Successive Convexification of Non-Convex Optimal Control Problems with State Constraints
本文提出了一种求解一类具有特定状态约束的非凸最优控制问题的逐次凸化($ \texttt{SCvx} $)算法。非凸性的来源可以包括非线性动力学和非凸状态/控制约束。为了解决非凸性带来的挑战,我们首先利用精确罚函数来处理非线性动力学。然后,所提出的算法通过$ \textit{project-and-linearize} $过程连续地将问题转化。因此,有限维凸规划子问题的解决,在每一个连续的,这可以有效地完成快速内点方法(IPM)求解器。证明了整体收敛到局部最优值的某些凸性假设,这是满足广泛的最优控制问题。该算法特别适用于求解带避碰约束的轨迹规划问题。通过数值模拟,我们证明了该算法收敛可靠后,只有几个连续。因此,与强大的IPM为基础的自定义求解器,该算法可以实现板载实时自主控制应用。
2017-10-20 math.OC
Successive Convexification for Nonlinear Model Predictive Control with Continuous-Time Constraint Satisfaction
本文提出一种基于逐次凸化和多重打靶离散化的非线性模型预测控制框架,通过增广动力学实现连续时间约束满足与运行代价精确评估,并利用邻近线性SCP算法保证收敛和计算效率,数值算例验证了其在参考跟踪与避障中的有效性。
2024-04-26 math.OC
A successive convexification approach for robust receding horizon control
提出一种基于连续凸化和凸函数差表示的鲁棒非线性模型预测控制策略,通过构造管域处理扰动与近似误差,保证约束满足、递归可行性与闭环稳定性。
2025-01-27 math.OC
Successive Convexification with Feasibility Guarantee via Augmented Lagrangian for Non-Convex Optimal Control Problems
本文提出一种融合逐次凸化与增广拉格朗日法的新算法,通过对优化变量和拉格朗日乘子交替迭代,在保留SCvx优良特性的同时保证了对非凸最优控制问题可行局部解的全局收敛性。
2024-10-11 math.OC
Autonomous Parking by Successive Convexification and Compound State Triggers
Tier IV, Inc.(第四层公司(Tier IV, Inc.))
在本文中,我们提出了一个算法的最优生成非完整路径规划停车机动与运动汽车模型。我们演示了使用连续凸化算法(SCVX),保证路径的可行性和约束满足,停车的情况。此外,我们制定避障与状态触发的约束,使使用逻辑约束的连续制定的优化问题。本文有助于最佳非完整路径规划文献,通过演示使用SCVX和状态触发约束,允许制定的停车问题作为一个单一的优化问题。该算法可用于在狭窄的停车场环境中规划具有尖点的约束路径。
2020-10-11 cs.RO math.OC
Successive Convexification for Passively-Safe Spacecraft Rendezvous on Near Rectilinear Halo Orbit
Mitsubishi Electric Research Laboratories(三菱电机研究实验室);Mitsubishi Electric Corporation(三菱电机株式会社);University of California, Berkeley(加州大学伯克利分校)
提出基于连续凸化的优化方法,实现近直线晕轨道上航天器与门户空间站的燃料高效交会,确保被动安全并处理不确定性。
2026-10-27 math.OC
Successive Convexification: A Superlinearly Convergent Algorithm for Non-convex Optimal Control Problems
本文提出了一种求解非凸约束最优控制问题的连续凸化算法SCvx,该算法具有整体收敛和超线性收敛速率保证。该算法可以处理非线性动力学和非凸状态和控制约束。它通过连续线性化非凸动力学和前一次迭代解的约束来解决原问题的最优性。由此产生的凸子问题是数值上容易处理的,并且可以使用凸优化求解器快速可靠地计算,使得SCvx算法非常适合于实时应用。分析表明,该算法的全局收敛和超线性,保证i)局部最优恢复:如果收敛的解决方案是可行的,那么它也是一个局部最优; ii)强收敛:如果Kurdyka-Lojasiewicz(KL)不等式在收敛的解决方案,那么解决方案是唯一的。超线性收敛速率是通过利用最优控制问题的结构,展示了更快收敛速率,可以通过利用特定的问题属性相比,通用的非线性规划方法。针对非凸四旋翼运动规划问题进行了数值模拟,并将序列二次规划(SQP)和通用内点法(IPM)求解器的结果进行了比较。结果表明,SCvx算法的收敛速度确实是超线性的,而且SCvx算法比其他两种方法收敛次数少.
