Safety-Critical Control of Stochastic Systems using Stochastic Control Barrier Functions
Safety-Critical Control of Stochastic Systems using Stochastic Control Barrier Functions
复制标题
使用随机控制障碍函数的随机系统的安全关键控制
DOI：
--
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Jun Liu
中科院分区：
文献类型：
--
作者：
Chuanzhen Wang;Yiming Meng;Stephen L. Smith;Jun Liu
控制屏障函数已广泛用于合成安全关键控制，通常通过求解二次规划来实现。然而，高斯型噪声的存在可能会导致不安全的行为，并造成严重的后果。在本文中，我们研究由布朗运动驱动的随机微分方程（SDE）建模的系统。我们提出了随机控制障碍函数（SCBF）的概念，并表明与随机互易控制障碍函数（SRCBF）相比，SCBF 可以显着减少控制工作，特别是在存在噪声的情况下，并且与随机归零控制障碍函数（SZCBF）相比，提供了不太保守的安全概率估计。基于对所提出的 SCBF 概念的不太保守的概率估计，我们进一步扩展结果以使用高阶 SCBF 处理高相对程度的安全约束。我们通过理论分析和数值模拟证明，所提出的 SCBF 在性能和控制工作方面实现了良好的权衡。
Control barrier functions have been widely used for synthesizing safety-critical controls, often via solving quadratic programs. However, the existence of Gaussian-type noise may lead to unsafe actions and result in severe consequences. In this paper, we study systems modeled by stochastic differential equations (SDEs) driven by Brownian motions. We propose a notion of stochastic control barrier functions (SCBFs) and show that SCBFs can significantly reduce the control efforts, especially in the presence of noise, compared to stochastic reciprocal control barrier functions (SRCBFs), and offer a less conservative estimation of safety probability, compared to stochastic zeroing control barrier functions (SZCBFs). Based on this less conservative probabilistic estimation for the proposed notion of SCBFs, we further extend the results to handle high relative degree safety constraints using high-order SCBFs. We demonstrate that the proposed SCBFs achieve good trade-offs of performance and control efforts, both through theoretical analysis and numerical simulations.
完全和不完全信息随机系统的控制屏障函数
DOI：
10.23919/acc.2019.8814901
发表时间：
2019
期刊：
American Control Conference (ACC
影响因子：
--
作者：
Clark, A.
通讯作者：
Clark, A.