混合动力系统无处不在,因为实际机器人应用通常涉及连续状态和离散切换。安全是混合机器人系统的主要问题。措施至关重要的安全控制方法在计算上效率低下,对系统性能有害或限于小型系统。为了修改这些缺点,在本文中,我们提出了一种支持学习的方法来构建局部控制障碍功能(CBF),以确保广泛的非线性混合动力学系统的安全性。最终结果是一个安全的基于神经CBF的开关控制器。我们的方法在计算上是有效的,对任何参考控制器的侵入率最低,并且适用于大型系统。我们通过两个机器人示例来评估我们的框架,并通过两个基于CBF的方法和模型预测性控制来证明其效果和灵活性。关键字:混合系统,安全性,控制障碍功能
主要关键词