✦ 点击蓝字，关注我们！✦
欢迎阅读IEEE Transactions on Automatic Control 2025年issue10文章推送（第3期/共6期）。本期精选10篇研究论文，聚焦分布式优化与学习、非线性系统控制、网络安全与隐私保护等前沿领域，涵盖随机时变图上的去中心化学习、分布式卡尔曼滤波改进、自适应PID控制、弹性共识机制等创新成果，为复杂网络环境下的智能系统设计与分析提供了重要理论支撑和应用方案。
这些研究成果不仅丰富了相关理论体系，也为实际应用中的网络系统设计、稳定性保障和隐私防护提供了坚实基础，推动了智能控制与分布式学习技术的广泛应用。
本期目录
📖 第1篇：随机时变图上的去中心化在线正则化学习
📖 第2篇：具有最终精确融合测量协方差的分布式卡尔曼滤波器
📖 第3篇：基于自适应增益控制的复制方程均衡选择
📖 第4篇：自主优化系统的全局渐近稳定性分析
📖 第5篇：时变延迟非线性系统在采样和近似延迟依赖反馈下的全局指数稳定性保持
📖 第6篇：部分有序观测下的全局与局部容错分散状态估计
📖 第7篇：融合混淆与控制实现隐私保护
📖 第8篇：非线性系统的非线性自适应PID控制方法
📖 第9篇：双曲型偏微分方程-常微分方程级联系统的输出正性自适应控制
📖 第10篇：带约束分布式共识的弹性机制研究
📖 第1篇
📌 随机时变图上的去中心化在线正则化学习
Decentralized Online Regularized Learning Over Random Time-Varying Graphs
作者：Xiwei Zhang，Tao Li，Xiaozheng Fu
本文针对随机时变图上的去中心化在线正则化线性回归算法展开研究。该算法在每个时间步中，各节点通过创新项处理自身新测量值，通过共识项计算自身与邻居节点估计值的加权和（考虑加性和乘性通信噪声），并结合正则化项防止过拟合。与现有方法不同，本文不要求回归矩阵和图满足特殊统计假设，显著拓宽了适用范围。
研究团队通过建立估计误差的非负上鞅不等式，证明在算法增益、图结构和回归矩阵满足的样本路径时空持续激励条件下，所有节点估计值几乎必然收敛至真实参数。特别地，若图满足均匀条件联合连通性及条件平衡性，且回归模型具备均匀条件时空联合可观测性，则可通过合理选择算法增益，实现均方收敛和几乎必然收敛。
此外，本文证明算法的遗憾上界为O(T^{1-τ}lnT)，其中τ∈(0.5,1)依赖于算法增益。该算法在存在通信噪声及测量噪声时仍保持稳定，适用于传感器网络、多智能体系统。相较传统集中式学习，去中心化架构不仅提升通信效率，还能有效保护用户隐私。数值实验在含10个节点的随机时变图网络中验证了理论，有效控制估计范数、防止过拟合，证明了算法优越性。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10974478
📖 第2篇
📌 具有最终精确融合测量协方差的分布式卡尔曼滤波器
Distributed Kalman Filter With Ultimately Accurate Fused Measurement Covariance
作者：Tuo Yang，Jiachen Qian，Zhisheng Duan，Zhiyong Sun
本文针对线性系统中的分布式卡尔曼滤波器（DKF），重点关注测量融合问题，这对于增强滤波稳定性和估计精度极为关键。研究发现传统基于共识的DKF存在融合测量与融合协方差不匹配，导致性能下降及不一致性。
为解决该问题，提出两种完全分布式计算融合协方差方法，并在此基础上设计改进的DKF算法。在包括稳态估计误差协方差等温和条件下，证明了改进算法的一致性和显著提升的稳态估计精度。
传统的共识测量算法用不准确的协方差近似引发估计精度下降与不一致性。本文通过引入矩阵分解与平均共识技术的直接方法以及采样统计的随机方法，实现了精确协方差计算。数值实验展示改进后的CM和CI算法大幅提升稳态估计精度、减少协方差边界并提升了算法渐近最优性，验证了研究成果的实用性和优越性。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10947572
📖 第3篇
📌 基于自适应增益控制的复制方程均衡选择
Equilibrium Selection in Replicator Equations Using Adaptive-Gain Control
作者：Lorenzo Zino，Mengbin Ye，Giuseppe C. Calafiore，Alessandro Rizzo
