Design and Analysis of a Novel $\mathcal{L}_1$ Adaptive Control Architecture with Guaranteed Transient Performance
Chengyu Cao, Naira Hovakimyan
提出了一种新的适应控制结构，该结构同时保证了系统输入和输出信号的瞬态性能。
Novel adaptive control architecture is presented that has guaranteed transient performance for system's both signals, input and output, simultaneously.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
Guaranteed Transient Performance with $\mathcal{L}_1$ Adaptive Controller for Systems with Unknown Time-varying Parameters: Part I
针对具有时变未知参数和时变有界扰动的不确定性系统，提出了一种新的自适应控制方法。该自适应控制器能同时保证系统输入输出信号的一致有界暂态渐近跟踪。通过增加自适应增益，可以系统地提高性能界限。具有时变摩擦力的机械臂的仿真验证了理论研究结果。
Ensuring Transient Stability with Guaranteed Region of Attraction in DC Microgrids
直流微电网在连接直流组件时具有更好的能量效率，因此在可再生能源集成中具有很好的应用前景。然而，它们可能是不稳定的，因为DC微电网中的许多负载被调节为具有不稳定负阻抗效应的恒定功率负载（CPL）。因此，由载荷突变或突发事件引起的状态轨迹位移很容易导致失稳。已有的许多工作致力于研究直流微电网的吸引域（ROA），其中系统是保证渐近稳定的。然而，现有的工作要么集中于使用数值方法的ROA近似，一般没有性能保证或不能确保一个理想的ROA的一般DC微电网。为了缩小这一差距，本文开发了一种创新的控制合成算法，使一般的直流微电网有一个理论上保证的ROA，例如，覆盖其整个操作范围的状态轨迹。我们首先研究了直流微电网的非线性动力学，推导出一种新的暂态稳定条件，以严格证明给定的操作范围是否是ROA的子集，然后，我们制定了一个控制综合最优化问题，以保证条件的满足。该条件是一个线性约束，该最优化问题类似于最优潮流问题，具有良好的计算性能。仿真算例验证了所提方法的有效性。
Nonlinear Pose Filters on the Special Euclidean Group SE(3) with Guaranteed Transient and Steady-state Performance
提出了两种直接基于特殊欧氏群SE（3）的非线性姿态（姿态和位置）滤波器，它们能够保证预定的瞬态和稳态性能。位置误差和姿态误差的归一化欧氏距离被困在任意给定的大集合内，并且从几乎任何初始条件系统地且渐近地收敛到原点。保证瞬态误差不超过规定值，而稳态误差由预定义的小值限制。第一位姿滤波器基于与一组速度向量耦合的一组向量测量来操作，并且需要初步位姿重建。相反，第二滤波器能够直接使用一组矢量测量和一组速度矢量来执行其功能。这两个建议的过滤器提供合理的姿态估计具有优越的收敛性能，同时能够使用从低成本的惯性测量，地标测量，和速度测量单元获得的测量。仿真结果表明，所提出的滤波器的有效性和鲁棒性，考虑大的初始化误差和高水平的不确定性，速度矢量以及在一组矢量测量。姿态、位置、姿态估计、非线性观测器、估计、特殊正交群、特殊欧几里德群、SO（3）、SE（3）、规定性能函数、瞬态、稳态误差、变换误差、地标、特征测量、PPF、IMU、李代数、李群、投影、陀螺仪、惯性测量单元、刚体、微机电系统、传感器、IMU、MEMS、滚转、俯仰、偏航，无人机，QUAV，SVD，固定，移动，车辆，机器人，机器人系统，航天器，潜艇，水下航行器。
Control Design with Guaranteed Transient Performance: an Approach with Polyhedral Target Tubes
针对多输入多输出离散时间线性多面体差分包含系统，提出了一种新的保证瞬态性能的控制器设计方法。我们建立了一个定理，给出了状态从状态空间的一个多面体子集演化到另一个多面体子集的充要条件。然后，我们提出了一种算法，该算法构造了一个随时间变化的输出反馈法，保证了状态的演变内的随时间变化的多面体靶管指定系统的期望的瞬态性能。我们提出的概括涉及的控制约束，和有界的附加干扰项。我们的配方是非常普遍的，包括参考跟踪与任何所需的瞬态行为，在面对干扰，如指定的，例如，最流行的阶跃响应规格。该方法是证明了一个例子，涉及在两个耦合罐的水位控制。
On Symmetric Gauss-Seidel ADMM Algorithm for $\mathcal{H}_\infty$ Guaranteed Cost Control with Convex Parameterization
