⚡ electrical engineering

Input-to-State Safe Backstepping: Robust Safety-Critical Control with Unmatched Uncertainties

Dieses Paper schlägt ein konstruktives Framework zur Gewährleistung der Input-to-State-Sicherheit in nichtlinearen Systemen vor, die ungematchten Unsicherheiten unterliegen, indem es das ISSf-Konzept durch optimale Zerfallskontroll-Barrierefunktionen generalisiert und auf Strict-Feedback- sowie Dual-Relative-Degree-Systeme anwendet.

Ursprüngliche Autoren: Max H. Cohen, Pio Ong, Aaron D. Ames

Veröffentlicht 2026-02-04

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Max H. Cohen, Pio Ong, Aaron D. Ames

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 fahren ein Auto, das innerhalb einer bestimmten Spur (der „Sicherheitszone“) bleiben muss, um einen Unfall zu vermeiden. Stellen Sie sich nun zwei Probleme vor:

Die Straße ist rutschig: Es gibt unvorhersehbare Windböen oder Unebenheiten (Störungen), die das Auto wegdrücken.
Die Lenkung ist verzögert: Sie können das Lenkrad nicht einfach drehen, um die Position des Autos sofort zu korrigieren. Stattdessen verändert das Drehen des Lenkrads zuerst den Winkel des Autos, und erst danach verändert der Winkel die Position des Autos. Dies wird als „mismatch“-Problem bezeichnet, weil Ihre Steuerung (Lenkung) das Problem (Position) nicht direkt beeinflusst.

Dieses Paper präsentiert ein neues „intelligentes Fahrsystem“ (einen Steuerungsalgorithmus), das garantiert, dass das Auto sicher bleibt, selbst wenn die Straße rutschig ist und die Lenkung verzögert reagiert.

Hier ist eine Aufschlüsselung dessen, wie sie es gemacht haben, unter Verwendung einfacher Analogien:

1. Das Problem: Die „unmatched“ Störung

In vielen Sicherheitssystemen gilt: Wenn eine Windböe das Auto wegdrückt, kann das Lenkrad sofort dagegensteuern, um es auszugleichen. Dies ist ein „matched“-Problem.
Bei komplexen Maschinen wie Drohnen oder Robotern ist es jedoch so, dass der Wind vielleicht den Körper der Drohne trifft, die Motoren aber nur die Neigung steuern können. Die Motoren müssen die Drohne zuerst neigen, was dann den Körper bewegt. Die Störung trifft den Körper, aber die Steuerung wirkt nur auf die Neigung. Dies ist eine „unmatched uncertainty“ (unpassende Unsicherheit). Es ist, als würde man versuchen, einen rollenden Ball zu stoppen, indem man nur den Boden kontrolliert, auf dem er rollt; man muss den Boden auf eine bestimmte Weise bewegen, um den Ball schließlich zu stoellen.

2. Die Lösung: Ein „Sicherheitsnetz“ mit einer flexiblen Feder

Die Autoren verwenden ein mathematisches Werkzeug namens Control Barrier Function (CBF). Stellen Sie sich dies als ein unsichtbares, elastisches Sicherheitsnetz vor, das die Sicherheitszone umgibt.

Standard-Sicherheitsnetz: Wenn Sie das Netz berühren, reißt es Sie zurück.
Das neue „Optimal Decay“-Netz: Die Autoren haben dieses Netz verbessert. Sie haben erkannt, dass man sich keine Sorgen um das Ziehen des Netzes machen muss, solange man sich innerhalb der Sicherheitszone befindet. Man muss sich nur Gedanken machen, wenn man den Rand berührt oder außerhalb ist. Sie haben einen „Skalierungsfaktor“ hinzugefügt (eine Variable, die sie $\omega$ nennen), der wie eine intelligente Feder wirkt. Wenn der Wind stark ist, wird die Feder steifer oder dehnt sich anders, um sicherzustellen, dass man nicht aus der Sicherheitszone gedrückt wird.

3. Die Methode: „Backstepping“ (Die Leiter-Analogie)

Um das Problem der „verzögerten Lenkung“ zu handhaben (bei dem die Steuerung das Sicherheitsziel nicht direkt erreicht), haben sie eine Technik namens Backstepping verwendet.
Stellen Sie sich vor, Sie versuchen, eine Leiter hochzuklettern, um eine sichere Plattform (das Ziel) zu erreichen.

