离散时间随机系统的风险感知控制：将卡尔曼滤波器和最坏情况CVaR集成到控制障碍函数中

本文针对受随机扰动的离散时间线性系统提出了控制方法。采用卡尔曼滤波器估计状态传播的均值和协方差，并利用最坏情况条件风险价值（CVaR）基于估计的均值和协方差量化尾部风险。然后将量化的风险集成到控制障碍函数（CBF）中，以推导控制器综合的约束条件，处理安全集边界附近的尾部风险。针对半空间和椭球安全集，分别提出了两种基于优化的控制方法。通过数值仿真验证了所得结果的有效性。