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
From a Single Trajectory to Safety Controller Synthesis of Discrete-Time Nonlinear Polynomial Systems
针对模型未知的离散时间非线性多项式系统，提出基于单条轨迹数据的平方和优化方法，无需辨识系统即可直接设计控制屏障证书与安全控制器，经两个物理案例验证了有效性。
2024-09-16 cs.SY eess.SY
Synthesizing Safety Controllers for Uncertain Linear Systems: A Direct Data-driven Approach
针对受未知但有界扰动影响的未知线性系统，提出了一种直接数据驱动的安全控制器设计方法，该方法不需要辨识未知模型.首先，我们提出了$γ$ -鲁棒安全不变（$γ$ -RSI）集及其相关的状态反馈控制器的概念，可以应用于执行不变性。然后，我们制定了一个数据驱动的计算这些集的凸优化问题与线性矩阵不等式（LMI）的约束，可以解决的基础上收集的数据从一个单一的输入状态轨迹的系统的有限数量。为了证明所提出的方法的有效性，我们将我们的结果应用到一个4维倒立摆。
2022-06-01 cs.SY eess.SY
RNN Controller for Lane-Keeping Systems with Robustness and Safety Verification
本文提出一种带鲁棒性与安全性验证的RNN车道保持控制器，通过二次约束、线性分式变换、线性矩阵不等式和半定规划处理不确定性并验证系统安全。
2023-09-16 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
Consensus controller with safety guarantee: an application to the kinematic bicycle model
针对异构非线性多智能体系统的安全一致性问题，提出融合输出预测、Newton-Raphson 方法与积分控制障碍函数的控制器，并在运动学自行车车队仿真中验证其安全收敛效果。
2023-10-01 cs.SY eess.SY
Safety Controller Synthesis for Stochastic Networked Systems under Communication Constraints
针对通信延迟与数据丢失的随机网络化系统，提出基于增广系统与控制屏障证书的安全控制器综合方法，将安全约束转化为矩阵不等式并量化安全概率，在RLC电路上验证有效性。
2025-09-09 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
Reachable Set Estimation and Safety Verification for Piecewise Linear Systems with Neural Network Controllers
Vanderbilt University（范德堡大学）
本文针对具有神经网络控制器的分段线性系统，提出分层方法计算ReLU神经网络的输出可达集，并通过迭代估计反馈控制系统的可达集以实现安全验证。
2018-02-20 cs.SY eess.SY
Analytical Safety Bounds for Trajectory Following Controllers in Autonomous Vehicles
本文针对自动驾驶轨迹跟随控制问题，提出一种基于最坏情况扰动序列的解析方法，用于计算线性时不变单输入多输出系统在状态反馈控制下的安全边界，并分析了反馈参数对横向控制安全裕度的影响。
2023-08-05 cs.SY eess.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-Critical Lane-Change Control for CAV Platoons in Mixed Autonomy Traffic Using Control Barrier Functions
针对CAV车队在变道场景下的安全问题，提出一种基于CBFs和CLFs的双层安全关键控制方法，实现纵向与横向安全控制，并在四个场景仿真中验证了有效性。
2023-02-01 cs.SY eess.SY
Generalizations of Backup Control Barrier Functions: Expansion and Adaptation for Input-Bounded Safety-Critical Control
California Institute of Technology（加州理工学院）；Illinois Institute of Technology（伊利诺伊理工大学）；Wichita State University（威奇托州立大学）
本文扩展了备份控制屏障函数框架，通过分离扩展控制器与验证备份控制器，实现更广泛的扩展策略，同时保持形式安全保证，并扩展到参数化控制器家族以实现在线适应。
2026-03-19 cs.SY eess.SY
Data-Driven Dynamic Controller Synthesis for Discrete-Time General Nonlinear Systems
本文针对模型未知且存在输入约束的离散时间一般非线性系统，提出一种基于单条轨迹数据同时学习控制屏障证书和动态控制器的数据驱动方法，将控制器设计转化为易于求解的数据依赖线性矩阵不等式，并通过非线性与高维案例验证其有效性。