2019-02-27 math.OC
Successive Convexification for Real-Time 6-DoF Powered Descent Guidance with State-Triggered Constraints
针对广义自由末时间6自由度动力下降制导问题,提出了一种实时连续凸化算法。我们建立在我们以前的工作,引入以下贡献:(一)自由点火时间的修改,允许算法来确定最佳的发动机点火时间,(二)一个易于处理的空气动力学制定模型的升力和阻力,和(iii)一个连续的状态触发的约束制定,模拟有条件地强制执行的约束。特别地,贡献(iii)有效地允许通过以父连续最优化问题的解变量为条件的if语句来启用或禁用约束。据我们所知,这代表了一种新的配方在最优控制文献,并使一些有趣的应用,包括速度触发攻角约束和范围触发视线约束。我们的算法将由此产生的广义动力下降制导问题从一个非凸的自由最终时间最优控制问题转化为一系列易处理的凸二阶锥规划子问题。借助于虚拟控制和置信域修正,这些子问题连续求解,直到收敛。使用第三方求解器的仿真表明所提出的算法的实时能力,在众多的问题特征组合的最大执行时间为小于0.7秒。
2018-11-27 math.OC
Intrinsic Successive Convexification: Trajectory Optimization on Smooth Manifolds
针对光滑流形轨迹优化中隐式流形约束导致的冗余运算和状态表示依赖问题,提出内蕴逐次凸化方法 iSCvx,并通过受非凸约束的航天器姿态轨迹优化示例验证其应用。
2025-03-17 cs.SY eess.SY math.OC
Fuel-optimal Boost-Back Guidance via Successive Convexification with a Terminal Constraint for ReusableLaunch Vehicles
Sejong University(世宗大学)
本文提出一种基于逐次凸化的燃油最优助推-返回制导算法,通过终端瞬时撞击点约束和解析滑行段处理,在降低计算成本的同时实现接近最优的推进剂消耗,并基于Falcon 9任务验证了其有效性。
2026-09-25 math.OC
Successive Convexification of Non-Convex Optimal Control Problems and Its Convergence Properties
本文提出了一种求解非凸最优控制问题的算法,其中非凸性可以由非线性动力学、非凸状态和控制约束引起。本文假设状态和控制约束已经是凸的或凸化的,所提出的算法通过线性化,以连续的方式凸化非线性动力学。因此,在每一个序列,一个凸最优控制子问题的解决。由于动力学是线性化的,其他约束是凸的,经过离散化,子问题可以表示为有限维凸规划子问题。由于凸优化问题可以非常有效地解决,特别是使用自定义求解器,因此可以在时间关键型应用中解决这个子问题,例如自动驾驶车辆的实时路径规划。算法中引入了虚拟控制和置信域等安全保护技术,增加了算法的鲁棒性。在连续时间条件下给出了收敛性分析.通过这样做,我们的收敛结果将是独立于任何用于离散化的数值方案。针对说明性轨迹优化示例执行数值模拟。
2017-05-04 math.OC
Successive Convexification for Trajectory Optimization with Continuous-Time Constraint Satisfaction
提出一种仅需一阶信息的实时非凸轨迹优化框架连续凸化,结合外部惩罚、广义时间膨胀、多重打靶、$\ell_1$精确惩罚与prox-linear方法,实现连续时间约束满足并保证收敛至KKT点,在动态避障与火箭着陆中验证有效。
2024-04-25 math.OC
Successive Convexification for Trajectory Optimization with Continuous-time Satisfaction of Signal Temporal Logic Specifications
University of Washington(华盛顿大学)
提出基于广义均值鲁棒性的逐次凸化框架,将连续时间信号时序逻辑约束转化为可微形式,结合时间缩放、控制参数化、多重打靶离散化和收敛保证的序贯凸规划求解非凸轨迹优化问题。
2026-06-05 math.OC
GPU-Accelerated Continuous-Time Successive Convexification for Contact-Implicit Legged Locomotion
University of Washington(华盛顿大学);Mitsubishi Electric Research Laboratories(三菱电机研究实验室)
本文提出了一种基于连续时间递进凸优化的接触隐式腿部运动方法,通过引入积分互补性约束消除接触事件丢失风险,提升求解效率,实现更灵活的接触模式切换。
2026-04-11 cs.RO math.OC
Convex Optimization-Based Model Predictive Control for the Guidance of Active Debris Removal Transfers
