✦ 点击蓝字，关注我们！✦
欢迎阅读IEEE Transactions on Industrial Electronics期刊2026年issue1推送（第12期/共13期）。本期推送共包含11篇研究论文简介，内容聚焦于电力电子与电机驱动、先进控制理论与应用、以及机器人系统三大前沿领域。具体涵盖了从直流微电网网络安全检测、构网型变流器鲁棒控制与攻击抑制，到多智能体协同、逆变器调制策略优化，以及开关磁阻电机、智能材料执行器、蛇形机器人等多种复杂系统的建模、控制与性能提升技术。本期研究强调理论—仿真—实验的一体化验证，面向工程化应用具有较强的可迁移性与实用价值。
本期目录
📖 第1篇：直流微电网隐蔽攻击的鲁棒检测：一种网络安全新方法
📖 第2篇：面向构网型变流器FDIA估计与抑制的鲁棒分布式学习框架
📖 第3篇：异构多智能体系统在多重异质领导者下的鲁棒时变输出编队跟踪：理论与应用
📖 第4篇：构网型逆变器鲁棒功率解耦控制器设计
📖 第5篇：面向具有非线性迟滞效应的片状PVDF执行器的半现象学建模与控制
📖 第6篇：基于改进粒子滤波的开关磁阻电机无位置传感器控制
📖 第7篇：基于空间矢量的三电平逆变器混合PWM方案以降低电流纹波
📖 第8篇：基于扰动观测器滑模控制的谐波驱动框架伺服系统速度波动抑制方法
📖 第9篇：支持向量机集成高精度多载波脉宽调制技术：提升多电平逆变器电能质量
📖 第10篇：具有状态约束与干扰补偿的蛇形机器人同步避障跟踪控制方案
📖 第11篇：TDPR：基于张拉整体结构的缆驱并联机器人，实现大尺寸末端执行器操控
📖 第1篇
📌 直流微电网隐蔽攻击的鲁棒检测：一种网络安全新方法
Robust Covert Attack Detection in DC Microgrids: A Novel Approach to Cybersecurity
作者：Mohit Kachhwaha，Deepak Fulwani
本文聚焦分布式直流微电网（DCMG）中针对执行器层面难以察觉的隐蔽网络攻击问题，定义了在含通信架构的DCMG中，攻击可能在维持控制目标下长期隐蔽存在的风险场景。文章提出整体技术路线：在每台转换器节点上构建本地检测器，输入为节点的测量状态与控制器内部状态，输出为检测度量与报警判据。关键机制为转换器级检测度量与基于有限状态机的检测逻辑，该方案通过结合本地测量与内部状态信息在不依赖全局模型的情形下实现对执行器攻击的高敏感性。相较于依赖全网信息或集中估计的方法，本文强调有限状态机检测算法的本地化与一致性，从而降低通信依赖并提升可部署性。
实现细节包括度量的计算流程、阈值设定与驻留判决机制：度量通过节点电压、电流与控制器内部变量（如通量或电荷状态）计算残差与归一化指标，报警触发需满足驻留时间条件以抑制瞬态误报。文中给出了数值稳定性分析与判据耦合设计，实际部署要点涉及测量同步、采样率与滤波器带宽的选取。关键实现要点为本地化检测、阈值与驻留时长的联合调优；用于抑制噪声影响的约束可表示为驻留时间约束，并在算法中加入自适应门限来增强鲁棒性。
验证部分在四节点实验室原型上完成（节点数=4），含仿真与实物试验。关键指标上，方法在不同幅值攻击下均能实现快速检测并定位，实测显示在负载切换与设定点扰动情况下误报率显著低于常规残差检测（仿真与实验综合误报率约<1%），检测驻留时间设置在200 ms量级以平衡响应与鲁棒性。总体结论指出该方法以仿真实验与小型原型验证了在真实工况下的鲁棒性与实用性，适合对医院、数据中心等关键负载场景的本地化网络安全加固。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11168950
📖 第2篇
📌 面向构网型变流器FDIA估计与抑制的鲁棒分布式学习框架
Robust Distributed Learning Framework for FDIA Estimation and Mitigation in Grid-Forming Converters
