Aperiodic-sampled neural network controllers with closed-loop stability verifications (extended version)
本文提出两种基于闭环稳定性保证的非周期采样深度神经网络控制方案，利用积分二次约束和凸松弛设计触发逻辑并计算吸引域，倒立摆示例验证有效性。
2025-06-23 cs.SY eess.SY
Strong Stability of Sampled-data Riesz-spectral Systems
假设具有静态状态反馈控制器的连续时间线性无穷维系统是强稳定的。我们解决以下问题：如果我们转换的连续时间控制器的采样数据控制器，通过应用一个理想化的采样器和零阶保持，将得到的采样数据系统是强稳定的所有足够小的采样周期？本文研究开环系统的生成元是Riesz-谱算子且其点谱在原点有极限点的情形。我们目前的条件下，上述问题的答案是肯定的。在鲁棒性分析中，我们证明了在快速采样下，原连续时间系统和采样数据系统之间的Arendt-Batty-Lyubich-Vesthem定理所得到的强稳定性的充分条件是保持的。
2021-09-20 cs.SY eess.SY math.OC
Exponential stability of a PI plus reset integrator controller by a sampled-data system approach
Gipsa-lab（吉普萨实验室）；CNRS, LAAS（法国国家科学研究中心，图卢兹航空航天实验室）；Univ de Toulouse, UPS, LAAS（图卢兹大学，国立高等邮电学校，图卢兹航空航天实验室）；Dpto. Informática y Sistemas, University of Murcia（穆尔西亚大学，计算机与系统系）；Univ de Toulouse, LAAS（图卢兹大学，图卢兹航空航天实验室）
本文研究了具有时间依赖重置条件的时滞重置控制系统稳定性分析，提出新的LMI条件以确保PI+RI控制器与被控对象连接后的闭环系统指数稳定性。
2016-03-08 cs.SY eess.SY
Continuity and Boundedness of Minimum-Norm CBF-Safe Controllers
本文研究最小范数CBF安全控制器的正则性，刻画其不连续点集仅依赖安全集，给出控制器有界/无界的充分条件，为连续安全反馈控制器设计提供基础。
2023-06-12 cs.SY eess.SY math.OC
Sampled-Data Primal-Dual Gradient Dynamics in Model Predictive Control
本文针对模型预测控制中采样数据实现导致的稳定性问题，提出改进的离散时间原始-对偶梯度动力学控制器，在保证稳定性的同时提升控制性能，并实现微秒级快速计算。
2025-04-24 cs.SY eess.SY math.OC
Passivity-Based Analysis of Sampled and Quantized Control Implementations
University of Wisconsin, Madison（威斯康星大学麦迪逊分校）；University of Michigan, Ann Arbor（密歇根大学安娜堡分校）；University of Notre Dame（圣母大学）
本文研究了连续控制器在数字设备上通过采样和量化实现时的性能，利用被动性分析方法。通过引入准被动性概念，研究了从连续时间控制系统到其采样、输入和输出量化模型的被动性指标退化。基于此，研究了反馈连接系统中连续控制器被其采样和量化模型替代时的被动性性质，并提供了确保互联系统状态有界的条件。此外，还分析了近似双模拟基于的控制实现，其中控制器被其近似双模拟的符号模型替代，该模型的状态也进行了量化。通过多个示例来说明理论结果。
2019-08-22 cs.SY eess.SY math.OC
Sampled-Data Stabilization with Control Lyapunov Functions via Quadratically Constrained Quadratic Programs
基于控制李雅普诺夫函数（CLF）的非线性系统的控制器设计最近已成功地应用于各种困难的控制任务。这些现有的配方不解决连续时间模型的设计和离散时间采样实现的控制器之间的差距，往往导致硬件平台上的性能差。我们提出了一种方法来缩小这一差距，通过合成采样数据对应这些基于CLF的控制器，指定为二次约束二次规划（QCQP）。假设系统的连续时间模型的反馈线性化和稳定的零动态，我们得到实际的采样数据系统的稳定性保证。我们证明了改进的性能，所提出的方法在连续时间的模拟。
2021-03-05 cs.SY eess.SY
Stability analysis and stabilization of LPV systems with jumps and (piecewise) differentiable parameters using continuous and sampled-data controllers
