博文

2023-2024年正刊虚拟专题（第三部分）：前沿应用与交叉学科

已有 342 次阅读 2025-12-3 09:32 |个人分类:文章推荐|系统分类:博客资讯

在9月份发布了2023-2024年出版的全部刊期合集之后，作为延续，我们系统梳理了2023-2024年出版的正刊（非专刊）内容，按三个部分进行介绍。

今天发布的是本系列的第三部分 (前沿应用与交叉学科)，也是2023-2024刊期的最后一个部分，其主题侧重于控制技术在能源、医疗、网络安全、流行病学、医学影像等广阔领域的创新应用，体现了控制理论与其他学科深度交叉融合产生的巨大潜力。

我们整理了近期正刊中与此相关的代表性工作，希望能为关注这一领域的学者们提供一个集中的参考。

本系列的前面两个部分分别为：“智能系统与自主控制”和“先进控制理论与方法”。欢迎持续关注！

论文

01 智能电网中针对虚假数据注入攻击的主动弹性防御控制

Active resilient defense control against false data injection attacks in smart grids

虚假数据注入攻击（FDIAs）的出现可以通过注入虚假数据愚弄传统的检测方法，这给智能电网的安全带来了巨大的风险。因此，本文提出了一种基于区间观测器检测的主动弹性防御控制方案，以保护智能电网。所提出的主动防御强调了对智能电网中的FDIAs进行检测和防御的集成。首先，对FDIAs下的动态物理电网模型进行建模，考虑了模型不确定性和参数不确定性。然后，提出了一种基于区间观测器的针对FDIAs的检测方法，其中提出了使用区间残差的检测准则。与检测结果相对应，如果系统状态受到FDIAs的影响，就会触发弹性防御控制来防御FDIAs。采用线性矩阵不等式（LMI）方法设计了具有H∞性能的弹性控制器。具有弹性防御控制器的系统可以抵御FDIAs，并且弹性控制器的增益具有一定的增益裕度。本文的主动弹性防御方法可以实时构建，并对注入的FDIAs做出准确和快速的响应。通过在IEEE 30总线电网系统上的仿真结果验证了防御方案的有效性。

标题：Active resilient defense control against false data injection attacks in smart grids

作者：Xiaoyuan Luo, Lingjie Hou, Xinyu Wang, Ruiyang Gao, Shuzheng Wang & Xinping Guan

引用：Luo, X., Hou, L., Wang, X. et al. Active resilient defense control against false data injection attacks in smart grids. Control Theory Technol. 21, 515–529 (2023). ‍https://doi.org/10.1007/s11768-023-00141-2‍

全文链接：https://rdcu.be/dsiqN

02 基于广义内模控制的单相PWM整流器电流鲁棒控制Robust current control of single-phase PWM rectifier based on generalized internal model control

牵引系统整流器故障会导致系统性能、鲁棒性和连续性下降。单个故障可能会扩散并导致整个系统关闭。因此，提高控制系统的鲁棒稳定性和可靠性变得越来越重要。本文提出了一种基于广义内模控制(GIMC)的单相脉冲宽度调制(PWM)整流器的鲁棒电流控制方法。本文旨在使用广义内模控制，在电流传感器故障下同时实现整流器的良好动态性能和鲁棒性。在这种情况下，H∞ 环路整形可以保持鲁棒性并实现可接受的系统性能。然而，在传感器故障增加期间，该控制器将是保守的。即，为了鲁棒性而牺牲了性能。因此，在这种情况下，提出了GIMC结构来均衡鲁棒性和动态性能，使用ν-gap度量分析了鲁棒性。所提出的GIMC控制框架由两部分组成，标称控制器和鲁棒控制器。在没有电流传感器增益故障的正常操作中，该系统仅由标称控制器控制。如果发生这种情况，鲁棒性控制器将处于激活状态，以保持系统的鲁棒性并实现可接受的性能。标称控制器被选择为H∞环路整形，以确保标称性能，而鲁棒控制器被选择为由低通滤波器反向级联的设备，以补偿传感器增益故障。硬件在环实验结果表明，与H∞回路成形控制器相比，所提出的容错控制具有良好的性能和鲁棒性。

标题：Robust current control of single-phase PWM rectifier based on generalized internal model control

作者：Motaz Musa Ibrahim, Lei Ma, Yiming Zhao & Shaokun Cheng

引用：Ibrahim, M.M., Ma, L., Zhao, Y. et al. Robust current control of single-phase PWM rectifier based on generalized internal model control. Control Theory Technol. 22, 517–531 (2024). https://doi.org/10.1007/s11768-024-00226-6

