論文の概要: A Barrier Certificate-based Simplex Architecture for Systems with Approximate and Hybrid Dynamics

• arxiv url: http://arxiv.org/abs/2202.09710v3
• Date: Thu, 07 Nov 2024 22:02:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-11 14:52:47.994285
• Title: A Barrier Certificate-based Simplex Architecture for Systems with Approximate and Hybrid Dynamics
• Title（参考訳）: 近似とハイブリッドのダイナミクスを持つシステムのためのバリア認証に基づくシンプルなアーキテクチャ
• Authors: Amol Damare, Shouvik Roy, Roshan Sharma, Keith DSouza, Scott A. Smolka, Scott D. Stoller,
• Abstract要約: Bb-Simplexは、連続力学系の実行時保証のための新しい設計である。 バリア証明書は、ベースラインコントローラが安全を保証することを証明するために使用される。 Bb-Simplexは、複雑な連続時間とハイブリッドシステムのスイッチング条件を自動的に導出することができる。
• 参考スコア（独自算出の注目度）: 3.254402439041394
• License:
• Abstract: We present Barrier-based Simplex (Bb-Simplex), a new, provably correct design for runtime assurance of continuous dynamical systems. Bb-Simplex is centered around the Simplex control architecture, which consists of a high-performance advanced controller that is not guaranteed to maintain safety of the plant, a verified-safe baseline controller, and a decision module that switches control of the plant between the two controllers to ensure safety without sacrificing performance. In Bb-Simplex, Barrier certificates are used to prove that the baseline controller ensures safety. Furthermore, Bb-Simplex features a new automated method for deriving, from the barrier certificate, the conditions for switching between the controllers. Our method is based on the Taylor expansion of the barrier certificate and yields computationally inexpensive switching conditions. We also propose extensions to Bb-Simplex to enable its use in hybrid systems, which have multiple modes each with its own dynamics, and to support its use when only approximate dynamics (not exact dynamics) are available, for both continuous-time and hybrid dynamical systems. We consider significant applications of Bb-Simplex to microgrids featuring advanced controllers in the form of neural networks trained using reinforcement learning. These microgrids are modeled in RTDS, an industry-standard high-fidelity, real-time power systems simulator. Our results demonstrate that Bb-Simplex can automatically derive switching conditions for complex continuous-time and hybrid systems, the switching conditions are not overly conservative, and Bb-Simplex ensures safety even in the presence of adversarial attacks on the neural controller when only approximate dynamics (with an error bound) are available.
• Abstract（参考訳）: 本稿では,連続力学系の実行時保証のための新しい,確実に正しい設計法であるバリアベースのSimplex(Bb-Simplex)を提案する。 Bb-Simplexは、プラントの安全性を維持することが保証されていない高性能の先進的なコントローラと、安全確認されたベースラインコントローラと、2つのコントローラ間でプラントの制御を切り替え、性能を犠牲にすることなく安全性を確保する決定モジュールで構成されるSimplex制御アーキテクチャを中心に構成されている。 Bb-Simplexでは、ベースラインコントローラが安全を保証することを証明するためにバリアー証明書が使用される。 さらに、Bb-Simplexは、バリア証明書からコントローラ間の切り替え条件を導出する新しい自動メソッドを備えている。 本手法は,バリア証明書のTaylor拡張に基づいて,計算コストの低いスイッチング条件を生成する。 また,Bb-Simplexの拡張により,複数のモードをそれぞれ独自の動的に持つハイブリッドシステムでの利用が可能となり,連続時間系とハイブリッドシステムの両方において,近似力学(正確なダイナミクスではない)が利用可能である場合にのみ,Bb-Simplexの利用がサポートされる。 本稿では,Bb-Simplexのマイクログリッドへの応用について考察する。 これらのマイクログリッドは、業界標準の高忠実でリアルタイムな電力システムシミュレータRTDSでモデル化されている。 以上の結果から,Bb-Simplexは複雑な連続時間とハイブリッドシステムのスイッチング条件を自動的に導出し,スイッチング条件は過度に保守的ではなく,Bb-Simplexは近似力学(エラーバウンド付き)しか利用できない場合のみ,ニューラルコントローラに対する逆アタックがあっても安全であることがわかった。