本文针对具有跳跃和分段可微参数的混合LPV系统，提出基于时钟和参数依赖Lyapunov函数的方法，推导出在常数和最小驻留时间下的稳定性条件，并通过时依赖和时/参数无关状态反馈控制器实现镇定。
2020-12-03 cs.SY eess.SY math.OC
Feasibility and Regularity Analysis of Safe Stabilizing Controllers under Uncertainty
本文针对控制仿射系统在不确定性下的安全镇定问题，利用worst-case或概率误差描述与控制障碍函数构造二阶锥约束，并分析了这些约束的可行性及满足约束的控制器的正则性。
2023-12-02 cs.SY eess.SY math.OC
Blending Controllers via Multi-Objective Bandits
安全和性能往往是两个相互竞争的目标在顺序决策问题。现有的性能控制器，如来自强化学习算法的控制器，往往达不到安全保证。相反，保证安全性的控制器，例如从经典控制理论中导出的控制器，需要限制性假设，并且在性能上通常是保守的。我们的目标是混合一个性能和一个安全的控制器，以产生一个单一的控制器，比性能更安全，并积累更高的奖励比安全的控制器。为此，我们提出了一个混合算法，使用上下文多武装多目标土匪的框架。在每个阶段，该算法观察环境的当前上下文以及即时奖励和成本，这是底层的安全措施。然后，该算法根据其观测值决定采用哪个控制器。我们证明，该算法实现了次线性帕累托遗憾，一个性能指标，模型的一致性与专家，总是避免挑选控制器的安全性和性能都较差。我们推导出一个上限的损失，在个别目标，这不需要额外的计算复杂性。我们经验证明了该算法的成功融合安全和性能控制器在安全为重点的测试平台，安全健身房环境。对混合控制器的总回报和成本的统计分析反映了两个关键要点：与安全控制器相比，混合控制器在性能上有严格的改进，并且比性能控制器更安全。
2020-07-30 cs.SY eess.SY
Controller Synthesis for Safety and Reachability via Approximate Bisimulation
Laboratoire Jean Kuntzmann Universit\'e de Grenoble B.P. 53, 38041 Grenoble, France
本文利用近似双模拟抽象方法，针对安全性和可达性规范设计控制器，通过抽象控制器综合与具体化过程保证正确性，并给出与最优控制器的距离估计。
2011-06-16 cs.LO cs.SY eess.SY
Optimal Safe Controller Synthesis: A Density Function Approach
本文考虑基于密度函数的最优安全控制器的综合问题。利用密度函数和值函数之间的对偶关系，提出了一种鲁棒约束最优控制综合算法。密度函数遵循刘维尔方程，是值函数的对偶，满足贝尔曼最优性原理。由于密度函数，状态分布上的约束，如安全约束，可以直接在最优控制问题中提出。然后用原始对偶法求解约束最优控制问题。将该公式推广到有外部干扰的情况，并证明了鲁棒约束最优控制可以用修正的原始对偶法求解。我们将此配方的问题，找到最佳的安全控制器，最大限度地减少累积干预。一个自适应巡航控制（ACC）的例子来证明所提出的有效性，其中我们比较的结果与传统的控制障碍函数（CBF）方法的密度函数的方法。
2019-09-27 cs.SY eess.SY math.DS
Compositional synthesis of almost maximally permissible safety controllers
在这项工作中，我们提出了一种组合安全控制器的合成方法的离散时间线性控制系统的类。在这里，我们利用一个国家的最先进的结果，计算鲁棒控制不变集。针对复杂互联系统控制器综合的复杂性，提出了一种分散控制器综合方法。而不是把互联系统作为一个整体，我们首先分别为每个子系统设计本地安全控制器，以执行本地安全属性，多面体状态和输入约束以及有界干扰集。然后，通过组成局部控制器，保证互联系统满足总体安全性指标。最后，我们提供了一个车辆排队示例，通过计算子系统的不太复杂的局部安全控制器然后组合它们来解决总体安全控制器合成问题，来说明所提出方法的有效性。
2021-09-24 cs.SY eess.SY
A hybrid controller for safe and efficient collision avoidance control
Research Institute of Trustworthy Autonomous Systems, SUSTech（南方科技大学可信自主系统研究院）；School of Automation, Hangzhou Dianzi University（杭州电子科技大学自动化学院）；Verimag, Université Grenoble Alpes（格勒诺布尔阿尔卑斯大学Verimag实验室）