本文创新性地提出了一种对称Gauss-Seidel ADMM算法来解决H ∞保成本控制问题。在存在参数不确定性的情况下，H ∞保成本控制问题通常会导致大规模优化。这是由于所涉及的极端系统的数量相对于参数不确定性的数量呈指数增长性。通过Youla-Kucera参数化方法的一种变形，将稳定控制器参数化为凸集，从而将H ∞保性能控制问题转化为一个凸优化问题.基于一个适当的重新制定使用舒尔补，然后呈现可能的ADMM算法与对称高斯-赛德尔向后和向前扫描的使用。值得注意的是，这种方法消除了在许多H-无穷最优化问题中典型的经常令人望而却步的沉重计算负担，同时表现出良好的收敛保证，这对于所涉及的相关大规模优化过程尤其重要。该方法不仅保证了系统的鲁棒稳定性，而且在存在参数不确定性的情况下，系统的干扰抑制能力保持在最小值。更重要的是，由于所获得的有效性，该方法因此显然在各种重要的控制器综合问题中具有广泛的适用性，例如分散控制、稀疏控制和输出反馈控制问题。
Distributed Adaptive Consensus Control of High Order Unknown Nonlinear Networked Systems with Guaranteed Performance
针对高阶非线性多智能体系统，提出了具有指定性能函数的自适应协同跟踪控制。使用这种方法，最初在已知大集合内的跟踪误差被限制在较小的预定义集合内。利用输出误差变换，将约束系统松弛并映射到无约束系统。控制器的设想下，代理的非线性动力学是未知的，感知网络的结构和强连接的假设。在所提出的控制器下，所有智能体跟踪的领导节点的轨迹，保证一致最终有界的转换误差和未知参数和动态的有界自适应估计。此外，建议的控制器与PPF分布，使得每个追随者代理需要自己的状态之间的信息相对于连接的邻居。针对具有不确定时变参数和外部干扰的高度非线性异构网络系统，验证了所提出的控制器的鲁棒性和平滑性。索引术语：预定性能，神经自适应，高阶，转换误差，多智能体，分布式控制，一致性，同步，瞬态，稳态误差，MIMO，SISO。
Stability Margins of $\mathcal{L}_1$ Adaptive Controller: Part II
在本文的第一部分，我们已经开发了一种新的$\mathcal{L}_1$适应控制架构，使快速适应，并导致一致有界的瞬态和渐近跟踪系统的两个信号，输入和输出，同时。在本文中，我们推导出的稳定裕度的$\mathcal{L}_1$适应控制结构，包括时间延迟和增益裕度存在时变有界干扰。仿真验证了理论研究结果。
Model-Based Galerkin Lifting with Exact LTI Decomposition for Guaranteed $\mathcal{H}_\infty$ Output Feedback Control of Nonlinear Systems
提出基于模型的Galerkin提升框架，通过精确LTI分解和残差界，实现非线性系统仅用测量误差的$\mathcal{H}_\infty$输出反馈控制，保证闭环稳定并优于反步法。
Improved Robust Adaptive Control of High-order Nonlinear Systems with Guaranteed Performance
本文提出了模糊L1自适应控制器和具有预定性能函数的模型参考自适应控制器（MRAC）两种用于高度非线性系统的自适应控制方法。L1自适应控制器由于在反馈回路中使用具有可调增益的低通滤波器，具有允许鲁棒性和自适应性之间解耦的结构。提出了一种实用的L1自适应控制器反馈滤波器的模糊整定方法。采用粒子群优化算法（PSO）对模糊控制器进行优化整定，以最小化跟踪误差和控制信号范围。针对多输入多输出不确定高阶非线性系统，提出了一种具有PPF的MRAC适应控制方法。保留字：复习，L1自适应控制器，MRAC，双旋翼，无人机，无人机，四旋翼，期望，实际，超调，邻域，原点，时变，不变量，仿真，潜艇，无人水下航行器，移动机器人，MARES，随机，噪声，随机，权衡，两个自由度规划机器人，多输入多输出，单输入单输出，模糊逻辑控制器，模糊滤波器，调整，最优化，隶属函数，粒子群算法，多目标粒子群算法，稳态误差，瞬态性能，渐近，分配，稳定性，鲁棒性，鲁棒性，稳定，适应控制，非线性控制，不确定性，未知，预定性能函数，非线性L1自适应观测器，模型。
Reinforcement Learning for Distributed Transient Frequency Control with Stability and Safety Guarantees
本文提出基于强化学习的分布式暂态频率控制方法，结合Lyapunov稳定性与安全关键控制推导充分条件，并通过分布式动态预算分配降低保守性，在IEEE 39节点系统上验证了稳定性、安全性及最优性的提升。
Transient Safety Filter Design for Grid-Forming Inverters
与传统发电机不同，基于逆变器的发电不具有任何旋转惯性。虽然电网形成逆变器可以通过先进的反馈控制回路合成小（虚拟）惯性，但需要额外的控制机制来确保电网在瞬态期间的安全性。在本文中，我们提出了新的实时安全约束反馈控制器（“安全滤波器”）下垂为基础的（电网形成）逆变器，以确保电网的瞬态安全。安全滤波器充当网络操作层和逆变器控制层之间的缓冲器，并且仅让那些调度控制信号传递到逆变器下垂控制器，其保证不违反安全规范（频率、电压、电流限制）。使用分布式屏障证书的方法，我们构造的允许控制输入，保证瞬态安全规格的满足状态包含的界限。采用平方和规划法综合安全滤波器。数值仿真结果表明，所提出的滤波器在基于逆变器的微电网的性能。