本文针对演化博弈论中的均衡选择问题，旨在引导策略群体达到期望集体行为。传统开环策略受制于博弈信息先验知识不足及抗干扰能力差的局限，本文创新地提出基于复制方程的自适应增益控制方案，成功实现闭环控制与行为反馈的动态协调。
复制方程是描述群体行为演化的非线性常微分方程，虽广泛应用，收敛的纳什均衡却常偏离最优（如囚徒困境的帕累托低效均衡）。本文设计了通过自适应调整收益矩阵元素的闭环控制，克服传统方法缺陷，实现目标均衡引导。
该方案仅依赖有限博弈先验信息，控制器通过监测群体状态，动态调整收益矩阵，形成控制-群体反馈回路。理论证明建立了大多数双行动矩阵博弈收敛期望均衡的充分条件。数值模拟验证了三种典型场景下的控制策略，包括局部稳定均衡、稳定不稳定共识均衡及非原始混合策略均衡，展现了方案的广泛适用性和实用价值。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10988641
📖 第4篇
📌 自主优化系统的全局渐近稳定性分析
Global Asymptotic Stability Analysis for Autonomous Optimization
作者：Zhenghong Jin
针对非线性系统的反馈优化问题，本文提出了一种基于非线性扰动函数改进的梯度流优化器设计方法。创新点在于将传统指数稳定性条件放宽为全局渐近稳定，极大拓宽了适用领域与系统类型。
方法通过将反馈优化系统建模为奇异扰动系统，将受控对象与优化器分别视为快慢子系统，采用状态依赖的非线性扰动函数ρ调节时间尺度，增强系统集成灵活性，严格证明在输出满足线性增长条件下存在针对性的扰动函数，保障闭环系统全局渐近稳定。
理论基于奇异扰动理论、输入到状态稳定性（ISS）工具和非线性小增益定理，结合李雅普诺夫函数完成。数值算例包括卫星轨道最短路径优化，验证了方法在复杂动力学系统中的实用性和较传统饱和控制更广泛的稳定区域，展现出拓展至牛顿梯度流及投影梯度流优化器的潜力。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10989271
📖 第5篇
📌 时变延迟非线性系统在采样和近似延迟依赖反馈下的全局指数稳定性保持
Global Exponential Stability Preservation Under Sampling and Approximated Delay-Dependent Feedbacks for Nonlinear Systems With Time-Varying Delays
作者：Bianca Caiazzo，Sara Leccese，Pierdomenico Pepe，Alberto Petrillo，Stefania Santini
本文针对具有时变延迟的完全非线性滞后系统，研究在适当采样速度下是否能维持系统的全局指数稳定性，并解决了系统变量在缓冲设备部分延迟时刻不可用的实际问题。采用样条插值方案推导数字控制律，易于实现且实用。
创新点在于同时将时变状态延迟、采样效应和缓冲设备容量限制三因素纳入稳定性分析，解决传统研究相对欠缺的问题。
方法基于Halanay不等式理论，无需Lyapunov-Krasovskii泛函。证明存在最大采样周期δmax，使得采样周期小于该值时，数字控制通过样条插值近似仍能保证系统全局指数稳定。数值仿真以Hopfield神经网络为例，展现不同采样周期下的稳定效果与控制性能，充实了相关理论并对工程实现具有重要指导意义。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10988652
📖 第6篇
📌 部分有序观测下的全局与局部容错分散状态估计
Global and Local Error-Tolerant Decentralized State Estimation Under Partially Ordered Observations
作者：Dajiang Sun，Christoforos N. Hadjicostis，Zhiwu Li
本文讨论了离散事件系统在存在恶意攻击者可能篡改协议信息的环境下的分散状态估计。系统中本地观测站点不定期发送观测序列至协调器，攻击包括符号删除、插入及替换，均包含正成本。
提出定义了两种错误类型：全局错误和局部错误，区分其对信息处理的不同影响。针对不同错误，设计了基于系统修改与序列推断的两种高效状态估计方法，并采用基于释放的估计设计同步器以降低计算复杂度。
技术上，建立了基于错误关系的矩阵错误模型，将容错分散状态估计转化为标准估计问题或同步处理，提升了系统在信息篡改风险情况下的可靠性，具备重要的网络安全和隐私保护应用价值。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10979416