我们设计和实验评估的混合安全的结构防撞控制器的自动驾驶汽车。该控制器将自适应控制器和离散安全控制器各自的优点结合到单个架构中。自适应控制器依赖于模型预测控制以在标称条件下实现最佳效率。安全控制器通过分别针对标称和非标称条件应用两种不同的策略来避免冲突。我们提出了自适应和安全控制器的设计原则，并展示了每个控制器如何在混合架构中做出贡献，以提高性能，道路占用率和乘客舒适度，同时保持安全性。实验结果证实了该方法的可行性和混合控制器的安全和有效的驾驶的实际意义。
2021-03-29 cs.RO cs.SY eess.SY
Safety Verification of Output Feedback Controllers for Nonlinear Systems
Department of Computer Science, University of Oxford（牛津大学计算机科学系）
本文针对可线性化非线性系统，利用高增益观测器设计安全控制器，通过推导轨迹距离界证明其收敛性，并构造最大安全不变集以保证安全性。
2016-03-21 cs.SY eess.SY math.OC
Safety-Critical Control Synthesis for Unknown Sampled-Data Systems via Control Barrier Functions
随着控制系统复杂性的增加，安全性成为越来越重要的属性，因为违反安全性会损坏设备并将系统操作员置于危险之中。当系统动力学未知时，安全关键综合变得更具挑战性。此外，现代系统是数字控制的，因此表现为采样数据系统，即，当以离散的时间步长施加控制输入时，系统动态连续地演变。本文研究了动态未知的安全临界采样系统的控制综合问题。我们克服了采样数据的实现和未知的动态所带来的挑战，通过构建一组控制障碍函数（CBF）为基础的约束。通过在每个采样时刻满足所构造的CBF约束，保证了未知采样数据系统在任何时刻都是安全的。我们制定了一个非凸的程序来解决在每个采样时间的控制信号。我们将非凸规划分解为两个凸子问题。我们说明了所提出的方法，使用数值案例研究。
2021-09-28 cs.SY eess.SY
Control Barrier Function Meets Interval Analysis: Safety-Critical Control with Measurement and Actuation Uncertainties
本文提出了一个框架，设计可证明安全的反馈控制器的采样数据控制仿射系统的测量和驱动的不确定性。基于非线性函数的区间Taylor模型，提出了保证采样系统安全集前向不变性的采样控制障碍函数（CBF）条件。可达集过逼近和Lasserre的多项式优化的层次被用来寻找采样数据CBF条件下的边际项。分别针对相对度为1和相对度较高的CBF，给出了存在测量和驱动不确定性时系统安全控制的充分条件。通过两个数值例子和一个实验例子说明了所提出的方法的有效性，该实验例子实现了Crazyflie四轴飞行器上的实时控制器。
2021-10-03 cs.SY eess.SY math.OC
Consistent discretization of finite/fixed-time controllers
本文提出了一种算法的离散化（采样时间实现）的齐次控制保持有限时间和近固定时间的稳定性的原始（无采样）系统。假设采样周期是恒定的。单输入和多输入的情况下被认为是。研究了所得到的采样时间控制系统的鲁棒性（输入到状态稳定性）。理论结果得到了数值模拟的支持。
2022-07-07 cs.SY eess.SY
Safe Controller Synthesis Using Lyapunov-based Barriers for Linear Hybrid Systems with Simplex Architecture
Indian Institute of Technology Kharagpur（印度理工学院卡拉格普尔分校）
本文提出了一种基于Lyapunov基屏障的安全控制器合成方法，旨在通过切换不同执行速率的BSC来实现最大安全性和及时恢复，同时优化控制计算的带宽使用。
2026-02-13 cs.SY eess.SY
Convex Co-Design of Control Barrier Function and Safe Feedback Controller Under Input Constraints
针对连续时间线性系统，提出通过单一半定优化程序协同设计控制障碍函数与线性反馈控制器，可处理混合相对阶并支持多种L范数输入约束，在全向小车上验证。
2024-03-18 cs.SY eess.SY math.OC
Differentiable Safe Controller Design through Control Barrier Functions
University of Pennsylvania（宾夕法尼亚大学）
基于学习的控制器，如神经网络（NN）控制器，可以表现出很高的经验性能，但缺乏正式的安全保证。为了解决这个问题，控制障碍函数（CBF）已被应用作为一个安全过滤器，以监测和修改基于学习的控制器的输出，以保证闭环系统的安全。然而，这种修改可能是短视的，具有不可预测的长期影响。在这项工作中，我们提出了一个安全的结构神经网络控制器，它采用可微CBF为基础的安全层，并研究安全的结构神经网络控制器在基于学习的控制性能。具体来说，两个配方的控制器进行比较：一个是基于投影和其他依赖于我们提出的集理论参数化。在数值实验中，这两种方法都证明了使用CBF作为单独的安全滤波器的闭环性能得到了改善。