Schritt 1: Sie können nicht direkt nach oben springen. Zuerst müssen Sie die unterste Sprosse erreichen. Die Autoren entwerfen einen „virtuellen Controller“, der so agiert, als wäre die unterste Sprosse bereits das Ziel. Sie stellen sicher, dass das System an diesem ersten Schritt sicher bleibt.
Schritt 2: Sobald der erste Schritt sicher ist, behandeln sie diesen ersten Schritt als den neuen „Boden“ und entwerfen einen Controller, um den nächsten Teil des Systems an diesen ersten Schritt anzupassen.
Das Ergebnis: Durch den Aufbau dieser Sicherheitsleiter, Schritt für Schritt, stellen sie sicher, dass das gesamte System sicher bleibt, auch wenn die Steuerung weit vom Sicherheitsziel entfernt ist.

4. Zwei Arten von „Leitern“

Das Paper zeigt, wie man diese Leiter für zwei spezifische Arten von Maschinen baut:

Strict-Feedback-Systeme: Wie eine strikte Befehlskette. Der erste Teil steuert den zweiten, welcher wiederum den dritten steuert. (Beispiel: Ein umgekehrter Pendelautomat oder ein balancierender Roboter).
Dual-Relative-Degree-Systeme: Wie eine Drohne, bei der der obere Teil (Position) durch den unteren Teil (Winkel) gesteuert wird, aber die Fähigkeit des unteren Teils, den oberen zu steuern, von seinem aktuellen Zustand abhängt. (Beispiel: Eine Quadrocopter-Drohne).

5. Was die Simulationen zeigten

Die Autoren testeten ihre Theorie an zwei digitalen Modellen:

Das balancierende Pendel: Sie simulierten einen Stab, der versucht, aufrecht zu balancieren, während er von zufälligem Wind getroffen wird. Sie zeigten, dass mit ihrer neuen „intelligenten Feder“ (der Optimal Decay CBF) der Stab auch bei starkem Wind aufrecht blieb, während ältere Methoden ihn hätten umfallen lassen.
Die Drohne: Sie simulierten eine Drohne, die in der Nähe einer Wand fliegt und dabei von Windböen getroffen wird. Der Computer der Drohne nutzte ihren Algorithmus, um sich perfekt zu neigen, um gegen den Wind entgegenzuwirken und so zu verhindern, dass sie die Wand trifft.

Zusammenfassung

Das Paper führt einen neuen Weg ein, um Roboter und Maschinen so zu programmieren, dass sie sicher bleiben. Es kombiniert ein flexibles Sicherheitsnetz (Optimal Decay CBF) mit einer schrittweisen Konstruktionsmethode (Backstepping). Dies ermöglicht es komplexen Maschinen, sicher zu bleiben, selbst wenn:

Sie von unvorhersehbaren Kräften (Wind, Reibung) gedrückt werden.
Ihre Steuerungen das Problem nicht direkt lösen können (sie müssen über Zwischenschritte gehen).

Das Ergebnis ist ein System, das nicht nur hofft, sicher zu bleiben, sondern mathematisch garantiert, dass es auch bei „unmatched“-Problemen innerhalb einer sicheren Grenze bleibt.

Technisches Resümee: Input-to-State Safe Backstepping

Problemstellung
Die Gewährleistung der Sicherheit in nichtlinearen Regelsystemen, die unter ungematchten Störungen operieren, bleibt eine erhebliche Herausforderung. Ungematchte Unsicherheiten sind jene, die nicht direkt durch den Steuereingang kompensiert werden können, da sie in die Systemdynamik über Kanäle eintreten, die von der Steuerautorität verschieden sind. Während Control Barrier Functions (CBFs) sich für die sicherheitskritische Regelung in nominalen Umgebungen als effektiv erwiesen haben und auch Input-to-State Safe (ISSf) CBFs zur Handhabung von gematchten Störungen entwickelt wurden, gestaltet sich die Konstruktion von ISSf-CBFs für Systeme mit ungematchten Unsicherheiten als schwierig. Traditionelle Verifikationsbedingungen für ISSf-CBFs werden zu restriktiv, wenn die Steuerautorität an der Sicherheitsgrenze verschwindet, und halten oft nicht für Systeme stand, bei denen die Störungen über andere Dynamiken als den Steuereingang eintreten.

