XiaoMi-AI文件搜索系统
World File Search Systemmpc
学习有关H0张力问题的新知识-Indico Global
基本上，H0张力问题需要解释为什么Planck CMB数据分析和Hubble空间望远镜的局部测量给出了H0的不同值。我们需要理解为什么在λCDM方案中，Planck CMB数据分析给出H0 = 67.4±0.5 km/s/mpc，而hubble空间望远镜的局部测量值H0 = 73.52±1.62 km/s/s/s/s/mpc
使用线性数据驱动模型
摘要 - 模型预测控制（MPC）已广泛应用于自主驾驶的不同方面，通常采用非线性物理派生的模型进行预测。但是，反馈控制系统本质上正确正确地正确正确，因此在许多应用程序中，使用线性时间不变（LTI）模型进行控制设计是足够的，尤其是在使用可靠的控制方法时。这种方法的理念似乎在当前的无人驾驶汽车研究中被忽略了，这是我们旨在在这里解决的研究差距。也就是说，我们没有衍生出相应的最佳控制问题的车辆动力学的细致的非线性物理模型，而是识别低阶数据驱动的LTI模型并通过可靠的线性MPC方法来处理其不确定性。我们基于管MPC（TMPC）为无人驾驶汽车开发了两步控制方案，该方案引入了结构鲁棒性，尽管在数据驱动的预测模型中对错误进行了建模，但仍确保了约束依从性。此外，我们采用了旨在利用线性MPC问题的特殊结构的快速优化方法。我们使用从现实世界数据中识别的车辆模型以及IPGCARMAKER中的仿真来评估所提出的控制方案，在该模型中，该车辆的模型固有地是非线性的，并使用了详细的3D物理学。我们的结果表明，可以有效地使用LTI模型来实现车道维护任务，TMPC可以防止车道出发和由于模型不确定性而导致的碰撞，并且线性模型允许与NAIVE MPC实现相比，可以通过数量级来减少计算时间的算法改进。
用于可再生能源的非隔离式多端口转换器：全面回顾
摘要：可持续发展目标 (SDG) 的一个重点是从可再生能源中获取电力。可再生能源 (RES) 和获取方法领域取得了长足的发展。多端口电力电子转换器电路集成了多种能源。这种集成有助于为具有不同所需电压额定值的负载供电。该系统的简单可靠的控制方案可以保持高功率传输效率和可靠性。为了集成 RES，引入了非隔离 (NI) DC-DC 多端口转换器 (MPC)；然而，主要目标是专注于提供可靠输出的 NI MPC。本文回顾并分析了非隔离 MPC 拓扑，基于考虑电路配置、工作原理、元件数量、复杂性和效率的不同参数。这篇全面的综述可以作为选择适合 RES 集成的转换器拓扑的指南。
自主微电网虚拟惯性控制的最优模型预测控制
摘要：目前，可再生能源 (RES) 在电网中的渗透率显著提高，尤其是在微电网中。用 RES 取代传统同步机可显著降低整个系统的惯性。这会对不确定情况下的微电网动态产生负面影响，降低微电网频率稳定性，特别是在孤岛运行模式下。因此，本研究旨在利用虚拟惯性频率控制概念增强孤岛微电网频率弹性。此外，虚拟惯性控制模型采用了最优模型预测控制 (MPC)。MPC 的优化设计是使用一种优化算法，即非洲秃鹫优化算法 (AVOA) 实现的。为了证明所提出的控制器的有效性，将基于 AVOA 的 MPC 与使用各种优化技术进行优化设计的传统比例积分 (PI) 控制器进行了比较。利用 RES 的实际数据，并应用随机负载功率模式来实现实际的模拟结果。此外，微电网范例包含电池储能 (BES) 单元，用于增强孤岛微电网的暂态稳定性。模拟结果表明，基于 AVOA 的 MPC 在提高微电网频率弹性方面是有效的。此外，结果确保了 BES 在时域模拟中改善暂态响应的作用。模拟结果是使用 MATLAB 软件获得的。
改进的吉尔伯特 - 瓦尔沙莫夫（Gilbert – Varshamov）绑定了纠缠 -网格拥塞缓解和电池降解最小化，使用基于PV的微电网中的模型预测控制
摘要 - 电网中光伏（PV）系统的整合在峰值功率进料过程中引起拥塞。PV系统中的电池存储会增加自我消费，以实现消费者的好处。然而，随着传统的自我消费（MSC）控制电池调度的控制，网格拥塞的问题未解决。电池往往会在一天的早期充满电，并且峰值功率仍然易于网格。这还增加了由于高电荷（SOC）水平的停留时间增加而增加的电池降解。为了解决此问题，此工作使用模型预测控制（MPC）在PV系统中进行调度，并使用电池存储，以实现最大程度地减少电池降解，网格拥塞，同时最大化自我消耗的多个目标。为了证明改进，此工作比较了用于电池调度的MPC和MSC方案的性能。通过绩效指数（例如自消耗率，峰值功率降低和电池容量逐渐消失）来量化改进。对预测误差下MPC性能的计算负担和最大恶化的分析也进行了。得出的结论是，与MSC相比，MPC在PV系统中实现了相似的自我消费，同时还可以减少电网充血和电池降解。
智能电网的发展
随着智能电网的发展，它需要增加分布式智能、优化和控制。模型预测控制 (MPC) 促进了智能电网应用的这些功能，即：微电网、智能建筑、辅助服务、工业驱动、电动汽车充电和分布式发电。其中，本文重点全面回顾了 MPC 在电网整合分布式能源 (DER) 电力电子接口中的应用。特别是，详细介绍了风能转换系统、太阳能光伏、燃料电池和储能系统的电力转换器的预测控制。还回顾了电网连接转换器的预测控制方法、基于人工智能的预测控制、未解决的问题和未来趋势。该研究强调了 MPC 在促进各种可持续电网连接 DER 的高性能、最佳功率提取和控制方面的潜力。此外，该研究为人工智能技术提供了详细的结构，这些技术有利于提高性能、简化部署并减少电力转换器预测控制的计算负担。
