基于安全屏障贝叶斯优化的安全关键控制最优参数适应

在控制系统中，安全性至关重要，以避免昂贵的风险和灾难性损坏。控制屏障函数（CBF）方法作为一种针对安全关键控制的有前景的解决方案，正在提出新的挑战：由于其直接修改原始控制设计和引入未校准参数，如何增强控制性能成为新问题。本文我们发现，可配置参数在 CBF 方法中对性能提升发挥着关键作用，并进行系统性归类。基于此，我们提出了一种新框架，将 CBF 方法与贝叶斯优化（BO）结合，以优化安全控制性能。考虑到可行性/安全关键约束，我们开发了使用基于屏障的内点方法的 BO 的安全版本，以高效搜索有前景的可配置参数。此外，我们提供了本框架的安全性和最优性的理论准则。我们框架的一个重要优势在于它可以在模型不可知的环境中工作，保留了设计目标函数和约束函数的充分灵活性。最后，我们在仰臂控制和高保真自适应巡航控制仿真实验中均 conducted 以展示本框架的有效性。