神经网络控制系统的运行时监控与故障检测

将深度学习方法应用于复杂非线性系统的控制是一个新兴趋势。本文考虑在存在干扰和测量噪声的情况下，增强由神经网络控制的非线性系统的运行时安全性。设计了一个鲁棒稳定的区间观测器，为神经网络、非线性函数和系统状态生成合理且精确的下界和上界。所获得的区间用于监控实时系统安全性并检测系统输出或执行器中的故障。通过模拟一个自适应巡航控制车辆系统来验证所提出设计的有效性。