博文

回顾 | 2025年2月目录及摘要速览

已有 226 次阅读 2025-4-28 08:50 |个人分类:专题|系统分类:博客资讯

回顾 | 2025年2月目录及摘要速览

目录&摘要

前言

本期出版的文章中，论文1分析了旋转机械主动振动控制的理论框架，提出了基于广义数学公式的速度反馈设计；论文2提出了一种针对电磁悬浮系统的鲁棒最优控制方法，通过将不确定性引入成本函数并结合实验验证，证明了该方法在稳定性和性能指标优化方面的优越性；论文3通过对电力配电系统的动态重构案例研究，提出了基于非线性模型预测控制算法的优化方案；论文4设计了一种针对半主动悬架系统的自适应最优控制方法，通过分离动态和补偿外扰，简化了控制器设计，同时在振动抑制方面表现出优异性能；论文5基于深度强化学习算法，结合城市交通信息开发了三种经济驾驶策略，为自动驾驶在复杂场景中的节能表现提供了有效解决方案；论文6探讨了前馈与递归神经网络在模型控制中的应用，展示了神经网络在复杂控制场景下的潜力；论文7针对前馈非线性时滞系统，提出了基于预测器的采样输出反馈控制方法，通过改进观测器设计和Lyapunov方法验证了闭环系统的稳定性；论文8提出了一种基于数据的自适应神经动态规划方法，解决了连续多输入非线性系统最优控制中的难题；论文9研究了多智能体协作目标定位的最优部署条件，建立了智能体位置误差的容许范围，为不确定条件下的定位精度提供了理论依据；论文10针对非线性时滞系统的测量不确定性，提出了一种全局自适应输出反馈控制方法，通过动态增益缩放显著简化了设计复杂度，并证明了系统的全局稳定性。论文11提出基于边缘计算副翼系统的快速颤振抑制方案，利用非线性参数与反相迟滞施密特触发器，优化稳定性并有效抑制振荡。

如您对本期主题感兴趣，或希望在本平台分享您感兴趣的主题，欢迎评论留言。

论文

基于广义数学公式的电流控制电动执行器和机器脚部速度反馈的旋转机械主动振动控制

Active vibration control for rotating machines with current-controlled electrodynamic actuators and velocity feedback of the machine feet based on a generalized mathematical formulation

本文对旋转机械主动振动控制进行了理论分析，旋转机械在机脚和钢架基座之间设有电流控制电动执行器，并对机脚振动进行速度反馈。首先，基于状态空间描述推导出一个广义数学公式，该公式可用于不同类型的模型(一维、二维和三维模型)。结果表明，在特殊边界条件下，控制参数可以直接作用于系统的刚度和阻尼矩阵。基于广义数学公式，本文以一台旋转机械为例(用二维模型描述)，该机械具有径向轴承(滑动轴承)、柔性转子、电流控制电动执行器、钢架基座和机脚振动速度反馈，并验证了所述主动振动控制系统的有效性。

（原图fig.1）旋转机械(此处为带轴颈轴承的感应电机)，机器支脚和钢架基座之间有电流控制的电动执行器，进行垂直机器支脚振动的速度反馈。(a)为前视图，(b)为侧视图，(c)为带电流控制的电动执行器。

(原文Fig.5) 旋转机器的二维模型，包括轴颈轴承、机器脚和钢框架基础之间的电流驱动电动执行器，以及垂直机器脚振动的速度反馈，包括主动振动控制。（a) 为前视图， (b) 为侧视图。

标题：Active vibration control for rotating machines with current-controlled electrodynamic actuators and velocity feedback of the machine feet based on a generalized mathematical formulation

作者：Ulrich Werner

机构：德国纽伦堡乔治-西蒙-欧姆应用科学大学

引用：Werner, U. Active vibration control for rotating machines with current-controlled electrodynamic actuators and velocity feedback of the machine feet based on a generalized mathematical formulation. Control Theory Technol. 23, 1–27 (2025). https://doi.org/10.1‍007/s11768-024-00230-w

全文链接：https://rdcu.‍be/d2V9q

中文简介链接：https‍://mp.weixin.qq.com/s/hqWYF1JDV8R-Racg-rqHwg

具有匹配和不匹配不确定性的电磁悬浮系统的鲁棒最优控制：实验验证

Robust-optimal control of electromagnetic levitation system with matched and unmatched uncertainties: experimental validation