全文链接：https://rdcu.be/dNb0R

中文简介链接：基于广义内模控制的单相PWM整流器电流鲁棒控制

03 轧钢加热炉时空分布非线性自回归外生输入相关模型的最优控制：一种协调分时控制方法

Optimal control for spatial-temporal distributed nonlinear autoregressive with exogenous inputs correlation model of steel rolling reheating furnace: a coordinated time-sharing control approach

精确控制板坯温度和加热速率对于轧钢加热炉(SRRF)提高产品性能、减少碳排放具有重要意义。首先，在工作点上建立了具有外源输入相关性的时空分布非线性自回归模型(STD-NARXCM)到具有外源输入相关性的时空分布自回归模型(STD-ARXCM)。其次，提出了一种新的不同时间段的协调分时控制架构，该架构沿着SRRF的长度来提高控制性能。第三，提出了专家模糊混合控制算法以改善0到t1时段内温度和加热速率的动态性，提出了专家-模糊-PID混合控制算法以提高t1至t2时段内的控制精度和加热速率，提出了专家主动抗扰控制(ADRC)的混合控制算法以提高t2至t3时间段内的抗干扰性和加热速率。最后，实验结果表明，协调分时算法能够满足工艺要求，温度值最大偏差为8~13.5℃。

标题：Optimal control for spatial-temporal distributed nonlinear autoregressive with exogenous inputs correlation model of steel rolling reheating furnace: a coordinated time-sharing control approach

作者：Qingfeng Bao, Sen Zhang, Jin Guo, Zhiqiang Li & Zhenquan Zhang

引用：Bao, Q., Zhang, S., Guo, J. et al. Optimal control for spatial-temporal distributed nonlinear autoregressive with exogenous inputs correlation model of steel rolling reheating furnace: a coordinated time-sharing control approach. Control Theory Technol. 21, 190–211 (2023). https://doi.org/10.1007/s11768-023-00138-x

全文链接：https://rdcu.be/ebBWa

04 基于确定性学习的轴流压缩机旋转失速早期检测：可检测性分析

Early detection of rotating stall in axial flow compressors via deterministic learning: detectability analysis

旋转失速和喘振是航空发动机压气机的两种剧烈不稳定现象。旋转失速的早期检测是压缩机运行中的一个关键和难点问题。近期，一种基于确定学习的失速起始检测方法(SIDA)已开发用于对航空发动机压缩机中的失速起始进行建模和检测。本文考虑了基于确定学习的SIDA检测能力分析结果的推导。首先，利用残差系统的输入/输出稳定性，给出了SIDA的可检测性条件，并分析了如何选择诊断系统的参数。其次，基于神经网络逼近能力与径向基函数(Radial Basis Function，RBF)网络结构之间的关系，分析了RBF网络结构对SIDA性能特性的影响。最后，给出了一项仿真研究，其中利用Mansoux-C2压缩机模型来验证所提出的SIDA的有效性。

标题：Early detection of rotating stall in axial flow compressors via deterministic learning: detectability analysis

作者：Tianrui Chen, Shuai Han, Zejian Zhu & Cong Wang

引用：Chen, T., Han, S., Zhu, Z. et al. Early detection of rotating stall in axial flow compressors via deterministic learning: detectability analysis. Control Theory Technol. 21, 161–172 (2023). https://doi.org/10.1007/s11768-023-00137-y

全文链接：https://rdcu.be/eSrNI

05 单变量时间序列及其应用于轴向压气机的动态模式识别

Dynamical pattern recognition for univariate time series and its application to an axial compressor

本文提出了一种针对由一般非线性动力系统输出测量组成的单变量时间序列的学习和识别方法。首先，通过引入坐标变换推导出了描述单变量时间序列的一类处于规范形式的动力系统。然后，采用基于观察者的确定性学习技术来实现对训练单变量时间序列相关转换系统的动态建模，并将建模结果以径向基函数网络（RBFN）模型的形式存储在模式库中。随后，为测试单变量时间序列，构建了包含模式库中RBFN模型的多个基于观察者的动态估计器，并通过导出的识别指标提出了识别决策方案。在此基础上，提供了更简洁的识别条件，有助于验证识别结果。最后，通过对Rossler系统和航空发动机失速预警的仿真研究验证了所提方法的有效性。

标题：Dynamical pattern recognition for univariate time series and its application to an axial compressor

作者：Jingtao Hu, Weiming Wu, Zejian Zhu & Cong Wang

引用：Hu, J., Wu, W., Zhu, Z. et al. Dynamical pattern recognition for univariate time series and its application to an axial compressor. Control Theory Technol. 22, 39–55 (2024). https://doi.org/10.1007/s11768-023-00193-4

