⚡ electrical engineering

Integral Control Barrier Functions with Input Delay: Prediction, Feasibility, and Robustness

Dit artikel presenteert een veiligheidskritisch besturingskader voor niet-lineaire systemen met invoervertragingen dat voorspellingsfeedback en integraal regelbare barrièrefuncties combineert om zowel vertragingen te compenseren als de haalbaarheid en robuustheid te garanderen onder gelijktijdige toestands- en invoerbeperkingen.

Oorspronkelijke auteurs: Adam K. Kiss, Ersin Das, Tamas G. Molnar, Aaron D. Ames

Gepubliceerd 2026-03-26

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Adam K. Kiss, Ersin Das, Tamas G. Molnar, Aaron D. Ames

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een auto bestuurt, maar je hebt een heel rare rempedaal. Wanneer je op de rem trapt, gebeurt er niets. Pas een seconde later (of langer) reageert de auto. Als je dit niet weet en je trapt pas op de rem als je bijna op de voorauto botst, is het al te laat. Je auto komt dan toch nog te dichtbij, of je moet ineens zo hard remmen dat de remmen het begeven.

Dit is precies het probleem dat deze wetenschappers oplossen. Ze hebben een slimme manier bedacht om een auto (of robot) veilig te houden, zelfs als er vertraging zit in de besturing.

Hier is hoe ze dat doen, vertaald naar alledaagse taal:

1. Het Probleem: De "Trage Rem"

In de echte wereld duurt het altijd even voordat een commando werkt. Of het nu gaat om de tijd die een computer nodig heeft om te rekenen, of de tijd die het duurt voordat de motor reageert.

Het gevaar: Een slimme computer die niet weet dat er vertraging is, kijkt naar waar de auto nu is. Maar de rem die hij nu geeft, werkt pas later. Tegen die tijd is de auto al te dichtbij.
De oplossing (De Kristallen Bol): De auteurs gebruiken een techniek die we "voorspelling" noemen. In plaats van te kijken naar waar de auto nu is, berekent de computer waar de auto over een seconde zal zijn. Het is alsof je een kristallen bol hebt die je laat zien wat er gaat gebeuren. Je remt dan niet op basis van de huidige situatie, maar op basis van de toekomstige situatie.

2. De Twee Regels: Niet te dichtbij én niet te hard

Veiligheid heeft vaak twee regels:

Niet te dichtbij komen (de afstand tot de andere auto).
Niet te hard remmen (je remmen kunnen het niet aan als je te hard trapt).

Het probleem is dat deze twee regels soms met elkaar in strijd komen. Stel, je moet heel hard remmen om een botsing te voorkomen, maar je remmen mogen niet harder dan een bepaalde limiet. Dan zit je in een "niet-winnende situatie": als je remt, breekt je de remlimiet; als je niet remt, botst je.

De oplossing (De Slimme Balans): De auteurs hebben een wiskundige formule bedacht die precies uitzoekt of er een manier is om beide regels tegelijk te respecteren. Ze noemen dit een "compatibel paar". Het is alsof ze een balans hebben die altijd weet hoe je moet bewegen zodat je veilig blijft, zonder je remmen te breken.

3. De Onzekere Kristallen Bol (Robuustheid)

Maar wacht, wat als je kristallen bol niet 100% goed is? Wat als de vertraging niet precies 1 seconde is, maar soms 0,8 en soms 1,2? Dan is je voorspelling fout.

Het risico: Als je voorspelling te optimistisch is, denk je dat je veilig bent, maar ben je dat niet.
De oplossing (De Veiligheidsmarge): De auteurs hebben een "veiligheidsbuffer" toegevoegd. Als de computer niet zeker weet hoe groot de vertraging is, gaat hij iets conservatiever reageren. Hij denkt: "Oké, ik ga ervan uit dat de vertraging misschien wel iets groter is dan ik denk, dus ik rem een beetje eerder en voorzichtig."
- Als de voorspelling perfect is, remt hij precies op tijd.
- Als de voorspelling fout is, remt hij een beetje te vroeg, maar dat is veiliger dan te laat.

