⚡ electrical engineering

Set-Based Value Function Characterization and Neural Approximation of Stabilization Domains for Input-Constrained Discrete-Time Systems

本文提出了一种针对输入约束离散时间系统的稳定域估计新框架，通过引入定义在紧集度量空间上的新型值函数及其贝尔曼型方程，并利用物理信息神经网络直接嵌入这些方程进行训练，从而实现对稳定域的高精度估计及稳定控制器的合成。

原作者： Mohamed Serry, S. Sivaranjani, Jun Liu

发布于 2026-04-02

📖 1 分钟阅读☕ 轻松阅读

原作者： Mohamed Serry, S. Sivaranjani, Jun Liu

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文提出了一种**“用 AI 给复杂机器画安全地图”**的新方法。

为了让你轻松理解，我们可以把这篇论文的核心思想想象成在一个充满陷阱的迷宫里，教一个机器人如何找到回家的路，并且不撞到墙（输入约束）。

1. 核心问题：迷宫里的“安全区”在哪里？

想象你有一个复杂的机器（比如无人机或自动驾驶汽车），它在一个迷宫里运行。

目标：让机器最终停在迷宫中心的“家”（平衡点）。
困难：
1. 机器有限制：它的引擎推力有限，不能无限加速（这就是论文说的“输入约束”）。
2. 迷宫很复杂：墙壁是弯曲的，路径是非线性的，不像走直线那么简单。
3. 未知区域：我们不知道从迷宫的哪个位置出发，机器能安全回家；从哪个位置出发，它一定会撞墙或失控。

这个“能安全回家的所有出发点的集合”，在学术上叫**“稳定域” (Domain of Stabilization, DOS)**。以前的方法要么算得太慢（像用网格一点点试），要么算出来的范围太小（太保守，不敢用）。

2. 新方法的灵感：给“距离”打分（价值函数）

作者想出了一个聪明的办法：给迷宫里的每一个点（状态）打一个**“危险分”**。

分数越低：离“家”越近，越安全。
分数越高：离“家”越远，越危险。
无穷大：如果从这里出发，无论怎么努力都回不了家，分数就是无穷大。

这个“分数”在论文里叫**“价值函数” (Value Function)**。

以前的做法：试图直接算出这个分数，但计算量太大，像要数清迷宫里每一粒沙子。
这篇论文的做法：他们发明了一种**“集合视角”**。不是只看一个点，而是看“如果我从这一小片区域出发，未来会到达哪些地方”。他们定义了一套新的数学规则（贝尔曼方程），让这个“分数”的计算变得有规律可循。

3. 核心创新：用 AI 当“绘图员” (物理信息神经网络)

既然数学公式太复杂，算不出来，那就让**人工智能（神经网络）**来学。

传统 AI 训练：就像让学生死记硬背题目和答案（数据驱动）。如果题目稍微变一下，学生就懵了。
这篇论文的方法（物理信息学习）：就像教学生物理定律。
- 我们告诉 AI：“如果你在这个位置，按照物理规则走一步，你的‘危险分’应该按照这个公式变化。”
- 我们把这套**“分数变化的规则”（贝尔曼方程）直接写进 AI 的考试题目（损失函数）**里。
- 结果：AI 不仅学会了数据，还学会了物理规律。它画出来的“安全地图”既准确，又符合机器运行的真实逻辑。

4. 具体怎么操作？（通俗版步骤）

定义规则：先给迷宫里的“家”定个规矩，只要离得近，分数就低。
模拟未来：让 AI 想象从某一点出发，未来几步会走到哪里（这叫“可达集”近似）。
训练 AI：
- 给 AI 看一些点，问它：“这里的分数是多少？”
- 同时检查：“你算的分数，符合‘走一步后分数变化’的规律吗？”
- 如果不符，AI 就调整自己的“大脑参数”，直到既符合数据，又符合物理规律。
画出地图：训练好后，AI 就能画出整个迷宫的“安全地图”。地图上的等高线就是安全边界。
生成控制器：有了这张地图，机器人只要看自己现在的“分数”，然后选择能让“分数下降最快”的那个动作（比如向左转或加速），就能自动找到回家的路。