电磁悬浮系统（EMLS）是所有磁悬浮系统中最重要的部分。然而，其特征是由其高度非线性动力学和不稳定性决定的。此外，电磁悬浮系统动力学的不确定性使得控制器设计变得更加困难。因此，设计一个可以确保系统在存在这些不确定性情况下的稳定性的鲁棒控制律是十分必要的。所提出框架讨论了电磁悬浮系统动力学的匹配和不匹配的不确定。将鲁棒控制问题转化为最优控制问题，电磁悬浮系统的不确定直接反映在成本函数中。采用最优控制方法来解决鲁棒控制问题。电磁悬浮系统最优控制问题的求解实际上就是匹配和非匹配的不确定性下的电磁悬浮系统鲁棒控制问题的求解。仿真和实验结果验证了所设计的控制方案的性能。比较了积分绝对误差（IAE）、积分平方误差（ISE）、积分时间绝对误差（ITAE）和积分时间平方误差（ITSE）等性能指标的不确定性，以展示所设计控制方案的鲁棒性。

（原图fig.22）EMLS实验设置

标题：Robust-optimal control of electromagnetic levitation system with matched and unmatched uncertainties: experimental validation

作者：Amit Pandey · Dipak M. Adhyaru

机构：印度尼尔玛大学技术学院

引用：Pandey, A., Adhyaru, D.M. Robust–optimal control of electromagnetic levitation system with matched and unmatched uncertainties: experimental validation. Control Theory Technol. 23, 28–48 (2025). https://doi.org/10.1‍007/s11768-024-00232-8

全文链接：https://rdcu.be‍/dYGla

中文简介链接：https://mp.weixin‍.qq.com/s/ymcovZbqwa3RlxeBkjBrnQ

电力配电系统损耗的减少——动态重构案例研究

Reduction of losses in electric power distribution system–dynamic reconfiguration case study

本文通过对波斯尼亚和黑塞哥维那莫斯塔尔市电网的动态重构案例研究，探讨了减少电力配电系统损耗的方法，提出了基于一种非线性模型预测控制算法以确定配电系统的最佳切换操作。该控制算法的目标是在满足所有系统约束的同时，找到最优的辐射型网络拓扑结构，以最小化累计有功功率损耗，并最大化网络各点的电压。通过多次仿真（使用冬季和夏季几个典型日期收集的实际电力需求数据）验证了优化结果，这表明了所开发控制算法在减少电网损耗方面的效率和实用性，最高可减少14%。

（原文Fig.6）SCADA系统中重构算法的实现

标题：Reduction of losses in electric power distribution system–dynamic reconfiguration case study

作者：Branimir Novoselnik1 · Drago Bago2 · Jadranko Matuško1 · Mato Baotić1

机构：1克罗地亚萨格勒布大学电气工程与计算机学院；2波斯尼亚和黑塞哥维那莫斯塔尔大学机械工程、计算与电气工程学院

引用：Novoselnik, B., Bago, D., Matuško, J. et al. Reduction of losses in electric power distribution system–dynamic reconfiguration case study. Control Theory Technol. 23, 49–63 (2025). https://doi.o‍rg/10.1007/s11768-024-00236-4

全文链接：https://rdcu.be/d2‍jQ‍q

中文简介链接：https://mp.weixin.qq.com/s/SPEKRQ‍QImuXgNn050vGB2Q

针对外部道路扰动和可变参数假设的半主动悬挂系统自适应最优控制系统设计

Adaptive optimal control system design for semi-active suspension system by supposing variable parameters under exogenous road disturbance

本文介绍了一种针对半主动悬架系统的自适应优化控制方法。本文建立了悬架系统模型，并在该模型中描述了不确定参数和外生扰动的组成部分。自适应最优控制法则由最优控制部分和自适应控制部分组成。首先，在忽略路面引起的不确定参数和外生扰动的情况下，本文为悬架系统模型设计最优控制法则。最优控制法则表达了悬架系统所需的动态特性。接下来，本文设计了一个自适应组件，目的是补偿不确定参数和路面外扰造成的影响；自适应组件具有自适应参数规则，用于估计不确定参数和外扰。当外扰动消除后，系统会通过设计的最优控制器做出响应。通过从理论上分离半主动悬架系统的动态，该解决方案可以轻松设计出两个独立的控制器，并减少了计算负担和过多工具的使用，从而可以更方便地进行硬件实施。仿真结果也显示了本文提出的解决方案在抑制振荡方面的有效性。