Global Convergence of Direct Policy Search for State-Feedback $\mathcal{H}_\infty$ Robust Control: A Revisit of Nonsmooth Synthesis with Goldstein Subdifferential
直接策略搜索在现代强化学习和连续控制中有着广泛的应用。然而，直接策略搜索在非光滑鲁棒控制综合中的理论性质还没有完全理解。最优$\mathcal{H}_\infty$控制框架的目的是设计一种策略，以最小化闭环$\mathcal{H}_\infty$范数，可以说是最基本的鲁棒控制范例。在这项工作中，我们表明，直接的政策搜索是保证找到鲁棒$\mathcal{H}_\infty$状态反馈控制设计问题的全局解。注意，最优$\mathcal{H}_\infty$控制的策略搜索导致约束非凸非光滑最优化问题，其中非凸可行集由稳定闭环动态的所有策略组成。我们证明了对于这个非光滑最优化问题，所有的Clarke平稳点都是全局最小值.其次，我们确定了闭环$\mathcal{H}_\infty$目标函数的连续性，并证明了由此产生的策略搜索问题的所有子水平集是紧的。基于这些性质，我们表明，Goldstein的次梯度法及其可实现的变种可以保证留在非凸可行集，并最终找到全局最优解的$\mathcal{H}_\infty$状态反馈综合问题。我们的工作建立了一个新的连接之间的非凸非光滑最优化理论和鲁棒控制，导致一个有趣的整体收敛的结果直接政策搜索最佳$\mathcal{H}_\infty$合成。
An Accelerated Proximal Alternating Direction Method of Multipliers for Optimal Decentralized Control of Uncertain Systems
针对$\boldsymbol{\rm H_2}$保代价最优分散控制的稳定性问题，将其转化为锥规划问题后提出加速近端交替方向乘子法，通过Halpern不动点迭代提升收敛速度，实验表明其性能优于CVXOPT和SCS算法。
Contraction $\mathcal{L}_1$-Adaptive Control using Gaussian Processes
我们提出了$\mathcal{CL}_1$ - $\mathcal{GP}$，一个控制框架，使安全的同时学习和控制系统的不确定性。两个主要组成部分是基于收缩理论的$\mathcal{L}_1$（$\mathcal{CL}_1$）控制和高斯过程（GP）回归形式的贝叶斯学习。$\mathcal{CL}_1$控制器确保在提供安全证书的同时满足控制目标。此外，$\mathcal{CL}_1$ - $\mathcal{GP}$将任何可用数据合并到不确定性的GP模型中，这提高了性能并使运动规划器能够安全地实现最优。这样，即使在学习瞬态期间，也始终保证系统的安全操作。我们提供了一些说明性的例子，在各种环境中的平面四旋翼系统的安全学习和控制。
Robust Attitude Control of Nonlinear UAV Dynamics with LFT Models and $\mathcal{H}_\infty$ Performance
本文研究了在风扰和陀螺噪声下，基于LFT模型和H_∞性能的鲁棒控制器在多旋翼姿态调节中的应用，通过非线性仿真验证了其在恶劣风扰下的优越性能。
Virtual Control Contraction Metrics: Convex Nonlinear Feedback Design via Behavioral Embedding
本文提出虚拟控制收缩度量方法，通过行为嵌入和凸优化实现非线性状态反馈控制，统一了全局与局部LPV方法，并为非线性跟踪控制提供严格的指数稳定性和L2增益性能保证。
$\mathcal{L}_1$ Adaptive Control with Switched Reference Models: Application to Learn-to-Fly
Learn-to-Fly（L2 F）是一个新的框架，旨在用实时空气动力学建模、制导和学习控制的组合来取代传统的飞行器迭代开发范式。为了保证飞行中车辆动力学的安全学习，提出了一种基于$\mathcal{L}_1$自适应控制（$\mathcal{L}_1$ AC）的方案，该方案主动估计和补偿中间学习动力学与实际动力学之间的差异。首先，将定期更新的学习模型的L2 F框架内，本文扩展了$\mathcal{L}_1$ AC架构，以处理未知的时变参数和干扰的切换参考系统。本文还包括一个瞬态和稳态性能的分析的$\mathcal{L}_1$ AC架构的状态预测器的非零初始化误差的存在。其次，本文介绍了如何建议的$\mathcal{L}_1$ AC方案集成到L2 F框架，包括其与基线控制器和实时建模模块的交互。最后，无人机（UAV）的飞行试验验证了所提出的控制和学习方案的有效性。
Two-Timescale Optimization Framework for Sparse-Feedback Linear-Quadratic Optimal Control
针对带通信稀疏约束的分布式 LQ 控制，提出双时间尺度优化框架，分别用 $\ell_1$ 松弛、分段二次松弛和 BSUM 直接处理 $\ell_0$ 问题并保证稳定性。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈
发表机构由 AI 从论文文本抽取，如发现错误，欢迎反馈修正建议。