A System Theoretical Perspective to Gradient-Tracking Algorithms for Distributed Quadratic Optimization
在本文中，我们考虑了最近发展的分布式优化算法的基础上梯度跟踪。我们提出了一个系统理论框架，分析其结构特性的初步，二次优化设置。具体来说，我们专注于一个场景中，代理在一个静态网络要合作最小化二次代价函数的总和。我们发现，梯度跟踪分布式算法的调查程序可以被看作是一个稀疏的闭环线性系统，其中的动态状态反馈控制器包括共识矩阵和优化（步长）参数。闭环系统原来是不完全可达的，渐近稳定性可以限制在一个适当的不变集。收敛到全局最小值，反过来，只能通过一个适当的初始化。分布式算法的拟议系统的解释也提供了其他的结构特性和可能的设计选择，在论文的最后一部分讨论作为未来发展的起点的额外见解。
2019-11-15 cs.MA cs.SY eess.SY
Online Linear Quadratic Tracking with Regret Guarantees
本文将经典线性二次型跟踪问题置于在线优化框架，提出基于在线梯度下降的新型算法，在有限时间内实现高效跟踪，并证明动态遗憾上界与参考轨迹路径长度成线性关系。
2024-10-17 cs.SY eess.SY
Data-Enabled Neighboring Extremal: Case Study on Model-Free Trajectory Tracking for Robotic Arm
Michigan State University（密歇根州立大学）；University of Michigan（密歇根大学）
本文提出数据驱动的邻近极值（DeeNE）框架，通过一阶最优性扰动分析高效更新名义DeePC解，在保持控制性能的同时显著降低计算成本，并在7自由度KINOVA Gen3机械臂上验证了其有效性。
2025-04-09 cs.RO cs.SY eess.SY
UAV-enabled Integrated Sensing and Communication: Tracking Design and Optimization
针对无人机ISAC系统需兼顾目标位置与速度估计的需求，提出基于扩展卡尔曼滤波的跟踪方案，通过轨迹优化最小化预测PCRB加权和，推导了固定仰角最优相对运动状态，验证了方案有效性并揭示相关性能权衡。
2024-04-16 cs.IT cs.SY eess.SP
Least-Squares State Estimation, LQR and LQ-Tracking
University of California at Santa Barbara（加利福尼亚大学圣塔芭芭拉分校）；Center for Control, Dynamical Systems, and Computation (CCDC)（控制、动力系统与计算中心）
本文通过两步推导，将确定性卡尔曼滤波器转化为LQR问题，利用齐次坐标和矩阵微分Riccati方程求解，并给出最优动态观测器。
2026-08-18 cs.SY eess.SY math.OC
Data-Enabled Policy and Value Iteration for Continuous-Time Linear Quadratic Output Feedback Control
College of Artificial Intelligence, Nankai University（南开大学人工智能学院）；The Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所复杂系统认知与决策智能重点实验室）
本文提出了一种数据驱动的连续时间线性二次调节器问题的高效政策迭代和价值迭代算法，通过重新审视输入输出滤波向量的数据特性并引入QR分解，改进了替代状态构造方法，从而消除冗余信息，确保数据矩阵的满行秩，并实现反馈控制器的参数化表示。
2026-03-15 cs.SY eess.SY math.OC
Bootstrap Policy Iteration for Stochastic Linear Quadratic Tracking with Multiplicative Noise
Institute of Science Tokyo（东京科学大学）；University of Science and Technology of China（中国科学技术大学）
本文针对带乘性噪声的连续时间随机系统线性二次跟踪问题，提出自举策略迭代算法，结合离策略强化学习与数据驱动计算，给出无模型解决方案，数值实验验证了方法有效性。
2026-08-04 cs.SY eess.SY
Trajectory Tracking Control of UAV Bicopter using Linear Quadratic Gaussian
本文针对携带有效载荷的UAV Bicopter在轨迹跟踪中易受惯性干扰的问题，提出使用LQG控制器替代LQR，仿真证明其具有更低的RMSE并有效克服干扰。
2023-09-15 cs.SY eess.SP eess.SY
