361 Arbeiten
Die Arbeit leitet explizite Bedingungen für einen nichtlinearen PI-Regler her, die unter Ausnutzung einer Sektorenbedingung und einer strukturellen Eigenschaft der Stall-Dynamik die Beschränktheit aller Lösungen des dreidimensionalen Moore-Greitzer-Kompressormodells garantieren, obwohl die Linearisierung des Systems nicht stabilisierbar ist.
Diese Arbeit stellt eine Methode zur Steuerung von Stromnetzen vor, die mithilfe eines Fleming-Viot-Partikelansatzes und multistochastischer Optimierung seltene Ereignisse wie langanhaltende Wind- und Solarunterversorgung modelliert, um die Kosten für konventionelle Kraftwerke zu optimieren und die Versorgungssicherheit zu gewährleisten.
Diese Studie zeigt, dass eine adaptive Politikumschaltung für zweirädrige Differentialroboter beim Durchqueren von Lava-Röhren durch eine Klassifizierung des Geländetyps mittels kurzer Pitch-Daten-Serien und Gaußscher Mischmodelle mit über 98 % Genauigkeit ermöglicht werden kann.
Dieser Artikel stellt einen datengesteuerten Regelungsansatz vor, der ein neuronales Netzwerk für die Vorwärtsdynamik, einen gradientenbasierten modellprädiktiven Regler und Imitationslernen kombiniert, um die präzise Pfadverfolgung magnetisch angetriebener fischähnlicher Roboter ohne analytische Modellierung zu ermöglichen.
Diese Arbeit zeigt, dass die nichtkonvexe Optimierung gemischter H2/H∞-Regler durch eine „wohlwollende" Struktur gekennzeichnet ist, bei der jeder stationäre Punkt global optimal ist, und leitet daraus skalierbare, datengetriebene Methoden für große Systeme ab.
Dieser Artikel plädiert für die Einführung des global konsistenten und GNSS-nativen Höhenreferenzsystems „Height Above Ellipsoid" (HAE) als einheitlichen Standard für die untere Luftraumwirtschaft, um die durch fragmentierte Höhensysteme verursachten Sicherheitsrisiken zu beseitigen und die Kapazität des Luftraums durch eine digitale Transformation zu erhöhen.
Die Arbeit stellt U-OBCA vor, einen Unsicherheitsbewussten Optimierungsansatz zur Kollisionsvermeidung, der durch die Verwendung von Wasserstein-verteilungrobusten Wahrscheinlichkeitsbedingungen und die explizite Berücksichtigung polygonaler Formen die übermäßige Konservativität bestehender Methoden reduziert und so eine effizientere Navigation in engen Umgebungen ermöglicht.
Dieser Beitrag stellt eine dynamische Virtual Power Plant vor, die heterogene dezentrale Energiequellen durch netzbildende Mehrzeitskalen-Koordinierung und einen dynamischen Beteiligungsfaktor-Algorithmus zusammenführt, um die Netzstabilität und die Bereitstellung von Hilfsdiensten in schwachen Netzen im Vergleich zu herkömmlichen Ansätzen signifikant zu verbessern.
Diese Arbeit stellt eine einheitliche hybride Regelungsarchitektur vor, die modellprädiktive Steuerung mit Feedback-Regelung und maschinellem Lernen kombiniert, um die nichtlinearen und gekoppelten Dynamiken von Mehr-DOF-Roboterarmen effizient zu beherrschen und dabei Stabilität sowie hohe Leistungsfähigkeit in Simulationen und Hardware-Experimenten zu gewährleisten.
Diese Arbeit stellt einen rekursiven Schätzer auf Basis der Maximum-Likelihood-Methode vor, der mithilfe von Neural ODEs und einem history-abhängigen Punktprozess-Modell sowohl die kontinuierlichen Dynamiken als auch den unbekannten Kontrastschwellenwert aus asynchronen Daten von Event-Kameras online identifiziert.
Der Artikel stellt eine Methode zur formalen, entropie-regulierten Steuerung stochastischer Systeme vor, die durch die Ableitung neuer Schranken für die Entropiedifferenz zwischen kontinuierlichen Verteilungen und deren Diskretisierung die Synthese von Reglern ermöglicht, die Vorhersagbarkeit und Leistung unter Beibehaltung formaler Garantien für das ursprüngliche System optimieren.
Diese Arbeit entwickelt einen nichtlinearen Regler mit logarithmischen Barrier-Lyapunov-Funktionen, der die Trajektorienverfolgung von unbemannten Oberflächenfahrzeugen unter Berücksichtigung von Eingangs-Sättigung sowie asymmetrischen Positions- und Kursbeschränkungen und symmetrischen Geschwindigkeitsgrenzen sicherstellt.
Diese Arbeit stellt einen kooperativen spieltheoretischen Rahmen vor, um unter Unsicherheit und Netzbeschränkungen stabile Partitionen lokaler Energiemärkte zu ermitteln, die die Interessen des Netzbetreibers und der Prosumer ausbalancieren.
Diese Arbeit erweitert die Anwendbarkeit des Skalierten Relativen Graphen (SRG) für diskrete lineare zeitinvariante Systeme, indem sie sowohl eine exakte Berechnung aus der Zustandsraumdarstellung mittels linearer Matrixungleichungen als auch einen vollständig datengetriebenen Ansatz zur Bestimmung des SRG aus Ein-/Ausgangsdaten sowie eine robuste Variante für verrauschte Daten vorschlägt.
Die Arbeit stellt CDSM vor, ein Echtzeit-Framework, das dynamische Systeme direkt auf Riemannschen Mannigfaltigkeiten und Lie-Gruppen konstruiert, um durch die Kombination von tangentialen und normalen Komponenten stabile, präzise und anpassungsfähige Roboterverhalten in komplexen Umgebungen zu erzeugen.
Diese Arbeit stellt ein Testframework vor, das Vehicle-in-the-Loop- und Digital-Twin-Technologien kombiniert, um autonome Fahrsoftware auf zentralen Fahrzeugservern sicher, reproduzierbar und kosteneffizient zu validieren, indem physische und virtuelle Umgebungen nahtlos integriert werden.
Diese Arbeit stellt einen umfassenden Ansatz vor, der durch die Kombination eines Partikel-basierten Glätters, einer semi-Markov-Modellierung von Manövern und eines neuen Führungsgesetzes mit zwei zeitvariablen Verzögerungen die Schätzverzögerungen in stochastischen Verfolgungs-Szenarien in Echtzeit erfasst und kompensiert, um die Treffsicherheit auch bei abrupten Zielmanövern zu gewährleisten.
Diese Arbeit stellt einen effizienten MPPI-Regler vor, der durch den Ersatz nichtlinearer Dynamiken durch einen gelernten linearen Koopman-Operator die Rechenkosten für Echtzeitsteuerung auf Robotern erheblich senkt, ohne die Regelgüte zu beeinträchtigen.
Diese Studie zeigt, dass durch eine strukturierte Reduktion des Suchraums eine nahezu maximale Likelihood-Detektion für MIMO-Systeme bis 8x8 mit linearer Komplexität erreicht werden kann, ohne die Leistungsfähigkeit zu beeinträchtigen.
Das Paper stellt NL2GDS vor, ein Framework, das große Sprachmodelle nutzt, um natürliche Sprachbeschreibungen über den OpenLane-Flow in synthetisierbaren RTL-Code und GDSII-Layouts zu übersetzen, wodurch sich bei Benchmark-Designs signifikante Verbesserungen in Fläche, Verzögerung und Leistung ergeben.