针对主动碎片清除转移制导问题,提出基于凸优化的MPC方法,利用GEqOE和split-Edelbaum参考更新消除逐次凸化,并在高保真模型下实现无迭代精确求解。
2023-08-17 math.OC
Tight Constraint Prediction of Six-Degree-of-Freedom Transformer-based Powered Descent Guidance
Massachusetts Institute of Technology(麻省理工学院);Rockwell International(罗克韦尔国际公司)
本文提出T-SCvx方法,通过Transformer学习六自由度动力下降制导中逐次凸化的紧约束集合和参考轨迹,显著提升求解效率与收敛性,实现火星动力着陆的机载实时轨迹生成。
2025-01-01 cs.LG cs.RO cs.SY
A Convex Optimization Approach for Finite-Thrust Time-Constrained Cooperative Rendezvous
本文提出了一种凸优化方法来解决合作交会问题,即两个相距较远的航天器同时运行以接近目标的问题。凸规划通过使用高效的数值算法,保证在有限的短时间内收敛到最优解。采用无损和连续凸化技术相结合来处理原问题的非凸性。具体地说,一个方便的变量变换和约束松弛进行,而一个连续的线性化的运动方程被用来处理的非线性动力学。为了提高算法的鲁棒性,提出了一种递归更新参考解的滤波技术。数值结果,并与间接方法提供的结果进行了比较。
2019-09-20 math.OC
Distributed Big-Data Optimization via Block-Iterative Convexification and Averaging
Università del Salento(萨莱诺大学);Purdue University(普渡大学)
本文研究多智能体网络中的分布式大数据非凸优化问题,提出基于块迭代凸化和平均的算法,通过局部优化和通信子集,解决非凸性问题并保证渐近收敛。
2018-05-02 cs.DC cs.SY eess.SY
Collaborative Autonomous Optimization of Interconnected Multi-Energy Systems with Two-Stage Transactive Control Framework
基于多能源集成的优点,建立了一种基于交互控制的双层两阶段框架,以实现互联多能源系统(MES)间的最优能量供应。在低层,各MES通过求解一个成本最小化问题,自主确定各可控资产的最优设定值,并采用滚动优化方法处理负荷和可再生能源的随机特性。进一步实现了一种通过松弛存储互补约束实现最优化模型凸化的技术,并通过数学证明验证了松弛的正确性。在上层,建立协调器以最小化协作互连MES的总成本,同时防止Transformer过载。这个合作问题进一步分解,并在一个两阶段的过程中迭代求解的基础上市场出清机制。该方法的一个显着特点是,它是兼容的操作时间要求,同时保留可扩展性,信息隐私和每个MES的操作权限。通过仿真实例对协同优化机制进行了详细的分析,验证了该框架的有效性。
2019-10-22 math.OC
Solving the time-optimal control problem for nonlinear non-autonomous linearizable systems
本文给出了非线性非自治线性化系统的时间最优控制问题可以用逐次逼近法求解的条件,在逐次逼近法的每一步都要求解一个幂马尔可夫矩最小问题。所提出的方法可以有效地实现通过使用符号和数值计算。
2022-03-16 math.OC
SCvx-fast: A Superlinearly Convergent Algorithm for A Class of Non-Convex Optimal Control Problems
在本文中,我们扩展了我们以前的结果,并正式提出了SCVx快速算法,一个新的除了连续凸化算法框架。所述算法解决了具有特定类型的状态约束(即凸禁入区的并集)的非凸最优控制问题,并且比其前身SCvx收敛更快。为了保持更多的可行性,该算法采用了一种新的投影-凸化过程,将状态约束和系统动力学同时凸化,从而每次求解一个有限维的凸规划子问题.它还摆脱了对置信域的依赖,获得了采取更大步骤的能力,从而最终实现更快的收敛。延伸部分分为以下三个部分。i)我们现在可以从一个不可行的起点初始化算法,并在一个步骤中重新获得可行性; ii)我们摆脱了约束上的平滑条件,以便可以包括更广泛的“障碍”。相应地调整算法的重大变化; iii)我们得到了超线性收敛速率的证明,一个新的理论结果SCVx快速。SCvx-fast算法由于其特殊的问题设置和投影凸化过程,特别适合于求解带避碰约束的轨迹规划问题。进行了数值模拟,肯定了快速的收敛速度。通过强大的凸规划求解器,该算法可以在机载实时自主制导应用中实现。
2021-11-30 math.OC
Real-Time Model Predictive Control Algorithms for Autonomous Spacecraft Guidance