2025-03-11 cs.SY eess.SY
Quantitative Implementation Strategies for Safety Controllers
Technical University of Munich（慕尼黑工业大学）
本文提出了一种统一的实现策略，通过单个折扣因子来统一基于折扣收益和均收益游戏的两种方法，实验表明折扣因子的选择对长期成本有显著影响，为安全控制器的定量目标提供了系统选择方法。
2017-12-14 cs.SY eess.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
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
Run Time Assurance for Safety-Critical Systems: An Introduction to Safety Filtering Approaches for Complex Control Systems
运行时间保证（RTA）系统是在线验证机制，过滤未经验证的主控制器输出，以确保系统安全。主要控制可以来自人类操作员、高级控制方法或自主控制方法，其不能被验证到与更简单的控制系统设计相同的水平。RTA系统的关键特征是它们能够明确地改变不安全的控制输入以确保安全。在许多情况下，RTA系统在功能上可以被描述为包含监视器和备用控制器，监视器监视系统的状态和主控制器的输出，备用控制器在必要时替换或修改控制输入以确保安全。RTA系统的一个重要特性是，保证机制的构建方式与主要控制者的底层结构完全无关。通过有效地将安全约束的执行与性能相关的目标解耦，RTA提供了许多优于传统（离线）验证的有用优势。本文提供了一个关于开发RTA系统的教程。
2022-06-06 cs.SY eess.SY
Compositional Construction of Safety Controllers for Networks of Continuous-Space POMDPs
在本文中，我们提出了一个合成框架的安全控制器的部分观察离散时间随机控制系统（a.k.a.）网络的合成。连续空间POMDPs）。给定一个估计量，我们利用一个离散化的方法来合成控制器，确保在有限的时间范围内的安全规格。所提出的框架是基于一个概念，所谓的本地控制障碍函数计算子系统在两种不同的方式。在第一种方案中，不需要估计精度的先验知识。第二个框架利用概率界的估计精度使用的概念，所谓的随机模拟功能。在这两个方案中，我们驱动足够的小增益类型的条件，以组成构造控制障碍函数互连POMDPs使用本地障碍函数计算的子系统。利用组合性的结果，构造的控制障碍函数使我们能够计算概率的下限，互连POMDPs避免某些不安全的区域在有限的时间范围内。我们证明了我们提出的方法的有效性，将它们应用到自适应巡航控制问题。
2021-03-10 cs.SY eess.SY
Self-triggered Control for Safety Critical Systems using Control Barrier Functions
Boston University（波士顿大学）
本文提出了一种结合自触发控制、控制李雅普诺夫函数（CLF）和控制屏障函数（CBF）的实时控制策略，通过求解二次规划问题实现控制器计算，引入零阶保持器（ZOH）以克服传统周期性控制器的不足，确保安全性和避免Zeno行为。
2019-03-08 cs.SY eess.SY
Safety-Critical Controller Verification via Sim2Real Gap Quantification
正如乔治·博克斯（George Box）所说：“所有的模型都是错误的，但有些是有用的。为了开发更有用的模型，我们量化了给定模型代表感兴趣系统的不准确性，以便我们可以利用这个数量来促进控制器的合成和验证。具体来说，我们开发了一个程序，确定一个sim 2 real差距，持有的概率最小。我们确定的sim 2 real差距增加标称模型产生一个不确定的模型，我们证明是一个准确的representor的系统行为。我们利用这个不确定的模型，合成和验证控制器的仿真使用概率验证方法。该流水线产生具有任意高概率的控制器，其在系统硬件上实现期望的安全行为，而不需要硬件测试，除了那些需要用于sim 2 real间隙识别的测试。我们还展示了我们的程序在两个硬件平台上工作-机器人和四足动物。
2022-09-19 cs.SY eess.SY
Learning Robust Safety Controllers for Uncertain Input-Affine Polynomial Systems
本文针对未知动态的输入仿射多项式系统，提出基于持续激励数据的直接数据驱动方法，通过平方和优化综合鲁棒控制屏障证书与鲁棒安全控制器，无需显式建模即可在无限时间范围内保证扰动下的安全性。
2025-07-20 cs.SY eess.SY
Sandboxing Controllers for Stochastic Cyber-Physical Systems