Het Experiment: De Cruise Control

Om dit te testen, hebben ze het toegepast op een "Adaptive Cruise Control" (een auto die automatisch de snelheid aanpast aan de auto ervoor).

Situatie A (Zonder slimme truc): De auto remt te laat en botst of moet extreem hard remmen (gevaarlijk).
Situatie B (Met de kristallen bol): De auto ziet de botsing al in de toekomst, remt op tijd en soepel.
Situatie C (Met een foutieve bol): Zelfs als de computer de vertraging verkeerd inschat (bijvoorbeeld 50% te laag), zorgt de "veiligheidsbuffer" ervoor dat de auto toch veilig blijft en niet botst.

Samenvatting

Dit onderzoek is als het bouwen van een onverwoestbare veiligheidsriem voor robots en auto's.

Ze kijken vooruit in plaats van alleen naar nu (voorspelling).
Ze zorgen dat alle regels (afstand én remkracht) tegelijk kunnen worden gehaald (haalbaarheid).
Ze bouwen een buffer in voor als de voorspelling niet perfect is (robuustheid).

Dankzij deze methode kunnen we in de toekomst veel veiligere, zelfrijdende auto's hebben, zelfs als de technologie soms traag is of niet 100% precies werkt.

Titel

Integraal Control Barrier Functions met Invoervertraging: Voorspelling, Haalbaarheid en Robuustheid

1. Probleemstelling

In veilige besturingssystemen (safety-critical control) voor niet-lineaire systemen vormen invoervertragingen (input delays) een aanzienlijk risico. Deze vertragingen, veroorzaakt door actuatoren, computatie of communicatie, zorgen ervoor dat een besturingscommando pas na een tijdsinterval $\tau$ effect heeft.

Veiligheidsrisico: Een controller die de vertraging negeert, evalueert veiligheidscondities op de huidige toestand $x(t)$ , terwijl de ingreep pas op $x(t+\tau)$ effect heeft. Dit leidt tot een mismatch die veiligheidsverdringen (schending van toestandsbeperkingen) kan veroorzaken.
Haalbaarheidsprobleem: Veel systemen hebben zowel toestandsbeperkingen (bijv. minimale afstand) als invoerbeperkingen (bijv. maximale versnelling). Bestaande methoden zoals Control Barrier Functions (CBFs) behandelen vaak alleen toestandsbeperkingen. Integral Control Barrier Functions (ICBFs) lossen dit op door de barrière afhankelijk te maken van zowel de toestand als de invoer, maar deze zijn nog niet aangepast voor systemen met vertraging.
Onzekerheid: In de praktijk is de vertraging $\tau$ vaak onbekend of onnauwkeurig. Het gebruik van een voorspeller (predictor) met een onnauwkeurige vertraging leidt tot voorspellingsfouten, die fungeren als verstoringen en de veiligheid kunnen ondermijnen.

2. Methodologie

De auteurs ontwikkelen een veiligheidskader dat drie kerncomponenten integreert:

A. Voorspeller-feedback (Predictor Feedback)

Om de vertraging te compenseren, wordt de ICBF-framework gekoppeld aan een voorspeller.

In plaats van de huidige toestand $x(t)$ te gebruiken, wordt de voorspelde toestand $x_p(t) = x(t+\tau)$ berekend door het systeem over het vertragingstinterval vooruit te integreren.
De integraalcontroller en de veiligheidsfilter worden ontworpen op basis van deze voorspelde toestand $x_p$ , waardoor de controller "weet" wat de toestand zal zijn op het moment dat het commando effect heeft.
De dynamica van de voorspelde toestand is vertragingvrij: $\dot{x}_p(t) = f(x_p(t), u(t))$ .

B. Robuuste ICBF voor Onzekerheid

Om om te gaan met voorspellingsfouten (bijv. door een onnauwkeurige schatting $\hat{\tau}$ van de vertraging), wordt een robuuste ICBF formulering gebruikt.