5. 实验结果：真的好用吗？

作者在两个数学模型上测试了这个方法（一个二维，一个三维）：

对比：传统的“二次型李雅普诺夫函数”方法（一种老式的数学工具）画出的安全区域像是一个小椭圆，很保守，很多能走的路被它划为禁区了。
新成果：AI 画出的安全区域像是一个不规则的大 blob（ blobs），紧紧贴合了迷宫的真实边界，几乎覆盖了所有能回家的地方。
控制效果：基于这个地图生成的控制器，成功地把机器从很远的地方拉回了家，而且没有违反任何限制（比如没超速）。

总结

这篇论文就像是为复杂的机器系统发明了一种**“智能导航仪”**：

它不再依赖死板的数学公式去硬算。
它利用AI，结合物理定律，自动学习出机器能安全运行的最大范围。
它不仅能告诉你“哪里安全”，还能直接告诉你“怎么走才安全”。

一句话概括：这是一项让 AI 学会“未卜先知”的技术，它能精准地画出复杂机器在受限条件下的“安全活动范围”，并自动规划出回家的最佳路线。

这是一份关于论文《Set-Based Value Function Characterization and Neural Approximation of Stabilization Domains for Input-Constrained Discrete-Time Systems》（输入约束离散时间系统稳定域的基于集合的价值函数表征与神经近似）的详细技术总结。

1. 研究问题 (Problem)

在非线性控制理论中，一个核心挑战是设计能够保证闭环系统渐近稳定的反馈控制器，并准确刻画稳定域（Domain of Stabilization, DOS）。DOS 定义为所有能够被驱动至目标集（通常是平衡点或受控不变集）的初始状态集合。

本文针对输入约束的离散时间非线性系统，主要解决以下难点：

现有方法的局限性：传统的线性化、控制李雅普诺夫函数（CLF）或模型预测控制（MPC）等方法，往往只能提供局部稳定保证，或者计算出的吸引域（Domain of Attraction）远小于真实的 DOS，特别是在存在输入约束时。
理论计算的困难：基于价值函数（Value Function）的方法虽然理论上能精确刻画 DOS（作为价值函数的次水平集），但求解涉及无限时域最优控制和贝尔曼方程中的下确界（infimum）算子，计算复杂度随状态空间维度指数级增长，难以直接应用。
数据驱动方法的不足：现有的基于神经网络的控制器合成方法通常依赖李雅普诺夫下降条件，虽然有效，但往往无法保证估计出的 DOS 是最大化的，且缺乏严格的理论保证。

目标：提出一种新颖框架，利用基于集合的价值函数理论，结合物理信息神经网络（Physics-Informed Neural Networks, PINNs），在输入约束下准确估计离散时间非线性系统的 DOS，并合成稳定控制器。

2. 方法论 (Methodology)

本文提出了一套完整的理论框架与学习算法，主要包含以下核心步骤：

A. 基于集合的价值函数表征 (Set-Based Value Function Characterization)

定义域：将价值函数定义在紧集（Compact Sets）的度量空间上，而非传统的单点状态空间。
价值函数定义：
- 引入函数 $\Psi(X) = \inf_{y \in X} \alpha(y)$ ，其中 $\alpha$ 是与目标集距离相关的惩罚函数。
- 定义累积价值函数 $V(X) = \sum_{k=0}^{\infty} \Psi(R(X, k))$ ，其中 $R(X, k)$ 是集合 $X$ 在 $k$ 步后的可达集。
- 定义变换后的价值函数 $W(X) = 1 - \exp(-V(X))$ 。
理论性质：
- 定理 2 证明了 $V$ 和 $W$ 的有限性/次水平集精确对应于系统的稳定域 $D_A$ 。即 $x \in D_A \iff V(\{x\}) < \infty \iff W(\{x\}) < 1$ 。
- 推导了 $V$ 和 $W$ 满足的贝尔曼型（Bellman-type）或 Zubov 型泛函方程。关键在于，这些方程避免了显式的控制输入下确界算子，而是通过集合映射 $F(X)$ （即 $f(X, U)$ ）来表述，这使得数值求解成为可能。
- 证明了这些价值函数在特定条件下的唯一性和连续性。