関連論文リスト

• Safe Learning-Based Optimization of Model Predictive Control: Application to Battery Fast-Charging [0.0]
  本稿では,モデル予測制御とベイズ最適化を統合し,長期閉ループ性能を最適化する手法について議論する。 この研究は、閉ループ制約満足度を強調することによって、これまでの研究を拡張した。 本手法をリチウムイオン電池の高速充電に適用する。
  論文  参考訳（メタデータ） (2024-10-07T12:23:40Z)
• Learning Local Control Barrier Functions for Safety Control of Hybrid Systems [11.57209279619218]
  安全はハイブリッドロボットシステムにとって主要な関心事である。 既存のハイブリッドシステムに対する安全クリティカルな制御アプローチは、計算的に非効率であり、システム性能に有害であるか、小規模システムに限定されている。 本研究では,局所制御バリア関数 (CBF) を構築するための学習可能なアプローチを提案する。
  論文  参考訳（メタデータ） (2024-01-26T14:38:43Z)
• Safe Neural Control for Non-Affine Control Systems with Differentiable Control Barrier Functions [58.19198103790931]
  本稿では,非アフィン制御系における安全クリティカル制御の問題に対処する。 制御バリア関数(CBF)を用いて,状態制約と制御制約の2次コストの最適化を2次プログラムのシーケンス(QP)にサブ最適化できることが示されている。 我々は,高次CBFをニューラル常微分方程式に基づく学習モデルに差分CBFとして組み込んで,非アフィン制御系の安全性を保証する。
  論文  参考訳（メタデータ） (2023-09-06T05:35:48Z)
• Dynamic Simplex: Balancing Safety and Performance in Autonomous Cyber Physical Systems [1.3309898919316483]
  本稿では,双方向スイッチングが可能なオンラインコントローラスイッチングロジックを用いたシンプルな戦略を提案する。 提案手法は, 現状技術よりも衝突が少なく, 性能も高いことを示す。
  論文  参考訳（メタデータ） (2023-02-20T04:00:53Z)
• Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions [60.26921219698514]
  CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。 次に、結果の安全制御器のポイントワイズ実現可能性条件を示す。 これらの条件を利用して、イベントトリガーによるオンラインデータ収集戦略を考案する。
  論文  参考訳（メタデータ） (2022-08-23T05:02:09Z)
• BarrierNet: A Safety-Guaranteed Layer for Neural Networks [50.86816322277293]
  BarrierNetは、ニューラルコントローラの安全性の制約が環境の変化に適応できるようにする。 本研究では,2次元空間と3次元空間における交通統合やロボットナビゲーションといった一連の制御問題について評価する。
  論文  参考訳（メタデータ） (2021-11-22T15:38:11Z)
• Stable Online Control of Linear Time-Varying Systems [49.41696101740271]
  COCO-LQは、大規模なLTVシステムの入出力安定性を保証する効率的なオンライン制御アルゴリズムである。 COCO-LQの性能を実証実験とパワーシステム周波数制御の両例で実証した。
  論文  参考訳（メタデータ） (2021-04-29T06:18:49Z)
• Learning Hybrid Control Barrier Functions from Data [66.37785052099423]
  ハイブリッドシステムの安全な制御法則を得るための体系的なツールが欠如していることから,データから確実に安全な制御法則を学習するための最適化ベースのフレームワークを提案する。 特に、システムダイナミクスが知られており、安全なシステム動作を示すデータが利用可能であるような設定を仮定する。
  論文  参考訳（メタデータ） (2020-11-08T23:55:02Z)
• Learning Stabilizing Controllers for Unstable Linear Quadratic Regulators from a Single Trajectory [85.29718245299341]
  線形2次制御器(LQR)としても知られる2次コストモデルの下で線形制御器を研究する。 楕円形不確実性集合内の全ての系を安定化させる制御器を構成する2つの異なる半定値プログラム(SDP)を提案する。 高い確率で安定化コントローラを迅速に識別できる効率的なデータ依存アルゴリズムであるtextsceXplorationを提案する。
  論文  参考訳（メタデータ） (2020-06-19T08:58:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。