Output Feedback Backup Control Barrier Functions: Safety Guarantees Under Input Bounds and State Estimation Error
California Institute of Technology（加州理工学院）；Wichita State University（威奇托州立大学）；Georgia Institute of Technology（佐治亚理工学院）；Texas A&M University（德克萨斯农工大学）
本文提出输出反馈备份控制屏障函数，以应对状态估计误差和输入限制下的安全问题，证明了在存在状态不确定性时，总存在可行控制输入保证真实状态安全。
2026-04-21 cs.SY eess.SY
Safety Control of Uncertain MIMO Systems Using Dynamic Output Feedback Barrier Pairs
本文针对不确定MIMO系统在部分状态信息下的安全控制问题，提出结合向量范数障碍函数与动态输出反馈控制器的方法，并设计障碍函数估计器提供鲁棒上界，在紧输入约束下优于现有方法。
2024-09-30 cs.SY eess.SY math.OC
Barrier Pairs for Safety Control of Uncertain Output Feedback Systems
针对部分状态信息下不确定单输入单输出系统的安全控制问题，提出同时构建障碍函数与动态输出反馈安全控制器的方法，并设计基于标识符的估计器与故障检测器以保障系统安全。
2023-08-01 cs.SY eess.SY math.OC
Finite- and Fixed-Time Nonovershooting Stabilizers and Safety Filters by Homogeneous Feedback
非超调稳定是一种安全控制形式，其中用户选择的设定点位于安全设置的边界处。指数非超调稳定，包括适当的扩展系统的确定性和随机干扰，已经解决了第二作者和他的合著者。在本文中，我们为输入-输出可线性化的非线性系统的固定时间无超调镇定设计了齐次反馈律，对于与积分器链同形等价的系统。这些齐次反馈定律也可以承担“固定时间安全过滤器”的次要作用。（FxTSf滤波器），其将系统始终保持在封闭的安全设置内，但是在用户的标称控制命令接近不安全设置的情况下，允许所述系统不迟于独立于标称控制且独立于所述状态的值的期望时间达到所述安全设置的边界在标称控制开始被超驰时。
2022-02-15 cs.SY eess.SY
Feeding control and water quality monitoring in aquaculture systems: Opportunities and challenges
King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）；National Institute for Research in Digital Science and Technology（法国国家数字科学与技术研究院）
本文综述水产养殖系统中鱼类生长的控制设计技术，对比基于模型的控制方法与无模型强化学习策略，探讨二者结合以优化投喂、水质监测及鱼类生长的方向。
2023-06-14 cs.LG cs.SY eess.SY
Model-based versus model-free feeding control and water quality monitoring for fish growth tracking in aquaculture systems
针对水产养殖中水质影响鱼类存活的问题，研究对比了传统控制、Q-learning无模型控制与模型预测控制等基于模型的投喂及水质控制方法，实现鱼类生长跟踪并降低死亡率与饲料消耗。
2023-06-14 cs.SY eess.SY
Output-Feedback Safe Control of Discrete-Time Stochastic Systems with Chance Constraints
School of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知学院）
本文提出基于期望离散时间屏障条件的输出反馈控制屏障函数框架，通过状态估计应对噪声测量，实现安全约束的实时控制。
2026-04-14 cs.SY eess.SY
Safe Controller for Output Feedback Linear Systems using Model-Based Reinforcement Learning
本研究的目的是使安全关键系统，同时学习和执行最优控制策略，以安全的方式实现复杂的自治。通过试验和错误学习最佳策略，即，传统的强化学习难以在安全关键系统中实现，特别是当任务重启不可用时。最近开发了基于屏障变换的安全的基于模型的强化学习技术来解决这个问题。然而，这些方法依赖于完整的状态反馈，限制了它们在现实世界环境中的可用性。在这项工作中，一个输出反馈安全的基于模型的强化学习技术的基础上，一种新的障碍感知动态状态估计器已被设计来解决这个问题。所开发的方法有利于同时学习和执行的安全关键线性系统的安全控制策略。仿真结果表明，屏障变换是一种有效的方法来实现在线强化学习的安全关键系统使用输出反馈。
