Control Design for Risk-Based Signal Temporal Logic Specifications
我们提出了一个通用的框架,风险语义的信号时序逻辑(STL)规格的随机动力系统使用公理风险理论。我们表明,在我们的递归风险语义,STL公式的风险约束可以表示在原子谓词的风险约束。然后,我们将展示如何将(随机)STL风险约束转换为相关确定性标称系统上的风险收紧确定性STL约束,从而使现有STL方法的应用成为可能。对于仿射谓词函数和(连贯的)分布鲁棒风险值度量,我们展示了原子谓词上的风险约束如何可以重新表述为收紧确定性仿射约束。我们证明了框架使用模型预测控制(MPC)设计与STL风险约束。
2020-05-30 cs.SY eess.SY
Neural Control Barrier Functions for Signal Temporal Logic Specifications with Input Constraints
IISc, Bengaluru(印度理工学院班加罗尔分校)
本文提出基于神经网络的框架,用于合成时间变化控制屏障函数及其控制器,以满足STL规范并遵守输入约束,通过仿真验证了方法的有效性。
2026-03-17 cs.SY eess.SY
Simultaneous Controller and Lyapunov Function Design for Constrained Nonlinear Systems
本文提出了一种利用容许状态集的可变三角剖分的离线优化来镇定状态和输入受限的非线性系统的方法。对于控制仿射系统,通过选择连续的分段仿射(CPA)控制器结构,将非凸优化问题转化为迭代半定规划(SDP)问题,利用现有的软件可以有效地求解。该方法对系统的动力学和约束条件有非常一般的假设。与类似的现有方法不同,它避免了寻找终端不变集,解决非凸优化,并且不依赖于知道控制李雅普诺夫函数(CLF),因为它明确地找到了CPA李雅普诺夫函数。该方法对状态范数的衰减率强制执行所需的上限,并找到确切的吸引区域。因此,它也可以被看作是一个系统的方法,寻找Lipschitz CLF的状态和输入约束控制仿射系统。使用CLF,最小范数控制器也制定了二次规划在线应用。
2021-12-01 cs.SY eess.SY
Compositional Planning for Logically Constrained Multi-Agent Markov Decision Processes
针对多智能体系统时序逻辑约束控制策略设计难、传统分解方法保守的问题,提出基于CMDPs框架的假设-保证分解方法,可生成高概率满足约束且奖励接近最优的去中心化策略,同时大幅降低问题规模与计算耗时。
2024-10-05 cs.SY eess.SY
Approximate Dynamic Programming for Constrained Piecewise Affine Systems with Stability and Safety Guarantees
针对约束分段仿射系统无限时域最优控制中混合MPC计算受限的问题,提出带PWA惩罚函数的近似动态规划方法,通过两种控制策略提升在线效率,给出稳定性、安全性与次优性证明,经仿真验证了约束满足性与计算速度优势。
2024-12-13 cs.SY eess.SY
Distributionally Robust Control for Chance-Constrained Signal Temporal Logic Specifications
针对未知扰动下随机线性系统的 STL 机会约束控制,提出基于 Wasserstein 度量的分布鲁棒优化方法,并证明可保证用户指定置信水平。
2024-09-05 cs.SY eess.SY math.OC
Chance-Constrained Covariance Steering in a Gaussian Random Field via Successive Convex Programming
本文研究了在高斯随机场存在下,仿射反馈律的优化问题,该反馈律能明确地控制不确定系统状态的均值和协方差。空间相关的干扰连续近似相对于一个标称轨迹由一系列的联合高斯随机向量。标称控制输入的顺序更新通过凸优化计算,包括仿射状态反馈的效果,空间扰动的扰动效果,以及对闭环状态和控制的机会约束。所开发的方法应用于解决仿射反馈法,以最大限度地减少第99百分位数的$Δv$需要完成一个行星周围的随机扰动大气的aerocapture任务。
2022-01-17 cs.SY eess.SY math.OC
Safe Output-Feedback Adaptive Optimal Control of Input-Constrained Control-Affine Nonlinear Systems
University of Florida(佛罗里达大学);Air Force Research Laboratory(空军研究实验室)
针对部分可观测系统,提出一种在线安全输出反馈自适应最优控制框架,结合LMI观测器与近似动态规划,通过重定心鲁棒Lyapunov类障碍函数保证安全性和稳定性。
2026-06-18 cs.SY eess.SY
Optimal Control of Logically Constrained Partially Observable and Multi-Agent Markov Decision Processes
University of Southern California(南加州大学);University of New Mexico(新墨西哥大学)
针对自主系统的逻辑约束、部分可观测性及多智能体信息不对称问题,提出带有限线性时序逻辑约束的POMDP最优控制理论与多智能体框架,可合成兼顾高奖励与约束满足概率的策略,经案例验证有效。
