.png){kind=icon}
返回
Control Lyapunov function design via configuration-constrained polyhedral computing
.png){kind=icon}
OA
AI
DOI：10.1016/j.automatica.2026.112896.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了针对约束线性系统设计控制李雅普诺夫函数（CLFs）的新方法。我们利用最近的构型约束多面体计算技术来设计分段仿射凸CLFs。此外，我们将这些方法推广到同时具有加性扰动和乘性扰动的不确定系统。所提出的设计方法能够通过求解一个单阶段凸优化问题来逼近名义最优控制和极小-极大最优控制问题的无限时域值函数。因此，这些方法在显式控制器设计以及确定名义模型预测控制（MPC）和极小-极大MPC的终端区域和值函数方面具有实际应用。数值示例说明了该方法的有效性。
Keyword:
Linear systems
Control Lyapunov functions
Polyhedral computing
Convex optimization
Model predictive control
Uncertain control systems
Min–max model predictive control
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.9
论文数:
1.2W
被引数:
5.2W
机构
引用论文
Optimization over state feedback policies for robust control with constraints具有约束的鲁棒控制的状态反馈策略优化.png)
AUTOMATICAOAAI
AUTOMATICAIF5.9
OAAI分享收藏Efficient Representation and Approximation of Model Predictive Control Laws via Deep Learning基于深度学习的模型预测控制律的有效表示和逼近OAAI
OAAI分享收藏Approximate dynamic programming for constrained linear systems: A piecewise quadratic approximation approach☆约束线性系统的近似动态规划: 分段二次逼近方法 ☆AUTOMATICAOAAI
AUTOMATICAIF5.9
OAAI分享收藏On Stabilizing Terminal Costs and Regions for Configuration-Constrained Tube MPC关于稳定终端代价和区域在配置受限的管式MPC中的应用
OAAI
OAAI分享收藏
查看更多内容