systems-control-engineering

name	systems-control-engineering
description	Compétence professionnelle en recherche en systèmes et contrôle suivie sur arXiv sous eess.SY et math.OC. Couvre la théorie du contrôle, l'optimisation, la robotique, les systèmes cyber-physiques, l'automatique, l'estimation, le filtrage, les systèmes multi-agents, les réseaux, et le contrôle par apprentissage.
category	research

Compétence en Recherche en Systèmes et Contrôle (eess.SY, math.OC)

Présentation

La recherche en systèmes et contrôle sur arXiv s'étend principalement sur eess.SY (Systèmes et Contrôle) et math.OC (Optimisation et Contrôle) avec environ 400 à 600 nouvelles soumissions par semaine combinées. Ce domaine fondamental pour l'ingénierie moderne connaît une transformation rapide avec l'intégration de l'apprentissage automatique, des systèmes cyber-physiques, des véhicules autonomes et de l'Internet des objets. Cette compétence fournit une structure pour naviguer, évaluer et synthétyser la recherche en systèmes et contrôle.

Domaines de Recherche Principaux

1. Théorie du Contrôle et Automatique

Densité arXiv : Très élevée (eess.SY, math.OC)

• Contrôle linéaire : PID, retour d'état, LQR, LQG, commande optimale linéaire, régulateurs, observateurs de Luenberger
• Contrôle non linéaire : Linéarisation par retour d'état, backstepping, commande par modes glissants, Lyapunov, contrôle adaptatif, contrôle robuste (H∞, μ-synthèse)
• Contrôle optimal : Principe du maximum de Pontryagin, programmation dynamique, HJB, LQ, contrôle optimal non linéaire
• Contrôle prédictif (MPC) : MPC linéaire, MPC non linéaire, MPC robuste, MPC économique, MPC distribué, MPC appris
• Contrôle adaptatif : MRAC, auto-ajustement, systèmes adaptatifs par modèle de référence, identification en boucle fermée
• Contrôle robuste : H∞, H₂, analyse μ, incertitudes structurées, stabilité robuste, performance robuste, LMI, inégalités matricielles linéaires
• Contrôle stochastique : Contrôle de processus stochastiques, équations de Bellman stochastiques, contrôle optimal stochastique, MDPs

2. Optimisation et Théorie de l'Optimisation

Densité arXiv : Très élevée (math.OC, eess.SY)

• Optimisation convexe : Programmation linéaire, quadratique, semi-définie, cônique, SOCP, SDP, durabilité
• Optimisation non convexe : Méthodes de descente, recuit simulé, algorithmes évolutionnaires, relaxation
• Optimisation distribuée : ADMM, méthodes de décomposition, consensus, algorithmes asynchrones, optimisation en réseau
• Optimisation en ligne : Gradient en ligne, bandits, regret, OCO (Online Convex Optimization), suivi de gradient
• Optimisation sous incertitude : Optimisation robuste, optimisation stochastique, optimisation probabiliste, programmation avec contraintes de chance
• Optimisation non lisse : Sous-gradients, méthodes proximales, Frank-Wolfe, analyse de convergence
• Optimisation bi-niveau : Problèmes bilevel, Stackelberg, contraintes d'équilibre (MPEC), optimisation de méta-apprentissage

3. Estimation, Filtrage et Identification

Densité arXiv : Élevée (eess.SY, math.OC)

• Filtre de Kalman : Kalman classique, Kalman étendu (EKF), Kalman sans parfum (UKF), Kalman ensembliste (EnKF), Kalman cubature, filtrage de particules
• Filtrage non linéaire : Filtrage particulaire, filtrage gaussien, filtrage par point, filtrage par ondelettes, filtrage robuste
• Identification de systèmes : Méthodes sous-espace, erreur de prédiction, PEM, identification en boucle fermée, méthodes pour systèmes non linéaires, identification par noyaux
• Estimation d'état : Observateurs, observateurs adaptatifs, observateurs à entrées inconnues, observateurs grands gains
• Fusion de capteurs : Fusion multi-capteurs, recalage, filtrage distribué, estimation coopérative, filtrage consensus
• Détection et diagnostic : Détection de défauts, isolation, diagnostic, FDI, estimation de défauts, tolérance aux pannes
• Apprentissage pour l'estimation : Estimation par réseaux de neurones, estimation par apprentissage profond, observateurs neuronaux

