满足安全性约束的信号时序逻辑规范的循环神经网络控制器
系统与控制
2020-09-25 v1 机器学习
系统与控制
摘要
我们提出一种基于循环神经网络（RNNs）的框架，以确定需要满足由信号时序逻辑（STL）公式给出的规范的离散时间系统的最优控制策略。RNNs 能够随时间存储系统信息，从而使我们能够判定 STL 公式中所指定的动态时序要求的满足性。给定一个 STL 公式、一组满足规范的系统执行及相应控制策略的数据集，我们可以利用 RNNs 基于系统的当前与先前状态预测每个时刻的控制策略。我们使用控制障碍函数（CBFs）来保证所预测控制策略的安全性。我们通过仿真验证了我们的理论表述，并展示了其在受部分未知安全约束的最优控制问题中的性能。
引用
@article{arxiv.2009.11468,
title = {Recurrent Neural Network Controllers for Signal Temporal Logic Specifications Subject to Safety Constraints},
author = {Wenliang Liu and Noushin Mehdipour and Calin Belta},
journal= {arXiv preprint arXiv:2009.11468},
year = {2020}
}
备注
7 pages, 4 figures, submitted to IEEE Control Systems Letters (L-CSS) with the option to present it to the ACC 2021