基于有界松弛控制屏障函数的模型预测控制安全规划方法及其在动态环境中的应用

《IEEE Control Systems Letters》:Safety-Certified Planning and Control in Dynamic Environments via Model Predictive Control

【字体: 大 中 小 】 时间:2025年12月16日 来源:IEEE Control Systems Letters 2

编辑推荐:

  本文推荐一项针对动态环境中机器人安全导航的研究。为解决传统模型预测控制(MPC)结合控制屏障函数(CBF)时存在的可行性不足与安全性妥协问题,研究人员提出了一种新型MPC-D-CBF框架。该方法通过引入有界松弛权重和松弛因子,实现了对多障碍物场景下安全约束的量化调节,既保证了系统的递归可行性,又维持了控制屏障函数的安全保障特性。仿真结果表明,该方法在静态与动态障碍物共存的环境中能有效生成安全轨迹,为自主系统在复杂场景下的可靠部署提供了理论支撑。

  
随着自主移动机器人在物流、服务等领域的广泛应用,其在动态环境中的安全导航问题日益凸显。传统模型预测控制(MPC)方法虽然能够通过预测未来状态来优化轨迹规划,但在面对突发障碍物时往往需要较长的预测视野才能保证安全,这会导致计算负担过重。而控制屏障函数(CBF)虽能提供严格的安全保证,但其与MPC的直接结合容易因约束冲突导致优化问题不可行。现有研究尝试通过引入无界松弛变量来恢复可行性,但这会带来安全性不可控妥协的风险。如何在保证实时性的前提下,既维持系统的递归可行性又不破坏安全认证,成为该领域亟待突破的瓶颈问题。
针对这一挑战,密歇根州立大学Marjan Khaledi与Bahare Kiumarsi在《IEEE Control Systems Letters》发表研究,提出了一种创新性的双松弛机制MPC-D-CBF框架。该框架通过引入有界松弛权重(ωk)i∈[0,1]和松弛因子ηi∈(γi,1],实现了安全约束的量化可控调节。与以往使用无界松弛变量的方法不同,这种设计既能确保优化问题的递归可行性,又能通过凸惩罚函数ψ((ωk)i)=Pω(1-(ωk)i)2将约束违反控制在预设范围内。
关键技术方法包括:1)建立离散时间动态控制屏障函数(D-CBF)约束体系,通过条件hi(xt+k+1|t,xobs,t+k+1i)≥(ωk)i(1-ηi)hi(xt+k|t,xobs,t+ki)实现安全集的渐进收缩;2)采用基于Lipschitz连续性的可行性分析,推导出保证初始可行性的参数选择准则ηi>(Lx,iBx+Lo,iBo,i)/|hi(x0,xobs,0i)|;3)设计终端约束条件下的递归可行性证明框架,通过终端控制律维持终端集不变性。
理论研究方面,论文通过三个核心定理奠定了方法的基础。Theorem 1建立了初始可行性条件,表明当松弛因子ηi大于由系统运动范围和障碍物动态决定的阈值时,优化问题必然有解。Theorem 2证明了安全性的保持,指出只要当前状态位于安全集内且优化问题可行,则下一时刻状态必然保持安全。Theorem 3则通过构造性证明确立了递归可行性,展示了如何通过终端控制策略和自适应权重调整来维持预测时域内的持续可行性。
仿真验证部分采用单轮移动机器人模型进行测试。在静态圆形障碍物避障场景中,对比了传统MPC距离约束(MPC-DC)与提出的MPC-D-CBF方法。如图1所示,当预测视野N=5时,MPC-DC无法在30秒内找到可行轨迹,而MPC-D-CBF则成功完成避障任务。这验证了该方法在短预测视野下的有效性。
复杂环境测试采用ROSbot XL和TurtleBot3 Burger平台,在Gazebo环境中构建了包含三个静态障碍物和一个动态障碍物的场景。动态障碍物沿近似圆形轨迹运动,机器人需要从原点出发到达目标点[3,0,π/2]T。通过定义多CBF约束分别处理静态与动态障碍物,控制器在保持输入约束|vt|≤0.8,|ωt|≤π/2的前提下,成功实现了安全导航。
轨迹分析显示(图4),机器人在运动过程中能主动偏离标称路径以应对横穿其路径的移动障碍物。在不同时间节点(5%、25%、75%和最终阶段)的轨迹快照表明,控制器能够动态调整权重参数,在保证安全距离的前提下逐步逼近目标位置。整个过程中控制输入始终保持有界,最终无碰撞到达目标点。
该研究的核心创新在于通过双松弛机制实现了安全性与可行性的平衡。松弛因子ηi负责调节安全约束的严格程度,而有界权重(ωk)i则针对每个障碍物提供独立的约束放松能力。这种解耦设计克服了传统方法中单一松弛变量既影响安全性又影响可行性的局限性。相比现有工作,该框架不仅提供了理论上的递归可行性保证,还通过权重参数的凸惩罚避免了无界安全违反的风险。
值得注意的是,该方法对预测视野长度的依赖性显著降低。即使采用较短预测视野(如N=5),借助CBF的前向不变性特性,系统仍能保持长期安全性。这为解决MPC在复杂环境中计算效率与安全性之间的矛盾提供了新思路。同时,论文也指出在极短视野下可能出现的保守性行为,强调了预测视野参数调优的重要性。
未来研究方向包括探索复合CBF方法,将多个安全约束聚合为单一自适应约束,以进一步提升对实时环境变化的响应效率。此外,将框架扩展至更一般的非线性系统以及考虑障碍物动态预测不确定性也是值得深入的方向。
这项工作为自主系统在动态环境中的安全认证规划与控制提供了理论与实践基础,其提出的有界松弛机制为解决优化基础控制中的安全-可行性权衡问题提供了普适性框架,对推动自主机器人在实际场景中的可靠应用具有重要意义。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号