目前的信息物理系统（CPS）预计将完成复杂的任务。为了实现这一目标，应用了高性能但未经验证的控制器（例如深度神经网络，来自第三方的黑盒控制器），这使得保持整个CPS安全变得非常具有挑战性。通过对这些控制器进行沙箱化，我们不仅能够使用它们，而且还可以同时在受控的物理系统上实施安全属性。然而，当前可用的沙箱控制器解决方案仅适用于确定性（即，非随机）系统，可能受到有界扰动的影响。在本文中，我们第一次提出了一种新的解决方案，用于在嘈杂的环境中运行的CPS的沙箱未经验证的复杂控制器（又名。随机CPS）。此外，我们还提供了概率保证其安全性。在这里，在每个时刻观察未经验证的控制输入，并检查它是否违反了到达不安全集合的最大可容忍概率。如果该概率超过给定阈值，则拒绝未经验证的控制输入，并且由最优安全控制器提供的咨询输入将用于维持概率安全保证。实证结果表明，所提出的方法，预期的安全概率得到保证。
2021-09-23 cs.SY eess.SY
End-to-End Imitation Learning with Safety Guarantees using Control Barrier Functions
模仿学习（IL）是一种学习范式，可用于合成复杂系统的控制器，模仿专家（用户或控制算法）演示的行为。尽管IL方法很受欢迎，但它们通常缺乏安全性保证，这限制了它们在复杂安全关键系统中的实用性。在这项工作中，我们认为安全，制定为集不变性，并赋予相关的正式保证控制障碍函数（CBFs）。我们开发的条件下，鲁棒安全的专家控制器，利用CBF，可以用来学习端到端的控制器（我们称之为CBF兼容控制器），有安全保证。这些保证是从输入状态安全（ISSf）的角度考虑安全的干扰的情况下，其中它示出IL使用鲁棒安全的专家演示结果在ISSf与干扰直接相关的学习问题的属性。我们证明了这些安全保证，在模拟的基于视觉的端到端的倒立摆和汽车驾驶的轨道控制。
2022-12-21 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-Aware Cascade Controller Tuning Using Constrained Bayesian Optimization
提出了一种基于贝叶斯优化的PID串级控制器增益自动、无模型、数据驱动的安全整定方法。优化目标由数据驱动的性能指标组成，并使用高斯过程建模。我们还引入了一个数据驱动的约束，从系统数据中捕获稳定性要求。数值计算结果表明，该方法优于继电反馈自整定，并迅速收敛到全局最优，由于定制的停止标准。我们在模拟和实验中证明了该方法的性能。对于实验实现，除了引入的安全约束，我们集成了一种方法，用于自动检测的关键增益和扩展的优化目标与惩罚取决于当前候选点的接近的关键增益。由此产生的自动调优方法在确保稳定性和标准化的同时优化了系统性能
2021-08-11 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
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
Safety-Aware Performance Boosting for Constrained Nonlinear Systems
Ecole Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）；IMT School for Advanced Studies, Lucca（卢卡高等研究院）；University of Oxford（牛津大学）
本文提出一种结合性能提升控制器和预测安全过滤器的控制架构，通过参数化方法提升系统稳定性与安全性，扩展了安全轨迹集。
2026-03-19 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
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
Safety Barrier Certificates for Stochastic Control Systems with Wireless Communication Networks
针对无线通信网络下存在噪声的随机控制系统，本文基于控制障碍证书（CBC）提出一种形式化安全控制器综合方法，通过平方和优化与矩阵不等式构建CBC及控制器，为安全属性满足概率提供下界，并在永磁同步电机与汽车电动转向应用中验证了有效性。
2023-09-11 cs.SY eess.SY
Red Light, Green Light Game of Multi-Robot Systems with Safety Barrier Certificates
针对不确定多机器人系统的红灯、绿灯博弈问题，提出了安全屏障证书。根据游戏规则，机器人在娃娃喊“绿灯”后可以向前移动，喊“红灯”时必须停止。根据这一规则，一个两模式的名义控制器的设计，其中一个模式是向前移动，另一个是减速和不动。然后，多个指数控制障碍函数（ECBF）的开发，以处理有限的操场，碰撞避免，和饱和的速度的安全约束。在设计标称控制器和ECBF时，针对系统的不确定性，推导了估计制动时间和鲁棒不等式约束。因此，控制器保证每个机器人的安全屏障证书已制定了一个二次规划与标称控制器和鲁棒不等式约束。最后通过红灯、绿灯游戏仿真验证了所提出的安全关键控制系统的有效性。
2022-02-28 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
Imitation Learning with Stability and Safety Guarantees
提出了一种通过模仿学习来学习具有稳定性和安全性保证的神经网络控制器的方法。通过将李雅普诺夫理论与局部二次约束相结合，得到了带有神经网络控制器的线性定常对象动态系统的凸稳定性和安全性条件。这些条件被纳入IL过程中，最大限度地减少IL损失，并最大限度地提高与NN控制器相关联的吸引力的区域的体积同时。提出了一种基于乘子交替方向法的迭代学习算法。倒立摆系统，飞机纵向动力学，车辆横向动力学的方法进行了说明。
