361 articoli
Questo lavoro dimostra la limitatezza di tutte le soluzioni del modello del compressore di Moore-Greitzer a tre stati in retroazione con un controllore PI non lineare, fornendo condizioni esplicite sui parametri che garantiscono la stabilità di Lagrange e la robustezza del sistema nonostante l'indistinguibilità della linearizzazione.
Questo lavoro presenta un metodo di ottimizzazione multistadio basato su scenari, che utilizza l'approccio delle particelle Fleming-Viot per generare scenari di eventi rari di bassa produzione eolica e solare, consentendo un controllo robusto e costo-efficace delle centrali convenzionali per mitigare i rischi di carenza di energia nei sistemi elettrici ad alta penetrazione di rinnovabili.
Questo studio dimostra che è possibile stimare efficacemente il tipo di terreno per i robot a due ruote in ambienti lunari analizzando la deviazione standard dei dati di assetto, permettendo così un cambio adattivo delle politiche di controllo con un'accuratezza superiore al 98%.
Questo studio propone un framework di controllo basato sui dati, che combina un modello dinamico forward appreso tramite reti neurali, un controllo predittivo basato su gradienti e l'apprendimento per imitazione, per garantire una navigazione precisa e in tempo reale di robot ittiomorfi magnetici, superando le sfide poste dalla dinamica dei fluidi non lineare e dall'isteresi delle pinne flessibili.
Questo articolo dimostra che l'ottimizzazione della politica per il controllo misto H2/H-infinito presenta una struttura non convessa benigna in cui ogni punto stazionario è globalmente ottimo, grazie a un nuovo framework di "Extended Convex Lifting" che caratterizza l'insieme ammissibile e fornisce formule esplicithe del gradiente per facilitare metodi scalabili.
Questo articolo propone l'adozione dell'altezza sopra l'ellissoide (HAE) come sistema di riferimento verticale unificato per l'economia a bassa quota, dimostrando attraverso casi reali e analisi probabilistiche come tale standardizzazione, basata su GNSS, possa eliminare le ambiguità dei sistemi attuali, migliorare l'interoperabilità e aumentare la capacità dello spazio aereo garantendo la sicurezza.
Il paper presenta U-OBCA, un metodo di pianificazione di traiettorie che utilizza vincoli di probabilità distribuzionalmente robusti basati sulla distanza di Wasserstein per gestire le incertezze in modo efficace, evitando semplificazioni geometriche eccessive e riducendo la conservatività nelle collisioni tra robot e ostacoli poligonali.
Questo articolo propone una strategia di controllo coordinato multi-scala temporale per i Virtual Power Plant dinamici, che utilizza il controllo di formazione della griglia e un'allocazione a bande delle risorse eterogenee per migliorare la stabilità della rete e le prestazioni dei servizi ancillari rispetto ai metodi tradizionali.
Questo lavoro propone un'architettura di controllo ibrida unificata che integra il controllo predittivo del modello con la regolazione a feedback e un'implementazione hardware basata sull'apprendimento automatico per gestire le dinamiche complesse dei manipolatori robotici multi-DOF, garantendo stabilità, efficienza computazionale e prestazioni superiori validate da simulazioni ed esperimenti reali.
Questo lavoro propone un stimatore a orizzonte mobile per l'identificazione in tempo reale delle dinamiche di Neural ODE e della soglia di contrasto dalle fotocamere a eventi, massimizzando la verosimiglianza attraverso un modello di processo puntuale storico e un'approssimazione Monte Carlo del compensatore.
Questo articolo presenta un metodo per la sintesi formale di controllori per sistemi stocastici a stato continuo che bilanciano la prevedibilità, misurata tramite divergenza KL rispetto alla distribuzione uniforme, e le prestazioni di controllo, garantendo risultati formali attraverso l'uso di astrazioni a stati finiti e nuovi limiti teorici sulla differenza di entropia tra distribuzioni continue e loro discretizzazioni.
Questo lavoro propone un controller di feedback non lineare basato su funzioni di Lyapunov a barriera di tipo logaritmico per garantire la stabilità e il rispetto di vincoli asimmetrici e simmetrici, nonché dei limiti di saturazione degli attuatori, nel controllo di inseguimento della traiettoria di veicoli di superficie senza equipaggio.
Questo lavoro presenta un quadro teorico di giochi cooperativi per determinare la partizione ottimale e stabile dei mercati energetici locali in reti di distribuzione soggette a vincoli e incertezze, bilanciando gli interessi degli operatori di rete e dei prosumer.
Questo articolo estende l'applicabilità del Grafico Relativo Scalato (SRG) presentando metodi per calcolarlo esattamente per sistemi LTI discreti sia tramite rappresentazione nello spazio di stato che esclusivamente da dati, introducendo inoltre una versione robusta capace di gestire dati rumorosi.
Il paper introduce CDSM, un framework in tempo reale che costruisce sistemi dinamici su varietà Riemanniane e gruppi di Lie per generare comportamenti robotici stabili e adattivi, guidando lo stato lungo una curva nominale con componenti tangenziali e normali, dimostrando superiorità nelle prestazioni rispetto agli stati dell'arte su benchmark e applicazioni robotiche reali.
Questo lavoro presenta un framework di test basato su Vehicle-in-the-Loop e Digital Twin che integra un veicolo fisico su banco dinamometrico con un suo gemello virtuale per validare in modo sicuro, riproducibile ed economico gli algoritmi di guida autonoma su architetture E/E centralizzate, eliminando la necessità di testare singoli ECU e permettendo l'esecuzione diretta del software completo sull'hardware del veicolo.
Questo articolo presenta una strategia di guida e intercettazione adattiva che affronta direttamente i ritardi di stima variabili nel tempo, generati da manovre bersaglio impreviste, integrando un filtro a particelle, un modello semi-Markoviano per la stima dei ritardi e una legge di guida generalizzata per migliorare la robustezza e le prestazioni rispetto ai metodi esistenti.
Questo articolo presenta il framework di controllo MPPI-DK, che accelera l'efficienza computazionale della pianificazione di traiettorie in sistemi non lineari sostituendo la dinamica reale con un operatore di Koopman appreso tramite deep learning, permettendo così un controllo in tempo reale su piattaforme robotiche con prestazioni paragonabili a quelle dei metodi tradizionali.
Questo documento dimostra che è possibile ottenere prestazioni di rilevamento MIMO vicine al massimo verosimile con complessità lineare, utilizzando una strategia di ricerca ridotta strutturata che, per sistemi fino a 8x8, richiede dimensioni di lista proporzionali alla costellazione e si avvale di un'interpretazione basata su trellis per la generazione di LLR.
Il paper presenta NL2GDS, un framework innovativo che utilizza modelli linguistici di grandi dimensioni per tradurre descrizioni hardware in linguaggio naturale in layout GDSII completi tramite il flusso OpenLane, dimostrando significativi miglioramenti nell'efficienza di area, ritardo e consumo energetico rispetto ai progetti tradizionali.