Show Me the Way: Real-Time Tracking of Wireless Mobile Users with UWB-Enabled RIS
针对RIS在移动用户场景下实时配置难、UWB定位波动导致波束失准的问题，提出波束分裂和UWB估计校正方案，显著提升移动用户跟踪性能。
2024-05-13 cs.SY eess.SP eess.SY
A Relaxed Quadratic-Program-based Framework for Trajectory Tracking of Unicycle Robots with Singularity Avoidance
Department of Mechanical；Industrial Engineering at the New Jersey Institute of Technology (NJIT), NJ, USA；School of Engineering, Infrastructure；Sustainability De Montfort University, Leicester, LE1 9BH, UK
针对动态反馈线性化在单轮机器人轨迹跟踪中的奇异性问题，提出基于二次规划的松弛框架，通过引入松弛变量保证所有状态和参考信号的可行性，并证明反馈律的局部Lipschitz连续性。
2026-06-23 cs.RO cs.SY eess.SY
Energy-Aware UAV-Enabled Target Tracking: Online Optimization with Location Constraints
针对在线目标跟踪中无人机轨迹设计难以同时满足能量和位置约束的问题，提出基于两个子问题分解的在线优化方法，显著提升感知性能与能量利用灵活性。
2024-07-17 cs.IT cs.SY eess.SP
Quadratic-Programming-based Control of Multi-Robot Systems for Cooperative Object Transport
Department of Mechanical Engineering, City University of Hong Kong（香港城市大学机械工程系）
本文提出基于二次规划的多机器人协同运输控制方法，通过设计速度和位置跟踪控制器，实现对球形物体的协同运输并保证系统稳定性。
2025-12-14 cs.SY eess.SY
Scenario-based Data-Enabled Predictive Control: Robustification via the Scenario Approach
University of Oslo（奥斯陆大学）
提出基于场景的数据驱动预测控制，将场景优化框架融入数据驱动预测控制，从数据中构建经验扰动场景刻画不确定性，建立支持理论并自适应扩展，在模型上验证可减少约束违反。
2026-07-07 cs.SY eess.SY
Closed-loop Data-Enabled Predictive Control and its equivalence with Closed-loop Subspace Predictive Control
本文提出闭环数据驱动预测控制框架CL-DeePC，利用工具变量合成一致预测器以克服闭环辨识偏差，并证明其与CL-SPC等价，仿真显示参考跟踪性能显著提升且对噪声敏感性降低48%。
2024-02-22 cs.SY eess.SY
LQG Reference Tracking with Safety and Reachability Guarantees under Unknown False Data Injection Attacks
我们研究了一个线性二次高斯（LQG）跟踪问题的安全性和可达性的限制存在的对手谁安装的FDI攻击一组未知的传感器。对于每个可能的受损传感器集合，我们维护一个状态估计器，不考虑该集合中的传感器，并基于此估计计算每次的最优LQG控制输入。我们提出了一种控制策略，约束控制输入位于一个固定的距离内的最优控制输入对应于每个状态估计。控制输入在每个时间步通过求解二次约束二次规划（QCQP）。我们证明了我们的政策可以实现一个理想的概率的安全性和可达性使用屏障证书的方法。我们的控制策略是通过数值案例研究进行评估。
2022-07-11 cs.SY eess.SY
Fast-DeePC: Fast Data-Enabled Predictive Control using Soft-constrained Scheme
Johns Hopkins University（约翰斯·霍普金斯大学）；Beijing Information Science and Technology University（北京信息科技大学）；Southeast University（东南大学）
针对原始DeePC在线计算成本随数据量增长的问题，提出Fast-DeePC框架，通过软约束方案将坐标向量离线消除，使在线问题为固定规模二次规划，求解速度较通用求解器提升最高两个数量级且精度匹配。
2026-10-12 cs.SY eess.SY