2023-01-09 cs.LG cs.SY eess.SY
Experimental Validation of a Safe Controller Integration Scheme for Connected Automated Trucks
University of Michigan（密歇根大学）；Plus.ai Inc.（智加科技公司）；California Institute of Technology（加州理工学院）；Visteon Corporation（伟世通公司）
实现安全高效的驾驶是互联自动驾驶汽车（CAV）控制器设计的主要挑战之一。通常更方便的做法是分别处理这些目标，并集成得到的控制器。在这项研究中，我们提出了一个控制器集成方案，融合性能为基础的控制器和安全为导向的控制器安全的CAV的纵向运动。由此产生的结构是兼容的一大类控制器，并提供了灵活性，设计每个控制器单独而不影响其他的性能。我们使用最优能量控制器和面向安全的连接巡航控制器在连接的自动化卡车上实现所提出的安全集成方案。我们验证的前提下，通过实验的安全集成与全尺寸的卡车在两种情况下：一个控制实验的测试轨道和一个真实世界的实验在公共高速公路上。在这两种情况下，我们在不违反安全的情况下实现节能驾驶。
2022-12-07 cs.RO cs.SY eess.SY
Distributed controller-estimator for target tracking of networked robotic systems under sampled interaction
College of Automation, Huazhong University of Science and Technology（华中科技大学自动化学院）；Petroleum Engineering College, Yangtze University（江汉石油学院石油工程学院）
本文提出两种新型分布式控制器-估计器算法，用于网络化机器人系统在采样交互下的目标跟踪问题，通过小值范数和李雅普诺夫稳定性理论分析，确定交互拓扑、采样周期等参数以实现跟踪误差的实际稳定性。
2016-05-27 cs.MA cs.RO cs.SY
Sandboxing (AI-based) Unverified Controllers in Stochastic Games: An Abstraction-based Approach with Safe-visor Architecture
在本文中，我们提出了一个安全遮阳板架构的沙箱未验证的控制器，例如，基于人工智能的（a.k.a.基于人工智能的）控制器，在两个球员的非合作随机游戏。具体地说，我们利用基于抽象的方法来构建一个监督者，检查并决定是否接受未经验证的控制器提供的输入，以及一个安全顾问，提供回退控制输入，以确保安全时，未经验证的控制器被拒绝。此外，通过利用（$ε,δ$）之间的近似概率关系的原始游戏和它的有限抽象，我们提供了一个正式的安全保证，相对于安全规范建模的确定性有限自动机（DFA），而未经验证的控制器的功能仍然被利用。为了证明所提出的结果的有效性，我们将它们应用到四旋翼跟踪地面运动车辆的控制问题中，其中采用基于AI的未验证控制器来控制四旋翼。
2022-03-28 cs.SY eess.SY
Safety Verification and Controller Synthesis for Systems with Input Constraints
本文研究非线性控制系统的安全性验证和安全控制器综合问题。控制屏障证书（CBC）方法被提议作为屏障证书方法的扩展。我们的方法可以用来描述一个给定的集合的控制不变性的安全性的一般非线性控制系统受输入约束。从控制器设计的角度来看，所提出的方法提供了一种方法来综合一个安全的控制律，保证系统的轨迹从一个给定的初始设置不进入一个不安全的设置。与相关的控制障碍函数的方法，我们的制定只考虑了向量场的切锥的零水平集定义的证书，并被证明是不太保守的数值证据。对于具有半代数初始集和安全集的多项式系统，可以利用平方和分解和半定规划综合CBCs和安全控制律。实例证明了我们的方法。
2022-04-21 cs.SY eess.SY math.OC
Safe-visor Architecture for Sandboxing (AI-based) Unverified Controllers in Stochastic Cyber-Physical Systems
高性能但未经验证的控制器，例如，基于人工智能的（a.k.a.基于人工智能的控制器被广泛应用于信息物理系统（CPS）中，以完成复杂的控制任务。然而，保证CPS的安全性和可靠性与这种控制器是目前非常具有挑战性的，这是至关重要的，在许多现实生活中的安全关键应用。为了应对这一困难，我们在这项工作中提出了一个安全的遮阳板架构，用于在嘈杂的环境中运行的CPS中对未经验证的控制器进行沙箱化。随机CPS）。建议的架构包含一个基于历史的监督员，它检查来自未经验证的控制器的输入，并在系统的功能和安全性之间做出妥协，以及一个安全顾问，当未经验证的控制器危及系统的安全时，提供回退。基于历史的监督器和安全顾问都是基于原始系统与其有限抽象之间的近似概率关系设计的。通过采用这种体系结构，我们提供了正式的概率保证，保持接受语言的确定性有限自动机（DFA）表示的安全规范。同时，未经验证的控制器仍然可以在控制回路中使用，即使他们是不可靠的。我们证明了我们提出的结果的有效性，将它们应用到两个（物理）的案例研究。