2021-04-07 cs.SY eess.SY
Compositional Design of Safety Controllers for Large-Scale Stochastic Hybrid Systems
School of Computing, Newcastle University（纽卡斯尔大学计算机学院）
本文提出基于小增益推理的组成方案，用于合成互联随机混合系统的安全控制器。通过引入增强控制子屏障证书，构建互联网络的安全控制器，并在小增益组成条件下推导安全概率的下界。
2026-04-13 cs.SY eess.SY
Monitor-Based Runtime Assurance for Temporal Logic Specifications
本文介绍了安全控制器的体系结构，作为一个运行时保证机制的系统规格表示为线性时序逻辑（LTL）的安全属性。安全控制器有三个基本组成部分：性能控制器、备用控制器和保证机制。保证机制使用一个监视器，构造为一个有限状态机（FSM），以分析一个建议的性能控制输入和搜索的系统轨迹是坏前缀的系统规范。来自保证机制的故障标志表示潜在危险的未来系统状态，并触发保证始终保持系统安全的输入序列。一个案例研究，详细介绍了一个非确定性的网络物理系统的安全控制器的建设和实施。
2019-08-08 cs.SY eess.SY
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
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
Controller-Agnostic Runtime Safety Certificates for Tool-Using AI Agents via Data-Driven Robust Reachability
Rochester Institute of Technology（罗切斯特理工学院）；George Washington University（乔治华盛顿大学）
该研究针对使用工具的AI智能体，提出一种与控制器无关的运行时安全证书，通过数据驱动的鲁棒可达性方法，在多类控制器和数据集上实现了零不安全结果，且对未充分覆盖的危险仍保持正确性。
2026-10-26 cs.SY eess.SY
Safety during Transient Response in Direct Current Microgrids using Control Barrier Functions
我们考虑的问题，保证瞬态电压和电流保持在规定的范围内的直流（DC）微电网，当控制器没有获得准确的系统动态，由于负载是未知的和/或时变的。为了实现这一点，我们提出了一种基于优化的控制器设计使用控制障碍函数。我们表明，所提出的控制器具有分散的结构，是鲁棒的系统参数，如负载的精确值的不确定性。
2021-02-04 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
Safety verification of Neural-Network-based controllers: a set invariance approach
针对基于神经网络状态反馈的连续时间线性动力系统安全问题，提出一种利用PWA激活函数、仿射区域划分与Nagumo定理验证非凸集合不变性的方法，分析了可扩展性并通过测试验证了有效性。
2023-12-19 cs.SY eess.SY
Integrating Opinion Dynamics into Safety Control for Decentralized Airplane Encounter Resolution
针对去中心化飞机相遇安全控制存在的飞机行进受阻问题，本研究将生物启发的非线性意见动力学整合进安全控制框架，无需通信或预设规则即可实现协同决策与快速安全协调，仿真验证了飞行效率与安全性的提升，为自主控制器设计提供参考。
2025-07-31 cs.SY eess.SY
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
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
Safety of Sampled-Data Systems with Control Barrier Functions via Approximate Discrete Time Models
California Institute of Technology（加州理工学院）；Argo AI
控制障碍函数（CBF）已被证明是非线性系统安全关键控制器设计的一个强有力的工具。现有的设计范例没有解决理论（控制器设计与连续时间模型）和实践（离散时间采样实现的控制器）之间的差距，这可能会导致性能差和违反安全的硬件实例。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CBF为基础的控制器，使用近似离散时间模型和采样数据控制障碍函数（SD-CBFs）。利用系统的连续时间模型的属性，我们建立了SD-CBF和采样数据系统的实际安全性的概念之间的关系。此外，我们构造凸优化为基础的控制器，正式赋予非线性系统的安全保障，在实践中。我们证明了这些控制器在仿真中的有效性。
2022-06-13 cs.RO cs.SY eess.SY
Safe Policy Optimization via Control Barrier Function-based Safety Filters
