分布式神经控制性能提升方法提出

2026年10月19日，arXiv Systems and Control 刊发 Danilo Saccani 等作者的工程能源类研究，提出一种分布式神经控制器，用于预稳定网络在子系统增删的即插即用（PnP）操作后提升性能，同时保持形式化稳定性保证。方法基于内模控制（IMC）原理，将闭环稳定性归结为辅助算子的有限 ℓ2 增益要求，并给出两种无约束参数化：基于邻居的复合参数化仅需边界变化的子系统更新增益参数；网络范数参数化可降低保守性，但需全网信息。报道称，作者通过显式映射将无约束可训练变量映射为互联神经算子，使其在每一参数取值下均满足预设网络增益界。目前进展限于该论文的方法提出与参数化设计，尚无实验或应用跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。