基于离散时间控制障碍函数的安全临界模型预测控制
系统与控制
2021-03-24 v3 机器人学
系统与控制
摘要
机器人系统的最优性能通常在状态和输入边界的极限附近取得。模型预测控制(MPC)是处理这些运行约束的普遍策略，然而安全性对MPC仍是一个开放挑战，因其需保证系统停留在不变集内。为在集合不变性背景下获得安全最优性能，我们提出一种利用离散时间控制障碍函数(CBFs)的安全临界模型预测控制策略，其通过模型预测控制保证系统安全并实现最优性能。我们分析了该控制设计的稳定性与可行性性质。我们在用于避障的二维双积分器模型上验证了方法性质，并使用竞争赛车示例对算法进行数值验证，其中自车能够超越其他赛车。
引用
@article{arxiv.2007.11718,
title = {Safety-Critical Model Predictive Control with Discrete-Time Control Barrier Function},
author = {Jun Zeng and Bike Zhang and Koushil Sreenath},
journal= {arXiv preprint arXiv:2007.11718},
year = {2021}
}