作者：Mohammad Raeispour，Shuo Yan，Lasantha Meegahapola，Xinghuo Yu
本文针对构网型变流器（GFMC）在遭受虚假数据注入攻击（FDIA）时的电压/频率稳定性与功率分配问题，提出了一个将神经网络逼近器与分布式鲁棒H∞控制相结合的框架。整体系统由每台GFMC的学习型估计器、分布式通信层与局部H∞控制器构成：输入为本地观测与邻居信息，输出为攻击估计与补偿信号。该框架旨在在不依赖中心节点或全局信息的前提下，实现对攻击信号实时估计与鲁棒抑制。
实现上，学习型逼近器采用在线训练/更新来估计不确定攻击项，并与H∞控制器的二次控制回路耦合以满足L2增益约束。论文详细给出逼近器的损失项与正则化项、分布式同步更新规则以及用于稳定性证明的约束条件。关键实现要点包括分布式估计策略的通信拓扑设计、在线学习的步长与投影约束（如学习率与投影约束），以及H∞控制器的带宽/增益调节用于保证鲁棒稳定性与实时性。
评估采用仿真与HIL测试，包含多种FDIA场景（规则/非规则/非线性攻击）与外部扰动对比基线有：传统分布式方法、纯H∞控制、基于RBF与DNN的纯数据驱动方法。关键数值结果显示：在典型测试工况下，所提框架在电压/频率恢复时间上比纯H∞缩短约20%，稳态误差下降约30%，系统弹性指数显著提升（相对基线提升≥15%）。结论指出该方法在复杂攻击与扰动下能提供更强的实时估计与抑制能力，便于工程化部署。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11159598
📖 第3篇
📌 异构多智能体系统在多重异质领导者下的鲁棒时变输出编队跟踪：理论与应用
Robust Output Formation Tracking for Heterogeneous Multiagent Systems With Multiple Leaders: Theory and Application
作者：Zhexin Shi，Qing Wang，Xiaokang Lü，Xiwang Dong，Jinhu Lü，Danwei Wang
本文面向由不同类型智能体（如无人机、地面车）组成的异构多智能体系统，目标是在定向通信拓扑与多重异质领导者存在的情况下实现时变输出编队跟踪（TVOFT）。总体框架包含：每个跟随者的自适应观测器模块用于估计领导者状态、分布式协同协议用于权重分配与编队形成、以及基于输出调节的控制器完成跟踪。核心创新在于突破“全知”或“全无知”假设，使得跟随者仅通过邻居信息就能估计多领导者的凸组合输出并实现期望编队形状。
实现细节包括自适应观测器设计、神经自适应学习律以及低通滤波特性以抑制高频振荡。关键实现要点為自适应观测器与神经自适应学习的耦合，学习律中引入参数投影與滤波器以保证收敛与光滑性；协议参数的结构化四步设计为工程实施提供了明确步骤，并给出了稳定性证明基于李雅普诺夫与输出调节理论。
实验在包含3架无人机与3辆地面車的异构平台上进行，测试场景包括未知干扰、领导者未知输入与时变编队参考。性能指标方面：在多场景试验中，跟踪误差稳态均值低于0.15 m，收敛时间一般小于8 s，对比消融实验表明引入神经自适应学习后最大跟踪误差下降约22%。结论：该完全分布式方案具有较强的鲁棒性与工程可行性，适合通信受限与异构动力学的现实场景。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11121611
📖 第4篇
📌 构网型逆变器鲁棒功率解耦控制器设计
Robust Power Decoupling Controller Design for Grid-Forming Inverters
作者：Xiaolei Shang，Na Wang，Chu Sun，Yan Shi，ShanShan Yang
针对构网型逆变器（GFMI）中有功/无功（P/Q）回路耦合问题，本文提出了一种ADRC–H∞混合控制策略，旨在实现P-Q鲁棒解耦。文章首先建立动态模型并分析耦合与电网阻抗、功率角之间的关系，随后设计由数据驱动的H∞内环与外环自抗扰控制（ADRC）的复合控制结构：内环用于初步解耦与鲁棒控制，外环ESO用于估计未解耦扰动并补偿，实现二次解耦。