2022-04-04 cs.SY eess.SY
Enforcing safety for vision-based controllers via Control Barrier Functions and Neural Radiance Fields
Tsinghua University（清华大学）；MIT（麻省理工学院）
为了在复杂的环境中导航，机器人必须越来越多地使用高维视觉反馈（例如图像）进行控制。然而，依赖于高维图像数据来做出控制决策提出了重要的问题;特别是，我们如何证明视觉反馈控制器的安全性？控制障碍函数（CBF）是验证反馈控制器在状态反馈设置中的安全性的有力工具，但是CBF传统上不太适合于视觉反馈控制，这是由于需要预测未来的观测以评估障碍函数。在这项工作中，我们利用神经辐射场（NeRFs）的最新进展来解决这个问题，NeRFs学习3D场景的隐式表示，并可以从以前看不见的相机视角渲染图像，为基于CBF的控制器提供单步视觉预见。这种新颖的组合能够过滤掉不安全的行为，并进行干预以保护安全。我们展示了我们的控制器在实时仿真实验中的效果，它成功地防止机器人采取危险的行动。
2023-02-28 cs.RO cs.SY eess.SY
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
Constructive Safety-Critical Control: Synthesizing Control Barrier Functions for Partially Feedback Linearizable Systems
California Institute of Technology（加州理工学院）
本文建立部分反馈线性化与 CBF 综合的联系，证明输入-输出线性化系统可将输出安全约束扩展为全阶 CBF，并在四旋翼仿真与硬件中验证。
2024-06-04 cs.RO cs.SY eess.SY
IoT Security and Safety Testing Toolkits for Water Distribution Systems
由于工业控制系统（ICS）对城市和国家的运营至关重要，对关键基础设施安全性的研究变得越来越重要和必要。作为智慧城市发展研究和应用的组成部分，准确和精确的建模，仿真和验证是强大的设计和开发工具的关键部分，这些工具为构成现代ICS系统的传感器，控制器和执行器的异常行为的预防，检测和恢复提供了关键帮助。然而，虽然这些工具具有潜力，但如果要广泛使用它们，则目前需要帮助工具来协助它们的设置和配置。现有的最先进的工具通常在技术上很复杂，难以针对任何给定的IoT/ICS流程进行定制。对于大多数技术人员、工程师、研究人员和智慧城市规划者来说，这是一个严重的进入障碍，同时也减缓了安全和安全验证的关键方面。为了解决这个问题，我们对水管理领域现有的仿真工具包进行了案例研究，并使用更深入和可用的自定义界面扩展了现有的工具和算法，这些工具和算法具有简单的自动检索功能，以加速仿真场景的设计和实施，允许自定义网络物理网络基础设施和网络攻击场景。我们还提供了一种新的工具，根据图论路径多样性的网络的弹性评估。此外，我们还为未来的开发和应用制定了路线图，包括对弹性和潜在漏洞模型检验的扩展，并讨论了我们的工作在与智慧城市的设计和运营相关的其他领域的应用。
2021-12-15 cs.CR cs.SY eess.SY
SWI-FEED: Smart Water IoT Framework for Evaluation of Energy and Data in Massive Scenarios
本文提出SWI-FEED智能水务物联网框架，整合EPANET与NS-3仿真环境，用于大规模供水系统的漏损检测、能耗及LoRaWAN网络性能评估，并给出实际用例与网关部署策略。
2024-04-11 cs.NI cs.SY eess.SY
Barrier functions enable safety-conscious force-feedback control
MIT（麻省理工学院）；MIT-IBM Watson AI Lab（麻省理工学院-IBM沃森人工智能实验室）；IBM（国际商业机器公司）
为了成为人类的有效合作伙伴，机器人必须越来越适应与环境的接触。不幸的是，机器人很难区分“足够”和“太多”的力量：完成任务需要一些力量，但太多可能会损坏设备或伤害人类。传统的设计柔顺力反馈控制器的方法，如刚度控制，需要手动调整控制参数，使其难以建立安全，有效的机器人协作。在本文中，我们提出了一种新的但易于实现的力反馈控制器，使用控制障碍函数（CBFs），直接从用户的最大允许力和扭矩的规格来获得一个兼容的控制器。我们比较我们的方法，传统的刚度控制，以证明我们的控制架构的潜在优势，我们证明了我们的控制器上的一个例子人-机器人协作任务的有效性：合作操作的一个庞大的对象。
2022-09-25 cs.RO cs.SY eess.SY
