XiaoMi-AI文件搜索系统
World File Search System动态控制
客户辅助的安全两方计算动态控制器
摘要 - 在本文中，我们建议使用SE-CRET共享方案为动态控制器提供安全的两方计算协议。所提出的协议实现了控制器计算到两个服务器的采购，而控制器参数，状态，输入和输出对服务器保持了秘密。与单个服务器设置中以前的加密控制不同，该建议的方法可以在无限制的时间范围内操作动态控制器，而无需控制器状态解密或输入重新加密。我们表明，通过提出的协议可以实现的控制绩效可以任意接近未加密控制器的控制性能。此外，提出了协议的系统理论和加密修改，以提高通信复杂性。通过基于PID和基于观察者的对照的数值示例来证明协议的可行性。
基于...的偏振转换动态控制
*gdliu@xtu.edu.cn 摘要：偏振光在通信波段具有多种潜在应用，包括光通信、偏振成像、量子发射和量子通信。然而，优化偏振控制需要在动态可调性、材料和效率等领域不断改进。在本文中，我们提出了一种基于硼墨烯的结构，它能够通过局域表面等离子体（LSP）的相干激发将光通信波段的线性偏振光转换为任意偏振光。此外，可以通过将第二个硼墨烯阵列放置在第一个硼墨烯阵列的顶部并使它们的晶面相对旋转90°来实现双层硼墨烯结构。通过独立控制双层硼墨烯的载流子浓度可以切换反射光的偏振态的旋转方向。最后利用偶极子源实现偏振光的发射，其发射速率比自由空间中的发射速率高两个数量级，并且可以通过操纵载流子浓度来动态控制偏振态。我们的研究简单紧凑，在偏振器、偏振探测器和量子发射器领域具有潜在的应用。1.引言 偏振是电磁波的本征特性之一，它表示电磁矢量在空间中方向改变的性质[1]，包括三种偏振态：线偏振光（LPL）、椭圆偏振光（EPL）和圆偏振光（CPL）。在通信和传感领域，与LPL相比，CPL使光能够抵抗环境变化，并且忽略了散射和衍射的影响[2-4]。直接产生CPL比较困难，但可以通过调节两个正交电场分量之间的电磁振幅和相位，将LPL转换成CPL[5]。超材料可以灵活地操控光的散射振幅、相位和偏振，理论上可以将光的波前塑造成任何所需的形状。偏振转换的早期研究表明，由贵金属组成的超材料
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。
可变负荷和环境条件下独立光伏系统的鲁棒动态控制策略
摘要：双级独立光伏 (PV) 系统存在稳定性和可靠性问题，其提供最大功率的效率受环境条件变化的极大影响。混合反步控制 (BSC) 是最大功率点跟踪 (MPPT) 的良好候选方案，但是，由于 BSC 的递归性质，PV 输出中存在显著的稳态振荡。该问题可以通过提出一种混合积分反步控制 (IBSC) 算法来解决，其中提出的积分作用可显著降低 PV 阵列输出在不同温度和太阳辐照度水平下的稳态振荡。同时，在交流阶段，主要挑战是减少由负载参数变化引起的 VSI 输出的稳态跟踪误差和总谐波失真 (THD)。尽管传统的滑模控制 (SMC) 对参数变化具有鲁棒性，但它本质上是不连续的并且继承了过于保守的增益设计。为了解决这个问题，提出了一种基于超扭转控制 (STC) 的动态扰动抑制策略，其中设计了一个高阶滑模观测器来估计负载扰动的影响作为集中参数，然后由新设计的控制律拒绝该参数以实现所需的 VSI 跟踪性能。所提出的控制策略已通过 MATLAB Simulink 验证，其中系统在 0.005 秒内达到稳定状态，并在峰值太阳辐射水平下提供 99.85% 的 DC-DC 转换效率。交流级稳态误差最小化为 0 V，而 THD 分别限制为线性和非线性负载的 0.07% 和 0.11%。
随机进化的动态控制：一种自适应地针对新出现的耐药性的深度强化学习方法
在控制随机系统中，低概率事件可能使系统走上灾难性的轨迹，而控制的挑战在于开发一种强大的能力来应对此类事件，而不会显著损害基线控制策略的最优性。本文介绍了 CelluDose，一种经过随机模拟训练的深度强化学习自适应反馈控制原型，用于针对随机和异质细胞增殖的自动精准药物给药。药物耐药性可能由目标细胞群的随机和可变突变引起；如果没有适当的给药策略，新出现的耐药亚群会增殖并导致治疗失败。动态反馈剂量控制有望对抗这种现象，但由于细胞动力学的复杂性、模型参数的不确定性以及医疗应用中需要一个可以信赖的鲁棒控制器来正确处理意外结果，将传统控制方法应用于此类系统充满了挑战。在这里，对样本生物场景的训练确定了单一药物和联合治疗策略，这些策略在抑制细胞增殖和应对各种系统扰动方面表现出 100% 的成功率，同时建立了低剂量无事件基线。这些策略被发现对关键模型参数的变化具有高度的鲁棒性，这些参数受显著不确定性和不可预测的动态变化的影响。关键词：强化学习、深度学习、控制、自适应剂量、耐药性
自动化水平对动态控制任务中的性能、态势感知和工作量的影响
在动态控制任务的背景下，探索了各种自动化水平 (LOA)，这些自动化水平指定了人类操作员和计算机控制的程度，作为提高整体人机性能的手段。传统上，自动化系统被探索为二元功能分配；人类或机器被分配到给定的任务。最近，中间级别的自动化被讨论为保持操作员参与系统性能的一种手段，从而提高情境意识并减少环外性能问题。这里介绍了一种适用于各种心理运动和认知任务的 LOA 分类法。该分类法包括各种通用控制系统功能分配方案。分配给人类操作员和/或计算机的功能包括监控显示、生成处理选项、选择“最佳”选项并实施该选项。通过测量 LOA 分类法对人类/系统性能、情境意识和工作量的影响，在动态和复杂的认知控制任务中评估了 LOA 分类法的影响。30 名受试者进行了涉及各种自动化水平的模拟试验。发生了几次自动化故障，并评估了环外性能下降。结果表明，就性能而言，人类操作员从任务实施部分的自动化中获益最多，但仅限于正常操作