实现细节包括H∞控制器的数据驱动参数获取方法、ESO的设计与带宽设置，以及对未建模扰动的在线估计策略。关键实现要点为数据驱动H∞与ESO补偿的协同参数调节，文中给出了避免求解Riccati矩阵的替代流程，降低工程实现复杂度并保持鲁棒性。
在多种弱电网和扰动工况下的实验验证显示：在有功阶跃响应试验中引起的无功瞬态波幅较传统VSG减少约45%；在不同短路比（SCR）下系统动态响应仍能保持稳定，峰值超调与稳态误差均显著改善。最终结论为：ADRC–H∞混合策略能在工程约束下提供有效的P-Q解耦与鲁棒性，适用于高新能源渗透的弱电网场景。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11169324
📖 第5篇
📌 面向具有非线性迟滞效应的片状PVDF执行器的半现象学建模与控制
Semiphenomenological Modeling and Control for a Sheet PVDF Actuator With Nonlinear Hysteresis Effects
作者：Yongxin Chen，Qingxin Meng，Yawu Wang，Chun-Yi Su
本文针对片状聚偏氟乙烯（PVDF）执行器在电压激励下表现出的复杂非线性迟滞与机电耦合效应，提出了一种半现象学建模方法：将可逆现象学迟滞模型与欧拉—伯努利梁理论耦合，通过等效电路刻画电学迟滞并用梁模型描述由偶极力驱动的机械弯曲，最终形成完整的机电动态模型。该建模策略既保留物理可解释性又具备较高拟合精度。
基于该模型，作者设计了前馈—反馈的复合控制器：前馈使用迟滞逆模型进行补偿以降低非线性影响，反馈采用PI以提升鲁棒性。实现细节包括模型参数辨识流程、迟滞逆的数值求解与前馈滤波、PI参数的整定策略。关键实现要点为迟滞逆补偿与前馈—反馈协同的在线调节，以应对速率相关的变形特性。
实验在片状PVDF执行器上验证，模型拟合误差（相对均方根）低于1.4455%，控制器在正弦与复杂幅频轨迹下的跟踪误差较传统PI下降明显。具体数值：阶跃跟踪上升时间缩短约30%，稳态误差减小约40%。结论为该半现象学建模+复合控制为受迟滞影响的PVDF执行器提供了一套可推广的高精度解决方案。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11173172
📖 第6篇
📌 基于改进粒子滤波的开关磁阻电机无位置传感器控制
Sensorless Control of Switched Reluctance Motor Based on Improved Particle Filter
作者：Lefei Ge，Haiyang Liu，Nan Du，Guilin Sun，Tao Meng，Longchun Li，Shoujun Song
针对开关磁阻电机（SRM）高度非线性带来的无位置估计挑战，本文提出了一种将无迹卡尔曼滤波（UKF）与序列重要性重采样（SIR）相结合的改进粒子滤波观测器架构。整体结构以观测器输出为位置估计并反馈给电机驱动控制器，旨在提升估计精度与鲁棒性，同时缓解粒子退化问题。
实现细节包括以UKF计算粒子分布的均值与方差以减少线性化误差、引入随机重采样策略与自适应多项式重采样以防止粒子退化，以及动态电感更新与并行预测以适配SRM的非线性运行。关键实现要点为UKF+SIR混合结构与并行化预测以满足实时性约束。
在dSPACE半实物平台上的多工况测试显示：在500–1500 rpm范围内位置估计误差可控在1.25°以内；在52.5 rad/s²加速过程中最大瞬态误差为1.25°，并在约150 ms内恢复；负载阶跃（1 N·m→2 N·m）下最大瞬态误差约1.22°。结论表明该方法在中高速区间具有较高精度与鲁棒性，适合航天与高端装备应用。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11178098