多党计算的量子安全协议
安全多方计算（MPC）对于安全保护敏感数据至关重要。它允许两个或多个当事方共同对其私人数据进行计算，而无需透露输出以外的任何内容。因此，MPC保证了隐私和机密性等安全性。对功能的遗忘评估是加密设计中最重要的基础之一。在Rabin [1]的工作中，引入了遗忘转移（OT）的想法。ot考虑有两个方的设置：发件人和接收者。发件人有两个位s 0和s 1，而接收器只能根据他选择的b来学习一个位s b。稍后，在[2]中显示了OT可用于对任何加密函数的遗漏评估。在过去的三十年中，在基于OT的MPC协议的设计中取得了很大的进步。但是，值得注意的是，可以使用直接构造对特定类型的功能进行更有效的评估，从而绕开了对MPC的需求。考虑到这种观点，Naor等人。[3]设计了遗忘的多项式评估（OPE）。这是一个有用的原始性，它解决了在输入α上忽略评估多项式P的问题。更准确地说，OPE是两个不信任的政党之间的两党协议，其中一个政党（例如鲍勃）拥有一个私人多项式P（x），而另一个
与Snitching的秘密共享-Cryptology Eprint Archive
我们解决了在秘密共享计划中检测和惩罚股东集结的问题。我们在最近提出的称为“个人密码学”（Dziembowski，Faust和Lizurej，Crypto 2023）的加密模型中这样做，该模型假设存在单个机器可以有效地计算的任务，但可以通过多个（相互不信任的设备）进行计算有效地计算。在此模型中，我们引入了一种名为Snitching（SSS）的新颖原始性，其中每次尝试非法重新构建共享的秘密𝑆𝑆导致证明可以用来证明这种不当行为（例如，例如财务上对区块链上的作弊者进行财务惩罚）。即使股东试图不重建整个秘密，但只能学习一些部分信息，这在很强的意义上也很强。 我们的概念还捕获了使用多方计算协议（MPC）进行的攻击，即恶意股东使用MPC来计算𝑆的部分信息的攻击。 SSS的主要思想是可以证明和惩罚任何ille-gal重建，这足以阻止非法秘密重建。 因此，我们的SSS计划有效地阻止了股东的勾结。 我们提供了阈值（𝑡-out-out-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-out-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-）。 然后，我们展示如何以𝑡=𝑛构建它，然后我们使用此构造来为任意𝑡构建SSS方案。 为了证明我们的构建安全性，我们引入了随机Oracle模型的概括（Bellare，Rogaway，CCS 1993），该模型允许在MPC内进行建模哈希评估。这在很强的意义上也很强。我们的概念还捕获了使用多方计算协议（MPC）进行的攻击，即恶意股东使用MPC来计算𝑆的部分信息的攻击。SSS的主要思想是可以证明和惩罚任何ille-gal重建，这足以阻止非法秘密重建。因此，我们的SSS计划有效地阻止了股东的勾结。我们提供了阈值（𝑡-out-out-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-out-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-）。然后，我们展示如何以𝑡=𝑛构建它，然后我们使用此构造来为任意𝑡构建SSS方案。为了证明我们的构建安全性，我们引入了随机Oracle模型的概括（Bellare，Rogaway，CCS 1993），该模型允许在MPC内进行建模哈希评估。
基于PPO的不确定浮动系统动态控制...
摘要 — 在太空探索领域，浮动平台在科学研究和技术进步中发挥着至关重要的作用。然而，在零重力环境中控制这些平台面临着独特的挑战，包括不确定性和干扰。本文介绍了卢森堡大学零重力实验室 (Zero-G Lab) 中一种将近端策略优化 (PPO) 与模型预测控制 (MPC) 相结合的创新方法。这种方法利用 PPO 的强化学习能力和 MPC 的精度来驾驭浮动平台的复杂控制动态。与传统控制方法不同，这种 PPO-MPC 方法从 MPC 预测中学习，适应未建模的动态和干扰，从而形成适合零重力环境的弹性控制框架。零重力实验室的模拟和实验验证了这种方法，展示了 PPO 代理的适应性。这项研究为在零重力环境中控制浮动平台开辟了新的可能性，有望推动太空探索的发展。
针对孤岛微电网的增强型预测分层电源管理框架
摘要 本文提出了一种增强型三层预测分级电源管理框架，以实现孤岛微电网的安全经济运行。保证微电网经济运行的三级控制建立在基于半定规划的交流最优潮流模型之上，该模型定期向二级控制发送功率参考。为减轻可再生能源发电和负荷带来的不确定性，提出并实施了一种集中式线性模型预测控制 (MPC) 控制器用于二级控制。MPC 控制器可以通过密切跟踪来自三级控制器的参考信号来有效地调节微电网系统频率，并且计算复杂度较低。实施基于下垂的初级控制器来与次级 MPC 控制器协调，以实时平衡系统。微电网电源管理框架中模拟了同步发电机 (SG) 和太阳能光伏 (PV)。提出了一种统一线性输入状态估计器 (ULISE)，用于 SG 状态变量估计和由于网络物理系统组件受损等而导致的控制异常检测。仿真结果表明，可以准确估计 SG 状态，同时可以有效检测控制信号的不一致性，以实现增强型 MPC。此外，与传统的比例积分 (PI) 控制相比，所提出的分层电源管理方案表现出卓越的频率调节能力，同时保持较低的系统运行成本。