（原文Fig.4）SAS自适应最优控制的闭环系统结构

标题：Adaptive optimal control system design for semi-active suspension system by supposing variable parameters under exogenous road disturbance

作者：Viet Nguyen Hoang1,2 · Feiqi Deng1 · Chi Nguyen Van2

机构：1华南理工大学自动化科学与工程学院；2 越南太原科技大学

引用：Hoang, V.N., Deng, F. & Van, C.N. Adaptive optimal control system design for semi-active suspension system by supposing variable parameters under exogenous road disturbance. Control Theory Technol. 23, 64–73 (2025). https://doi.org/1‍0.1007/s11768-024-00206-w

全文链接：https://rdcu.be‍/d5Xcy

考虑城市交通信息的近端策略优化节能驾驶策略设计

Design of energy-saving driving strategy based on proximal policy optimization considering urban transport information

生态驾驶一直是一个热门话题，在城市驾驶条件下，交通法规、其他车辆行为以及特殊驾驶场景都会对自动驾驶汽车的能耗产生重大影响。强化学习作为一种代表性人工智能算法，在复杂任务下具有良好的表现能力。本文利用深度强化学习算法，设计了自由交通流信号交叉口驾驶、坡道跟车、考虑排队效应信号交叉口驾驶三种驾驶场景下自动驾驶汽车的经济驾驶策略。在上述三种驾驶场景中，本文提出的驾驶策略在满足驾驶场景要求的同时，实现了经济驾驶性能。

（原文Fig.5）本文提出的基于PPO的自驾车驾驶策略

标题：Design of energy-saving driving strategy based on proximal policy optimization considering urban transport information

作者：Qifang Liu1,2 · Dazhen Sun1 · Haowen Chen1 · Dongzi Li1 · Ping Wang1,2

机构：1吉林大学控制科学与工程系；2 吉林大学汽车仿真与控制国家重点实验室

引用：Liu, Q., Sun, D., Chen, H. et al. Design of energy-saving driving strategy based on proximal policy optimization considering urban transport information. Control Theory Technol. 23, 74–90 (2025). https://doi.org/10.1007/s‍11768-024-00233-7

全文链接：https://rdcu.be‍/dZQav

中文简介链接：https://mp.weixin.qq.‍com/s/JNELutCXXjRJgQmn27Zqkg

前馈和递归神经网络在基于模型的控制系统中的应用

Application of feedforward and recurrent neural networks for model-based control systems

本文提出了一项关于人工神经网络在控制应用中的新研究。结果表明，给定控制对象正常运行期间所收集的数据可用于学习过程，以完全掌握控制模式。有趣的是，由神经网络驱动的实例有能力超越原始分析驱动的场景。理论研究中使用了三种不同的控制方案，即完全控制器、线性二次控制器和广义预测控制器。此外，还获得了基于非线性递归神经网络的广义预测控制器和基于径向基函数的预测器，以举例说明本文在实际应用中的主要结果。

（原文Fig.7）基于递归神经网络的广义预测控制概念示意图

标题：Application of feedforward and recurrent neural networks for model-based control systems

作者：Marek Krok, Wojciech P. Hunek, Szymon Mielczarek, Filip Buchwald, Adam Kolender

机构：波兰奥波莱工业大学控制科学与工程系

引用：Krok, M., Hunek, W.P., Mielczarek, S. et al. Application of feedforward and recurrent neural networks for model-based control systems. Control Theory Technol. 23, 91–104 (2025). https://doi.o‍rg/10.1007/s11768-024-00234-6

全文链接：https://‍rdcu.be/dZNpU

中文简介链接：https://mp.we‍ixin.qq.com/s/4RCzN7X27nWlxxW6hAvwvw

基于预测器的采样输出反馈控制在前馈非线性时滞系统中的应用

Predictor-based sampled-data output-feedback control for feedforward nonlinear time-delay systems

本文研究了前馈非线性时滞系统的基于预测器采样输出反馈全局镇定问题。值得注意的是，传统的通过零阶保持器的采样观测器可能导致观测器性能的下降。本文设计了一种改进的基于预测器的观测器，以补偿不可测状态、采样误差和输出时滞的影响。此外，本文还利用增益缩放技术构造了一个采样输出反馈控制器。通过Lyapunov–Krasovskii泛函方法，证明了在一些充分条件下，闭环系统的全局指数稳定性得以实现。最后，给出了仿真结果，以验证主要结论。