2021-08-19 cs.SY eess.SY
Secondary Controller Design for the Safety of Nonlinear Systems via Sum-of-Squares Programming
针对对抗信号下的非线性多项式控制系统，提出基于 Lyapunov 可达性与 SOS 规划的安全验证条件，并在安全无法保证时综合多项式次级控制器，仿真验证了有效性。
2023-04-20 cs.SY eess.SY math.OC
Ensuring the Safety of Uncertified Linear State-Feedback Controllers via Switching
对于参数未知的线性随机动力系统，人们一直致力于学习最优控制器，但由于噪声的影响，学习到的控制器往往是不确定的，可能会使系统不稳定。为了解决这种潜在的不稳定性，我们提出了一个“即插即用”的修改未认证的控制器回落到一个已知的稳定控制器时，规范的状态超过一定的阈值。我们表明，切换策略提高了安全性的未认证的控制器，使线性二次成本有界，即使潜在的线性反馈增益是不稳定的。我们还证明了所提出的策略的近最优性量化的最大性能损失所造成的切换为渐近可忽略不计。最后，我们证明了所提出的切换策略的有效性，使用模拟的工业过程的例子。
2022-05-18 cs.SY eess.SY math.OC
Robust Data-Driven Controller Synthesis from Sampled and Uncertain Frequency Response Estimates using Integral Quadratic Constraints
Eindhoven University of Technology（埃因霍温理工大学）；Institute for Computer Science and Control, Budapest, Hungary（布达佩斯计算机科学与控制研究所）
本文提出一种基于积分二次约束（IQCs）的新型MIMO控制器综合方法，通过构建凸优化问题解决现有数据驱动方法的频率间行为捕捉缺陷，经工业半导体设备实测数据验证了其有效性。
2026-10-15 cs.SY eess.SY
Adversarial Learning of Robust and Safe Controllers for Cyber-Physical Systems
我们引入了一种新的基于学习的方法来合成安全和鲁棒的控制器的自主网络物理系统，并在同一时间，产生具有挑战性的测试。该过程将模型验证的形式化方法与生成对抗网络相结合。该方法学习两个神经网络：第一个旨在为控制器生成令人不安的场景，而第二个旨在执行安全约束。我们测试所提出的方法在各种案例研究。
2021-03-26 cs.SY eess.SY
Sampled-data Output Regulation of Unstable Well-posed Infinite-dimensional Systems with Constant Reference and Disturbance Signals
针对具有恒定参考与扰动信号的不稳定适定无限维系统，研究了输出跟踪与扰动抑制的采样数据控制问题，通过Nevanlinna-Pick插值方法提出了有限维控制器设计并给出了存在充分条件。
2019-11-16 cs.SY eess.SY math.OC
Safe Drone Flight with Time-Varying Backup Controllers
California Institute of Technology（加州理工学院）
小型飞行器的重量、空间和功率的限制常常阻碍了现代控制技术的应用，而没有显著的模型简化。此外，高速敏捷的行为，如在无人机比赛中展示的，使这些简化的模型对于安全关键控制来说太不可靠。在这项工作中，我们引入了随时间变化的备份控制器（TBCs）的概念：用户指定的机动与备份控制器相结合，生成参考轨迹，保证安全的非线性系统。与传统的备用控制器相比，TBC减少了保守性，可以直接应用于多代理协调以保证安全。从理论上讲，我们提供的条件下，TBCs严格减少保守性，描述如何切换几个TBC的，并显示如何嵌入TBCs在多代理设置。在实验中，我们验证了TBCs安全地增加操作自由度时，过滤飞行员的行动，并表现出鲁棒性和计算效率时，适用于分散的安全过滤的两个四旋翼。
2022-07-11 cs.RO cs.SY eess.SY
Safe and Efficient Switching Mechanism Design for Uncertified Linear Controller
