二次矩阵不等式来表示噪声集、相容LPV对象类和可镇定对象类.通过参数集的顶点枚举避免了未知植物和“for all”参数之间的双线性。该方法的有效性和计算的易处理性的例子系统证明。
2022-12-03 cs.SY eess.SY math.OC
On data-driven stabilization of systems with quadratic nonlinearities
在本文中,我们直接设计了一个状态反馈控制器,仅根据从有限长度的实验收集的输入状态数据,镇定一类不确定非线性系统。给出了系统绝对可镇定的充要条件,并设计了控制器。一些放松的先验信息下的系统和加强数据假设的结果进行了讨论。数值例子说明了不同水平的先验信息的方法。
2021-03-29 cs.SY eess.SY math.DS
On the Sample Complexity of the Linear Quadratic Gaussian Regulator
本文针对LQG调节器,基于有限含噪轨迹数据给出LQR、卡尔曼滤波器和LQG控制器的直接数据驱动表达式,并证明其一致性、刻画收敛速率与误差界,从而无需系统建模即可求解控制与估计问题。
2023-09-19 cs.SY eess.SY math.OC
A core-set approach for distributed quadratic programming in big-data classification
Università del Salento(萨伦托大学)
本文提出一种异步分布式算法,通过计算局部核心集并交换以达成共识,解决高维大数据分类问题中的二次优化。
2017-02-15 cs.SY eess.SY math.OC
Data Informativity for Quadratic Stabilization under Data Perturbation
Institute of Science Tokyo(东京科学大学)
本文提出数据扰动概念,统一处理系统噪声和测量噪声,通过扩展矩阵S过程的关键引理,解决了数据信息度评估中的核心问题,无需假设噪声特性。
2024-10-08 cs.SY eess.SY math.OC
Linear Convergence of Data-Enabled Policy Optimization for Linear Quadratic Tracking
本研究将数据驱动策略优化(DeePO)框架拓展至带离线数据的线性二次跟踪问题,通过策略协方差参数化得到数据驱动表述,用梯度下降迭代求解最优策略,证明了该迭代的线性收敛性并经数值实验验证,为直接自适应LQT研究奠定基础。
2024-10-08 cs.SY eess.SY math.OC
LQGNet: Hybrid Model-Based and Data-Driven Linear Quadratic Stochastic Control
Ben-Gurion University of the Negev(内盖夫本-古里安大学);ETH Zurich(苏黎世联邦理工学院)
随机控制研究的是在不确定性环境中为动力系统寻找最优控制信号,在许多应用中起着关键作用。线性二次高斯(LQG)是一种广泛使用的设置,其中系统动态表示为线性高斯状态空间(SS)模型,目标函数是二次的。对于这种设置,最优控制器得到的封闭形式的分离原则。然而,在实践中,基本的系统动态往往不能忠实地捕捉一个完全已知的线性高斯SS模型,限制了其性能。在这里,我们提出了LQGNet,一个随机控制器,利用数据在部分已知的动态下运行。LQGNet通过专用的可训练算法增强了基于分离的控制的状态跟踪模块。由此产生的系统保留了经典的LQG控制的操作,同时学习,以应付部分已知的SS模型,而不必完全确定的动态。我们的经验表明,LQGNet优于经典的随机控制,克服不匹配的SS模型。
2022-10-25 cs.LG cs.SY eess.SY
Data-driven Estimation of the Algebraic Riccati Equation for the Discrete-Time Inverse Linear Quadratic Regulator Problem
针对未知离散时间系统,提出直接从观测数据估计代数Riccati方程的方法,无需系统辨识,利用先验信息减少数据需求,并通过数值实验验证其高效性。
2024-02-09 cs.SY eess.SY math.OC
Data-driven modeling of linear dynamical systems with quadratic output in the AAA framework
我们扩展了AAA(自适应Antoulas-Anderson)算法,开发了一个数据驱动的二次输出线性系(LQO)建模框架。这种系统的特征在于两个传递函数:一个对应于输出的线性部分,另一个对应于二次部分。首先建立了LQO系统两个传递函数的联合重心表示和插值理论。这一分析导致提出AAA-LQO算法。我们表明,通过内插的传递函数值的一个子集上的样本施加一个最小二乘最小化的休息,我们构建可靠的数据驱动的LQO模型。两个数值算例说明了该方法的有效性。
2021-02-25 cs.NA cs.SY eess.SY
Direct Data-Driven Linear Quadratic Tracking via Policy Optimization
Tsinghua University(清华大学)
本文提出一种直接数据驱动的线性二次跟踪方法,通过策略优化解决时间变化参考与反馈-前馈策略结构的耦合问题,实现固定维度决策变量的参数化,并在理论和实验上验证了方法的收敛性和跟踪性能。
2026-05-15 cs.SY eess.SY math.OC
Data-Driven Continuous-Time LQR: Linking Reinforcement Learning and Behavioral System Theory
Institute of Control Systems, Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院控制系统研究所)
本文研究了基于闭环和积分强化学习参数化的数据驱动连续时间线性二次调节器问题,提出数据驱动的连续时间代数黎卡提方程和凸优化方法。
2026-11-09 cs.SY eess.SY math.OC
The AAA framework for modeling linear dynamical systems with quadratic output
考虑具有二次输出的线性动力系统。我们首先定义了两个传递函数,一个单变量和一个多变量,充分描述这些特殊的非线性系统的动态。然后,利用这两个传递函数的样本,我们将AAA算法扩展到由数据建模具有二次输出的线性系。
2020-05-20 cs.NA cs.SY eess.SY
A framework for fitting quadratic-bilinear systems with applications to models of electrical circuits
在这方面的贡献,我们提出了一个数据驱动的程序,以适应二次双线性代理模型的数据。虽然表征原始模型的动力学是强非线性的,我们依靠提升技术嵌入到二次双线性格式的原始模型。这里,数据表示广义传递函数值。该方法是分别进行双线性或二次推理的方法的扩展。它是基于第一次拟合的线性模型与经典的Loewner框架,然后推断出最好的补充非线性算子,在最小二乘意义上。该方法的应用范围由具有非线性元件(如二极管)的电路给出。我们提出了各种测试案例来说明该方法的性能。
2021-12-02 cs.NA cs.SY eess.SY
Approximate Midpoint Policy Iteration for Linear Quadratic Control
University of Texas at Dallas(得克萨斯大学达拉斯分校);University of Melbourne(墨尔本大学)
本文提出了一种中点策略迭代算法来求解线性二次型最优控制问题,包括基于模型和无模型两种情况。该算法是一个变化的牛顿法,我们表明,在基于模型的设置,它实现立方收敛,这是优于标准的政策迭代和政策梯度算法,实现二次和线性收敛,分别。我们还表明,该算法可以近似实现的动力学模型的知识,通过使用最小二乘估计的状态动作值函数的轨迹数据,从该政策的改进,可以得到。有了足够的轨迹数据,策略迭代立方收敛到近似最优策略,并且这与近似标准策略迭代具有相同的可用样本预算。数值实验证明了算法的有效性。
2022-02-15 cs.LG cs.SY eess.SY