全文链接：https://rdcu.be/dxTE9

06 基于概率型动态网络的SIR传染病动力学的代数形式与分析

Algebraic form and analysis of SIR epidemic dynamics over probabilistic dynamic networks

2019年新冠病毒的爆发深刻影响了人们的生活方式。利用社交网络研究传染病越来越有必要。本文采用半张量积方法研究了易感-感染-移除传染病模型(SIR)。首先，给出了概率动态网络上的一个正式的易感-感染-移除传染病动态模型(SIRED-PDN)。基于演化规则，分别给出了个体状态动力学和网络拓扑动力学的代数形式。其次，SIRED- PDN可抽象为一个概率型混合值逻辑网络。利用本文提供的算法，通过寻找该网络的吸引子，可获得所有可能的初始传染状态和网络拓扑局势的最终演化均衡。通过寻找该网络的暂态时间，可获得所有可能的初始传染状态和网络拓扑局势都演化到最终演化均衡的最短时间。最后，通过一个实例验证了模型的有效性。

标题：Algebraic form and analysis of SIR epidemic dynamics over probabilistic dynamic networks

作者：Hongxing Yuan, Zengqiang Chen, Zhipeng Zhang, Rui Zhu & Zhongxin Liu

引用：Yuan, H., Chen, Z., Zhang, Z. et al. Algebraic form and analysis of SIR epidemic dynamics over probabilistic dynamic networks. Control Theory Technol. 21, 602–611 (2023).

https://doi.org/10.1007/s11768-023-00143-0

全文链接：https://rdcu.be/dufgJ

07 网络机械系统在拒绝服务攻击下的周期事件触发安全共识

Periodic event-triggered secure consensus for networked mechanical systems under Denial-of-Service attacks

本文主要研究了网络机械/欧拉-拉格朗日系统的安全协同控制问题。首先，我们提出了一种新的周期事件触发（PET）安全分布式观测器来估计领导信息。所提出的分布式观测器仅依赖于来自其邻居节点的PET数据，这可以显著减少通信和计算负担。更重要的是，在拒绝服务（DoS）攻击下它可以正常工作。其次，基于所提出的分布式观测器，为每个欧拉-拉格朗日系统提出了自适应模糊控制律。控制器中集成了PET机制，可以减少控制更新。这有助于执行器的节能性和容错性。此外，PET机制使控制器易于在数字平台上实现。模糊逻辑系统的性质和Gronwall不等式被巧妙地利用来证明闭环系统的稳定性。最后，所提出的控制方案在包含机器人执行器和多个伺服电机的欧拉-拉格朗日系统上进行了验证。

标题：Periodic event-triggered secure consensus for networked mechanical systems under Denial-of-Service attacks

作者：Shiqi Zheng, Zhipeng Li, Chao Zhai & Peng Shi

引用：Zheng, S., Li, Z., Zhai, C. et al. Periodic event-triggered secure consensus for networked mechanical systems under Denial-of-Service attacks. Control Theory Technol. 22, 1–13 (2024). https://doi.org/10.1007/s11768-023-00182-7

全文链接：https://rdcu.be/dAzER

中文简介链接：好文推荐|网络机械系统在拒绝服务攻击下的周期事件触发安全共识

08 通过 L 系统生成的合成数据集进行自监督分割

Self-supervised segmentation using synthetic datasets via L-system

血管分割在许多疾病的诊断以及手术辅助中起着至关重要的作用。随着深度学习的发展，已经提出了许多分割方法，并且分割结果变得越来越精确。然而，这些方法大多基于监督学习，需要大量标注数据作为训练数据。为了解决这一不足，无监督和自监督方法也逐渐受到关注。在本文中，我们通过 L 系统生成合成训练数据集，并利用对抗学习缩小生成数据与真实数据之间的分布差异，从而获得最终的网络模型。我们的方法在 X 射线血管造影动脉疾病（XCAD）数据集上取得了最先进的（SOTA）结果，以近 10.4% 的显著优势领先其他方法。

标题：Self-supervised segmentation using synthetic datasets via L-system

作者：Juntao Huang, Xianhui Wu & Hongsheng Qi

引用：Huang, J., Wu, X. & Qi, H. Self-supervised segmentation using synthetic datasets via L-system. Control Theory Technol. 21, 571–579 (2023). https://doi.org/10.1007/s11768-023-00151-0

