TL;DR
- چکیده:.
- توابع مانع کنترل (CBFs) یک چارچوب موثر برای اعمال ایمنی در سیستمهای دینامیکی با محدودیتهای اسکالر فراهم میکنند.
- با این حال،.
چه اتفاقی افتاد
چکیده:. توابع مانع کنترل (CBFs) یک چارچوب موثر برای اعمال ایمنی در سیستمهای دینامیکی با محدودیتهای اسکالر فراهم میکنند.
با این حال،. بسیاری از محدودیتهای ایمنی بهطور طبیعی به صورت شرایط با ارزش ماتریس،.
مانند قطعیت مثبت یا مرزهای ارزش ویژه بیان میشوند - فرمولهای اسکالر عدم همواری بالقوه را معرفی میکنند. که تحلیل را پیچیده میکند.
توابع مانع کنترل ماتریس (MCBFs) این محدودیت را با اعمال مستقیم محدودیتهای ایمنی با ارزش ماتریس برطرف میکنند. با این حال،.
برای محدودیتهایی که ورودی کنترل در مشتق اول ظاهر نمیشود،. فرمولهای مرتبه بالا مورد نیاز است.
در حالی که چنین پسوندها در مورد اسکالر به خوبی درک میشوند،. در مورد ماتریس تا حد زیادی ناشناخته باقی میمانند.
این مقاله توابع مانع کنترل ماتریس با مرتبه بالا (HOMCBFs) را توسعه میدهد و شرایطی را ایجاد میکند. که از موقعیت و امکانسنجی مناسب اطمینان حاصل میکند.
محدودیتهای مرتبط، اجرای محدودیتهای ایمنی با ارزش ماتریسی را برای سیستمهایی با دینامیک مرتبه بالا ممکن میسازد. ما همچنین نشان میدهیم که،.
با استفاده از یک فرمول HOMCBF با فروپاشی بهینه،. میتوان از عدم تغییر رو به جلو اطمینان حاصل کرد در حالی که نیاز به کنترل فقط بر.
روی حداقل فضای ویژه دارد. چارچوب بر روی یک مشکل ایمنی محلی سازی با اعمال قطعیت مثبت ماتریس اطلاعات برای یک سیستم یکپارچه.
ساز دوگانه با یک مدل اندازهگیری غیرخطی نشان داده شده است. بهینهسازی و کنترل (math.
OC)؛ سیستمها و کنترل (eess. SY) استناد بهعنوان: (یا v1 [math.
OC] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:.
Samuel Gessow [مشاهده ایمیل] [v1] جمعه،. 3 آوریل 2026،.
20:. 50:.
35 UTC (1,. 949 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.