Systems and Control
PulseAugur coverage of Systems and Control — every cluster mentioning Systems and Control across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的控制架构确保标量代理的安全协调
本文介绍了一种新颖的网络可容许性保持控制（APC）架构，专为标量代理之间的安全关键协调而设计。该系统确保代理的输出保持在共同的移动安全走廊内，并且其物理输入遵守不对称边界。所提出的架构利用可容许性保持输入实现（APIR）来管理物理输入，并利用对数障碍坐标来定义安全走廊。合成产生一个级联，其中实现误差驱动共识动态，保证兼容初始集的唯一完整解，并为安全走廊和执行器区间保持均匀裕度。
-
$S^3$ 方法优化动力系统的神经网络抽象
研究人员开发了一种称为平滑仿真代理（$S^3$）的新方法，用于优化动力系统的离散抽象，特别是那些具有神经网络控制器的系统。这种可微分的目标函数近似了用于量化抽象中保守性的指标，从而允许进行基于梯度的优化，同时保持其可靠性。在三个案例研究中的评估表明，$S^3$ 与反向仿真指标具有良好的相关性，计算效率高，并能有效降低抽象保守性。
-
自适应控制问题已解决：确定了对抗性场景下的精确值
研究人员解决了自适应控制理论中的一个基本问题，确定了在显著参数不确定性下标量对抗性自适应控制的精确值。该研究表明，因果控制器在面对对抗性干扰时能保证的最小最坏情况峰值恰好是 1 + \u0394，其中 \u0394 代表参数不确定性的任意大小。确定的最优策略是确定等效的无振荡控制策略，该策略在集合成员一致区间的中点运行。该方法首次为对抗性自适应控制中的“一致模型追踪”设计原则提供了精确的最优性证明，表明标准控制工具在数量上是不够的。
-
新的动态规划方法优化多智能体通信控制
研究人员开发了一种新的动态规划方法，用于优化多智能体线性系统中的联合通信控制策略。该方法专门解决了在分散式随机控制框架内具有二次成本和部分嵌套信息结构的问题。该方法产生了闭式Riccati方程，并且还可以解决具有输出反馈的分散式线性二次型控制问题。
-
新方法将基础模型自优化过程视为最优停止问题
研究人员引入了一种新颖的方法来优化基础模型的自优化过程，将其视为一个最优停止问题。该方法旨在根据预期改进与相关成本来确定理想的优化迭代次数。推导出的最优停止策略可以使用随机逼近高效计算，并在编码基准测试上进行了实验验证，与先前的方法相比，显示出更高的成本效益。
-
新方法从有限数据中推断免疫细胞网络拓扑
研究人员开发了一种利用细胞数量数据推断免疫细胞网络拓扑结构的新颖方法。该方法通过利用细胞相互作用的观测特性，如状态非负性和基于比率的收敛性，解决了缺乏标准分析模型和实验数据有限等挑战。构建了一个新的模型来适应这些特性，并提出了一种约束二次规划技术，以从有限的数据对中推断网络拓扑，并在实验数据上证明了其有效性。
-
集成分类器提升线路故障定位性能
研究人员探索了使用集成分类器来提高电力系统线路故障定位的性能。他们的研究比较了各种集成方法与单一模型方法，利用了通过贪婪最大覆盖问题（MCP）、高eta和随机选择算法选择的观测输电线路（OTLs）的数据。研究结果表明，由贪婪MCP算法识别的OTLs与集成分类器相结合，其性能显著优于基础kNN分类器，其中extra-trees bagging技术在许多情况下取得了最高的F1分数。
-
新框架赋能多智能体系统中的安全分布式共识
研究人员开发了一种在多智能体系统中实现安全分布式共识的新方法。该方法解决了由非对称执行器约束和时变输出安全要求带来的挑战。通过采用障碍坐标变换和分布式同步律，该系统确保了智能体输入保持在可接受的范围内，输出保持在安全区间内。
-
研究人员开发出利用微分平坦性实现机器人系统 सम्यक् 学习控制器的 सम्यक् 方法
研究人员开发出一种新的 सम्यक् 学习控制器，该控制器利用微分平坦性来提高 सम्यक् 约束多输入控制仿射系统的 सम्यक् 模型预测控制的 सम्यक् 效率。该方法通过处理 सम्यक् 输入 सम्यक् 约束并 सम्यक् 适应 सम्यक् 通用 सम्यक् 多输入、 सम्यक् 非线性 सम्यक् 系统， सम्यक् 解决了 सम्यक् 现有 सम्यक् 方法的 सम्यक् 局限性。 सम्यक् …