2024-06-19 cs.AI cs.FL cs.SY
Decentralized Affine Transformation for Scalable and Safe Multi-Agent Aerial Coordination
University of Arizona(亚利桑那大学)
该研究提出分布式仿射变换框架,将二维AT建模为分布式主从问题,通过微型四旋翼无人机实验验证其可安全引导多智能体穿越狭窄受限环境且符合理论收敛性。
2026-08-07 cs.SY eess.SY
Iterative, Small-Signal L2 Stability Analysis of Nonlinear Constrained Systems
提出一种结合迭代半定规划、分段仿射存储函数与鲁棒障碍函数的方法,用于分析紧集上控制仿射非线性系统的小信号 L2 稳定性及输入界,并通过数值算例验证有效性。
2024-03-02 cs.SY eess.SY
Synthesis for Constrained Nonlinear Systems using Hybridization and Robust Controllers on Simplices
Laboratoire Jean Kuntzmann Universit\'e de Grenoble B.P. 53, 38041 Grenoble, France
提出一种基于混合化(非线性动力学的混合抽象)的方法,通过在状态空间三角剖分的每个单纯形上设计并协调局部鲁棒仿射控制器,实现对约束非线性系统的控制器综合。
2011-09-12 cs.SY eess.SY math.OC
Ellipsotopes: Combining Ellipsoids and Zonotopes for Reachability Analysis and Fault Detection
椭球是可达性分析的常用表示,因为它们可以在仿射映射下有效地变换,并且允许Minkowski和的保守近似,这使得人们可以通过扩展可达集的大小来将不确定性和线性化误差纳入动力系统中。Zonotopes,一种对称的凸多面体,由于仿射映射和精确Minkowski和的有效数值实现而经常被使用。这两种表示还实现了用于故障检测或形式验证任务的有效的凸冲突检测,其中检查系统的可达集合是否冲突(即,与不安全的集合相交)。然而,这两种表示往往导致保守表示的可达集的任意系统,都不是封闭的交集。最近,表示,如约束zonotopes和约束多项式zonotopes已被证明可以克服这些保守性的挑战,并在交集下关闭。然而,受约束的zonotopes不能表示具有光滑边界的形状,如椭球,和受约束的多项式zonotopes可能需要解决一个非凸程序的碰撞检查或故障检测。本文介绍了椭球面,一组表示,是封闭的仿射映射,闵可夫斯基和,交叉。椭圆形结合了椭圆和zonotopes的优点,同时确保凸碰撞检查。这种表示的效用证明了几个例子。
2022-06-21 cs.SY eess.SY
A More Scalable Mixed-Integer Encoding for Metric Temporal Logic
基于时间时序逻辑规范(包括度量时序逻辑(MTL)和信号时序逻辑(STL))的最优控制的最新技术是基于混合凸规划(MICP)的。标准的MICP方法是健全和完整的,但难以扩展到长而复杂的规范。借鉴分段仿射系统轨迹优化的最新进展,我们提出了一种新的MICP编码有限过渡系统,显着提高了可扩展性,以长期和复杂的MTL规范。而不是寻求减少在MICP中的变量的数量,我们专注于设计一个编码与紧凸松弛。这会导致更大的优化问题,但会显著提高分支定界求解器的性能。在涉及移动机器人在网格世界的仿真实验中,所提出的编码可以减少计算时间的几个数量级。
2021-12-02 cs.SY eess.SY
Systematic, Lyapunov-Based, Safe and Stabilizing Controller Synthesis for Constrained Nonlinear Systems
针对状态和输入受限的非线性系统,提出了一种同时寻找连续分段仿射(CPA)类Lyapunov函数和控制器的控制器综合方法.非凸优化问题的可接受的状态,可以细化,以满足主要的控制目标,如稳定性和安全性,以及次要的性能目标的三角形子集制定。一个多阶段的设计也给出了扩大区域的吸引力(ROA)顺序,同时允许每个阶段的独家性能。由所得的Lipschitz李雅普诺夫函数得到了闭环系统ROA不变子集的清晰边界。对于控制仿射非线性系统,非凸问题被表述为一系列保守的、适定的半定规划。这些迭代地降低代价函数,直到满足设计目标。由于所得的CPA类李雅普诺夫函数也是Lipschitz控制(或障碍)李雅普诺夫函数,它们可以用于在线二次规划,以找到最小范数控制输入。数值算例验证了该方法的有效性。
2022-03-05 cs.SY eess.SY
A Computationally Efficient Hamilton-Jacobi-based Formula for State-Constrained Optimal Control Problems
研究了高维系统有限时域最优控制问题的Hamilton Jacobi(HJ)分析。虽然基于网格的方法,如水平集方法[1],数值求解一般类的HJ偏微分方程,计算复杂性是指数的连续状态的维度。为了管理这种计算复杂性,基于Lax-Hopf理论的方法已经被开发用于在某些假设下的状态无约束最优控制问题,例如仿射动力学和状态独立阶段成本。本文在Lax公式[2]的基础上,提出了非线性系统状态约束最优控制问题的HJ公式。对于最优控制问题,我们称这个公式为\textit{the generalized Lax formula}。HJ公式提供了最优成本和最优控制信号。我们还提供了一个有效的计算方法,一类问题的动态是仿射的状态,并为阶段和终端成本,以及状态约束,凸的状态。这类问题不需要仿射动力学和凸阶段的控制成本。本文还提供了三个实例。