📖 第7篇
📌 基于空间矢量的三电平逆变器混合PWM方案以降低电流纹波
Space Vector-Based Hybrid PWM Schemes for Three-Level Inverters to Reduce Current Ripple
作者：Kavita Nanshikar，Soumitra Das
针对三电平中性点钳位（3LNPC）逆变器的线电流纹波与谐波问题，本文提出了三类基于扇区内智能序列切换的混合PWM方案（H7、H5I、H3），通过在单个扇区内组合CSVPWM、BCPWM、ABCPWM等有效开关序列以实现全调制区内的电流纹波最小化。研究给出不同功率因数与调制指数下各方案的最优序列选择规则。
技术实现包含对每一扇区的开关序列候选集合建立、基于谐波畸变因子的序列选择准则以及考虑直流中点平衡的切换规则。关键实现要点为多序列切换策略與谐波畸变因子的引入，用以在不同调制指数/功率因数下保证最低电流畸变与合理的开关损耗。
仿真与硬件实验比较显示：H7在最高调制指数下相比CSVPWM可将线电流纹波降低约39%，相较于已有H5方案降低约3%；H5I在调制指数>0.6时可降低开关损耗约6%。结论：这些混合PWM策略在保证电能质量与降低开关损耗之间提供了更优折衷，适用于高性能电机驱动与并网逆变器场景。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11168966
📖 第8篇
📌 基于扰动观测器滑模控制的谐波驱动框架伺服系统速度波动抑制方法
Speed Fluctuation Suppression Method for Gimbal Servo System With Harmonic Drive by Disturbance Observer Based Sliding Mode Control
作者：Haitao Li，Ruidi Chen，Haifeng Zhang，Ximing Liu
本文面向控制力矩陀螺（CMG）框架伺服系统中由谐波驱动器引起的速度波动，提出一种将含外生系统矩阵W的扰动观测器（WDOB）与滑模控制（SMC）相结合的复合控制策略。该方案创新性地将随角速度变化的运动学误差频率纳入观测器模型，使观测器能准确估计频率随速度变化的扰动，从而在控制律中进行前馈补偿。
实现上，作者设计了含W矩阵的扰动观测器以自适应跟踪频率漂移，并将观测到的扰动作为前馈注入滑模控制律，以缓解抖振。关键实现要点有WDOB自适应调节、滑模边界层设计與增益选择的带宽/极点配置方法，简化了参数整定流程。
仿真与实验显示：与传统DOB-SFC相比，WDOB-SMC在恒速跟踪中将峰值误差减少约73.3%，在变速梯形波跟踪时角速度误差峰值下降约83%。结论是WDOB-SMC能显著提升伺服系统在存在频率变化谐波扰动下的速度精度与鲁棒性，适用于高精度航天伺服系统。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11176815
📖 第9篇
📌 支持向量机集成高精度多载波脉宽调制技术：提升多电平逆变器电能质量
Support Vector Machine-Integrated High-Definition MCPWM Technique for Improving Power Quality in Multilevel Inverters
作者：Rishiraj Sarker，Subhabrata Pal，Avik Bhattacharya
本文提出在多电平逆变器的调制设计中，将支持向量机（SVM）谐波预测与高精度多载波MCPWM（HD-MCPWM）相结合的调制策略。总体流程为先通过SVM在原型前预测低次谐波成分并给出最优开关角，然后采用HD-MCPWM在不提高开关频率的情况下提升调制分辨率，达到降低THD与均匀开关损耗的目的。
