Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2507.12717

帮助 | 高级搜索

电气工程与系统科学 > 系统与控制

arXiv:2507.12717 (eess)
[提交于 2025年7月17日 ]

标题: 关于最优衰减控制屏障函数的性质

标题: On the Properties of Optimal-Decay Control Barrier Functions

Authors:Pio Ong, Max H. Cohen, Tamas G. Molnar, Aaron D. Ames
摘要: 控制屏障函数提供了一种强大的方法,用于合成安全过滤器,以确保以正向集不变性为框架的安全性。 CBFs 的有效性关键在于系统动态上的简单不等式:$\dot{h} \geq - \alpha(h)$。 然而确定类$\mathcal{K}^e$函数$\alpha$是用户定义的选择,这可能会对结果系统行为产生重大影响。 本文形式化了使用最优衰减控制屏障函数(OD-CBFs)选择$\alpha$的过程。 这些函数修改了传统的 CBF 不等式为:$\dot{h} \geq - \omega \alpha(h)$,其中$\omega \geq 0$由安全过滤器自动确定。 详细阐述了该框架的全面特性,包括 OD-CBF 有效性的可处理条件、状态空间中底层集合的控制不变性、安全集合的正向不变性条件,以及在可行性、Lipschitz 连续性和显式表达式方面对基于优化的安全控制器的讨论。 该框架还扩展了现有的高阶 CBF 技术,解决了相对阶消失的安全约束问题。 所提出的方法在仿真中的卫星控制问题上进行了演示。
摘要: Control barrier functions provide a powerful means for synthesizing safety filters that ensure safety framed as forward set invariance. Key to CBFs' effectiveness is the simple inequality on the system dynamics: $\dot{h} \geq - \alpha(h)$. Yet determining the class $\mathcal{K}^e$ function $\alpha$ is a user defined choice that can have a dramatic effect on the resulting system behavior. This paper formalizes the process of choosing $\alpha$ using optimal-decay control barrier functions (OD-CBFs). These modify the traditional CBF inequality to: $\dot{h} \geq - \omega \alpha(h)$, where $\omega \geq 0$ is automatically determined by the safety filter. A comprehensive characterization of this framework is elaborated, including tractable conditions on OD-CBF validity, control invariance of the underlying sets in the state space, forward invariance conditions for safe sets, and discussion on optimization-based safe controllers in terms of their feasibility, Lipschitz continuity, and closed-form expressions. The framework also extends existing higher-order CBF techniques, addressing safety constraints with vanishing relative degrees. The proposed method is demonstrated on a satellite control problem in simulation.
评论: 8页,2图,将发表于第64届IEEE决策与控制会议(CDC 2025)
主题: 系统与控制 (eess.SY)
引用方式: arXiv:2507.12717 [eess.SY]
  (或者 arXiv:2507.12717v1 [eess.SY] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.12717
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Pio Ong [查看电子邮件]
[v1] 星期四, 2025 年 7 月 17 日 01:50:29 UTC (518 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
eess
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.SY
eess.SY

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号