⚡ electrical engineering

On the Stability of Undesirable Equilibria in the Quadratic Program Framework for Safety-Critical Control

Diese Arbeit untersucht die Entstehung und Stabilität unerwünschter Gleichgewichtspunkte im CLF-CBF-QP-Rahmenwerk für sicherheitskritische Steuerungen, leitet hinreichende Bedingungen für die Kompatibilität von CLF und CBF ab und schlägt eine neue Regelstrategie vor, die durch eine geometrische Anpassung des CLF sowohl Sicherheit als auch eine quasi-globale Konvergenz gewährleistet.

Ursprüngliche Autoren: Matheus F. Reis, A. Pedro Aguiar

Veröffentlicht 2026-03-17

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Matheus F. Reis, A. Pedro Aguiar

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie steuern ein hochmodernes, autonomes Fahrzeug. Ihr Ziel ist es, schnell und sicher von Punkt A nach Punkt B zu kommen. Dafür haben Sie zwei intelligente Assistenten an Bord:

Der Navigator (CLF): Er sagt Ihnen immer: "Fahre in Richtung des Ziels!" Er sorgt dafür, dass Sie nicht ziellos herumirren, sondern asymptotisch (also immer näher kommend) Ihr Ziel erreichen.
Der Sicherheitswächter (CBF): Er schreit: "Stopp! Nicht da lang! Dort ist ein Loch oder eine Mauer!" Er sorgt dafür, dass Sie niemals in einen gefährlichen Bereich (wie eine Wand oder einen anderen Wagen) fahren.

Normalerweise arbeiten diese beiden Assistenten in einem Quadratischen Programm (QP) zusammen. Das ist wie ein super-schneller Rechner, der in jedem Millisekunde den perfekten Kurs berechnet, der sowohl dem Ziel nahekommt als auch die Sicherheit garantiert.

Das Problem: Die "Sackgasse" (Unerwünschte Gleichgewichtspunkte)

In diesem Papier beschreiben die Autoren ein sehr tückisches Problem, das bei dieser Kombination auftreten kann.

Stellen Sie sich vor, Sie fahren auf eine enge Gasse zu, die von zwei Mauern (Sicherheitszonen) begrenzt wird. Ihr Navigator will Sie geradeaus zum Ziel führen. Der Sicherheitswächter schreit aber: "Links ist eine Mauer, rechts ist eine Mauer, bleib in der Mitte!"

In manchen Fällen passiert etwas Seltsames: Der Rechner findet einen Punkt genau in der Mitte der Gasse, an dem die Kraft des Navigators (nach vorne) und die Kraft des Sicherheitswächters (nach hinten, um die Mauer nicht zu berühren) sich perfekt aufheben.

Das Fahrzeug kommt an diesem Punkt zum Stillstand. Es ist weder im Ziel noch in einer Gefahr. Es ist einfach eingefroren.

Das ist das "unerwünschte Gleichgewicht": Das Auto steht still, obwohl es eigentlich weiterfahren sollte.
Das Schlimme daran: Wenn dieser Punkt stabil ist, bleibt das Auto dort für immer stehen. Es ist wie ein Deadlock. Der Fahrer (der Ingenieur) müsste dann extrem vorsichtige Sicherheitsabstände wählen, damit das Auto nie in so eine Sackgasse gerät. Das macht das System aber sehr träge und ineffizient.

Die Lösung: "Kompatibilität" und dynamische Formänderung

Die Autoren dieses Papiers haben nun herausgefunden, warum diese Sackgassen entstehen und wie man sie verhindert.

1. Die Geometrie ist entscheidend:
Stellen Sie sich die "Kraftlinien" des Navigators (CLF) und die "Sicherheitszonen" (CBF) als Formen vor. Wenn die Form des Navigators (z. B. ein langer, schmaler Ellipsen-Ring) nicht gut zur Form der Sicherheitsmauer passt, entsteht eine Sackgasse.
Die Autoren nennen dies "Kompatibilität". Ein kompatibler Navigator ist so geformt, dass er niemals in einer Sackgasse mit der Sicherheitsmauer stecken bleibt. Er findet immer einen Weg, um die Mauer herum, ohne stehen zu bleiben.

2. Der Trick: Den Navigator verformen:
Das Problem ist: Wir wissen oft nicht im Voraus, welche Form der Navigator haben muss, um mit allen möglichen Hindernissen kompatibel zu sein.

Die Lösung der Autoren ist genial und kreativ: Der Navigator kann seine Form ändern!

Stellen Sie sich vor, Ihr Navigator ist nicht aus Stein, sondern aus Wackelpudding oder Knete.

Wenn das Auto in einer offenen Straße fährt, ist der Navigator fest und zielt direkt auf das Ziel.
Wenn das Auto aber merkt, dass es sich einer gefährlichen Sackgasse nähert (wo es sonst stecken bleiben würde), verformt sich der Navigator.
Er dreht sich, wird flacher oder breiter, genau in dem Moment, wo er die Mauer berührt.
Durch diese sanfte Verformung verschwindet die Sackgasse sofort. Die Kräfte heben sich nicht mehr auf, und das Auto kann weiterfahren.