对于参数未知的线性随机动力系统，人们一直致力于学习最优控制器，但由于噪声的影响，学习到的控制器往往是不确定的，可能会使系统不稳定。为了解决这种潜在的不稳定性，我们提出了一个“即插即用”的修改，以未认证的控制器回落到一个已知的稳定控制器时，规范的未认证和回落控制输入之间的差异超过一定的阈值。结果表明，该切换策略是安全有效的，即：1）即使原控制器失稳，系统的线性二次型代价始终有界; 2）在原控制器稳定的情况下，切换引起的性能损失对高斯噪声超指数收敛于$0$，而对一般重尾噪声多项式收敛.最后，我们通过田纳西伊士曼过程的数值模拟证明了所提出的切换策略的有效性。
2022-10-26 cs.SY eess.SY math.OC
Safe Controller Synthesis with Tunable Input-to-State Safe Control Barrier Functions
为了以安全的方式将复杂系统带入现实世界的环境中，它们必须对环境和系统中的不确定性具有鲁棒性。研究了控制系统在输入扰动下的安全性问题，其中扰动可以捕获系统中的不确定性。安全性，作为前向不变的状态空间中的集合，确保与控制障碍函数（CBF）的框架。具体地说，输入状态安全（ISSf）的定义是广义的，允许合成的非保守的，可调控制器，可证明安全的变化的干扰。这是通过制定的概念，可调输入状态安全的控制障碍函数（TISSF-CBF），保证安全的干扰，随着状态的变化，因此，提供了较不保守的手段，容纳不确定性。通过一个简单的带有输入扰动的控制系统验证了理论结果，并将其应用于重型汽车安全联网巡航控制器的设计。
2021-06-04 cs.SY eess.SY
Safe and Robust Observer-Controller Synthesis using Control Barrier Functions
University of Michigan（密歇根大学）
本文讨论了安全关键控制器的估计反馈的综合。我们提出了一个控制器的互连，以确保非线性系统保持安全，尽管有界干扰系统的动态和测量，对应于部分状态信息。观测器和控制器的协同设计是至关重要的，因为即使在不受干扰的情况下，独立设计的观测器和控制器也可能不会使系统安全。我们提出了两种方法来合成的控制器-控制器互连。第一种方法使用输入状态稳定观测器，第二种方法使用有界误差观测器。利用这些稳定性和有界性的观测误差，我们构造了新的控制障碍函数，施加不等式约束的控制输入，当满足时，证明安全。我们提出了基于二次规划的控制器来满足这些约束，并证明了Lipschitz连续性的派生控制器。仿真和实验验证了所提方法的有效性。
2022-11-25 cs.RO cs.SY eess.SY
On Suboptimal Safety-Critical Tracking Controller Design
本文提出基于SDRE和障碍状态的安全关键跟踪控制框架，通过两种控制器设计实现安全与跟踪的次优权衡，并在仿真和缆驱动机器人实验中验证了有效性。
2025-09-26 cs.SY eess.SY math.OC
Energy-Efficient Control Adaptation with Safety Guarantees for Learning-Enabled Cyber-Physical Systems
神经网络越来越多地应用于学习型网络物理系统（LE-CPS）的控制，并在提高系统性能和效率以及减少对复杂物理模型的需求方面表现出巨大的潜力。然而，这种基于神经网络的控制器缺乏安全保证，严重阻碍了它们在安全关键型CPS中的采用。在这项工作中，我们提出了一种控制器自适应方法，自动切换多个控制器，包括神经网络控制器，以保证系统的安全性和提高能源效率。我们的方法包括基于形式化方法和机器学习的两个关键组成部分。首先，我们近似每个控制器与Bernstein多项式为基础的混杂系统模型在有界干扰，并计算一个安全不变集的基础上，其相应的混杂系统的每个控制器。直观地说，控制器的不变集定义了系统在其控制下始终保持安全的状态空间。然后，控制器的不变量集的并集定义大于（或等于）每个控制器的安全自适应空间。其次，我们开发了一种深度强化学习方法来学习控制器切换策略，以降低控制/驱动能量成本，同时在安全防护规则的帮助下，确保系统保持在安全空间内。在线性自适应巡航控制系统和非线性范德波尔振荡器上的实验证明了我们的方法在节能和增强安全性方面的有效性。
2020-10-15 cs.SY eess.SY
Safety Verification of Model Based Reinforcement Learning Controllers
School of Aeronautics and Astronautics（航空航天学院）；Purdue University（普渡大学）
基于模型的强化学习（RL）已经成为开发用于现实世界系统的控制器的有前途的工具（例如，机器人、自动驾驶等）。然而，实际系统往往有约束强加在他们的状态空间，必须满足，以确保系统及其环境的安全。为RL算法开发验证工具是具有挑战性的，因为神经网络的非线性结构阻碍了对此类模型或控制器的分析验证。为此，我们提出了一种新的基于模型的RL控制器使用可达集分析的安全验证框架。所提出的框架可以有效地处理使用神经网络表示的模型和控制器。此外，如果控制器不能满足一般的安全约束，所提出的框架也可以用来识别的初始状态的子集，从该控制器可以安全地执行。
