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:2507.13888v1

帮助 | 高级搜索

电气工程与系统科学 > 系统与控制

arXiv:2507.13888v1 (eess)
[提交于 2025年7月18日 ]

标题: 固定时间收敛保证对于高阶控制屏障函数

标题: Fixed time convergence guarantees for Higher Order Control Barrier Functions

Authors:Janani S K, Shishir Kolathaya
摘要: 我们提出了一种设计高阶控制屏障函数(CBFs)的新方法,该方法保证在用户指定的有限时间内收敛到安全集。传统的高阶控制屏障函数(HOCBFs)确保渐近安全,但缺乏固定时间收敛的机制,这在时间敏感和安全关键的应用中至关重要,例如自主导航。相比之下,我们的方法使用特征多项式中的重根施加结构化的微分约束,从而实现具有精确收敛时间的显式多项式解。我们推导了确保前向不变性和固定时间可达性的屏障函数及其导数的条件,并为二阶系统提供了显式公式。我们的方法在三个机器人系统上进行了评估——一个质点模型、一个全向车和一个自行车模型,并与现有的HOCBF方法进行了比较。结果表明,即使传统方法失效时,我们的公式也能可靠地在所需时间内强制收敛。这项工作提供了一个可行且稳健的框架,用于具有可证明的有限时间安全保证的实时控制。
摘要: We present a novel method for designing higher-order Control Barrier Functions (CBFs) that guarantee convergence to a safe set within a user-specified finite. Traditional Higher Order CBFs (HOCBFs) ensure asymptotic safety but lack mechanisms for fixed-time convergence, which is critical in time-sensitive and safety-critical applications such as autonomous navigation. In contrast, our approach imposes a structured differential constraint using repeated roots in the characteristic polynomial, enabling closed-form polynomial solutions with exact convergence at a prescribed time. We derive conditions on the barrier function and its derivatives that ensure forward invariance and fixed-time reachability, and we provide an explicit formulation for second-order systems. Our method is evaluated on three robotic systems - a point-mass model, a unicycle, and a bicycle model and benchmarked against existing HOCBF approaches. Results demonstrate that our formulation reliably enforces convergence within the desired time, even when traditional methods fail. This work provides a tractable and robust framework for real-time control with provable finite-time safety guarantees.
评论: 6页,2图
主题: 系统与控制 (eess.SY) ; 机器人技术 (cs.RO)
引用方式: arXiv:2507.13888 [eess.SY]
  (或者 arXiv:2507.13888v1 [eess.SY] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.13888
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Janani Sk [查看电子邮件]
[v1] 星期五, 2025 年 7 月 18 日 13:05:47 UTC (206 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.SY
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.RO
cs.SY
eess

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