Was die Autoren konkret getan haben:

Analyse: Sie haben mathematisch bewiesen, unter welchen Bedingungen diese "Sackgassen" entstehen (basierend auf der Krümmung der Sicherheitszonen und der Form des Ziels).
Die Q-Funktion: Sie haben eine Art "Wetterkarte" (die Q-Funktion) entwickelt, die vorhersagt, wo diese Sackgassen entstehen würden, bevor das Auto überhaupt fährt.
Der Algorithmus: Sie haben eine Methode entwickelt, die in Echtzeit berechnet, wie der Navigator (die CLF) geformt sein muss, damit keine Sackgasse entsteht.
Die Simulation: In ihren Tests haben sie gezeigt, dass ein Auto mit einem "starren" Navigator oft in einer Sackgasse stecken bleibt. Ein Auto mit ihrem "verformbaren" Navigator hingegen weicht elegant aus, umgeht das Hindernis und erreicht sicher das Ziel.

Zusammenfassung für den Alltag

Stellen Sie sich vor, Sie laufen durch einen vollen Raum voller Menschen (die Sicherheitszonen).

Der alte Weg: Sie laufen stur auf Ihr Ziel zu. Wenn jemand genau in Ihrem Weg steht, stoßen Sie an und bleiben stehen.
Der neue Weg (dieses Papier): Sie haben eine unsichtbare Kraft, die Ihre Laufbahn sofort anpasst. Wenn Sie sehen, dass Sie gegen jemanden laufen würden, der Sie blockiert, ändern Sie in diesem Moment Ihre eigene "Körperhaltung" oder Ihren "Schwung" so, dass Sie nicht mehr stecken bleiben, sondern sanft an der Person vorbeigleiten und weiterlaufen.

Das Papier liefert also die mathematische Anleitung, wie man autonome Systeme (Roboter, Autos, Drohnen) so programmiert, dass sie niemals in einer "Sackgasse" stecken bleiben, sondern immer einen Weg finden, sicher und zielgerichtet zu bleiben.

1. Problemstellung

Das Paper adressiert ein kritisches Sicherheitsproblem in der Regelungstechnik, das durch die Kombination von Control Lyapunov Functions (CLFs) und Control Barrier Functions (CBFs) mittels Quadratischer Programme (QPs) entsteht.

Hintergrund: Der CLF-CBF-QP-Rahmenwerk (basierend auf [3]) garantiert die Sicherheit (Invarianz einer Menge) und die Stabilität eines gewünschten Zielpunkts.
Das Problem: Diese Methode kann ungewollte Gleichgewichtspunkte (Equilibria) im geschlossenen Regelkreis einführen. Diese Punkte können asymptotisch stabil sein und sich beliebig nahe an den unsicheren Bereichen (Barrieren) befinden.
Folgen: Solche stabilen, unerwünschten Gleichgewichtspunkte führen zu Deadlocks (das System bleibt stecken) oder lassen das System in gefährliche Nähe zu Hindernissen geraten. Dies zwingt Ingenieure zu extrem konservativen Sicherheitsmargen.
Ziel: Die Autoren wollen die Existenz und Stabilität dieser Punkte analysieren und eine Methode entwickeln, um sicherzustellen, dass der einzige stabile Gleichgewichtspunkt der globale Minimum der CLF ist.

2. Methodik und Theoretische Grundlagen

2.1 Systemmodell und Rahmenwerk

Das System wird als nichtlineares, steueraffines System modelliert:
$\dot{x} = f(x) + g(x)u$
Die Steuerung $u^*$ wird durch ein QP bestimmt, das die Norm minimiert, während es CLF- und CBF-Bedingungen erfüllt.

2.2 Existenz und Stabilitätsanalyse

Die Autoren leiten Bedingungen für die Existenz von Gleichgewichtspunkten her:

Gleichheitsmannigfaltigkeiten: Sie definieren Gleichgewichtspunkte, die entweder im Inneren der sicheren Menge ( $E_{int}$ ) oder auf dem Rand der CBF-Mengen ( $E_{\partial C_i}$ ) liegen.
Randgleichgewichte: Ein zentrales Ergebnis ist, dass die Stabilität von Randgleichgewichtspunkten (wo $L_{g}h_i \neq 0$ ) von der geometrischen Beziehung zwischen der CLF und den CBFs abhängt.
Jacobian-Analyse: Durch eine detaillierte Analyse der Jacobi-Matrix des geschlossenen Regelkreises an den Randpunkten wird ein notwendiges und hinreichendes Kriterium für die Instabilität abgeleitet (Theorem 3). Die Stabilität hängt von der Projektion der Jacobi-Matrix auf den Unterraum orthogonal zum Gradienten der CBF ab.

2.3 Konzept der CLF-Kompatibilität

Die Autoren führen den Begriff der CLF-Kompatibilität ein:

Eine CLF ist „ $i$ -kompatibel" mit einer CBF, wenn der einzige stabile Gleichgewichtspunkt im geschlossenen System das globale Minimum der CLF ist. Alle anderen Gleichgewichtspunkte (insbesondere auf dem Rand) müssen instabil sein.
Für quadratische CLFs und CBFs sowie für LTI-Systeme (Linear Time-Invariant) und driftlose Systeme mit vollem Rang wird eine analytische Methode entwickelt, um Kompatibilität zu prüfen.

