关键词:
安全避障
深度学习
控制障碍函数
专家轨迹
观测学习
仿真验证
安全约束
摘要:
在无人机应用日益广泛的背景下,其系统模型不确定性给规避控制带来挑战,针对此提出基于深度学习的安全学习控制框架。首先在已知环境中,明确避撞安全要求,以预设避撞算法在仿真环境中生成专家轨迹数据,并进行数据泛化、构建边界集等处理,结合人工数据集和安全数据滤波器构建综合数据集,用神经网络拟合控制障碍函数,通过拉格朗日乘子法求解相关约束优化问题,设计特定神经网络作为逼近器。其次,在未知环境下,从激光雷达传感器获取数据转换到世界坐标系,依观测模型区分安全与不安全区域收集样本,利用支持向量机拟合控制障碍函数,采用核函数及松弛系数优化,结合Sigmoid函数等得到逼近器。接着构建安全学习控制框架,离散化系统模型并添加不确定性参数,定义包含系统状态和控制指令序列的成本函数,设置硬、概率、软三种安全约束,建立相应算法模型。最后在PyCharm平台实验,验证已知和未知环境下相关算法及集成框架在不同障碍物环境的有效性,如已知环境中学习后的控制障碍函数能助力无人机避障并到达目标,未知环境下基于观测学习的算法可消除噪声实现避障。结果表明框架性能良好,有望用于实际提升无人机自主安全控制能力。