2020-10-21 cs.LG cs.RO cs.SY
Control Barrier Function Based UAV Safety Controller in Autonomous Airborne Tracking and Following Systems
Virginia Tech（弗吉尼亚理工大学）；University of Kentucky（肯塔基大学）；University of Louisville（路易斯维尔大学）
针对无人机空中跟踪非合作目标时的碰撞风险，提出基于控制屏障函数的二次规划安全控制器，最小化修改轨迹跟踪输入以保证安全，并在AirSim模拟中验证了有效性。
2023-12-28 cs.RO cs.SY eess.SY
Learning Safe-by-Design Neural Network Controllers
Northeastern University（东北大学）；Ulsan National Institute of Science and Technology（蔚山科学技术院）
提出联合学习神经网络控制器和神经网络参数化控制障碍函数参数的方法，避免在线二次规划安全滤波器，实现安全约束的可靠满足。
2026-09-23 cs.SY eess.SY
A Nonlinear Car-following Controller Design Inspired By Human-driving Behaviors to Increase Comfort and Enhance Safety
本文研究了车辆跟驰问题，提出了一种综合考虑驾驶舒适性、安全性、稳态响应和瞬态响应的非线性控制器。该控制器是根据汽车工业对低成本、快速响应、提高舒适性、增强安全性和提高可扩展性的要求而设计的。详细提供了设计见解和直觉。对闭环系统的对象稳定性、串稳定性和跟踪性能进行了理论分析。为控制参数的选择提供了条件和指导。进行了全面的仿真，以证明所提出的控制器在不同的驾驶场景的有效性。
2022-05-04 cs.SY eess.SY
Safe and Efficient Switching Controller Design for Partially Observed Linear-Gaussian Systems
将潜在高性能但未经认证的控制器和稳定但保守的控制器结合起来的切换控制策略已被证明能够平衡安全性与效率，但在部分状态观察下研究较少。为了解决这一差距，我们提出了一个切换控制策略的部分观测线性高斯系统可证明的性能保证。我们证明了所提出的切换策略是安全有效的，在这个意义上：（1）即使原未证明控制器是不稳定的，系统的线性二次型代价总是有界的;（2）在未证明控制器是稳定的情况下，由切换保守性引起的性能损失超指数收敛到零。通过对Tennessee Eastman过程的数值模拟，验证了该切换策略的有效性。
2023-03-27 cs.SY eess.SY
Safe reinforcement learning control for continuous-time nonlinear systems without a backup controller
针对一类具有自定义状态约束的不确定连续非线性系统，提出了一种基于策略的强化学习（RL）控制算法.我们制定的安全RL问题的最小化的哈密顿受到限制的时间导数的障碍李雅普诺夫函数（BLF）。随后，我们使用的优化问题的解析解修改的Actor-Critic-Identifier架构，安全地学习最优控制策略。所提出的方法不需要外部备份控制器的存在，并且RL策略确保了整个持续时间的安全性。所提出的控制器的有效性证明了对一类欧拉-拉格朗日系统。
2022-09-19 cs.SY eess.SY
Learning Safe Neural Network Controllers with Barrier Certificates
Southwest University（西南大学）；University of Surrey（萨里大学）；University of York（约克大学）
针对非线性连续动力系统，提出了一种新的控制器设计方法。控制器是基于神经网络（NN）。为了证明安全性，我们利用障碍函数，这是由神经网络以及表示。我们同时训练障碍神经网络和神经网络，实现了验证在环合成。我们提供了一个原型工具nncontroller与一些案例研究。实验结果证实了该方法的可行性和有效性。
2020-09-18 cs.AI cs.LG cs.SY
A Predictive and Sampled-Data Barrier Method for Safe and Efficient Quadrotor Control
本文提出一种级联控制框架，结合MPC与HOCBF扩展的采样数据障碍函数，实现四旋翼安全高效轨迹跟踪，兼顾安全性与实时性。
2025-10-06 cs.SY eess.SY
Communication-aware Synthesis of Safe Controllers for Discrete-Time Linear Multi-Agent Systems with Distributed k-Hop Observation