标题：Predictor-based sampled-data output-feedback control for feedforward nonlinear time-delay systems

作者：Wenjie Zhang1 · Weihao Pan1 ·Xianfu Zhang1 · Qingrong Liu2

机构：1山东大学控制科学与工程学院；2山东财经大学数学与数量经济学院

引用：Predictor-based sampled-data output-feedback control for feedforward nonlinear time-delay systems. Control Theory Technol. 23, 105–117 (2025). https://doi.org/1‍0.1007/s11768-024-00237-3

全文链接：https://rdcu.‍be/dZ9iK

中文简介链接：https‍://mp.weixin.qq.com/s/_nK3jUHY73ZKSicHbFstaw

基于数据的未知连续多输入系统积分强化学习神经控制

Data-based neural controls for an unknown continuous-time multi-input system with integral reinforcement

积分强化学习（Integral Reinforcement Learning, IRL）是一种解决非线性系统最优控制问题的有效方法，广泛应用于离散时间非线性系统的最优控制器设计。然而，对于非线性系统而言，求解Hamilton–Jacobi–Bellman (HJB)方程需要精确且复杂的动力学模型。此外，IRL在连续时间系统中的研究和应用仍需进一步完善。为了开发连续非线性系统的IRL方法，本文提出了一种基于数据的自适应神经动态规划（Adaptive Neural Dynamic Programming, ANDP）方法，用于研究不确定连续多输入系统的最优控制问题，从而避免了HJB方程中的系统动态。

首先，本文使用神经网络对多输入模型进行逼近，该模型可用于设计积分强化信号。随后，基于积分强化信号构建了两个评价网络和一个执行网络。通过学习多输入模型的最优策略，可实现非零和纳什均衡。在该方案中，神经网络权值通过自适应算法不断更新，并对权值收敛性和系统稳定性进行了详细分析。本文提出的ANDP方案能够有效解决多输入非线性连续系统的最优控制问题，并通过仿真实验验证了所提方法的有效性。

（原文Fig.1）适用于连续时间多输入系统的ANDP架构

标题：Data-based neural controls for an unknown continuous-time multi-input system with integral reinforcement

作者：Yongfeng Lv1 · Jun Zhao2 · Wan Zhang1 · Huimin Chang3

机构：1太原理工大学电气与动力工程学院；2山东科技大学交通学院；3山西大学数学科学学院

引用：Lv, Y., Zhao, J., Zhang, W. et al. Data-based neural controls for an unknown continuous-time multi-input system with integral reinforcement. Control Theory Technol. 23, 118–130 (2025). http‍s://doi.org/10.1007/s11768-024-00238-2

全文链接：http‍s://rdcu.be/d5hr3

中文简介链接：https://mp.weixin.qq.co‍m/s/xe7x0hPiC11ghR9Eoj4EhQ

位置不确定的多智能体目标定位的最优条件分析

Optimal condition analysis of target localization using multi-agents with uncertain positions

本文研究了多智能体协作定位目标的最优部署条件，这些智能体仅使用距离或方位角测量。研究的难点在于智能体位置存在不确定性，可能在定位过程中因漂移或干扰而发生偏移。首先，作者推导出目标位置的Cramer-Rao下界(Cramer–Raolowerbound，CRLB)作为主要分析指标。接着，建立了智能体最优部署的必要和充分条件。基于这些条件，本文分析了在期望均方误差（MSE）范围内，智能体位置误差的最大容许值，为智能体定位传感器的选择提供了宝贵的参考。最后，本文通过仿真实验进一步验证了理论分析结果。

（原文Fig.1）合作目标定位示例，三个智能体利用测距传感器合作定位一个目标

标题：Optimal condition analysis of target localization using multi-agents with uncertain positions

作者：Yi Hou · Ning Hao · Fenghua He · Chen Xie · Yu Yao

机构：哈尔滨工业大学航空航天学院

引用：Hou, Y., Hao, N., He, F. et al. Optimal condition analysis of target localization using multi-agents with uncertain positions. Control Theory Technol. 23, 131–144 (2025). https://do‍i.org/10.1007/s11768-024-00235-5

全文链接：https://rd‍cu.be/dYDj8

中文简介链接：https://mp.we‍ixin.qq.com/s/KQyrWKyCj-LS6I4AklvDLQ

具有测量不确定性的非线性时滞系统的全局自适应输出反馈控制

Global adaptive output feedback control of nonlinear time-delay systems with measurement uncertainty