Economic data-enabled predictive control using machine learning
本文在DeePC框架内提出凸数据基经济预测控制方法，利用神经网络转换系统输出并以二次函数近似非线性经济成本，通过学习重构矩阵处理输出约束，其性能在模拟化工过程中得到验证。
2025-05-12 cs.SY eess.SY
RDS-DeePC: Robust Data Selection for Data-Enabled Predictive Control via Sensitivity Score
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出RDS-DeePC框架，通过敏感度分数实现数据驱动预测控制的鲁棒数据选择，有效解决计算复杂度和数据污染问题，实验显示其在数据污染下具有良好的跟踪性能。
2026-03-24 cs.SY eess.SY
Robust Linear Quadratic Optimal Control of Cementitious Material Extrusion
The Pennsylvania State University（宾夕法尼亚州立大学）
本文提出一种鲁棒线性二次最优控制框架，用于调节水泥直接墨水书写系统的材料挤出，以提高在扰动、材料性能变化和过程不确定性下的稳定性与精度。
2026-03-20 cs.SY eess.SY
Control Barrier Function-Based Quadratic Programming for SafeOperation of Tethered UAVs
针对系留无人机（TUAV）需在系绳长度约束下安全跟踪轨迹的问题，提出控制障碍函数二次规划框架（CBF-QP），结合反步控制与障碍函数约束系绳长度，仿真验证其满足约束且轨迹跟踪误差收敛、控制输入有界。
2025-02-12 cs.SY eess.SY
Internal Model-Based Online Optimization
针对在线优化的解轨迹跟踪问题，提出基于鲁棒内模原理的模型驱动算法，证明凸与强凸场景下的收敛性，拓展至非二次问题，实验显示性能优于现有方法。
2023-03-29 cs.SY eess.SY math.OC
Model predictive control of wakes for wind farm power tracking
本研究提出一种考虑尾流动力学的风电场模型预测控制方案，通过结合Gaussian尾流模型与观测点估算风速和功率，将优化问题重构为混合整数二次约束二次规划在线求解最优偏航角与轴向诱导因子，实现良好功率跟踪与功率均匀分配，且具备实时性。
2024-05-21 cs.SY eess.SY
A Quadratic Control Framework for Dynamic Systems
本文提出统一二次控制框架，结合LQR与iLQR实现线性和非线性离散系统的轨迹跟踪，并可与MPC集成增强鲁棒性。
2025-04-24 cs.SY eess.SY
Robust LQ Optimal Control for Wind Turbine Power Tracking Operation
本文提出了一种基于线性矩阵不等式和增广状态模型的鲁棒线性二次最优控制方法，用于风力发电机的精确有功功率跟踪，仿真表明其在确保鲁棒稳定性的同时提高了跟踪精度且未增加机械磨损。
2024-07-30 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。
2026-04-16 cs.SY eess.SY
Temporal Parallelisation of Dynamic Programming and Linear Quadratic Control
本文提出了最优控制问题动态规划时间并行化的一般公式。我们推导出的元素和关联运算符能够使用并行扫描来解决这些问题的对数时间复杂度，而不是线性时间复杂度。我们应用这种方法的问题，有限的状态和控制空间，线性二次跟踪控制问题，一类非线性控制问题。并行方法的计算效益通过在图形处理单元上运行的数值模拟来证明。
2022-01-24 cs.DC cs.SY eess.SY
A model free approach for continuous-time optimal tracking control with unknown user-define cost and constrained control input via advantage function
本文提出一种基于优势函数的离策略连续时间Q学习方法，在无模型且输入受约束条件下求解LQR和LQT问题，无需奖励权重、状态重置或可容许控制器先验知识，并通过F-16仿真验证了有效性。
2025-09-20 cs.SY eess.SY
Reduced Order Model Predictive Control For Setpoint Tracking
Stanford University（斯坦福大学）
本文提出了一种降阶模型预测控制方案，用于高维系统中的设定点跟踪，并通过离线线性规划确保约束满足。