4. Systèmes Multi-Agents et Distribués

Densité arXiv : Élevée (eess.SY, math.OC)

• Contrôle coopératif : Formation, flottille, consensus, synchronisation, rendez-vous, déploiement
• Consensus et accord : Consensus distribué, protocoles de consensus, consensus avec retard, consensus quantifié, consensus sous contraintes
• Optimisation distribuée multi-agents : Optimisation décentralisée, optimisation distribuée avec contraintes couplées, méthodes de poursuite de gradient
• Réseaux de capteurs : Estimation distribuée, détection distribuée, fusion distribuée, routage de l'information, planification de l'échantillonnage
• Systèmes multi-robots : Coordination, affectation de tâches, exploration collaborative, transport collaboratif, cartographie multi-robot
• Jeux et contrôle : Jeux différentiels, jeux de potentiel, apprentissage dans les jeux, équilibres de Nash, jeux de champ moyen

5. Systèmes Cyber-Physiques et IoT

Densité arXiv : Élevée (eess.SY, cs.SY)

• Sécurité et sûreté : Attaques sur les CPS, détection d'intrusions, résilience, tolérance aux pannes, green security, cyber-attaques sur les systèmes de contrôle
• Systèmes embarqués temps réel : Ordonnancement, protocoles temps réel, systèmes temps réel, systèmes critiques, fiabilité
• Réseaux de contrôle : NCS, contrôle en réseau, estimation en réseau, protocoles de communication, compensation de délais, pertes de paquets, CAN, Ethernet industriel
• Véhicules autonomes et connectés : Contrôle de véhicules, platooning, V2V, V2I, perception et contrôle intégrés, planification de trajectoire, aide à la conduite
• Rédeaux électriques intelligents : Smart grid, contrôle de la production, gestion de l'énergie, équilibrage offre-demande, micro-réseaux, contrôle de charge, stabilité transitoire
• Systèmes industriels : Industrie 4.0, jumeaux numériques, contrôle de procédés, automatisation, SCADA, MES, CIM, maintenance prédictive, CBM

6. Contrôle par Apprentissage et Apprentissage par Renforcement

Densité arXiv : Très élevée, en forte croissance (eess.SY, math.OC, cs.LG)

• RL pour le contrôle : Deep RL (DQN, PPO, SAC, TD3), contrôle optimal par RL, RL basé sur modèle, RL inverse, RL hiérarchique
• Apprentissage par renforcement pour le contrôle : Apprentissage par renforcement pour systèmes continus, RL pour la commande optimale, ADP (Approximate Dynamic Programming), RL pour la robotique
• Contrôle appris avec garanties : Contrôle appris avec garanties de stabilité, contrôle avec garanties de robustesse, régions d'attraction garanties, Lyapunov neuronal
• Méta-apprentissage pour le contrôle : Meta-RL, adaptation rapide, few-shot pour le contrôle, apprentissage en ligne
• Gaussian Processes pour le contrôle : GP-MPC, GP pour l'identification, contrôle bayésien, optimisation bayésienne pour le contrôle
• Contrôle informé par la physique : PINN pour le contrôle, résolveurs d'EDP neuronaux, contrôle basé sur les données informé par la physique, modèle de substitution
• Sécurité et apprentissage : RL sécurisé, contrôle sous contraintes de sécurité, fonction barrière de contrôle, régions sures, Shielded RL, optimisation avec garanties de sécurité

7. Robotique et Systèmes Autonomes

Densité arXiv : Élevée (eess.SY, cs.RO)

• Planification de mouvement : RRT, PRM, planification par échantillonnage, planification optimale, planification sous incertitude, planification kinodynamique
• Contrôle de robots manipulateurs : Cinématique et dynamique, contrôle de force, contrôle d'impédance, contrôle adaptatif, contrôle de robots parallèles
• Navigation autonome : SLAM, localisation et cartographie simultanées, navigation visuelle, navigation par champs de potentiel, suivi de trajectoire, évitement d'obstacles
• Systèmes aériens : UAV, drones, contrôle de vol, formation de drones, planification de mission, essaims de drones, livraison par drone
• Robotique souple : Actionneurs souples, capteurs souples, contrôle de robots souples, modélisation de robots souples
• Robotique chirurgicale : Contrôle de robots chirurgicaux, planification préopératoire, assistance robotique, télémanipulation, retour haptique