实现细节包括SVM的特征工程（选择5次、7次、11次、13次谐波作为预测目标）、训练过程与参数选择，以及HD-MCPWM注入高频调制信号的实现方案。关键实现要点為SVM谐波预测與HD-MCPWM注入策略，并在中等规模FPGA上的硬件资源与时延约束下完成部署。
在原型实验中，所提方案在调制指数0.8时将THD降至4.47%，峰值效率达97.8%，开关损耗降低约33.3%，算法计算时间约1.11 μs，FPGA占用约8%。结论强调该软硬协同方法在工业级MLI中具备优越的电能质量与实时性表现。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11151636
📖 第10篇
📌 具有状态约束与干扰补偿的蛇形机器人同步避障跟踪控制方案
Synchronous Obstacle Avoidance Tracking Control Scheme for Snake Robots With State Constraints and Interference Compensation
作者：Dongfang Li，Chushuo Wu，Guanghong Liu，Limin Zhu，Edmond Q. Wu
本文面向蛇形机器人在动态未知环境下的同步轨迹跟踪與自主避障问题，提出一套同时处理状态约束（如执行器饱和）与外部干扰补偿的控制框架。总体架构分为运动学层的鲁棒视线制导與虚拟导引机器人生成平滑参考轨迹，以及动力学层的基于障碍李雅普诺夫函数的神经网络鲁棒控制用于关节扭矩计算与阻尼补偿。
在运动学层，设计了基于降阶扩张状态观测器的改进鲁棒视线制导以估计并补偿时变侧滑角；在轨迹生成上引入虚拟动态导引机器人规则以避免不可微拐点并生成平滑参考。动力学层采用神经网络近似未知动态偏差並通过自适应律進行在线补偿，关键實現要點为扩张状态观测器與神经自适应补偿的耦合設計。
仿真与原型试验表明该方法在面对外部扰动与状态约束时，可实现更小的位置误差、更平滑的轨迹与更快的误差收敛。典型结果包括避障过程中的最大位置误差下降约25%，方向角与关节角误差收敛时间缩短约30%，验证了方法在复杂环境中的实用性。结论认为该方案对灾后救援等场景具有较高的工程化可用性。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11121857
📖 第11篇
📌 TDPR：基于张拉整体结构的缆驱并联机器人，实现大尺寸末端执行器操控
TDPR: Tensegrity-Based Cable-Driven Parallel Robot for Large End-Effector Manipulation
作者：Min-Cheol Kim，Myungjin Jung，Sejeong Kim，Chang-Sei Kim
本文提出一种基于张拉整体（tensegrity）结构的新型缆驱并联机器人架构TDPR，突破传统需要刚性框架施加外部张力的设计思路，将缆绳内部张力用于驱动布置于框架外部的大尺寸末端执行器。文章建立了完整的动力学模型以描述在六自由度运动中因质心变化产生的扭矩与旋转力矩效应，并分析了相对于传统缆驱并联系统的工作空间优势。
控制与实现层面，作者设计了多缆张力分配策略、末端姿态稳定控制律與针对偏心外力的鲁棒补偿方案，关键實現要點包含张拉整体动力学建模、缆力分配優化與六自由度稳定控制。此外，考虑到外部布局带来的质心效应，文中提出了对应的力矩补偿项以提升动态稳定性。
实验实现为稳定平台，结果显示在0.05 Hz正弦扰动下位置精度维持在≤2 mm，姿态误差低于0.2°，并在六自由度轨迹跟踪与偏心外力扰动试验中保持稳定。结论：TDPR通过将末端执行器置于外部实现了更大的可达工作空间与良好的动态性能，适用于空间受限下的大尺寸执行器操控场景。
🔗 https://ieeexplore.ieee.org/stampPDF/getPDF.jsp?tp=&arnumber=11151631
点击关注 获取更多精彩