Safe Output-Feedback Adaptive Optimal Control of Affine Nonlinear Systems
University of Florida（佛罗里达大学）；Air Force Research Laboratory（空军研究实验室）
本文提出一种集成状态与参数估计的安全自适应最优控制方法，利用鲁棒化控制障碍函数守护控制器保证无全状态测量下的安全与镇定，并通过李雅普诺夫分析及仿真验证其有效性。
2025-10-22 cs.SY eess.SY
Neural Network-based Co-design of Output-Feedback Control Barrier Function and Observer with Input Constraints
本文提出一种基于神经网络的联合设计方法，用于部分观测的连续时间系统中，考虑输入约束的输出反馈控制屏障函数和观测器的设计，通过在扩展状态空间中制定屏障条件，确保安全性而无需要求有界估计误差或手工设计的屏障函数。
2026-05-18 cs.SY eess.SY
Constraint-Aware Refinement for Safety Verification of Neural Feedback Loops
Massachusetts Institute of Technology（麻省理工学院）
本文提出约束感知精化验证方法 CARV，通过显式利用安全约束仅在必要位置精化可达集过近似，从而高效降低保守性并验证神经反馈回路安全性。
2024-09-30 cs.LG cs.RO cs.SY
End-to-End Learning of Safe Optimal Feedback Control in High Dimensions with Control Barrier Function Layers
研究在硬安全约束下高维半全局反馈控制器的学习问题，结合算子分裂与无雅可比反向传播方法，实现可扩展端到端训练并保持安全保证，证明该方法在高维多智能体非线性控制问题上的有效性。
2026-07-24 cs.LG cs.SY eess.SY
Safe Control of Feedback-Interconnected Systems via Singular Perturbations
Department of Electrical, Electronic and Information Engineering, Alma Mater Studiorum Università di Bologna（博洛尼亚大学电气、电子与信息工程系）
本文提出利用奇点扰动方法，将减少阶模型的安全证书提升到整体反馈互联系统，通过设计复合CBF确保安全集的前向不变性，适用于多尺度子系统互联场景。
2026-08-03 cs.SY eess.SY math.OC
An Integrated Risk Assessment Process of Safety-Related Digital I&C Systems in Nuclear Power Plants
将现有的模拟仪表和控制（IC）系统升级为最先进的数字IC（DIC）系统将大大有利于现有的轻水反应堆（LWR）。然而，软件共因故障（CCF）问题仍然是数字技术资格认证方面的一个障碍。现有的仪控系统CCF分析主要集中在硬件故障方面。随着新DIC系统的应用和升级，考虑到大多数冗余设计在其操作和应用系统中使用类似的数字平台或软件，设计缺陷可能导致软件CCF成为对工厂安全的潜在威胁。这些IC安全系统采用复杂的多层冗余设计以满足单一故障标准，因此在美国核管理委员会（NRC）的许可程序中特别受到关注。在2019财年，美国能源部（DOE）轻水反应堆可持续性（LWRS）计划的风险知情系统分析（RISA）途径启动了一个项目，以制定风险评估战略，为数字升级和设计提供强大的技术基础，以支持有效，可许可和安全的DIC技术。针对该策略提出了DIC（IRADIC）过程的综合风险评估，以识别潜在的关键数字引发的故障，对相关数字安全IC系统进行可靠性分析，并评估这些故障（特别是软件CCF）在工厂级别引入的未分析序列。本文总结了这些RISA的努力，在风险分析安全相关的DIC系统在爱达荷州国家实验室。
2021-12-17 cs.SY eess.SY
Safe and Near-Optimal Gate Control: A Case Study from the Danish West Coast
Department of Computer Science, Aalborg University（奥尔堡大学计算机科学系）
本文通过数字孪生和实时预测学习闸门控制器，确保水位安全同时维持其他性能要求。
2026-04-06 cs.LG cs.SY eess.SY
Transient Safety Filter Design for Grid-Forming Inverters