本文针对具有多个未知时滞的非线性系统，提出了一种动态高增益观测器与输出反馈控制器相结合的方法。通过构造Lyapunov–Krasovskii泛函，证明了通过引入单一动态增益，可以保证全局状态渐近调节；此外，当已知所有系统参数的上界时，通过选择足够大的静态缩放增益，可以实现全局渐近稳定。特别地，输出系数允许是不可微的且具有未知上界。本文提出了一种基于广义Lyapunov矩阵不等式的动态增益缩放方法，与经典的反步法相比，该方法显著简化了设计的计算复杂度。

标题：Global adaptive output feedback control of nonlinear time-delay systems with measurement uncertainty

作者：Weiguo Cai, Xianglei Jia, Xinxu Ju

机构：杭州电子科技大学自动化学院

引用：Cai, W., Jia, X. & Ju, X. Global adaptive output feedback control of nonlinear time-delay systems with measurement uncertainty. Control Theory Technol. 23, 145–152 (2025). https://doi.org‍/10.1007/s11768-024-00239-1

全文链接：https://rd‍cu.be/d3400

中文简介链接：https://mp.weixin.qq.com/s/jo‍sBim9wL7GwRLxq4Jm77g

基于反相迟滞施密特触发器实现快速颤振抑制的边缘计算副翼机电系统

Edge computing aileron mechatronics using antiphase hysteresis Schmitt trigger for fast flutter suppression

副翼是实现飞机滚转的重要控制面。副翼机电系统引起的任何抖动或震颤都可能对飞机的稳定性、机动性、安全性及使用寿命造成灾难性后果。本文提出了一种面向边缘计算副翼机电系统（Edge Computing Aileron Mechatronics, ECAM）的快速颤振抑制数字控制逻辑稳健解决方案。通过集成非线性功能参数和反相迟滞施密特触发器，本文的方法有效消除了被动和主动颤振响应偏差。研究结果表明，自调节非线性参数能够优化系统的稳定性、鲁棒性和精度，同时反相迟滞施密特触发器无需协同导航和制导即可有效抑制颤振。基于硬件在环仿真结果证实，该方法能够消除飞机的抖动和震颤，同时确保预期的稳定性和机动性。总之，具有施密特正反馈机制的非线性副翼机电一体化是分布式飞行控制和主动颤振抑制的高效解决方案。

（原文Fig.5）数字控制逻辑

标题：Edge computing aileron mechatronics using antiphase hysteresis Schmitt trigger for fast flutter suppression

作者：Tangwen Yin1, Dan Huang2, Xiaochun Zhang2,3*

机构：1上海交通大学自动化系；2上海交通大学航空航天学院；3上海飞机设计研究院控制部

引用：Yin, T., Huang, D. & Zhang, X. Edge computing aileron mechatronics using antiphase hysteresis Schmitt trigger for fast flutter suppression. Control Theory Technol. 23, 153–160 (2025). https://do‍i.org/10.1007/s11768-024-00240-8

全文链接：https:/‍/rdcu.be/d8GRp

中文简介链接：https://‍mp.weixin.qq.com/s/sQyRrINPifs6E8tOkWDLtA

欢迎扫码进入期刊主页

Control Theory and Technology (CTT), 中文名《控制理论与技术》, 创刊于2003年，原刊名为Journal of Control Theory and Applications，2014年刊名更改为Control Theory and Technology。由华南理工大学与中国科学院数学与系统科学研究院联合主办，主要报道系统控制科学中具有新观念、新思想的理论研究成果及其在各个领域中的应用。目前被 ESCI (JIF 1.7)、EI、Scopus (CiteScore 3.1，更新于2025年4月5日)、CSCD、INSPEC、ACM 等众多数据库收录, 并于2013–2018年获得两期中国科技期刊国际影响力提升计划项目资助。2017–2021年连续获得“中国最具国际影响力学术期刊”和“中国国际影响力优秀学术期刊”称号，获得广东省高水平科技期刊建设项目(2021-2024年)，2022-2024年进入中国科协自动化学科领域高质量科技期刊目录。

官网：https://link.springer.com/journal/11768 (即http://www.springer.com/11768)

https://jcta.ijournals.cn/cta_en/ch/index.aspx

投稿：https://mc03.manuscriptcentral.com/ctt

微信：ControlTheoryTech （欢迎扫码关注期刊微信公众号）