基于反例引导的鲁棒离散时间控制障碍函数综合
最优化与控制
2025-06-17 v1 系统与控制
系统与控制
摘要
基于学习的方法已广泛用于训练候选控制障碍函数（CBF），以在有限采样状态集上满足CBF条件。然而，由于CBF事先未知，不清楚哪些采样状态属于其零上水平集并必须满足CBF条件，哪些状态位于其外。现有方法定义了一个所有采样状态都必须满足CBF条件的集合，从而引入了保守性。在本文中，我们针对鲁棒离散时间CBF（R-DTCBF）解决了此问题。此外，我们提出了一类可用于在线优化问题的R-DTCBF，用于为具有输入约束和有界扰动的通用离散时间系统综合安全控制器。为了训练这样一个不仅在采样状态上有效而且在整个区域上都有效的R-DTCBF，我们在反例引导方法中迭代地使用验证算法。我们将该方法应用于数值案例研究。
引用
@article{arxiv.2506.13011,
title = {Counterexample-Guided Synthesis of Robust Discrete-Time Control Barrier Functions},
author = {Erfan Shakhesi and Alexander Katriniok and W. P. M. H. Heemels},
journal= {arXiv preprint arXiv:2506.13011},
year = {2025}
}