全文链接：https://rdcu.be/ehBek

09 用于磁共振图像腰椎分割的多模态分层融合网络

Multi-modality hierarchical fusion network for lumbar spine segmentation with magnetic resonance images

对于脊柱和椎间盘疾病的分析，腰椎的自动组织分割至关重要。由于目标位置连续、集中、边缘特征丰富以及个体差异等因素，传统的自动分割方法表现不佳。由于过去几年深度学习在医学图像分割方面取得了成功，因此它已以多种方式应用于此任务。然而，深度学习方法很少探索腰部组织的多尺度和多模态特征。由于医学图像可用性的不足，有效融合多种数据采集方式进行模型训练对于缓解样本不足的问题至关重要。在本文中，我们提出了一种新颖的多模态分层融合网络（MHFN），通过从多模态磁共振图像中学习鲁棒的特征表示来改进腰椎分割。本文引入了自适应组融合模块（AGFM）来融合各种模式的特征，以提取可能有价值的跨模态特征。此外，为了结合从低到高水平的跨模态特征，我们设计了一种基于AGFM的分层融合结构。根据腰椎多模态MR图像的实验结果，与其他特征融合方法相比，AGFM更有效。为了进一步提高分割精度，我们将我们的网络与基线融合结构进行比较。与基线融合结构（输入级：76.27％，层级：78.10％，决策级：79.14％）相比，我们的网络能够更准确地分割骨折椎骨（85.05％）。

标题：Multi-modality hierarchical fusion network for lumbar spine segmentation with magnetic resonance images

作者：Han Yan, Guangtao Zhang, Wei Cui & Zhuliang Yu

引用：Yan, H., Zhang, G., Cui, W. et al. Multi-modality hierarchical fusion network for lumbar spine segmentation with magnetic resonance images. Control Theory Technol. 22, 612–622 (2024). https://doi.org/10.1007/s11768-024-00231-9

全文链接：https://rdcu.be/dWxYH

中文简介链接：用于磁共振图像腰椎分割的多模态分层融合网络

10 基于边动力学的二阶Kuramoto网络同步

Synchronization of second-order Kuramoto networks from the perspective of edge dynamics

本文基于边动力学角度提出了二阶相位耦合藏本振荡子的新同步条件，并研究了两种类型的网络底层图，分别是正加权图和符号图。作者用边拉普拉斯矩阵表示正加权网络的边连接，分析了边拉普拉斯矩阵的性质并将其纳入所提出的条件中。这些条件考虑了边连接振荡子的动力学，而不是传统研究中的所有振荡子对。对于具有正权值和负权值的网络，作者用生成树动态来表示该网络，并导出评估该网络同步状态的条件。这些条件表明，如果生成树中的所有边权重均为正，且树引起的动态相对于负边动态处于主导地位，则该网络可实现同步。理论研究结果通过数值例子得到验证。

标题：Synchronization of second-order Kuramoto networks from the perspective of edge dynamics

作者：Liang Wu, Jiuming Zhong & Haoyong Chen

引用：Wu, L., Zhong, J. & Chen, H. Synchronization of second-order Kuramoto networks from the perspective of edge dynamics. Control Theory Technol. 21, 580–590 (2023). https://doi.org/10.1007/s11768-023-00146-x

全文链接：https://rdcu.be/dl5IX

中文简介链接：好文推荐|基于边动力学的二阶Kuramoto网络同步

-END-

期刊简介

640 spr.jpg

欢迎扫码进入期刊主页

Control Theory and Technology (CTT), 中文名《控制理论与技术》, 创刊于2003年，原刊名为Journal of Control Theory and Applications，2014年刊名更改为Control Theory and Technology。由华南理工大学与中国科学院数学与系统科学研究院联合主办，主要报道系统控制科学中具有新观念、新思想的理论研究成果及其在各个领域中的应用。目前被 ESCI (JIF 1.5)、EI、Scopus (CiteScore 3.2)、CSCD、INSPEC、ACM 等众多数据库收录, 并于2013–2018年获得两期中国科技期刊国际影响力提升计划项目资助。2017–2021年连续获得“中国最具国际影响力学术期刊”和“中国国际影响力优秀学术期刊”称号，获得广东省高水平科技期刊建设项目I期(2021-2024年)和II期，2022-2024年进入中国科协自动化学科领域高质量科技期刊目录。

官网：https://link.springer.com/journal/11768 (即http://www.springer.com/11768)

https://jcta.ijournals.cn/cta_en/ch/index.aspx

投稿：https://mc03.manuscriptcentral.com/ctt

微信：ControlTheoryTech （欢迎扫码关注期刊微信公众号）