Methodik
Die Arbeit schlägt einen konstruktiven Rahmen vor, der die Theorie der Input-to-State Safety (ISSf) mit CBF-Backstepping vereint, um ungematchte Unsicherheiten zu adressieren. Die Methodik vollzieht sich in drei Hauptstadien:

Verallgemeinerung von ISSf via Optimal Decay CBFs (OD-CBFs):
Die Autoren verallgemeinern zunächst das ISSf-Framework, indem sie den Begriff einer Optimal Decay ISSf-CBF (OD-ISSf-CBF) einführen. Dieser Ansatz lockert die Standard-Verifikationsbedingungen auf zwei Arten:

Optimale Zerfallsvariable: Es wird ein Skalierungsfaktor $\omega$ (der nach unten durch $\theta_d$ beschränkt ist) auf die Klasse- $\mathcal{K}$ -Funktion $\alpha$ eingeführt. Dies fungiert als zusätzliche Entscheidungsvariable und bietet Flexibilität bei der Erfüllung der Barrierebedingungen.
Generalisiertes Störmodell: Anstatt anzunehmen, dass Störungen über den Steuerkanal (matched) eintreten, nutzt das Framework eine Störeingangsmatrix $w(x)$ . Die Robustheitsbedingung wird nur entlang der Projektion der Störung auf den Gradienten der Barrierefunktion ( $L_{wh}$ ) verifiziert, anstatt auf dem vollen Gradienten.
Verifikationslockerung: Ein zentrales theoretisches Ergebnis (Lemma 3) zeigt, dass die Bedingung für OD-ISSf-CBFs nur auf der Grenze und im Außenbereich der sicheren Menge ( $h(x) \leq 0$ ) verifiziert werden muss, anstatt im gesamten Bereich. Wenn die Steuerautorität außerhalb der sicheren Menge ungleich Null ist, ist die Bedingung automatisch erfüllt.

Backstepping-Synthese für ungematchte Unsicherheiten:
Um Systeme zu handhaben, bei denen die Sicherheitsfunktion $h$ keine direkte Steuerautorität besitzt, verwendet die Arbeit ein Backstepping-Verfahren, um ISSf-CBFs für zwei spezifische Klassen von Systemen zu konstruieren:

Strict-Feedback-Systeme: Für Systeme in Strict-Feedback-Form behandelt die Methode höherwertige Zustände als "virtuelle" Steuereingänge. Zuerst wird ein glatter Regler für das oberste Subsystem entworfen, um die OD-ISSf-CBF-Bedingung zu erfüllen. Eine zusammengesetzte Barrierefunktion wird anschließend konstruiert, indem die Abweichung des tatsächlichen Zustands vom virtuellen Regler bestraft wird. Theorem 2 stellt fest, dass die zusammengesetzte Funktion eine gültige OD-ISSf-CBF für das Gesamtsystem ist, sofern die Steuergewichtsmatrix der nächsten Schicht vollen Zeilenrang besitzt.
Dual-Relative-Degree (DRD) Systeme: Für Systeme, die differenziell flachen Systemen ähneln (z. B. Quadrotoren), bei denen die Dynamik der oberen Schicht vom Zustand der unteren Schicht über eine Funktion $\psi(\eta)$ abhängt, betrachtet die Methode das Produkt $\psi(\eta)u_z$ als virtuellen Eingang. Ein virtueller Regler wird für die obere Schicht entworfen, und ein gewünschter unterer Zustand $\eta_d$ wird konstruiert, um die Steuerrichtungen mit diesem virtuellen Eingang auszurichten. Eine zusammengesetzte Barrierefunktion, die die Sicherheit der oberen Schicht und die Abweichung von $\eta$ von $\eta_d$ kombiniert, erweist sich als OD-ISSf-CBF (Theorem 3), sofern spezifische Rangbedingungen der Systemmatrizen erfüllt sind.