与传统发电机不同，基于逆变器的发电不具有任何旋转惯性。虽然电网形成逆变器可以通过先进的反馈控制回路合成小（虚拟）惯性，但需要额外的控制机制来确保电网在瞬态期间的安全性。在本文中，我们提出了新的实时安全约束反馈控制器（“安全滤波器”）下垂为基础的（电网形成）逆变器，以确保电网的瞬态安全。安全滤波器充当网络操作层和逆变器控制层之间的缓冲器，并且仅让那些调度控制信号传递到逆变器下垂控制器，其保证不违反安全规范（频率、电压、电流限制）。使用分布式屏障证书的方法，我们构造的允许控制输入，保证瞬态安全规格的满足状态包含的界限。采用平方和规划法综合安全滤波器。数值仿真结果表明，所提出的滤波器在基于逆变器的微电网的性能。
2020-03-23 cs.SY eess.SY math.OC
Quasi-Static Fault-Tolerant Feedback Control of a Quadrotor under Rotor Failure with Provable Safety Guarantees
Sultan Qaboos University（苏丹卡布斯大学）；New Jersey Institute of Technology（新泽西理工学院）
针对四旋翼单旋翼故障，提出基于准静态反馈的非线性控制律，稳定路径跟踪流形以实现路径不变性和局部指数收敛，提供可证明的安全保证，并经Drake仿真验证。
2026-09-22 cs.SY eess.SY math.DS
Adaptive Deep Neural Network-Based Control Barrier Functions
本文提出将自适应深度神经网络与控制障碍函数结合，提出一类无需预训练、实时学习动态并确保安全的控制器，扩展至状态反馈间歇丢失场景，仿真证明其在反馈缺失下仍保安全且优于基线。
2025-01-29 cs.SY eess.SY
Resilient Control of Platooning Networked Robotic Systems via Dynamic Watermarking
联网的机器人系统，如联网的车辆排，可以通过允许高速协调来提高运输网络的安全性和效率。为了实现这种协调，这些系统依赖于网络通信。这可能使他们容易受到网络攻击。虽然加密或专门设计的网络拓扑等安全方法可能会增加成功执行此类攻击的难度，但这些技术无法保证针对攻击者的安全通信。更麻烦的是，这些安全方法无法确保单个代理能够检测到更改特定消息内容的攻击。为了确保在这种攻击下的弹性行为，本文制定了一个网络化的线性时变版本的动态水印，其中每个代理生成并添加一个私人激励到其相应的机器人子系统的输入。本文证明，这种方法可以使网络机器人系统中的每个代理都能够检测网络攻击。通过改变车辆之间发送的测量值，本文说明了攻击者可以在一个队列中创建不稳定的行为。通过利用本文提出的动态水印方法，检测到的攻击，允许车队中的车辆优雅地降级到一个非通信控制策略，保持安全跨越各种场景。
2021-06-14 cs.SY eess.SY math.OC
A Dynamic Watermarking Algorithm for Finite Markov Decision Problems
动态水印作为一种主动入侵检测技术，可以检测控制系统反馈通道中的重放攻击、欺骗攻击和欺骗攻击。在本文中，我们开发了一种新的动态水印算法的有限状态有限行动马尔可夫决策过程，并提出了上界的平均时间之间的虚警，和攻击发生的时间，当它被检测到的平均延迟。我们进一步计算作为水印的函数的控制系统的性能的灵敏度。通过检测传感器网络系统中的欺骗攻击，我们证明了所提出的动态水印算法的有效性。
2021-11-09 cs.SY eess.SY
Real-time Regulation of Detention Ponds via Feedback Control: Balancing Flood Mitigation and Water Quality
本研究构建耦合MPC算法的水文-水动力模型，实现滞留塘防洪与水质调控的智能切换，经巴西流域验证，洪峰削减率达79%，且更长的滞留时间可提升水质。
2024-08-14 cs.SY eess.SY
Human-AI Safety: A Descendant of Generative AI and Control Systems Safety
Carnegie Mellon University（卡内基梅隆大学）；Princeton University（普林斯顿大学）
本文针对当前人机安全范式仅关注模型输出、忽视人机反馈回路动态影响的问题，融合AI安全与控制系统安全经验，提出统一形式化框架与技术路线图，推动新一代以人为本的AI安全研究。
2024-06-22 cs.AI cs.CY cs.SY
Analysis of Dynamic-Key LWE-Based Encrypted Control Systems for Asymptotic Stability and Numerical Safety
Department of Mechanical and Intelligent Systems Engineering, Graduate School of Informatics and Engineering, The University of Electro-Communications（电气通信大学情报工学研究科机械智能系统工程学系）
该研究针对含时变编解码器的基于动态密钥LWE的加密状态反馈控制系统，推导保障渐近稳定性与防溢出数值安全的参数条件，经数值实例验证其有效性。