2.4 Die Q-Funktion und Matrix-Polynome

Für die genannten Systemklassen wird eine skalare Q-Funktion $q(\lambda)$ eingeführt, die auf der Theorie der verallgemeinerten Eigenwertprobleme (Generalized Eigenvalue Problem, GEP) und Matrix-Polynomen basiert.

$q(\lambda)$ kodiert die Existenz von Gleichgewichtspunkten auf dem Rand ( $q(\lambda)=1$ ).
Eine Stabilitäts-Polynommatrix $S(\lambda)$ wird definiert. Ein Gleichgewichtspunkt ist stabil genau dann, wenn $S(\lambda)$ negativ semidefinit ist.
Dies ermöglicht die Berechnung der Anzahl und Stabilität der Gleichgewichtspunkte durch Analyse der Nullstellen und Vorzeichenintervalle von Polynomen.

3. Hauptbeiträge

Analytische Charakterisierung: Vollständige Analyse der Existenz und Stabilität von Gleichgewichtspunkten im CLF-CBF-QP-Rahmenwerk für nichtlineare Systeme mit mehreren CBFs.
Definition der Kompatibilität: Einführung des Konzepts der CLF-Kompatibilität als Eigenschaft, die garantiert, dass keine stabilen unerwünschten Gleichgewichtspunkte existieren.
Notwendige und hinreichende Bedingungen: Herleitung von Bedingungen für quadratische CLFs/CBFs bei LTI- und driftlosen Systemen unter Verwendung der Q-Funktion und Matrix-Polynome (Theorem 4 und Korollar 1).
Algorithmus zur „Compatibilisierung": Entwicklung eines Optimierungsverfahrens (Gleichung 71), um aus einer nicht-kompatiblen Referenz-CLF eine kompatible CLF zu berechnen, indem die Hesse-Matrix so angepasst wird, dass die Stabilitätsbedingungen erfüllt sind.
Adaptive Regelstrategie: Vorschlag einer neuen Regelstrategie, die die Geometrie der CLF (die Form der Niveaulinien) dynamisch anpasst.
- Wenn sich der Systemzustand in einem Bereich befindet, in dem ein stabiles unerwünschtes Gleichgewicht droht ( $\Omega_{clf}^i$ ), wird die CLF-Geometrie glatt in Richtung der kompatiblen CLF transformiert.
- Dies induziert eine Bifurkation, die den stabilen Punkt instabil macht oder entfernt, sodass die Trajektorie zum Ziel konvergiert.
- Sobald der Bereich verlassen ist, kehrt die CLF zur Referenzgeometrie zurück.

4. Ergebnisse und Simulationen

Die Autoren validieren ihre Methode durch numerische Beispiele:

Beispiel 1 (LTI-System): Ein System mit einem stabilen Randgleichgewichtspunkt bei Verwendung einer festen CLF. Die Simulation zeigt, dass die adaptive Strategie die CLF-Form (Ellipsen) dynamisch ändert, sobald das System in die kritische Region eintritt. Dies destabilisiert den Randpunkt, und die Trajektorie umfährt das Hindernis sicher und konvergiert zum Ursprung.
Beispiel 2 (Unteraktuiertes System): Ein System mit nicht-vollem Rang der Eingabematrix. Auch hier führt die feste CLF zu einem Deadlock. Die adaptive Methode löst das Problem erfolgreich, indem sie die CLF-Geometrie anpasst, um die Kompatibilitätsbedingungen zu erfüllen.
Visualisierung: Die Figuren zeigen deutlich den Unterschied zwischen dem „Nominal QP" (feste CLF, Deadlock) und dem „Compatible QP" (adaptive CLF, sichere Konvergenz).

5. Bedeutung und Fazit

Theoretischer Durchbruch: Das Paper liefert eine fundierte mathematische Erklärung dafür, warum und wann Deadlocks in CLF-CBF-Systemen auftreten, und bietet ein Werkzeug (Q-Funktion), um dies vorherzusagen.
Praktische Relevanz: Die vorgeschlagene adaptive Strategie ermöglicht es, Sicherheitsgarantien einzuhalten, ohne auf extrem konservative Sicherheitsmargen angewiesen zu sein. Sie verhindert Deadlocks aktiv, indem sie die Regelungsgeometrie anpasst, anstatt die Sicherheitsbedingungen zu verletzen.
Zukunftsaussichten: Die Autoren sehen Potenzial darin, die Q-Funktion-Theorie auf allgemeinere Systemklassen und nicht-quadratische CLFs/CBFs zu erweitern.

Zusammenfassend stellt dieses Werk einen wichtigen Schritt hin zu robusten, deadlock-freien Sicherheitsreglern dar, die die Stabilitätseigenschaften des geschlossenen Regelkreises aktiv durch die Anpassung der Lyapunov-Funktion steuern.