Laboratoire Jacques-Louis Lions(雅克-路易·利翁斯实验室)
该研究对比四类MPC算法,基于CWH模型揭示长时域下快速MPC发散的原因,验证Tube MPC的鲁棒性与安全性,实现无外部库的核心例程,支持其作为星上实时航天器交会制导控制器。
2026-09-02 math.OC
Stochastic Control of Launch Vehicle Upper Stage with Minimum-Variance Splash-Down
本文提出了一种新的综合方法,用于设计运载火箭上一级不可节流的最优鲁棒制导律。在未扰动的情况下,无损和连续凸化技术的组合,制定的指导问题作为一个序列的凸问题,产生的最佳轨迹,作为一个参考的反馈控制器的设计,几乎没有计算工作。然后,基于参考状态和控制,一个随机最优控制问题被定义为寻找一个闭环控制律,以抑制随机飞行干扰。控制参数作为一个乘法反馈法,因此,只有控制方向进行调节,而幅度对应于标称值,使其用于固体火箭发动机。优化的目的是最大限度地减少飞溅分散,以确保废级尽可能接近标称点。由于采用了一种新颖的凸化策略,使得随机最优控制问题转化为半定规划问题,从而可以在多项式时间内求解。数值结果评估的随机控制器的鲁棒性,并通过广泛的Monte Carlo运动与模型预测控制算法的性能进行比较。
2022-10-26 cs.SY eess.SY math.OC
A Penalty Method Based Approach for Autonomous Navigation using Nonlinear Model Predictive Control
本文提出了一种新的模型预测控制策略,用于控制自主运动系统通过具有一般形状障碍物的环境。为了解决这类一般的非凸优化问题,并找到一条到达目的地的可行轨迹,该方法采用二次罚函数法来加强避障约束,并采用几种算法来绕过障碍物后的局部极小值。二次惩罚法本身有助于避免这种局部最小值逐渐找到一条路径周围的障碍物的惩罚因子连续增加。内部最优化问题的实时解决使用近似平均牛顿型方法的最优控制(PANOC),一阶方法,具有较低的运行时间,适合于嵌入式应用。通过大量的数值模拟验证了该方法的有效性,并显示出在运行时间和鲁棒性方面优于最先进的求解器。
2018-08-27 math.OC
Nonlinear Robust Optimization for Planning and Control
Georgia Institute of Technology(佐治亚理工学院)
本文提出一种双层鲁棒轨迹优化方法,外层采用信赖域逐次凸化处理非线性动力学与约束,内层通过凸重构和增广拉格朗日法求解线性化鲁棒问题,并将线性化误差建模为扰动以增强鲁棒性。
2025-04-06 cs.RO cs.SY eess.SY
Computationally Efficient Chance Constrained Covariance Control with Output Feedback
本文研究部分可观测线性系统的机会约束协方差控制问题,提出利用 Kalman filter 重构状态并将机会约束转化为差分凸约束,通过逐次凸化求解,在双积分器实验中验证了计算高效性。
2024-03-22 cs.SY eess.SY math.OC
A Survey on Convex Optimization for Guidance and Control of Vehicular Systems
本文综述凸优化与凸化技术在运载系统制导与控制领域的最新进展,覆盖航天、航空、地面车辆三大应用方向,梳理方法异同与应用关联,指出开放挑战并给出未来研究建议。
2023-11-09 cs.SY eess.SY math.OC
On the Multi-Index, Multi-Rate, and Multi-Phase Dynamics of Decoder-Only Language Models: A Unified Hybrid Framework for Generative and Agentic Systems
本文提出控制理论框架,将仅解码器语言模型建模为多索引、多速率系统,并通过随机混合系统统一生成与智能体工具交互的多相动力学,同时给出任务级误差过程的界。
2026-10-02 cs.SY eess.SY math.OC
Stochastic Finite State Control of POMDPs with LTL Specifications
California Institute of Technology(加州理工学院)
部分可观测马尔可夫决策过程(POMDPs)为不确定性和不完美感知下的自主决策提供了一个建模框架,例如机器人操作和自动驾驶汽车。然而,POMDPs的最优控制是众所周知的棘手。本文考虑了POMDP的次优随机有限状态控制器(sFSC)的定量合成问题,使得满足线性时序逻辑(LTL)公式的一组高级规范的概率最大化。我们开始铸造后一个问题的优化和使用松弛的泊松方程和麦考密克信封的基础上。然后,我们提出了一个随机有界的政策迭代算法,导致sFSC的大小和任何时间的算法,其中控制器的性能提高与连续迭代的控制增长,但可以停止由用户基于时间或内存的考虑。我们说明了所提出的方法的机器人导航的案例研究。
2020-01-21 cs.AI cs.FL cs.RO