Boston University（波士顿大学）；California Institute of Technology（加州理工学院）；University of California San Diego（加州大学圣地亚哥分校）
本文提出一种策略优化框架，通过联合参数化名义反馈增益和安全过滤组件，提升安全过滤器的稳定性，实验显示能去除不稳定均衡点并改善收敛性。
2026-04-01 cs.SY eess.SY
Decentralized Safety-Critical Control of Resilient DC Microgrids with Large-Signal Stability Guarantees
针对直流微电网现有初级控制器缺乏严格安全保证、易牺牲扩展性等问题，提出结合控制屏障函数与端口哈密顿理论的分布式安全关键控制器，实现分散式可扩展安全镇定，经仿真验证在多故障场景下具备优势。
2025-09-04 cs.SY eess.SY
Grid-Forming Control with Assignable Voltage Regulation Guarantees and Safety-Critical Current Limiting
Johns Hopkins University（约翰斯·霍普金斯大学）
本文提出了一种具有可分配电压调节和安全关键电流限制的电网形成控制器，通过控制屏障函数实现鲁棒的电压形成和快速恢复。
2026-03-03 cs.SY eess.SY
Compositional Controller Synthesis for Interconnected Stochastic Systems with Markovian Switching
在这项工作中，我们提出了一个组合方案的安全控制器的合成互联离散时间随机系统的马尔可夫开关信号。我们提出的方法是基于一个概念，所谓的控制存储证书计算的各个子系统，通过利用它，可以合成状态反馈控制器的互联系统，以执行安全规范在有限的时间范围内。为此，我们采用平方和（SOS）优化方法来搜索多个存储证书的每个开关子系统，同时合成其相应的安全控制器。然后，我们利用耗散性理论的组合构造屏障证书的互联系统的基础上存储证书的各个子系统。所提出的耗散型组合条件可以利用互连拓扑的结构，并独立于子系统的数量或增益来实现。我们最终采用构造的屏障证书和量化的概率上界，互联系统在有限的时间范围内达到某些不安全的区域。我们将我们的研究结果应用于200个房间的室温网络，同时接受多个存储证书。我们合成的安全控制器，以保持每个房间的温度在一个舒适区的有界的时间范围。
2022-08-06 cs.SY eess.SY
Safety Margins of Inverse Optimal ISSf Controllers
本文研究了一般非线性系统在逆最优ISSf控制器下的增益裕度，揭示了其与HJI方程可解性的等价关系，并提出了一种改进方法使控制器在有无干扰时均具备[1/2,inf)的增益裕度且保证全局渐近稳定。
2025-10-30 cs.SY eess.SY
Infusing Reachability-Based Safety into Planning and Control for Multi-agent Interactions
Stanford University（斯坦福大学）
在机器人自主堆栈中，规划器和控制器通常是分开设计的，并且用于不同的目的。因此，在确保机器人安全方面，往往存在责任分散的问题。我们建议，计划者和控制者应该共享相同的安全解释，但以不同但互补的方式应用这些知识。为了实现这一目标，我们使用汉密尔顿-雅可比（HJ）可达性理论在规划层面提供的前瞻性，以避免进入可能不可避免的碰撞区域的机器人规划。但是，仅凭这一点并不能保证安全。结合这HJ可达性注入计划，我们提出了一个最小干预的多智能体安全保护控制器也来自HJ可达性理论。安全控制器保持机器人的安全性，而不会过度影响规划器的性能。我们在多智能体高速公路场景中展示了我们提出的方法的好处，其中机器人汽车将获得奖励，以尽可能快地在交通中导航，并且我们表明，与其他安全控制器相比，我们的方法提供了强有力的安全保证，同时实现了最高的性能。
2020-07-31 cs.RO cs.SY eess.SY
Reach-avoid Controllers Synthesis for Safety Critical Systems
本文基于控制引导-障碍函数的概念，给出了由常微分方程建模的确定性系统和由随机微分方程建模的随机系统的避达控制器的综合充分条件。我们首先考虑确定性系统。给定一个开放的安全集，一个目标集和一个标称控制器，我们试图合成一个到达-避免控制器，它以最小的方式修改标称控制器，执行到达-避免目标，即，系统最终将进入目标集，同时在第一个目标命中时间之前停留在安全集内。提出了三种控制导引障碍函数，构造了三个相应的可综合避达控制器的条件，这些条件逐渐变弱，从而便于最优控制器的设计。第一个和第二个被称为指数和渐近控制制导障碍函数，它保证从安全集开始的每个轨迹将分别以指数速率和渐近方式进入目标集。然而，这两个控制导引障碍函数都有一个共同的条件，即在系统进入目标集之前，强制其每个正子水平集不变性，这个条件是严格的，从而限制了容许控制器的空间。因此，进一步发展了一种松弛控制导引-障碍函数，使得在系统进入目标集之前，只有安全集集是不变性的，从而扩展了容许控制输入的空间。然后，我们将确定性系统的方法扩展到随机系统，在概率环境下合成到达-避免控制器。最后，几个数值例子证明了所提出的方法的性能。
2023-02-28 cs.SY eess.SY