2021-06-25 cs.SY eess.SY math.OC
Exploiting Differential Flatness for Efficient Learning-based Model Predictive Control of Constrained Multi-Input Control Affine Systems
Learning Systems and Robotics Lab at the Technical University of Munich(慕尼黑技术大学学习系统与机器人实验室);Learning Systems and Robotics Lab at the University of Toronto Institute for Aerospace Studies (UTIAS) and the Vector Institute for Artificial Intelligence(多伦多航空航天研究所(UTIAS)和向量人工智能研究所的学习系统与机器人实验室)
本文提出利用微分平坦性改进基于学习的模型预测控制,通过系统扩展和块对角成本公式,有效控制多输入非线性仿射系统,并保证概率Lyapunov减小。
2026-04-27 cs.LG cs.RO cs.SY
Co-learning Planning and Control Policies Constrained by Differentiable Logic Specifications
Purdue University(普渡大学)
本文提出协同学习规划与控制策略的强化学习方法,以可微逻辑规范约束高维机器人导航,降低样本复杂度并实现长时域路径生成与策略对齐。
2023-10-02 cs.LG cs.RO cs.SY
A Generalized Framework for Chance-constrained Optimal Power Flow
Institute for Automation and Applied Informatics, Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院自动化与应用信息研究所)
针对电力系统最优潮流中的不确定性处理问题,本文提出不依赖特定不确定性分布假设的机会约束OPF通用框架,结合多项式混沌展开给出构造性求解方法,并通过算例验证了方法有效性。
2018-08-23 cs.SY eess.SY math.OC
Data-Driven Approximate Abstraction for Black-Box Piecewise Affine Systems
本文提出一种数据驱动算法,用于在未知动态下对分段仿射系统进行近似抽象,通过系统识别、抽象和主动采样三个步骤,确保在不确定条件下安全关键系统的正确运行。
2018-01-30 cs.FL cs.SY eess.SY
Deep reinforcement learning under signal temporal logic constraints using Lagrangian relaxation
Osaka University(大阪大学);Graduate School of Engineering Science(工程科学研究生院)
深度强化学习(Deep Reinforcement Learning,DRL)作为一种在没有系统数学模型的情况下解决最优控制问题的方法,引起了广泛的关注。另一方面,在一般情况下,约束可以施加在最优控制问题上。在本研究中,我们考虑最优控制问题的约束,以完成时间控制任务。我们使用信号时序逻辑(STL),这是有用的时间敏感的控制任务,因为它可以指定连续的信号在有限的时间间隔内的约束。为了处理STL的约束,我们引入了一个扩展的约束马尔可夫决策过程(CMDP),这是一个$τ$ -CMDP。我们将STL约束最优控制问题表示为$τ$ -CMDP,并利用拉格朗日松弛法提出了一种两阶段约束DRL算法。通过仿真,我们也证明了所提出的算法的学习性能。
2022-11-19 cs.LG cs.SY eess.SY
Computing robust control invariant sets of constrained nonlinear systems: A graph algorithm approach
研究了约束非线性系统的最大鲁棒控制不变集的计算问题。所提出的方法是基于铸造作为一个图论问题的不变集的搜索。具体地说,考虑了一类一般的离散时不变非线性系统。首先,非线性系统的动态近似与有向图。接着,推导了鲁棒控制不变性的条件,并给出了计算鲁棒控制不变集的算法。该算法将迭代细分技术与鲁棒控制不变性条件相结合,在每次迭代中产生最大鲁棒控制不变集的外近似。在此之后,我们证明了算法收敛到最大的RCIS的迭代进行到无穷大。在此基础上,提出了一种计算RCIS内近似的算法。一个特殊的情况下,输入仿射和干扰仿射系统也被认为是。最后,两个数值例子来证明所提出的方法的有效性。
2020-09-28 cs.SY eess.SY math.DS
Open-Loop Stackelberg LQ Difference Games with Coupled-Affine Inequality Constraints: An Exact OCP--LCS/LCQP Reformulation
Indian Institute of Technology Madras(印度马德拉斯理工学院)
针对带耦合仿射状态-控制不等式约束的有限时域线性二次Stackelberg差分博弈,提出将其精确重构为最优控制问题与线性互补二次规划的方法,实现该博弈均衡的数值计算并通过约束网络流博弈验证。
2026-09-14 cs.SY eess.SY math.OC