2019-05-02 cs.SY eess.SY
Neural Parameter-varying Data-enabled Predictive Control of Cold Atmospheric Pressure Plasma Jets
针对冷大气压等离子体射流非线性强、对操作条件敏感难实时控制的问题，提出融合超网络的NPV-DeePC框架，自适应捕捉系统特性实现精准预测控制，仿真验证其精度与适应性更优，且支持实时应用，可推广至同类系统。
2025-10-02 cs.SY eess.SY
Markov Data-Based Reference Tracking of Tensegrity Morphing Airfoils
Texas A&M University（得克萨斯农工大学）
这封信提出了一个基于数据的参考跟踪应用程序的控制设计。该设计找到了最优控制序列，该序列最小化由跟踪误差和有限区间[0，N]上的输入增量组成的二次成本函数。所需的唯一信息是系统的前N+1个马尔可夫参数。这种设计是采用在张拉整体变形翼型的拓扑结构已在这封信中详细描述。以NACA 2412翼型为算例，验证了所提出的设计方法的有效性。本文提出的原理也适用于其它结构控制问题。
2020-10-21 cs.RO cs.SY eess.SY
Economic zone data-enabled predictive control for connected open water systems
Nanyang Environment and Water Research Institute, Nanyang Technological University（南洋理工大学南洋环境与水研究院）；Interdisciplinary Graduate Programme, Nanyang Technological University（南洋理工大学跨学科研究生项目）；School of Chemistry, Chemical Engineering and Biotechnology, Nanyang Technological University（南洋理工大学化学化工与生物技术学院）；Department of Civil and Environmental Engineering, National University of Singapore（新加坡国立大学土木与环境工程系）
本文提出了一种基于经济区数据驱动的预测控制方法，用于连接开放水系统的安全高效运行，通过自适应区域选择和贝叶斯优化实现能耗与区域跟踪的平衡。
2026-01-07 cs.SY eess.SY
LQR with Tracking: A Zeroth-order Approach and Its Global Convergence
Harvard University（哈佛大学）
无模型线性二次型调节器（LQR）问题的理论研究取得了很大的进展。当目标是使状态接近于零目标时的特殊情况已经引起了很大的注意。在这项工作中，我们考虑的一般情况下，允许的目标是任意的，我们称之为LQR跟踪问题。我们研究了这个问题的优化景观，并表明，类似于零目标LQR问题，LQR跟踪问题也满足梯度优势和局部光滑性质。这使我们能够开发一个零阶策略梯度算法，实现整体收敛。我们支持我们的论点与数值模拟上的线性系。
2021-04-12 cs.LG cs.SY eess.SY
A New Encounter Between Leader-Follower Tracking and Observer-Based Control: Towards Enhancing Robustness against Disturbances
University of Kansas（堪萨斯大学）
本文研究了受扰动影响的领导者-跟随者多智能体系统（MAS）的鲁棒跟踪控制问题，提出了一种新的观测器基于分布式跟踪控制设计，通过设计首个此类分布式扰动观测器，使跟随者能够协作估计影响领导者的扰动以调整其动作，从而在放松的扰动假设下实现有界误差跟踪。
2019-05-10 cs.SY eess.SY
Datamodel-Based Data Selection for Nonlinear Data-Enabled Predictive Control
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出基于数据模型的方法，通过学习上下文依赖的影响函数，根据当前初始轨迹和参考轨迹映射到列重要性评分，以提高非线性系统控制性能。
2026-03-25 cs.SY eess.SY
Robust Tracking Control for Nonlinear Systems: Performance optimization via extremum seeking
本文提出一种非线性系统鲁棒跟踪控制器设计与优化框架，通过Youla型滤波器参数化引入额外自由度，并利用测量的跟踪代价函数迭代调节参数以优化瞬态性能，在Furuta倒立摆仿真中显著提升了跟踪表现。
2023-03-31 cs.SY eess.SY