B. 物理信息神经网络近似 (Physics-Informed Neural Network Approximation)

有限时域近似：由于无限时域求和不可行，采用截断时域 $N_s$ 和基于轨迹采样的可达集近似 $\tilde{R}(X, k)$ 来计算近似价值函数 $\tilde{W}_{N_s}$ 。
嵌入方程：构建一个前馈神经网络 $\omega_{nn}$ ，其输入是经过嵌入映射 $T$ 处理后的集合（单点集 $\{x\}$ 和可达集 $F(\{x\})$ 的有限维表示）。
损失函数设计：采用混合损失函数进行训练：
- 数据驱动损失 ( $L_d$ )：最小化网络输出与有限时域近似值 $\tilde{W}_{N_s}$ 之间的误差。
- 物理信息损失 ( $L_{pi}$ )：将推导出的贝尔曼型方程（如 $w(X) - w(F(X)) = \xi(X)(1 - w(F(X)))$ ）作为残差项嵌入训练过程。这确保了学习到的函数满足系统的动力学和稳定性约束，而不仅仅是拟合数据。

C. 控制器合成

利用学习到的神经网络价值函数 $\omega_{nn}$ ，通过网格搜索确定阈值，构造受控不变集（CIS）的估计。
设计混合控制器策略：在靠近原点区域使用线性控制器，在中间区域使用基于李雅普诺夫函数 $\nu$ 的控制器，在远离原点区域使用基于学习到的价值函数 $\omega_{nn}$ 的控制器，确保输入约束满足且系统稳定。

3. 主要贡献 (Key Contributions)

理论创新：首次将价值函数定义在紧集度量空间上，用于表征输入约束离散时间系统的稳定域。推导了新的贝尔曼型方程，成功规避了传统最优控制中难以处理的“下确界”算子，为数值求解提供了理论基础。
算法框架：提出了一种物理信息神经网络（PINN）框架，将推导出的集合价值函数方程直接嵌入训练过程。这种方法结合了理论保证（通过方程约束）和可扩展性（通过神经网络），能够学习最大化的稳定域估计。
可计算性：通过引入可达集近似和有限维集合嵌入，解决了高维非线性系统价值函数计算不可行的问题，使得从理论到实际应用的转化成为可能。
控制器合成：不仅估计了 DOS，还基于学习到的价值函数提出了一种构造性的稳定控制器合成方法。

4. 实验结果 (Results)

论文通过两个数值算例验证了方法的有效性：

系统设置：
1. 二维非线性系统。
2. 三维非线性系统。
- 两者均具有输入约束，且开环不稳定。
对比分析：
- 与传统的二次型李雅普诺夫函数方法相比，本文提出的神经网络框架估计出的 DOS 显著更大，保守性更低。
- 学习到的价值函数次水平集（接近 1 的阈值）非常接近理论上的最大稳定域。
控制性能：
- 基于学习到的价值函数合成的控制器，成功将大量初始状态（包括传统方法无法覆盖的区域）驱动至原点，同时严格满足输入约束。
- 在 2D 和 3D 案例中，训练和计算时间分别在 5 分钟和 15 分钟左右，展示了良好的计算效率。

5. 意义与展望 (Significance and Future Work)

理论意义：该工作弥合了经典控制理论（基于价值函数和可达集分析）与现代机器学习（神经网络近似）之间的鸿沟。它证明了通过嵌入物理方程，神经网络可以学习到具有严格理论性质的控制函数。
应用价值：为输入受限的非线性系统提供了一种更精确、更保守性更低的稳定域估计和控制器设计工具，适用于对安全性要求较高的工程场景。
未来方向：
- 形式化验证：结合神经网络验证工具（如 $\alpha,\beta$ -CROWN, dReal）对学习到的价值函数和控制器进行形式化验证，提供严格的正确性保证。
- 扩展性：将框架扩展至具有状态约束和外部扰动的系统。
- 条件放宽：进一步研究并放宽使价值函数成为控制李雅普诺夫函数（CLF）的充分条件，使其适用于更广泛的系统类别。

总结：这篇论文通过创新的“基于集合的价值函数”理论，结合物理信息神经网络，成功解决了输入约束离散时间系统稳定域估计难、保守性高的问题，为复杂非线性系统的控制合成提供了强有力的新工具。