CLF-CBF协同路径跟踪控制器

安全关键协同控制

基于神经网络预测器和反步CBF方法，在输入与安全约束下实现多智能体系统的协同路径跟踪和输入到状态安全。

Cong, Siming · 古楠 · Dan, Wang · 李永明 · 彭周华

Neurocomputing 2025

技术优势

避免多重导数

通过反步CBF方法仅考虑顶层系统，无需计算高阶导数，简化了设计并减轻计算负担。

保证输入到状态安全

将安全约束纳入QP优化问题，确保在输入约束下系统满足输入到状态安全性。

基于神经动力学优化

采用神经动力学优化求解CLF-CBF-QP问题，能够高效生成最优控制信号。

应用场景

• 多智能体协同控制：为多智能体系统提供一种兼顾稳定性和安全性的协同控制算法，可集成到现有控制框架中。
• 自主水面舰艇编队：方法已在自主水面舰艇编队仿真中验证，可指导实际编队路径跟踪控制。
• 安全关键系统：通过CBF保证输入到状态安全，适用于对安全性要求严格的系统。