Implementierung des Reglers:
Das Framework liefert einen Feedback-Regler, der aus einem Quadratischen Programm (QP) abgeleitet wird. Dieses QP optimiert gemeinsam den Steuereingang $u$ und den Skalierungsfaktor $\omega$ , um die Abweichung von einem nominalen Regler zu minimieren und gleichzeitig die gelockerte OD-ISSf-CBF-Bedingung zu erfüllen. Der resultierende Regler ist lokal Lipschitz-stetig und garantiert die Vorwärtsinvarianz einer aufgeblähten sicheren Menge $S_\delta$ , deren Aufblähungsgröße von der Störungsamplitude und den gewählten Parametern $\varepsilon$ und $\theta_d$ abhängt.

Wesentliche Beiträge
Die Arbeit beansprucht die folgenden primären Beiträge:

Verallgemeinerung von ISSf: Ein neues Framework unter Verwendung von OD-CBFs und einem generalisierten Störeingangsmodell, das eine erhöhte Flexibilität bei der Kompensation von Störungen bietet, insbesondere durch die Lockerung der Verifikation auf die Grenze/den Außenbereich der sicheren Menge.
Konstruktives Backstepping-Verfahren: Eine systematische Methode zur Synthese von ISSf-CBFs für Systeme mit ungematchten Unsicherheiten. Dies umfasst die vollständige technische Behandlung von Strict-Feedback- und DRD-Systemen und erweitert die Anwendbarkeit von Backstepping von der Stabilisierung auf die sicherheitskritische Regelung.
Robuste Sicherheitsgarantien: Theoretische Beweise, die zeigen, dass die synthetisierten Regler sicherstellen, dass das System selbst bei Vorhandensein ungematchter Unsicherheiten innerhalb einer beschränkten Nachbarschaft der sicheren Menge bleibt (ISSf), wobei die Fähigkeit zur strikten Sicherheit gewahrt bleibt, wenn die Störungsgrenzen ausreichend klein sind.

Ergebnisse und Simulationen
Die theoretischen Ergebnisse werden durch numerische Simulationen an zwei Benchmark-Systemen validiert:

Invertiertes Pendel: Ein Strict-Feedback-System unter ungematchten Störungen. Die Simulationen zeigen, dass der vorgeschlagene Regler das Pendel erfolgreich innerhalb eines sicheren Winkelbereichs hält. Die Ergebnisse illustrieren den durch den Parameter $\varepsilon$ gesteuerten Trade-off: Kleinere Werte von $\varepsilon$ bieten eine größere Robustheit und halten die Trajektorie innerhalb der sicheren Menge, während größere Werte es der Trajektorie erlauben, die Menge zu verlassen, aber in einer beschränkten Nachbarschaft zu bleiben, was konsistent mit der ISSf-Theorie ist.
Planares Quadrotor-System: Ein Dual-Relative-Degree-System unter Windböen (ungematchte Störungen). Die Simulation zeigt, dass die Drohne erfolgreich auf eine Wandbeschränkung zusteuert. Während sich die Drohne der Sicherheitsgrenze nähert, passt der Regler die Orientierung ( $\eta$ ) an, um den Schubvektor gegen die Störung auszurichten und so die ungematchte Unsicherheit zu kompensieren. Die Ergebnisse bestätigen, dass eine angemessene Wahl von $\varepsilon$ die Sicherheit gewährleistet, während größere Werte zu Sicherheitsverletzungen führen.

Bedeutung
Die Arbeit positioniert diese Arbeit als konstruktive Lösung für eine hartnäckige Lücke in der sicherheitskritischen Regelung: die Synthese von CBFs für Systeme mit ungematchten Unsicherheiten. Durch die Nutzung der strukturellen Eigenschaften von Strict-Feedback- und DRD-Systemen mittels Backstepping ermöglicht die Arbeit die systematische Konstruktion robuster Sicherheitsfilter für praktisch relevante Klassen nichtlinearer Systeme. Die Arbeit schließt die Lücke zwischen der theoretischen Robustheit von ISSf und den praktischen Syntheseherausforderungen, die durch ungematchte Dynamiken entstehen, und bietet einen Weg zur Implementierung sicherheitskritischer Regler auf komplexen Robotikplattformen wie Quadrotoren und Manipulatoren in unsicheren Umgebungen.