1、 数据驱动自适应控制

动态系统中难免存在的各类不确定性，是影响系统稳定性和控制性能的重要因素。为补偿不确定性对控制系统的影响，国内外研究者先后提出多种自适应控制方法。然而，相关技术通常仅利用当前时刻的激励信息修正参数估计，仅在回归项满足持续激励条件时才能消除不确定性的影响。如何提升利用激励信息的能力，是自适应控制领域的关键科学问题之一。

近年来，本课题组从“充分收集和利用历史激励信息”的角度出发，开展了触发式批处理辨识和复合学习等数据驱动自适应控制方法研究。针对含参数不确定性的非线性系统，构造线性回归方程以定量收集激励信息，创新性地将参数估计误差分解为受激励和非受激励分量，利用已收集的激励信息更新参数估计值，确保参数估计误差受激励分量的收敛性，从而消除不确定性对系统的影响。相关成果应用于移动机器人、自适应巡航等典型控制系统，发表论文包括Automatica、IEEE TAC等，指导博士生一作荣获第36届中国控制与决策会议（CCDC 2024）“张嗣瀛”优秀青年论文奖（唯一）、第18届控制、自动化、机器人与视觉国际会议（ICARCV 2024）最佳学生论文奖。未来研究方向包括：基于元学习&Koopman的自适应控制方法、航天器智能自适应控制等。

图1：本课题组提出的基于触发式批处理辨识和复合学习的自适应控制方法框图

• 近期代表性成果：

[1] J. Shen, W. Wang, J. Zhou, J. Lü, “Adaptive Safety with Control Barrier Functions and Triggered Batch Least-Squares Identifier”, Automatica, 173, 112059, 2025.

[2] J. Long, W. Wang, C. Wen, J. Huang, J. Lü, “Output feedback based adaptive consensus tracking for uncertain heterogeneous multi-agent systems with event-triggered communication”, Automatica, 136, 110049, 2022.

[3] C. Deng, C. Wen, W. Wang, X. Li, D. Yue, “Distributed adaptive tracking control for high-order nonlinear multiagent systems over event-triggered communication”, IEEE Transactions on Automatic Control, 68(2): 1176-1183, 2023.

[4] W. Wang, J. Zhou, C. Wen, J. Long, “Adaptive backstepping control of uncertain nonlinear systems with input and state quantization”, IEEE Transactions on Automatic Control, 67(12): 6754-6761, 2022.

[5] W. Wang, J. Long, J. Zhou, J. Huang, C. Wen, “Adaptive backstepping based consensus tracking of uncertain nonlinear systems with event-triggered communication”, Automatica, 133, 109841, 2021.

2、 复杂约束下群智能体系统分布式协同控制与决策

群智能体系统分布式协同控制是近十年来颇受关注的热点问题，有着包括无人机/卫星编队、移动机器人网络、无线传感器阵列、高速公路运输管理和智能电网在内的广泛应用背景。然而，在复杂约束下，如何提升无人系统的智能性和可靠性仍是一个具有挑战性和系统性的问题。

近年来，本课题组以含子系统模型不确定性的群智能体系统为对象，以多目标非凸优化、自适应控制障碍函数、分布式强化学习、分布式卡尔曼滤波、自组织行为控制等方法作为理论工具。在杂乱障碍环境无人机集群分布式协同编队规划与控制、GPS拒止环境下基于距离的自组织行形状控制、基于低成本传感器的多机器人系统分布式协同定位等方向取得了多项理论及应用成果。发表包括Automatica、IEEE TAC.在内的SCI论文20余篇。未来相关研究方向包括：基于学习的集群系统调度、基于大模型的人机交互决策、基于视觉/UWB等分布式传感器的安全协同控制等。

    

图2：障碍环境无人机协同规划与编队控制、GPS拒止环境下无人集群自组织编队控制、基于分布式位姿估计的欠驱动机器人编队控制

• 近年来代表性成果

[1] K. Ze, W. Wang, K. Liu, J. Lü, “Time-varying formation planning and distributed control for multiple UAVs in clutter environment”, IEEE Transactions on Industrial Electronics, 71(9): 11305-11315, 2024.

[2] J. Shen, W. Wang, C. Wen, J. Huang, “Distance-based adaptive formation control with guaranteed collision avoidance and connectivity maintenance”, IEEE Transactions on Control of Network Systems, 11(3):1310-1322, 2024.

[3] J. Yan, Y. Mo and H. Ishii, “A Framework for Distributed Estimation with Limited Information and Event-Based Communications”, IEEE Transactions on Automatic Control, vol. 69, no. 6, pp. 3544-3559, 2024.

[4] J. Huang, W. Wang, C. Wen, J. Zhou, G. Li, “Distributed adaptive leader–follower and leaderless consensus control of a class of strict-feedback nonlinear systems: a unified approach”, Automatica, 118, 109021, 2020.

[5] W. Wang, C. Wen, J. Huang, J. Zhou, “Adaptive consensus of uncertain nonlinear systems with event triggered communication and intermittent actuator faults”, Automatica, 111, 108667, 2020.

