arXiv eess.SY 系统与控制· Teruki Kato, Ryotaro Shima, Kenji Kashima·2026-10-14 12:00· 5 小时前精选AI 评分44

不确定规格下的凸机会约束随机控制及其在学习型混合动力总成控制中的应用

Convex Chance-Constrained Stochastic Control under Uncertain Specifications with Application to Learning-Based Hybrid Powertrain Control

AI 导读

论文提出一种严格凸的机会约束随机控制框架，用于处理参考轨迹和运行约束等控制规格的不确定性，在一般非高斯不确定性下联合优化控制输入与风险分配。

推荐理由

论文给出风险分配的充分确定性条件与正则化设计，可迁移用于含不确定约束的控制器求解。