8. Systèmes Énergétiques et Réseaux

Densité arXiv : Élevée (eess.SY, math.OC)

• Gestion de l'énergie : Optimisation énergétique, gestion de la demande, réponse à la demande, prévision de charge, prévision de production renouvelable
• Énergies renouvelables : Intégration des énergies renouvelables, variabilité, stockage, contrôle de l'éolien, contrôle du solaire, contrôle de l'hydraulique
• Stockage d'énergie : Batteries, contrôle de charge/décharge, BMS, dimensionnement, optimisation multi-échelle, stockage stationnaire
• Réseaux électriques : Équilibrage, contrôle de tension, contrôle de fréquence, stabilité transitoire, flux de puissance optimal, OPF, OPF distribué, OPF robuste
• Micro-réseaux : Contrôle de micro-réseaux, îlotage, reconfiguration, gestion de l'énergie distribuée, architecture de contrôle hiérarchique, micro-réseaux AC/DC
• Hydrogène et vecteurs énergétiques : Production d'hydrogène, pile à combustible, Power-to-Gas, méthanisation, couplage des secteurs

Catégories arXiv avec Codes

Catégorie	Code	Description
eess.SY	Systems and Control	Systèmes et contrôle, automatique, réseaux
math.OC	Optimization and Control	Optimisation, théorie du contrôle, recherche opérationnelle
cs.SY	Systems and Control (CS)	Systèmes cyber-physiques, contrôle en informatique
cs.RO	Robotics	Robotique, planification, automatisation

Cross-lists fréquentes : cs.LG, cs.AI, cs.MA, math.AP, math.DS, stat.ML, physics.app-ph

Articles Notables Récents (Mi-2026)

1. Safe Reinforcement Learning with Control Barrier Functions: A Survey — eess.SY/cs.LG
2. Physics-Informed Neural Networks for PDE-Constrained Optimization: A Review — math.OC/cs.LG
3. Distributed Optimization for Multi-Agent Systems: Recent Advances and Open Problems — eess.SY/math.OC
4. Learning-Based Model Predictive Control: A Survey of Guarantees, Architectures, and Applications — eess.SY/cs.LG
5. Resilience in Cyber-Physical Systems: Detection, Estimation, and Control under Attacks — eess.SY/cs.SY
6. Deep Reinforcement Learning for Autonomous Driving: A Comprehensive Survey — eess.SY/cs.RO
7. Optimal Power Flow in the Era of Renewable Energy: Methods, Challenges, and Opportunities — eess.SY/math.OC
8. Control of Soft Robots: Modeling, Sensing, and Feedback Control Strategies — eess.SY/cs.RO

Comment Effectuer la Veille

• Navigation par catégorie : /list/eess.SY/recent, /list/math.OC/recent, /list/cs.SY/recent, /list/cs.RO/recent
• Scan hebdomadaire : Parcourir /list/eess.SY/recent (environ 250-350 entrées/semaine) et /list/math.OC/recent (environ 150-250 entrées/semaine)
• Surveillance des cross-lists : Articles dans cs.LG, cs.AI, cs.MA, math.AP, math.DS, stat.ML cross-listés avec eess.SY ou math.OC
• Mots-clés à suivre : "reinforcement learning", "MPC", "optimal control", "ADMM", "distributed optimization", "CPS", "cyber-physical", "autonomous", "Kalman filter", "multi-agent", "consensus", "smart grid", "neural network control", "barrier function", "safety-critical", "energy management", "robotics", "SLAM"
• Alertes personnalisées : Configurer des alertes arXiv via https://arxiv.org/help/subscribe pour les mots-clés spécifiques
• Conférences et journaux : IEEE Transactions on Automatic Control, Automatica, Systems & Control Letters, IEEE Transactions on Control Systems Technology, IEEE/CAA Journal of Automatica Sinica, SIAM Journal on Control and Optimization, IEEE Control Systems Magazine, IFAC publications, IEEE CDC, ACC, ECC, IFAC World Congress, CoRL, IROS, ICRA, NeurIPS/ICML workshops on control and RL