2026-08-27 cs.SY eess.SY
Aggressiveness-Aware Learning-based Control of Quadrotor UAVs with Safety Guarantees
Centre for Automation and Robotics (CSIC-UPM)（自动化与机器人中心（CSIC-UPM））；Vanderbilt University（范德堡大学）；Universidad de San Andrés (UdeSA)（圣安德烈斯大学）；CONICET（阿根廷国家科学研究委员会）
本文提出了一种基于学习的攻击性意识控制框架，用于四旋翼无人机，通过整合 oracle 来减轻未知扰动，实现更安全和更稳健的飞行控制。
2026-02-25 cs.SY eess.SY math.OC
Safe Feedback Optimization through Control Barrier Functions
AI4I institute（AI4I研究所）；Eindhoven University of Technology（埃因霍温理工大学）；California Institute of Technology（加州理工学院）；University of California San Diego（加利福尼亚大学圣地亚哥分校）
本文提出了一种基于高阶控制屏障函数的反馈优化方法，确保系统始终满足状态约束并实现稳定最优解。
2026-02-10 cs.SY eess.SY math.OC
Proxy Control Barrier Functions: Integrating Barrier-Based and Lyapunov-Based Safety-Critical Control Design
提出 PCBF 模块化安全控制方案，将严格反馈系统分解为代理子系统与虚拟跟踪子系统，结合 CBF、Lyapunov 控制及扰动观测器，在未知动态和非匹配扰动下保障安全并简化 CBF 构造。
2025-01-07 cs.SY eess.SY math.OC
Backward Reachability Analysis of Neural Feedback Loops: Techniques for Linear and Nonlinear Systems
Massachusetts Institute of Technology（麻省理工学院）；Stanford University（斯坦福大学）
随着神经网络（NN）在安全关键应用（如车辆控制）中变得越来越普遍，越来越需要证明具有NN组件的系统是安全的。本文提出了一组用于神经反馈回路（NFL）安全认证的向后可达性方法，具有NN控制策略的闭环系统。虽然向后可达性策略已开发的系统没有NN组件，NN激活函数和NN权重矩阵的一般不可逆性的非线性，使NFLs向后可达性一个具有挑战性的问题。为了避免与通过NN向后传播集合相关的困难，我们引入了一个框架，该框架利用标准的前向NN分析工具来有效地找到对反向投影（BP）集合的过近似，即，NN策略将系统引导到给定目标集的状态集。我们提出的框架计算BP的线性和非线性系统的控制策略表示的前馈神经网络的近似，并提出计算效率高的战略。我们使用各种模型的数值结果来展示所提出的算法，包括6D系统的安全认证演示。
2022-11-21 cs.LG cs.RO cs.SY
Optimal Safety for Constrained Differential Inclusions using Nonsmooth Control Barrier Functions
对于广泛的一类非线性系统，我们制定的问题，保证安全与约束下的最优性。具体来说，我们定义了具有状态和输入约束的微分包含的受控安全性。通过使用非光滑分析工具，我们表明，一个连续的最优控制法可以选择从集值约束捕获系统的约束和条件，保证安全使用控制障碍函数。我们的研究结果保证最优性和安全性，通过一个连续的状态反馈法设计使用非光滑控制障碍函数。一个关于避障与目标的例子说明了我们的结果和相关的好处，使用非光滑控制障碍函数。
2022-11-23 cs.SY eess.SY math.OC
Koopman-Model Predictive Control with Signal Temporal Logic Specifications for Temperature Regulation of a Warm-Water Supply System
在医院环境中，用于透析治疗的温水供应控制是典型的安全关键控制问题。为了保证热水供应的连续性，满足物理规格为广泛的操作条件，这是不可避免的考虑在一个温水供应系统的动态模型的控制设计的非线性。在本文中，我们提出了将控制规范所描述的信号时序逻辑，这是一个时序逻辑的语义上的有限时间信号的形式化方法，到所谓的Koopman-模型预测控制（MPC）作为一种新的技术的非线性预测控制的基础上的Koopman算子框架非线性系统。这使我们能够产生一个序列的最佳输入，使一个非线性系统的控制状态可以满足规格。将该方案应用于热水供应的温度调节，并对其有效性进行了数值验证。
2023-02-28 cs.SY eess.SY math.DS