3、信息物理融合系统安全控制

信息物理系统（Cyber-Physical Systems, 简称CPS）是在网络环境下对于一系列计算单元与物理对象高度集成所形成的新一代大规模工程系统，在工业制造、智能交通/电网/家居、健康医疗等众多领域有着广泛的应用。在大多数情况下，安全性是CPS 的首要性能指标。尽管已有的IT系统攻击防护技术有助于提高CPS 的安全性，但是CPS 的安全性目标、运行特点与IT系统有着显著的不同。这决定了CPS 的安全控制必须保证系统具有令人满意的弹性能力（Resilience）。因此，保障网络攻击下CPS 的安全性不可能单纯依赖IT系统信息安全领域已有的攻击防护技术，后者的主要局限在于没有结合物理对象的特点考虑攻击对于物理系统的安全运行，尤其是基于物理系统模型设计的状态估计与控制方法的影响。

近年来，本课题组考虑智能电网节点、移动机器人、工业机械臂等含有模型不确定性的CPS物理对象，从控制理论视角研究网络攻击下CPS 的安全保障问题。以自适应弹性控制、自适应容错控制等方法作为理论工具，在传感器、执行器双联路遭受欺骗攻击下的弹性控制、考虑通信链路遭受拒绝服务（DoS）攻击情况下攻击检测和拓扑重构主动防御策略设计、工业场景下机械臂及其他自动化设备安全控制系统设计等方向取得一系列研究成果。发表包括IEEE TAC.在内的SCI论文10余篇。未来研究方向包括：基于学习的攻击检测与弹性控制，基于分布式主动拓扑重构的主动防御控制，工业互联网背景下的多机械臂安全协同控制。

         

图3：通信链路遭受拒绝服务（DoS）攻击下，基于主动防御控制策略的二阶双轮移动机器人编队协同编队控制、基于控制障碍函数（CBF）的机械臂自动抓取与无人机安全飞行控制

• 近年来代表性成果

[1] Z. Han, W. Wang, J. Huang, Z. Wang, “Distributed adaptive formation tracking control of mobile robots with event-triggered communication and denial-of-service attacks”, IEEE Transactions on Industrial Electronics, 70(4): 4077-4087, 2023.

[2] Z. Han, W. Wang, M. Ran, C. Wen, L. Wang, “Switching-Based Distributed Adaptive Secure Formation Control for Mobile Robots 2ith Denial-of-Service Attacks”, IEEE Transactions on Systems, Man, and Cybernetics: Systems, 54(7): 4126-4138, 2024.

[3] Z. Han, W. Wang, C. Wen, L. Wang, “Distributed Adaptive Consensus Control for Nonlinear Systems With Active-Defense Mechanism Against Denial-of-Service Attacks”, IEEE Transactions on Industrial Informatics, 20(8): 10440-10451 , 2024.

[4] J. Yan, X. Li, Y. Mo, and C. Wen, “Resilient multi-dimensional consensus in adversarial environment”, Automatica, 145, 110530, 2022.

[5] J. Yan, C. Deng, and C. Wen, “Resilient output regulation in heterogeneous networked systems under Byzantine agents”, Automatica, 133, 109872, 2021.

4、智能无人系统应用

近年来，随着人工智能技术的不断发展，智能无人系统受到了广泛地关注，智能无人系统作为一种未来趋势，在航空航天、智慧家居、生产制造等众多领域有着广泛的应用。课题组致力于提升无人系统的智能性与安全性，目前主要有移动机器人和人形机器人两个主要研究方向：

（1）移动机器人是集环境感知、动态决策与规划、智能控制与执行等功能于一体的综合系统，在农业、服务业具有广泛的应用。然而，如何进一步提升移动机器人的自主性、安全性和协同性仍然是学术界和工业界面临的挑战。近年来课题组部署了多套无人飞行器和地面移动机器人平台，能够有效支撑相关理论的实验验证工作。此外，课题组针对通信带宽受限、GPS拒止、复杂安全约束等无人系统关键问题，陆续开展了事件触发控制、基于距离的编队控制、分布式安全协同控制相关研究。未来研究方向还包括：分布式协同定位、基于方位的编队控制等。

   

 图4 无人飞行器、地面移动机器人实验平台

（2）人形机器人作为智能系统的重要分支，因其在人类外形和功能上的高度相似性，近年来受到了广泛关注。然而，面对复杂动态环境，如何提升机器人在自主感知与决策方面的能力，拓展其运动表现，并确保运行过程中的安全性，依然是当前亟待解决的核心挑战。近年来课题组分别设计了大模型驱动的轮式人形机器人和小型双足机器人，相关研究成果获批北京市自然科学基金，并取得了第三十二届“冯如杯”主赛道制作组一等奖等奖项。未来研究方向包括：基于数据驱动的非线性模型预测控制、基于类脑智能的人形机器人感知与决策、复杂环境下足式机器人安全控制等。

        

图5 工业轮式人形机器人、双足机器人（第32届“冯如杯”一等奖）、四足机器人