控制科学

准稳态频率：电力系统瞬态频率测量新理论

准稳态频率几何不变性环量导数文章提出准稳态频率(QSS频率)概念，通过瞬时频率在几何周期T上的积分平均（式12）统一稳态与瞬态频率测量。该量在平衡/非平衡、正弦/非正弦稳态下均等于基频，且能捕捉瞬态过程中的慢变基频。基于流体力学环量导数构建的度量Γ'（式19）可判定QSS频率有效性阈值。IEEE 39节点仿真表明：QSS频率在故障清除后与锁相环结果一致且无延迟，并能消除非平衡/谐波导致的瞬时频率振荡（图7）。

TRADES：聚合博弈的分布式均衡搜索算法

聚合博弈奇异摄动线性收敛电压控制文章提出TRADES算法（跟踪式聚合分布式均衡搜索），解决网络化聚合博弈的纳什均衡求解问题。该算法结合投影梯度下降（步长γ=0.01）与扰动平均共识机制（参数δ=0.5），通过奇异摄动理论将系统分解为策略更新的慢动态（式17a）和聚合变量跟踪的快动态（式17b）。理论证明：在强单调博弈（假设III.2）和连通网络（假设III.3）下，算法以线性速率收敛至纳什均衡（定理III.4）。智能电网电压控制案例中，321辆电动汽车通过94总线网络（η=0.7）在24小时内将电压偏差降低42.7%，验证了广义聚合模型（式3）的有效性。

基于随机几何的LEO卫星辅助空间缓存性能评估

随机几何 LEO卫星空间缓存 MEC网络平均延迟文章针对地面移动边缘计算(MEC)网络在偏远和海洋区域覆盖不足的问题，首次利用随机几何理论研究了低地球轨道(LEO)卫星辅助空间缓存在MEC网络中的性能。该研究建立了一个包含地面用户设备(UE)、地面云服务器(CS)和LEO卫星的系统模型，其中LEO卫星的分布采用二项点过程(BPP)建模，地面节点采用泊松点过程(PPP)建模。文章考虑任务类型和服务类型的多样性，设计了基于最大偏置平均功率的关联策略，推导了上行和下行覆盖概率的解析表达式，并利用排队理论计算了平均延迟。蒙特卡洛仿真验证了分析结果的准确性，数值结果表明LEO卫星空间缓存可显著改善MEC网络性能，同时揭示了卫星高度和数量对平均延迟的重要影响，为空间缓存MEC网络的设计提供了系统级指导。

主动学习增强的双重控制在纯角度初始相对轨道确定中的应用

主动学习双重控制纯角度测量相对轨道确定可观测性文章针对纯角度测量下初始相对轨道确定（IROD）的可观测性挑战，提出了一种主动学习增强的双重控制方法。该方法利用主动学习技术动态设计输入激励信号（离线与在线结合），在无需额外硬件或预定义机动的条件下增强系统可观测性。通过结合双重控制技术，在保证目标跟踪的同时实现状态可观测性。基于Clohessy-Wiltshire方程建立追踪器与目标航天器的相对动力学模型，推导视线向量测量方程，构建最小二乘状态估计框架。数值仿真验证了该方法在V-bar保持场景下的有效性，初始距离估计相对平均绝对误差低于2.5%，并展示了其对不同初始距离和观测周期的鲁棒性。

线性系统的非光滑信号输出调节

输出调节内部模型鲁棒控制文章解决了线性系统在非周期性非光滑外部信号下的输出调节问题。首先设计状态反馈控制器解决全信息问题，提出新的非共振条件和调节器方程可解性分析。其次，针对误差反馈问题，基于规范实现和高增益方法设计内部模型，确保最小相位系统的闭环稳定性。最后，针对模型参数不确定性，提出两种鲁棒内部模型方法：混合内部模型的扩展和基于积分沉浸的新方法。通过电路调节示例验证了方案的有效性。

多任务逆向强化学习在多模式过程控制中的应用

逆向强化学习多模式过程控制数据驱动控制文章提出了一种基于多任务逆向强化学习（IRL）的多模式过程控制框架。该方法利用工业历史闭环数据作为专家演示，通过引入潜在上下文变量区分不同操作模式，结合最大熵IRL和互信息正则化技术，实现了无需预知模式标签的通用控制器设计。在连续搅拌釜反应器和补料分批生物反应器上的实验表明，该框架能有效提取多模式控制策略，显著降低强化学习的安全风险，并为数据驱动的控制器设计提供了概率推断解决方案。

灾难场景中联合雷达与通信系统的分析与优化

联合雷达通信灾难管理自组织网络近场感知文章提出了一种用于灾难场景的自组织网状联合雷达与通信（JRC）网络框架。该框架在近场条件下结合协作通信和单站雷达感知，能够在强杂波环境中实现目标检测（如生命体征、危险泄漏）与可靠通信。通过推导数据速率、信号杂波噪声比（SCNR）、检测概率和虚警概率等关键指标，文章建立了一个能量高效的资源分配优化模型。数值结果表明，在毫米波和微波频段下，增加天线数量和发射功率可提升SCNR，但强杂波环境会显著降低检测性能。优化方案有效平衡了检测概率与数据速率之间的权衡，为灾难救援提供了弹性解决方案。

基于大语言模型的电动汽车双层需求响应框架

需求响应电动汽车大语言模型智能电网文章提出一种基于大语言模型（LLM）的电动汽车双层需求响应框架。上层模型通过粒子群优化（PSO）动态调整零售电价，最大化聚合商利润；下层模型利用LLM生成用户画像（人口特征、心理特性和充电偏好），并模拟多用户充电决策。框架采用对话式交互支持用户响应，实现充电意愿评估、时段选择和电量决策的动态优化。仿真表明，该方法在电价区间$0.09-$0.22/kWh下，有效降低高峰负荷17%，同时提升聚合商利润23.5%，为智能电网提供个性化需求响应解决方案。

状态约束非线性系统的固定时间事件触发控制

固定时间控制事件触发状态约束非线性系统文章提出一种针对非严格全状态约束非线性系统的自适应固定时间控制方法。通过非对称非线性映射实现状态变换，结合RBF神经网络逼近不确定项。设计四类多阈值事件触发策略：固定阈值、相对阈值、切换阈值和自触发策略，显著降低控制指令更新频率。理论证明系统具有半全局实际固定时间稳定性（SPFTS），收敛时间与初始条件无关。仿真表明，在20,000次测试中触发频率降低42%-68%，跟踪误差小于0.05。

物理信息GRU网络在锥形放大器热稳定控制中的跨域预测控制

物理信息神经网络门控循环单元模型预测控制热稳定控制跨域预测文章提出了一种鲁棒的智能控制策略，将基于编码器-解码器的物理信息门控循环单元（PI-GRU）网络与模型预测控制（MPC）框架相结合。该方法在神经网络架构中融入了物理软约束，构建了一个具有增强物理一致性的预测模型，并在训练数据分布之外展现出强大的外推能力。利用PI-GRU模型精确的多步预测性能，实现了分层并行MPC架构，能够实时补偿热不稳定性。该混合方法在多种激光功率操作下实现了锥形放大器（TA）的跨域一致热稳定。实验验证表明，仅使用低功率操作数据训练的模型，在未见的高功率操作状态下，预测精度提高了58.2%，温度稳定性提高了69.1%。