面向机器人系统自适应安全的高阶调节器

控制屏障函数(CBF)与自适应控制的结合——称为自适应安全的框架——已被证明是针对非线性系统及其参数不确定性的安全关键控制的强大范式。然而，该框架中关于前向不变性的理论条件往往相当保守，可能需要使用较大的自适应增益才能实现可接受的性能，这种方法在传统自适应控制中通常被不推荐。本文通过引入高阶调节器——一种最近出现的高阶自适应律类——来缓解此类问题，后者利用在不同微分阶次上使用不同自适应增益的能力。我们说明，这些高阶调节器将自适应增益条件与系统初始条件所需的不变性条件分离。我们将这些结果推广到机器人系统，其线性-参数结构对于自适应控制尤其有用。通过仿真说明了这些结果的有效性。