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
针对有限信息交换下离散时间线性多智能体系统，提出通信感知安全控制方法，通过分布式k跳观测器重构远程状态并推导误差界，结合RSI集与LMI优化联合设计观测器、控制器和安全集，确保闭环安全。
2026-10-02 cs.SY eess.SY
Communication-Aware Synthesis of Safety Controller for Networked Control Systems
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
本文提出一种安全控制器综合方法，通过构建椭球鲁棒安全不变集并利用线性矩阵不等式验证其不变性，以应对未知扰动和通信缺陷，通过巡航控制系统案例验证了方法的有效性。
2026-10-05 cs.SY eess.SY
Safety Controller Synthesis for Stochastic Polynomial Time-Delayed Systems
School of Computing, Newcastle University（纽卡斯尔大学计算机学院）
本文提出了一种基于Krasovsky控制屏障证书的方法，用于具有时间延迟的随机多项式系统的安全控制器综合，通过求和平方优化程序实现概率安全保证。
2026-02-06 cs.SY eess.SY
Stability analysis of sampled-data switched systems with quantization
University of California, Santa Barbara（加州大学圣塔芭芭拉分校）；Kyoto University（京都大学）
本文提出了一种用于具有有限级静态量化器的采样数据切换线性系统的稳定性分析方法，通过随机算法计算公共Lyapunov函数，确定了切换条件下的状态轨迹最终界。
2015-09-02 cs.SY eess.SY
Safe Sliding Mode Controllers for Nonlinear Uncertain Systems
本文针对非线性不确定系统提出一种带外防护回路的滑模安全关键控制器，利用增广状态和控制障碍函数设计防护信号，在保证稳定性的同时满足安全约束，并给出闭式解避免实时求解二次规划。
2024-06-06 cs.SY eess.SY
Achieving Performance and Safety in Large Scale Systems with Saturation using a Nonlinear System Level Synthesis Approach
我们提出了一类新的非线性控制器，插值不同行为的线性控制器作为最近提出的线性和非线性系统水平综合框架的案例研究。的非线性控制器的结构允许同时满足小扰动和大扰动制度所定义的性能和安全目标。所提出的控制器是分布式的，处理延迟，稀疏致动，并本地化干扰。我们表明，我们的非线性控制器总是优于其线性对应的约束LQR问题。通过仿真，我们进一步证明了基于所提出的饱和系统控制器的增广控制策略的抗饱和特性。
2020-06-23 cs.SY eess.SY
Control Barrier Functions in Sampled-Data Systems
本文给出了具有分段常数控制器和固定时间步长的采样数据系统动力学中保证安全集前向不变性的条件。首先，我们引入两种不同的度量来比较分段常数控制器下前向不变性的充分条件的保守性。然后，我们提出了三种方法来保证前向不变性，两个动机的连续时间障碍函数，和一个动机的离散时间障碍函数。所有建议的条件是控制仿射，因此可以纳入二次规划控制综合。我们表明，所提出的条件是不太保守的比那些在早期的研究，并通过模拟显示，这使得使用障碍功能，是不可能实现所需的时间步长使用现有的方法。
2021-06-16 cs.SY eess.SY math.OC
Distributed Safe Navigation of Multi-Agent Systems using Control Barrier Function-Based Optimal Controllers
本文提出一种基于控制屏障函数的分布式控制器综合框架，将碰撞避免编码为状态依赖网络优化问题的控制输入约束，实现多智能体系统在复杂环境中的安全导航，并验证其渐近最优性。
2024-05-01 cs.SY eess.SY
Enhancing the performance of a safe controller via supervised learning for truck lateral control
Toyota Research Institute（丰田研究所）
本文结合监督学习与控制屏障函数，设计了兼具高性能与可证明安全性的控制器，通过轨迹优化生成训练集，利用监督学习生成控制策略，并通过CBF保证安全，验证了该方法在卡车车道保持中的有效性。
2018-05-02 cs.SY eess.SY