De voorspellingsfout wordt gemodelleerd als een gebonden verstoring $d(t)$ .
Er wordt een extra robuustheidsterm $r_i(x_p, u)$ toegevoegd aan de CBF-beperking. Deze term is afhankelijk van de afstand tot de veilige grens en zorgt ervoor dat de controller proactief ingrijpt als de voorspelling onzeker is, zonder de prestaties te veel te beïnvloeden als de voorspelling nauwkeurig is.

C. Haalbaarheidsanalyse (Feasibility)

Een kritisch probleem bij het combineren van toestands- en invoerbeperkingen is dat de resulterende Kwantitatieve Programmering (QP) onoplosbaar (infeasible) kan worden, zelfs als elke beperking apart haalbaar is.

De auteurs leiden een gesloten-forme haalbaarheidsvoorwaarde af voor het tweedimensionale QP-probleem.
Deze voorwaarde (gebaseerd op een vorm van Farkas' lemma) definieert wanneer een compatibel paar ICBF-functies ( $h_e$ voor toestandsbeperking en $h_u$ voor invoerbeperking) bestaat dat gegarandeerd een oplossing biedt, zelfs onder invloed van vertraging en robuustheidstermen.
Dit vereist een specifiek ontwerp van de integraalcontroller $\phi$ om de compatibiliteit te garanderen.

3. Belangrijkste Bijdragen

ICBF Framework met Vertraging: De eerste toepassing van Integraal Control Barrier Functions op niet-lineaire systemen met invoervertraging, waarbij voorspeller-feedback wordt gebruikt om de vertraging te compenseren.
Gesloten-forme Haalbaarheidsvoorwaarde: Een nieuwe theoretische voorwaarde die garandeert dat het veiligheidsfilter (QP) haalbaar blijft wanneer toestands- en invoerbeperkingen gelijktijdig worden opgelegd. Dit lost het probleem van incompatibele beperkingen op.
Robuustheid tegen Voorspellingsfouten: Een aanpassing van het ICBF-kader dat onzekerheid in de vertraging en dynamica behandelt als een verstoring, met gegarandeerde veiligheid binnen een "opgeblazen" veilige set (inflated safe set) afhankelijk van de grootte van de fout.
Validatie: Toepassing en simulatie op een Adaptive Cruise Control (ACC) systeem met actuatievertraging.

4. Resultaten (ACC Simulatie)

De methode werd getest op een autonoom voertuig dat een leidvoertuig volgt, met de volgende resultaten:

Zonder compensatie: Een controller die de vertraging negeert, faalt om veiligheidsbeperkingen (afstand en versnelling) in te houden, wat leidt tot gevaarlijke situaties.
Met perfecte voorspelling: De voorgestelde controller compenseert de vertraging volledig. Het gedrag (versnelling en snelheid) is een exacte verschoven versie van het vertragingvrije geval, en alle beperkingen worden nageleefd.
Met onzekerheid en robuustheid: Bij een onderschatting van de vertraging met 50% ( $\hat{\tau} = 0.5\tau$ $\overset{τ}{^} = 0.5 τ$ ):
- Een niet-robuuste controller faalt en schendt de veiligheidsbeperkingen.
- De robuuste ICBF-filter grijpt proactief in en houdt zowel de afstand als de versnellingsbeperkingen binnen de veilige grenzen, ondanks de grote voorspellingsfout.

5. Betekenis en Conclusie

Dit artikel biedt een fundamentele oplossing voor een van de grootste uitdagingen in de praktijk van veilige besturing: het combineren van vertraging, invoerbeperkingen en onzekerheid.

Het bewijst dat het mogelijk is om veilige besturing te garanderen in realistische scenario's waar vertragingen en onnauwkeurige modellen aanwezig zijn.
De afgeleide haalbaarheidsvoorwaarde is essentieel voor het ontwerp van controllers die niet alleen veilig zijn, maar ook operationeel haalbaar (d.w.z. dat de controller niet vastloopt in een onoplosbaar QP-probleem).
De aanpak is breed toepasbaar op robotica, voertuigbesturing en multi-agent systemen waar vertragingen en fysieke beperkingen een rol spelen.

De auteurs concluderen dat toekomstig werk gericht zal zijn op experimentele validatie op ingebouwde platformen met online schatting van de vertraging.