📖 第7篇
📌 融合混淆与控制实现隐私保护
Integrating Obfuscation and Control for Privacy
作者：Andrew Wintenberg，Necmiye Ozay，Stéphane Lafortune
本文聚焦隐私保护与功能效用的平衡，创新性提出将混淆技术与控制策略结合，为网络化系统实现隐私保障与功能正常运行。
研究团队模型网络组件为互连反应式过程，利用分布式反应式综合工具自动设计混淆器和控制器，采用形式化规范捕获基于信息流的不透明性隐私需求，并同时兼顾信息可用性和闭环系统约束。
针对三种典型架构，基于有限自动机模型和ω-正则规范表达隐私与效用。混淆器通过替换通信内容误导窃听者，控制器通过限制行为避免信息泄露。扩展的语言不透明性框架支持多种实际隐私需求，兼容不同窃听者知识模型。最终，方法通过分布式反应式综合实现易于部署的隐私保护机制，并在建筑门禁控制系统中成功验证。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10976327
📖 第8篇
📌 非线性系统的非线性自适应PID控制方法
Nonlinear Adaptive PID Control for Nonlinear Systems
作者：Kaili Xiang，Yongduan Song，Petros Ioannou
本文针对一类多输入多输出非线性系统，提出了一种非线性自适应比例-积分-微分（PID）跟踪控制方法，通过三个非线性调制函数对广义跟踪误差进行“重新校准”，构建了具有显著性能的控制框架。
传统PID控制常受限于固定增益和线性结构，难以适应复杂工况。本文创新结合了可变增益与非线性结构，实现“随变而适”的自适应机制。核心优势包括实现固定增益线性与非线性PID的解析连接，突破系统非线性限制，利用积分修剪消除积分饱和，并且在不确定性及扰动下保证渐近跟踪及性能有界，免去繁琐调试。
理论分析及数值仿真验证了方法有效性。实测机器人系统控制显示，较传统线性时变增益PID控制，本文方法在瞬态跟踪、稳态精度、控制输入幅值和平滑度上均显著提升，体现了强鲁棒性和广泛应用潜力。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10989590
📖 第9篇
📌 双曲型偏微分方程-常微分方程级联系统的输出正性自适应控制
Output-Positive Adaptive Control of Hyperbolic PDE-ODE Cascades
作者：Ji Wang，Miroslav Krstic
本文针对具有参数不确定性的双曲型偏微分方程-常微分方程级联系统，提出新颖的自适应控制屏障函数方法，设计输出正性自适应控制律。结合批量最小二乘辨识，实现有限时间内参数准确辨识，极大提升安全控制保障。
重点解决了高相对度控制屏障函数设计难题，针对特殊系统结构分三重反推变换：转换远端常微分方程，消除偏微分域耦合不稳定项，处理近端非线性常微分方程，确保输出信号正性及全状态指数调节。
与现有方法相比，本设计突破了初始条件限制，无需状态施加额外约束，确保状态有限时间后保持安全区。数值仿真证明，安全自适应控制完成参数辨识后性能优异，适用于无人机悬挂负载避障等工程应用，提供了全新安全控制思路。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10994406
📖 第10篇
📌 带约束分布式共识的弹性机制研究
Resilience for Distributed Consensus With Constraints
作者：Xuan Wang，Shaoshuai Mou，Shreyas Sundaram
针对多智能体系统面对拜占庭攻击场景下的带约束弹性共识问题，首创将弹性机制拓展至含约束的共识框架，填补研究空白。
本文提出(γi,αi)-弹性凸组合工具，以自动隔离并限制拜占庭节点影响，通过线性规划实现，具优秀的计算复杂度扩展性，适合大规模系统应用。
首次建立带约束弹性共识的网络冗余与约束冗余条件，保证系统以指数速度收敛，尤其当拜占庭邻居数上限κi时，参数设置确保至少γi个邻居权重大于等于αi，保障共识性能。
理论和仿真验证方法显著优于现有无约束弹性共识，提供网络设计指导，包括r-可达集与r-鲁棒性分析，推动系统在对抗环境中的可靠运行，助力多机器人协同和智能电网等关键应用。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=10979903
点击关注 获取更多精彩